一种数据处理方法技术

本申请公开了数据处理方法

【技术实现步骤摘要】
一种数据处理方法、装置、电子设备及计算机可读介质


[0001]本申请涉及大数据数据处理
，尤其涉及一种数据处理方法
、
装置
、
电子设备及计算机可读介质
。

技术介绍

[0002]目前，在金融领域，参考国家标准及行业规范，业务影响分析的定义指标包含业务功能分析指标和业务中断影响指标，但是对指标权重进行确定的方法尚无规范及要求，一般采用层次分析法
、
熵权法等，主观随意性较强
、
与实际情况相差较大，业务影响分析效果差
。

技术实现思路

[0003]有鉴于此，本申请实施例提供一种数据处理方法
、
装置
、
电子设备及计算机可读介质，能够解决现有的对指标权重进行确定的方法主观随意性较强
、
与实际情况相差较大，业务影响分析效果差的问题
。
[0004]为实现上述目的，根据本申请实施例的一个方面，提供了一种数据处理方法，包括：
[0005]响应于触发数据处理订阅事件，获取对应的指标数据以及指标数据对应的重要性得分矩阵；
[0006]基于重要性得分矩阵，确定指标数据中的每一个指标的重要性分值；
[0007]根据重要性分值对指标数据中的每一个指标进行重要程度排序，以得到排序指标数据；
[0008]基于排序指标数据，确定目标矩阵对应的最大特征值，基于最大特征值确定对应的特征向量，根据特征向量确定指标数据中的每一个指标的权重向量/>。
[0009]可选地，确定目标矩阵对应的最大特征值，包括：
[0010]基于排序指标数据，生成指标相互比较重要性的标度矩阵；
[0011]根据标度矩阵，计算一致性矩阵，将一致性矩阵确定为目标矩阵；
[0012]确定目标矩阵对应的最大特征值
。
[0013]可选地，计算一致性矩阵，包括：
[0014]获取标度矩阵对应的下标标识，根据下标标识和预设阈值，计算对应的最优传递矩阵；
[0015]基于最优传递矩阵进行指数计算，以得到对应的一致性矩阵
。
[0016]可选地，基于最大特征值确定对应的特征向量，包括：
[0017]根据目标矩阵
、
特征值和预设方程组，以求解得到对应的特征向量
。
[0018]可选地，根据特征向量确定指标数据中的每一个指标的权重向量，包括：
[0019]归一化特征向量，以基于归一化后的特征向量得到指标数据中的每一个指标的权重向量
。
[0020]可选地，确定目标矩阵的最大特征值，包括：
[0021]计算目标矩阵每一行元素的乘积，计算乘积的
n
次方根，以基于
n
次方根确定目标矩阵的最大特征值
。
[0022]可选地，基于最大特征值确定对应的特征向量，包括：
[0023]基于
n
次方根，确定矩阵向量；
[0024]对矩阵向量进行归一化处理，以得到最大特征值对应的特征向量
。
[0025]另外，本申请还提供了一种数据处理装置，包括：
[0026]获取单元，被配置成响应于触发数据处理订阅事件，获取对应的指标数据以及指标数据对应的重要性得分矩阵；
[0027]分值确定单元，被配置成基于重要性得分矩阵，确定指标数据中的每一个指标的重要性分值；
[0028]排序单元，被配置成根据重要性分值对指标数据中的每一个指标进行重要程度排序，以得到排序指标数据；
[0029]权重向量确定单元，被配置成基于排序指标数据，确定目标矩阵对应的最大特征值，基于最大特征值确定对应的特征向量，根据特征向量确定指标数据中的每一个指标的权重向量
。
[0030]可选地，权重向量确定单元进一步被配置成：
[0031]基于排序指标数据，生成指标相互比较重要性的标度矩阵；
[0032]根据标度矩阵，计算一致性矩阵，将一致性矩阵确定为目标矩阵；
[0033]确定目标矩阵对应的最大特征值
。
[0034]可选地，权重向量确定单元进一步被配置成：
[0035]获取标度矩阵对应的下标标识，根据下标标识和预设阈值，计算对应的最优传递矩阵；
[0036]基于最优传递矩阵进行指数计算，以得到对应的一致性矩阵
。
[0037]可选地，权重向量确定单元进一步配置成：
[0038]根据目标矩阵
、
特征值和预设方程组，以求解得到对应的特征向量
。
[0039]可选地，权重向量确定单元进一步被配置成：
[0040]归一化特征向量，以基于归一化后的特征向量得到指标数据中的每一个指标的权重向量
