[发明专利]一种基于人工智能的数据处理方法、装置、设备及介质

说明书

本申请实施例公开了一种基于人工智能的数据处理方法、装置、设备及介质，包括：对业务数据进行筛选处理，得到N个候选数据；N个候选数据包括候选数据i；从M个属性信息中获取目标属性信息，将N个候选数据分别对应的目标属性信息作为节点，构建目标异构图；对目标异构图进行异构图卷积处理，得到候选数据i在目标属性信息下对应的注意力特征；在得到候选数据i在M个属性信息下分别对应的注意力特征时，对M个注意力特征进行聚合处理，得到聚合特征Zsubgt;i/subgt;；聚合特征Zsubgt;i/subgt;用于确定将候选数据i作为关键数据的概率参数；关键数据是指与业务数据具备匹配关系的数据。采用本申请实施例，可以提高数据匹配的准确度以及效率。

技术领域

本申请涉及计算机技术领域，尤其涉及一种基于人工智能的数据处理方法、装置、设备及介质。

背景技术

在传统数据匹配场景中，往往采用人工指定的规则或角度，需要花费大量的时间，根据人工经验，对业务数据中的每个候选数据进行数据匹配，从而严重影响了数据匹配的效率。此外，由于人为主观因素的影响，不同的识别对象针对同一业务数据所选择的最终的关键数据可能存在不同，比如，在对包括多个视频帧的某一视频数据进行封面选图时，识别对象A认为该视频数据中的某一视频帧(例如，视频帧a)与该视频数据具备匹配关系，可以作为该视频数据的封面数据，而识别对象B认为该视频数据中的另一视频帧(例如，视频帧b)与该视频数据具备匹配关系，可以作为该视频数据的封面数据，这样将导致不同识别对象的识别结果存在不一致的情况，以至于降低了数据匹配的准确度。

发明内容

本申请实施例提供一种基于人工智能的数据处理方法、装置、设备及介质，可以提高数据匹配的准确度以及效率。

本申请实施例一方面提供一种基于人工智能的数据处理方法，包括：

对业务数据进行筛选处理，得到N个候选数据；N为大于1的正整数；N个候选数据包括候选数据i；i为小于或者等于N的正整数；业务数据包括M个特征维度互不相同的属性信息；M为大于1的正整数；

从M个属性信息中获取目标属性信息，将N个候选数据分别对应的目标属性信息作为节点，构建业务数据对应的目标异构图；

对目标异构图进行异构图卷积处理，得到候选数据i在目标属性信息下对应的注意力特征；

在得到候选数据i在M个属性信息下分别对应的注意力特征时，对M个注意力特征进行聚合处理，得到候选数据i对应的聚合特征Z_i；聚合特征Z_i用于确定将候选数据i作为关键数据的概率参数；关键数据是指与业务数据具备匹配关系的数据。

本申请实施例一方面提供一种基于人工智能的数据处理装置，包括：

数据筛选模块，用于对业务数据进行筛选处理，得到N个候选数据；N为大于1的正整数；N个候选数据包括候选数据i；i为小于或者等于N的正整数；业务数据包括M个特征维度互不相同的属性信息；M为大于1的正整数；

构建模块，用于从M个属性信息中获取目标属性信息，将N个候选数据分别对应的目标属性信息作为节点，构建业务数据对应的目标异构图；

卷积处理模块，用于对目标异构图进行异构图卷积处理，得到候选数据i在目标属性信息下对应的注意力特征；

聚合处理模块，用于在得到候选数据i在M个属性信息下分别对应的注意力特征时，对M个注意力特征进行聚合处理，得到候选数据i对应的聚合特征Z_i；聚合特征Z_i用于确定将候选数据i作为关键数据的概率参数；关键数据是指与业务数据具备匹配关系的数据。

其中，业务数据包括A个子数据；A为大于N的正整数；

该数据筛选模块包括：