用于基于业务数据库构建业务模型的方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111522797A(43)申请公布日2020.08.11(21)申请号202010343388.0(22)申请日2020.04.27(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人周庆岳张卓薛菲蒋宛静钱江李楠曹睿谢文韬黄柏戴春博赵坤(74)专利代理机构北京永新同创知识产权代理有限公司11376代理人林锦辉刘景峰(51)Int.Cl.G06F16/21(2019.01)G06F16/22(2019.01)G06N20/00(2019.01)权利要求书4页说明书15页附图9页(54)发明名称用于基于业务数据库构建业务模型的方法和装置(57)摘要本说明书的实施例提供一种用于基于业务数据库来构建业务模型的方法及装置。在该方法中，从业务数据池的业务数据表中确定出与业务样本实例集之间具有关联性的第一业务数据表。此外，基于第一业务数据表来进行特征探索，以得到模型特征集。随后，根据模型特征集，使用自动机器学习方法来构建目标业务模型。CN111522797ACN111522797A权利要求书1/4页1.一种用于基于业务数据库构建业务模型的方法，所述业务数据库包括业务数据池，所述业务数据池包括至少一个业务数据表，每个业务数据表包括至少一个业务数据列，所述方法包括：从业务数据池的业务数据表中确定出与业务样本实例集之间具有关联性的第一业务数据表；基于所述第一业务数据表来进行特征探索，以得到模型特征集；以及根据所述模型特征集，使用自动机器学习方法来构建目标业务模型。2.如权利要求1所述的方法，其中，从业务数据池的业务数据表中确定出与业务样本实例集之间具有关联性的第一业务数据表包括：计算所述业务数据池中的各个业务数据表与所述业务样本实例集之间的笛卡尔积；将所述业务样本实例集的数据数目和各个业务数据表的笛卡尔积的数据数目之间的比值，确定为各个业务数据表与所述业务样本实例集之间的关联度；以及将所具有的关联度大于第一阈值的业务数据表，确定为所述第一业务数据表。3.如权利要求1所述的方法，其中，从业务数据池的业务数据表中确定出与业务样本实例集之间具有关联性的第一业务数据表包括：使用所述业务样本实例集来生成布隆过滤器；使用布隆过滤器来对所述业务数据池中的各个业务数据表进行数据过滤；基于各个业务数据表的数据过滤结果，确定所述业务数据池中的各个业务数据表与所述业务样本实例集之间的关联度；以及将所具有的关联度大于第一阈值的业务数据表，确定为所述第一业务数据表。4.如权利要求3所述的方法，其中，基于各个业务数据表的数据过滤结果，确定所述业务数据池中的各个业务数据表与所述业务样本实例集之间的关联度包括：针对各个业务数据表，将布隆过滤器过滤后与布隆过滤器过滤前的数据数目比值确定为该业务数据表与所述业务样本实例集之间的关联度。5.如权利要求3所述的方法，其中，在使用布隆过滤器来对所述业务数据池中的各个业务数据表进行数据过滤之前，所述方法进一步包括：分别对各个业务数据表进行数据采样，使用布隆过滤器来对所述业务数据池中的各个业务数据表进行数据过滤包括：使用布隆过滤器来对各个业务数据表的数据采样进行数据过滤。6.如权利要求5所述的方法，其中，分别对各个业务数据表进行数据采样包括：分别对各个业务数据表执行预定数目次数据采样，基于各个业务数据表的数据过滤结果，确定所述业务数据池中的各个业务数据表与所述业务样本实例集之间的关联度包括：针对各个业务数据表，将每次数据采样的布隆过滤器过滤后与布隆过滤器过滤前的数据数目比值，确定为该次数据采样所对应的业务数据表与所述业务样本实例集之间的关联概率；确定所得到的关联概率在给定置信范围下的置信区间；以及将所述置信区间的下限确定为该业务数据表与所述业务样本实例集之间的关联度。7.如权利要求1所述的方法，其中，在从业务数据池的业务数据表中确定出与业务样本2CN111522797A权利要求书2/4页实例集之间具有关联性的第一业务数据表之前，所述方法进一步包括：对所述业务数据池中的各个业务数据表进行数据探查，以得到各个业务数据表中的各个业务数据列的元信息。8.如权利要求7所述的方法，其中，所述元信息包括下述信息中的至少一个：统计信息、社会属性信息、数据类型信息以及信息相似度。9.如权利要求8所述的方法，其中，在从业务数据池的业务数据表中确定出与业务样本实例集之间具有关联性的第一业务数据表之前，所述方法进一步包括：基于各个业务数据列的信息相似度，对各个业务数据表进行数据精简处理。10.如权利要求1所述的方法，其中，各个特征具有特征权重，基于所述第一业务数据表来进行特征探索，以得到模型特征集包括：执行下述迭代