CN113011566A - 数据处理方法、电子设备及计算机可读存储介质 - Google Patents

Abstract

本发明提供了一种数据处理方法、电子设备及计算机可读存储介质。该数据处理方法接收对显示界面上数据处理控件的第一操作；响应第一操作，对输入至神经网络模型的数据进行处理，得到处理后的结果数据；接收对显示界面上特征处理控件的第二操作；响应第二操作，计算结果数据的特征值，得到特征值结果；输出特征值结果。上述方法为现有的人工智能算法计算平台提供了一种稳定、可靠的人工智能算法计算和模型管理平台的技术方案，该计算方案能够对于输入源数据、计算过程和输出形式进行界面友好、高效的配置和管理，能够最大程度提升现有系统用户的工作效率。

Description

数据处理方法、电子设备及计算机可读存储介质

技术领域

本发明涉及特征值计算领域，具体而言，涉及一种数据处理方法、电子设备及计算机可读存储介质。

背景技术

现有技术中帮助工程师进行建立人工智能模型、保管模型、训练模型和使用模型进行预测服务的人工智能算法计算平台依赖于上游客户数据管理系统的输入。上游客户数据管理系统所输入的数据是分散于多个维度和多个数据源的，且零碎而缺少统计信息，从而无法保证计算平台的正常、稳定运行，以及保证训练模型和使用模型进行预测服务的精确性。

为了保证计算平台的正常、稳定运行，以及保证训练模型和使用模型进行预测服务的精确性，现有的人工智能算法计算和模型管理平台亟需一种的输入源数据及特征值计算的方案，或者说现在缺少一个对于输入数据源、计算过程和输出形式进行界面友好、高可用高效的配置和管理系统。

发明内容

本发明的主要目的在于提供一种数据处理方法、电子设备及计算机可读存储介质，以解决现有技术中无法保证人工智能算法计算平台的正常、稳定运行，以及保证训练模型和使用模型进行预测服务的精确性的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种数据处理方法，接收对显示界面上数据处理控件的第一操作；响应第一操作，对输入至神经网络模型的数据进行处理，得到处理后的结果数据；接收对显示界面上特征处理控件的第二操作；响应第二操作，计算结果数据的特征值，得到特征值结果；输出特征值结果。

进一步地，响应第一操作，对输入至神经网络模型的数据进行处理，得到处理后的结果数据，包括：响应第一操作，显示包括数据处理子控件的子控件界面，其中，处理子控件包括合并子控件；接收对合并子控件的第三操作；响应第三操作，对输入至神经网络模型的数据进行合并，得到合并后的数据。

进一步地，响应第三操作，对输入至神经网络模型的数据进行合并，得到合并后的数据，包括以下至少之一：响应第三操作，通过将在非本地存储位置存储的历史数据迁移到本地存储位置的方式，对数据进行合并，得到合并后的数据；响应第三操作，通过将在当前时刻之前输入的历史数据与当前时刻输入的数据进行合并，得到合并后的数据；响应第三操作，将不同维度的数据进行合并，得到合并后的数据；响应第三操作，将不同格式的数据进行合并，得到合并后的数据；响应第三操作，将不同标识的数据进行合并，得到合并后的数据。

进一步地，响应第二操作，计算结果数据的特征值，得到特征值结果，包括：响应第二操作，获取触发特征值计算方式的配置信息，其中，配置信息通过显示界面配置得到，特征值计算方式包括以下之一：接收到结果数据时执行特征计算的实时特征计算方式，在输入指令所指示的时间跨度执行特征值计算的定时特征计算方式，其中，输入指令通过显示界面输入；根据配置信息，触发特征值计算方式，计算结果数据的特征值，得到特征值结果。

进一步地，在结果数据的特征值为多个的情况下，多个特征值计算之间是串行的。

进一步地，响应第二操作，计算结果数据的特征值，得到特征值结果，包括：响应第二操作，计算结果数据的中间值，得到中间值结果；对中间值结果进行特征值计算，得到特征值结果。

进一步地，输出特征值结果，包括：在显示界面选择输出控件，其中，不同的输出控件对应不同的输出方式，输出方式包括以下之一：接口输出的方式，文件导出的方式；依据选择的输出控件对应的输出方式，输出特征值结果。

