[发明专利]基于人工智能的特征数据提取方法、装置及相关设备

权利要求书

1.一种基于人工智能的特征数据提取方法，其特征在于，所述方法包括：

解析接收的特征数据提取请求，获取流水型数据集及所述流水型数据集对应的数据仓库类型；

根据所述数据仓库类型及预设的加工引擎对所述流水型数据集进行逻辑加工，生成目标流水型数据集；

对所述目标流水型数据集进行第一预处理，得到第一特征数据集；

对所述第一特征数据集进行第二预处理，得到第二特征数据集；

采用预设的一阶衍生算法对所述第二特征数据集进行一阶衍生，得到第三特征数据集；

采用预设的多个评价体系对所述第三特征数据集中的每个特征数据进行特征评分，得到每个所述特征数据的多个特征评分值；

基于每个所述特征数据的多个特征评分值，对所述第三特征数据集进行特征数据提取，得到所述特征数据提取请求的特征数据提取结果。

2.如权利要求1所述的基于人工智能的特征数据提取方法，其特征在于，所述根据所述数据仓库类型及预设的加工引擎对所述流水型数据集进行逻辑加工，生成目标流水型数据集包括：

从所述特征数据提取请求中的配置要求中获取模板标识码；

基于所述模板标识码获取对应的配置模板，根据所述配置模板选择聚合主键、日期字段、数值字段和字符字段；

基于所述聚合主键、日期字段、数值字段和字符字段对所述流水型数据集进行配置，得到流水型数据集；

根据所述数据仓库类型及预设的加工引擎自动生成加工逻辑，并采用所述加工逻辑对所述流水型数据集进行逻辑加工，生成目标流水型数据集。

3.如权利要求1所述的基于人工智能的特征数据提取方法，其特征在于，所述对所述目标流水型数据集进行第一预处理，得到第一特征数据集包括：

根据预设的多个第一字段类型对所述目标流水型数据集进行第一次划分，得到预设的每个所述第一字段类型的子数据集；

采用预设的每个所述第一字段类型对应的算子对预设的每个所述第一字段类型的子数据集中的每个子数据进行算子加工，得到预设的每个所述第一字段类型的特征数据集；

对所述预设的多个第一字段类型的多个特征数据集进行合并，并将合并后的多个特征数据集确定为第一特征数据集。

4.如权利要求1所述的基于人工智能的特征数据提取方法，其特征在于，所述对所述第一特征数据集进行第二预处理，得到第二特征数据集包括：

根据预设的多个第二字段类型对所述第一特征数据集进行第二次划分，得到预设的每个所述第二字段类型的第二特征子数据集，并将所述预设的多个第二字段类型对应的多个第二特征子数据确定为第二特征数据集。

5.如权利要求1至4中任意一项所述的基于人工智能的特征数据提取方法，其特征在于，所述采用预设的一阶衍生算法对所述第二特征数据集进行一阶衍生，得到第三特征数据集包括：

从所述第二特征集中提取预设的每个所述第二字段类型的第二特征子数据集；

采用预设的每个所述第二字段类型对应的一阶衍生算法对对应预设的每个所述第二字段类型的第二特征子数据集中的每个特征子数据进行一阶衍生，得到预设的每个所述第二字段类型的第三特征子数据集；

对所述预设的多个第二字段类型的多个第三特征子数据集进行合并，并将合并后的多个第三子数据集，确定为第三特征数据集。

6.如权利要求1所述的基于人工智能的特征数据提取方法，其特征在于，所述基于每个所述特征数据的多个特征评分值，对所述第三特征数据集进行特征数据提取，得到所述特征数据提取请求的特征数据提取结果包括：

采用预设的加权算法对所述第三特征数据集中的每个所述特征数据的多个特征评分值进行加权计算，得到每个所述特征数据的加权值；

从计算得到的加权值中选取加权值较大的多个特征数据，确定为所述特征数据提取请求的特征数据提取结果。

7.如权利要求5所述的基于人工智能的特征数据提取方法，其特征在于，所述预设的第一字段类型包括数值字段类型，类别字段类型和日期字段类型，所述预设的第二字段类型包括数值型和字符型。