[发明专利]一种数据组包方法和装置、终端设备和可读存储介质

权利要求书

1.一种数据组包方法，其特征在于，所述方法包括：

获取待处理数据集，其中，所述待处理数据集中包括多条数据；

通过深度学习模型对所述待处理数据集进行分类识别，得到第一数据集，其中，所述深度学习模型是通过设定的分类特征进行训练得到的；

对所述第一数据集进行强化学习，得到目标数据集，其中，所述目标数据集中包括预定数量条数据；

对所述目标数据集进行组包操作。

2.根据权利要求1所述的方法，其特征在于，对所述第一数据集进行强化学习，得到目标数据集包括：

计算所述第一数据集中每条数据的得分；

从所述第一数据集中随机选取所述预定数量条数据作为初始集合；

计算所述初始集合的损失函数，得到损失值；

构建决策模型，以损失函数最小作为目标；

剔除所述初始集合中得到最低的数据，并从所述第一数据集中选取使得目标最大的数据加入所述初始集合中；

确定调整后的初始集合的损失值是否达到预设阈值；

如果达到所述预设阈值，则将调整后的初始集合作为所述目标数据集。

3.根据权利要求2所述的方法，其特征在于，在确定调整后的初始集合的损失值是否达到预设阈值之后，还包括：

如果未达到所述预设阈值，则确定是否达到第一迭代次数；

如果达到所述第一迭代次数，则从所述初始结合中剔除第一数量条数据，并从所述第一数据集中随机选取第二数量条数据加入所述初始集合中，并迭代执行：剔除所述初始集合中得到最低的数据，并从所述第一数据集中选取使得目标最大的数据加入所述初始集合中，确定调整后的初始集合的损失值是否达到预设阈值。

4.根据权利要求3所述的方法，其特征在于，在确定是否达到第一迭代次数之后还包括：

如果达到所述第一迭代次数，则确定是否达到第二迭代次数，其中，所述第二迭代次数大于所述第一迭代次数；

如果达到所述第二迭代次数，则将当前的初始集合作为所述目标数据集合；

计算所述目标集合的损失值。

5.根据权利要求2所述的方法，其特征在于，计算所述初始集合的损失函数，得到损失值，包括：

通过如下公式计算损失值：

L＝(A-a₁)²+(B-b₁)²

其中，L表示损失值，a₁表示加权利率，b₁表示加权期限，A表示加权利率目标值，B表示加权期限目标值；

a₁＝∑(执行利率×封包余额)/总余额，

b1＝∑(剩余期限×封包余额)/总余额。

6.根据权利要求2所述的方法，其特征在于，计算所述初始集合的损失函数，得到损失值，包括：

通过如下公式计算每条数据的得分：

S＝(A-执行利率)²+(B-剩余期限)²

其中，S表示得分，A表示加权利率目标值，B表示加权期限目标值。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述待处理数据集为借据数据集，所述目标借据集为证券化数据集，所述设定的分类特征为证券化特征。

8.一种数据组包装置，其特征在于，包括：

获取模块，用于获取待处理数据集，其中，所述待处理数据集中包括多条数据；

识别模块，用于通过深度学习模型对所述待处理数据集进行分类识别，得到第一数据集，其中，所述深度学习模型是通过设定的分类特征进行训练得到的；

学习模块，用于对所述第一数据集进行强化学习，得到目标数据集，其中，所述目标数据集中包括预定数量条数据；

组包模块，用于对所述目标数据集进行组包操作。

9.一种终端设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现权利要求1至7中任一项所述方法的步骤。