根据本发明的另一方面，提供了一种数据处理装置，包括：第一接收模块，用于接收对显示界面上数据处理控件的第一操作；处理模块，用于响应第一操作，对输入至神经网络模型的数据进行处理，得到处理后的结果数据；第二接收模块，用于接收对显示界面上特征处理控件的第二操作；计算模块，用于响应第二操作，计算结果数据的特征值，得到特征值结果；输出模块，用于输出特征值结果。

根据本发明的另一方面，还提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为执行指令，以实现如上述的数据处理方法。

根据本发明的另一方面，还提供了一种计算机可读存储介质，当计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如上述的数据处理方法。

根据本发明的另一方面，还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述的数据处理方法。

应用本发明的技术方案，提供了一种数据处理方法，接收对显示界面上数据处理控件的第一操作，响应第一操作，对输入至神经网络模型的数据进行处理，得到处理后的结果数据，接收对显示界面上特征处理控件的第二操作，响应第二操作，计算结果数据的特征值，得到特征值结果，输出特征值结果。上述方法为现有的人工智能算法计算平台提供了一种稳定、可靠的人工智能算法计算和模型管理平台的技术方案，该计算方案能够对于输入源数据、计算过程和输出形式进行界面友好、高效的配置和管理，能够最大程度提升现有系统用户的工作效率。且该计算方案具有一定的通用性，可以完美适配、兼容市面上主流的数据保存方式作为源数据输入，还能够适配市面上主流的计算和存储工具，且实施过程之中所使用的工具可以根据需要进行替换，且具体的系统运行逻辑可以根据业务需要进行必要的调整，因此其具有一定的灵活性。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据一示例性实施例示出的一种用于数据处理方法的计算机终端的硬件结构框图；

图2是根据一示例性实施例示出的一种数据处理方法的流程框图；

图3是根据本发明实施例2的数据处理方法的装置框图；

图4是根据本发明实施例的一种终端的装置框图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种数据处理方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例1所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现数据处理方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备)可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为BUS总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。

存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的数据处理方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的数据处理方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。

在上述运行环境下，本申请提供了如图2所示的数据处理方法，图2是根据本发明实施例1的数据处理方法的流程图，如图2所示，该方法包括如下步骤：

步骤S202，接收对显示界面上数据处理控件的第一操作；

步骤S204，响应第一操作，对输入至神经网络模型的数据进行处理，得到处理后的结果数据；

步骤S206，接收对显示界面上特征处理控件的第二操作；

步骤S208，响应第二操作，计算结果数据的特征值，得到特征值结果；

步骤S210，输出特征值结果。

上述方法为现有的人工智能算法计算平台提供了一种稳定、可靠的人工智能算法计算和模型管理平台的技术方案，该计算方案能够对于输入源数据、计算过程和输出形式进行界面友好、高效的配置和管理，能够最大程度提升现有系统用户的工作效率。且该计算方案具有一定的通用性，可以完美适配、兼容市面上主流的数据保存方式作为源数据输入，还能够适配市面上主流的计算和存储工具，且实施过程之中所使用的工具可以根据需要进行替换，且具体的系统运行逻辑可以根据业务需要进行必要的调整，因此其具有一定的灵活性。

本申请所提供的方法对输入的源数据进行处理得到用户维护的特征数据之后，输出给下游的模型保管、训练和预测服务以进行计算，完成对于这部分特征数据的应用。该方法的输入数据源可以兼容多种形式和多种格式，需要进行输入的源数据包括历史和实时的事件数据、历史和实时的标签数据已经包含用户信息的群组数据。该系统所能够适配的输入源格式，不仅仅包括消息队列类型，例如Kafka消息队列等，也包含关系型和非关系型数据库，例如Mysql和PostgreSQL等，同时也能够适配成熟的大数据计算数据仓库，例如Hive或者HBase等。

为了提高数据的处理效率，在将输入的源数据进行处理得到特征数据之前，可以将数据进行合并。作为一种可选地实施例，响应第一操作，对输入至神经网络模型的数据进行处理，得到处理后的结果数据，包括：响应第一操作，显示包括数据处理子控件的子控件界面，其中，处理子控件包括合并子控件；接收对合并子控件的第三操作；响应第三操作，对输入至神经网络模型的数据进行合并，得到合并后的数据。