。
[0041]可选地，权重向量确定单元进一步被配置成：
[0042]计算目标矩阵每一行元素的乘积，计算乘积的
n
次方根，以基于
n
次方根确定目标矩阵的最大特征值
。
[0043]可选地，权重向量确定单元进一步被配置成：
[0044]基于
n
次方根，确定矩阵向量；
[0045]对矩阵向量进行归一化处理，以得到最大特征值对应的特征向量
。
[0046]另外，本申请还提供了一种数据处理电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述的数据处理方法
。
[0047]另外，本申请还提供了一种计算机可读介质，其上存储有计算机程序，程序被处理
器执行时实现如上述的数据处理方法
。
[0048]为实现上述目的，根据本申请实施例的又一个方面，提供了一种计算机程序产品
。
[0049]本申请实施例的一种计算机程序产品，包括计算机程序，程序被处理器执行时实现本申请实施例提供的数据处理方法
。
[0050]上述专利技术中的一个实施例具有如下优点或有益效果：本申请通过响应于触发数据处理订阅事件，获取对应的指标数据以及指标数据对应的重要性得分矩阵；基于重要性得分矩阵，确定指标数据中的每一个指标的重要性分值；根据重要性分值对指标数据中的每一个指标进行重要程度排序，以得到排序指标数据；基于排序指标数据，确定目标矩阵对应的最大特征值，基于最大特征值确定对应的特征向量，根据特征向量确定指标数据中的每一个指标的权重向量
。
减少了人为误判，提升了业务影响分析指标权重确定的准确性；提升了业务影响分析指标权重确定的效率
。
[0051]上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明
。
附图说明
[0052]附图用于更好地理解本申请，不构成对本申请的不当限定<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种数据处理方法，其特征在于，包括：响应于触发数据处理订阅事件，获取对应的指标数据以及所述指标数据对应的重要性得分矩阵；基于所述重要性得分矩阵，确定所述指标数据中的每一个指标的重要性分值；根据所述重要性分值对所述指标数据中的每一个指标进行重要程度排序，以得到排序指标数据；基于所述排序指标数据，确定目标矩阵对应的最大特征值，基于所述最大特征值确定对应的特征向量，根据所述特征向量确定所述指标数据中的每一个指标的权重向量
。2.
根据权利要求1所述的方法，其特征在于，所述确定目标矩阵对应的最大特征值，包括：基于所述排序指标数据，生成指标相互比较重要性的标度矩阵；根据所述标度矩阵，计算一致性矩阵，将所述一致性矩阵确定为目标矩阵；确定所述目标矩阵对应的最大特征值
。3.
根据权利要求2所述的方法，其特征在于，所述计算一致性矩阵，包括：获取所述标度矩阵对应的下标标识，根据所述下标标识和预设阈值，计算对应的最优传递矩阵；基于所述最优传递矩阵进行指数计算，以得到对应的一致性矩阵
。4.
根据权利要求1所述的方法，其特征在于，所述基于所述最大特征值确定对应的特征向量，包括：根据所述目标矩阵
、
所述特征值和预设方程组，以求解得到对应的特征向量
。5.
根据权利要求1所述的方法，其特征在于，所述根据所述特征向量确定所述指标数据中的每一个指标的权重向量，包括：归一化所述特征向量，以基于归一化后的特征向量得到所述指标数据中的每一个指标的权重向量
。6.
根据权利要求1所述的方法，其特征在于，所述确定目标矩阵的最大特征值，包括：计算目标矩阵每一行元素的乘积，计算所述乘积的
n
次方根，以基于所述
n
次方根确定目标矩阵的最大特征值
。7.
根据权利要求6所述的方法，其特征在于，所述基于所述最大特征值确定对应的特征向量，包括：基于所述
n
次方根，确定矩阵向量；对所述矩阵向量进行归一化处理，以得到所述最大特征值对应的特征向量
。8.
一种数据处理装置，其特征在于，包括：获取单元，被配置成响应于触发数据处理订阅事件，获取对应的指标数据以及所述指标数据对应的重要性得分矩阵；分值确定单元，被配置成基于所述...

【专利技术属性】
技术研发人员：郭圣伟，
申请(专利权)人：建信金融科技有限责任公司，
类型：发明
国别省市：