(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211163723.4 (22)申请日 2022.09.23 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 孔令珩　王伟权　林鹏　吴佳文　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 周清华 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01) (54)发明名称 业务数据处理方法、 装置、 计算机设备和存 储介质 (57)摘要 本申请涉及一种业务数据处理方法、 装置、 计算机设备和存储介质。 方法包括： 获取目标业 务对象的资源交互描述数据； 根据资源交互描述 数据， 确定目标业务对象在时间周期对应的异常 交互统计信息； 将历史时间周期 对应的异常交互 统计信息输入至第一异常交互波动信息确定模 型， 确定第一异常交互波动信息； 将历史时间周 期对应的异常交互统计信息输入至第二异常交 互波动信息确定模型， 确定第二异常 交互波动信 息； 根据第一异常交互波动信息和第二异常交互 波动信息， 确定目标资源损失信息； 根据目标资 源损失信息， 确定目标业务对象的资源池在预测 时间周期内的准备资源信息。 采用本方法能够提 高资源交 互效率。 权利要求书3页 说明书13页 附图6页 CN 115439229 A 2022.12.06 CN 115439229 A 1.一种业 务数据处 理方法， 其特 征在于， 所述方法包括： 获取目标业务对象的资源交互描述数据； 所述资源交互描述数据用于描述所述目标业 务对象在预设时间段中的每 个时间周期对应的资源交 互情况； 根据所述资源交互描述数据， 确定所述目标业务对象在各所述 时间周期对应的异常交 互统计信息； 将在预测时间周期之前的预设数量的所述 时间周期作为历史时间周期， 并将各所述历 史时间周期对应的异常交互统计信息输入至第一异常交互波动信息确定模 型， 确定第一异 常交互波动信息， 以及， 将各所述历史时间周期对应的异常交互统计信息输入至第二异常 交互波动信息确定模 型， 确定第二异常交互波动信息； 其中， 所述第一异常交互波动信息确 定模型为根据广义自回归条件异方差模型确定得到； 所述第二异常交互波动信息确定模型 为根据非对称广义自回归条件异方差模型确定得到； 根据所述第一异常交 互波动信息和第二异常交 互波动信息， 确定目标资源损失信息； 根据目标资源损失信 息， 确定所述目标业务对象的资源池在所述预测时间周期内的准 备资源信息 。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述第 一异常交互波动信 息和第 二异常交 互波动信息， 确定目标资源损失信息， 包括： 根据所述第一异常交互波动信息， 确定第一资源损失预测信 息， 以及， 根据所述第二异 常交互波动信息， 确定第二资源损失预测信息； 根据所述第 一资源损失预测信 息和所述第 二资源损失预测信 息， 确定所述目标资源损 失信息。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述第 一资源损失预测信 息和所 述第二资源损失预测信息， 确定所述目标资源损失信息， 包括： 采用至少两种模型检验方法， 分别对所述第 一资源损失预测信 息和所述第 二异常交互 波动信息进行准确度校验操作， 得到第一校验结果和第二校验结果； 所述第一校验结果用 于表征所述第一资源损失预测信息的准确度； 所述第二校验结果用于表征所述第二资源损 失预测信息的准确度； 在所述第一资源损失预测信息的准确度大于所述第二资源损失预测信息的准确度的 情况下， 将所述第一资源损失预测信息作为所述目标资源损失信息； 在所述第一资源损失预测信息的准确度小于所述第二资源损失预测信息的准确度的 情况下， 将所述第二资源损失预测信息作为所述目标资源损失信息 。 4.根据权利要求2所述的方法， 其特征在于， 所述根据所述第一异常交互波动信息， 确 定第一资源损失预测信息， 包括： 将所述第一异常交互波动信 息输入至预训练 的资源损失预测模型， 得到所述预训练 的 资源损失预测模型针对所述第一异常交 互波动信息的预测结果； 根据所述第一异常交 互波动信息的预测结果， 确定第一资源损失预测信息； 所述根据所述第二异常交 互波动信息， 确定第二资源损失预测信息， 包括： 将所述第二异常交互波动信 息输入至预训练 的资源损失预测模型， 得到所述预训练 的 资源损失预测模型针对所述第二异常交 互波动信息的预测结果； 根据所述第二异常交 互波动信息的预测结果， 确定第二资源损失预测信息 。权　利　要　求　书 1/3 页 2 CN 115439229 A 25.根据权利要求1所述的方法， 其特征在于， 所述根据所述资源交互描述数据， 确定所 述目标业 务对象在各 所述时间周期对应的异常交 互统计信息， 包括： 根据所述资源交互描述数据， 确定所述目标业务对象在各所述 时间周期对应的异常资 源交互数与总资源交 互数； 根据各所述 时间周期对应的异常资源交互数与总资源交互数， 确定各所述 时间周期对 应的异常交互统计信息； 所述异常交互统计信息用于表征相应的所述异常资源交互数与相 应的所述总资源交 互数之间的比值。 6.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 构建待训练的所述第一异常交互波动信息和待训练的所述第二异常交互波动信息确 定模型； 将所述目标业务对象在各所述预设时间周期对应的异常交互统计信 息， 作为时间序列 训练样本数据， 并采用所述时间序列训练样本数据分别对待训练的所述第一异常交互波动 信息和待训练的所述第二异常交互波动信息确定模型进行训练， 直至得到训练好的所述第 一异常交 互波动信息和训练好的所述第二异常交 互波动信息 。 7.根据权利要求6所述的方法， 其特征在于， 在所述构建待训练 的所述第 一异常交互波 动信息和待训练的所述第二异常交 互波动信息确定模型的步骤之前， 所述方法还 包括： 对各所述 时间周期对应的异常交互统计信 息进行统计处理， 确定所述异常交互统计信 息的统计结果； 所述统计结果包括平均值、 偏度或峰度中的至少一种； 所述统计结果用于表 征所述异常交 互统计信息的分布； 在所述异常交互统计信息的分布满足偏态T分布的情况下， 执行所述构建待训练的所 述第一异常交 互波动信息和待训练的所述第二异常交 互波动信息确定模型的步骤。 8.一种业 务数据处 理装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取目标业务对象的资源交互描述数据； 所述资源交互描述数据用于 描述所述目标业 务对象在预设时间段中的每 个时间周期对应的资源交 互情况； 异常信息确定模块， 用于根据所述资源交互描述数据， 确定所述目标业务对象在各所 述时间周期对应的异常交 互统计信息； 波动信息确定模块， 用于将在预测时间周期之前的预设数量的所述 时间周期作为历史 时间周期， 并将各所述历史时间周期对应的异常交互统计信息输入至第一异常交互波动信 息确定模 型， 确定第一异常交互波动信息， 以及， 将各所述历史时间周期对应的异常交互统 计信息输入至第二异常交互波动信息确定模型， 确定第二异常交互波动信息； 其中， 所述第 一异常交互波动信息确定模型为根据广义自回归条件异方差模型确定得到； 所述第二异常 交互波动信息确定模型为 根据非对称广义自回归条件异方差模型确定得到； 损失信息确定模块， 用于根据所述第一异常交互波动信息和第二异常交互波动信息， 确定目标资源损失信息； 准备信息确定模块， 用于根据目标资源损 失信息， 确定所述目标业务对象的资源池在 所述预测时间周期内的准备资源信息 。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序权　利　要　求　书 2/3 页 3 CN 115439229 A 3