作为一些可选地实施例，响应第三操作，对输入至神经网络模型的数据进行合并，得到合并后的数据，包括以下至少之一：响应第三操作，通过将在非本地存储位置存储的历史数据迁移到本地存储位置的方式，对数据进行合并，得到合并后的数据；响应第三操作，通过将在当前时刻之前输入的历史数据与当前时刻输入的数据进行合并，得到合并后的数据；响应第三操作，将不同维度的数据进行合并，得到合并后的数据；响应第三操作，将不同格式的数据进行合并，得到合并后的数据；响应第三操作，将不同标识的数据进行合并，得到合并后的数据。

上述合并数据的处理过程中，可以对输入数据源的历史数据进行批量迁移到本地的源数据表格之中，当实时数据到来之后，系统也有能力将实时到来的源数据合并到历史源数据之中。考虑到输入数据源将有多个维度或多个不同格式的表格，为了方便下游的特征计算，系统也将对不同源数据根据用户标识进行合并。这个合并的动作可以在批量历史数据迁移的时候进行操作，也能够在实时源数据导入的时候进行，合并的结果可以输出到一个以日期分区的本地源数据表格之中。考虑到不同数据源的用户标识会有不同，因此该系统的合并输入数据的时候，还会对不同格式的用户标识进行统一化。同时对于该统一化的映射关系，系统会进行保留，以方便在输出预测数据的时候进行逆映射，即将已经统一化的用户标识反向映射回各个输入数据源的用户标识格式。

作为一些可选地实施例，响应第二操作，计算结果数据的特征值，得到特征值结果，包括：响应第二操作，获取触发特征值计算方式的配置信息，其中，配置信息通过显示界面配置得到，特征值计算方式包括以下之一：接收到结果数据时执行特征计算的实时特征计算方式，在输入指令所指示的时间跨度执行特征值计算的定时特征计算方式，其中，输入指令通过显示界面输入；根据配置信息，触发特征值计算方式，计算结果数据的特征值，得到特征值结果。

在上述可选地实施例中，系统在从数据源输入源数据并完成输入源数据的合并处理之后，将使用输入的源数据进行特征计算。进行特征计算的处理过程可以分为批量特征计算和定时特征计算，批量特征计算将在批量源数据迁移的时候被自动触发，其也可以被手动触发，且在手动触发的时候可以指定进行批量特征值计算所涉及的时间跨度以及特征列表。定时特征值计算将会在每天定时运行，且不同特征值计算任务之间将是串行执行，以避免并行执行所带来的输出值冲突。

作为一种可选地实施例，响应第二操作，计算结果数据的特征值，得到特征值结果，包括：响应第二操作，计算结果数据的中间值，得到中间值结果；对中间值结果进行特征值计算，得到特征值结果。

在上述可选地实施例中，从待计算特征列表表格和待计算特征类型表格之中读取计算涉及的特征信息，包括但不限于特征类型、特征名称、计算特征中间值所需要的参数列表和参数取值。考虑到计算涉及的特征数量众多且输入源数据的海量，为了减少计算量，整个计算过程引入了中间值的计算过程。计算模块首先遍历计算涉及的特征列表，归纳出要计算的中间值列表，然后读取被处理后的源数据开始中间值计算，并将计算完成的中间值保存到特征中间值表格之中。完成中间值计算之后，再遍历待计算特征列表，从中间值表格之中需要的中间值完成对应特征值计算，并将计算结果输出到特征值计算结果表格。计算所涉及到的中间值计算方式和特征类型的对应关系已经被记录到待计算特征类型表格之中。特征值计算结果表格即特征仓库的一部分，采用分区表的形式记录数据。

在上述可选地实施例中，还可以在特征值计算任务信息表格之中创建计算任务元数据信息记录，其中包括计算开始的时间、计算任务类型、所涉及的特征列表等元数据信息。

作为一种可选地实施例，输出特征值结果，包括：在显示界面选择输出控件，其中，不同的输出控件对应不同的输出方式，输出方式包括以下之一：接口输出的方式，文件导出的方式；依据选择的输出控件对应的输出方式，输出特征值结果。

在上述可选地实施例中，系统对于特征值的输出，提供了接口输出和导出为文件进行输出两种形式，在输出的同时系统支持对于输出特征值数据所涉及的时间跨度和待输出特征列表参数的定制化。特征值输出的下游对接模型仓库、模型训练模块、模型验证模块、模型批量预测模块以及模型实时预测模块。

整个特征计算的处理过程中所涉及的配置信息，例如计算时间点、计算涉及的特征列表、计算涉及的时间跨度、计算的过程和异常告警机制，可以由一个统一的具有良好用户界面的客户端进行管理和查看。用户可以在这个管理客户端上进行配置信息的设置和查看，并及时查看计算进度，同时对于失败等异常，可以查看具体的错误信息，以进行失败或者异常原因的诊断。

考虑到计算所涉及的数据量巨大，且在计算过程之中，中间值和最终结果值的落盘和读取涉及到频繁的磁盘文件读写，整个特征计算的处理过程中所使用的计算工具可以为大数据计算框架，例如Spark、Hive或者商用云计算工具例如MaxCompute等。为了照顾频繁高速的读写操作，整个特征计算的处理过程中所使用的数据存储系统，可以为Presto、HBase或者ClickHouse等。

实施例2

根据本发明实施例，还提供了一种用于实施上述数据处理装置的装置，图3是根据本发明实施例2中的数据处理装置的结构框图，该装置包括：第一接收模块302，处理模块304、第二接收模块306、计算模块308和输出模块310，下面对该装置进行详细说明：

第一接收模块302，用于接收对显示界面上数据处理控件的第一操作；

处理模块304，用于响应第一操作，对输入至神经网络模型的数据进行处理，得到处理后的结果数据；

第二接收模块306，用于接收对显示界面上特征处理控件的第二操作；

计算模块308，用于响应第二操作，计算结果数据的特征值，得到特征值结果；

输出模块310，用于输出特征值结果。

此处需要说明的是，上述第一接收模块302，处理模块304、第二接收模块306、计算模块308和输出模块310对应于实施例1中的步骤S202至步骤S210，多个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。

实施例3

本发明的实施例可以提供一种电子设备，该电子设备可以是计算机终端群中的任意一个计算机终端设备。

可选地，在本实施例中，上述电子设备可以位于计算机网络的多个网络设备中的至少一个网络设备。

可选地，图4是根据一示例性实施例示出的一种电子设备的结构框图。如图4所示，该电子设备可以包括：一个或多个(图中仅示出一个)处理器41、用于存储处理器可执行指令的存储器42；其中，处理器被配置为执行指令，以实现上述任一项的数据处理方法。

其中，存储器可用于存储软件程序以及模块，如本发明实施例中的数据处理方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的数据处理方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：接收对显示界面上数据处理控件的第一操作；响应第一操作，对输入至神经网络模型的数据进行处理，得到处理后的结果数据；接收对显示界面上特征处理控件的第二操作；响应第二操作，计算结果数据的特征值，得到特征值结果；输出特征值结果。

可选地，上述处理器还可以执行如下步骤的程序代码：响应第一操作，对输入至神经网络模型的数据进行处理，得到处理后的结果数据，包括：响应第一操作，显示包括数据处理子控件的子控件界面，其中，处理子控件包括合并子控件；接收对合并子控件的第三操作；响应第三操作，对输入至神经网络模型的数据进行合并，得到合并后的数据。

可选地，上述处理器还可以执行如下步骤的程序代码：响应第三操作，对输入至神经网络模型的数据进行合并，得到合并后的数据，包括以下至少之一：响应第三操作，通过将在非本地存储位置存储的历史数据迁移到本地存储位置的方式，对数据进行合并，得到合并后的数据；响应第三操作，通过将在当前时刻之前输入的历史数据与当前时刻输入的数据进行合并，得到合并后的数据；响应第三操作，将不同维度的数据进行合并，得到合并后的数据；响应第三操作，将不同格式的数据进行合并，得到合并后的数据；响应第三操作，将不同格式的数据进行合并，得到合并后的数据；。

可选地，上述处理器还可以执行如下步骤的程序代码：响应第二操作，计算结果数据的特征值，得到特征值结果，包括：响应第二操作，获取触发特征值计算方式的配置信息，其中，配置信息通过显示界面配置得到，特征值计算方式包括以下之一：接收到结果数据时执行特征计算的实时特征计算方式，在输入指令所指示的时间跨度执行特征值计算的定时特征计算方式，其中，输入指令通过显示界面输入；根据配置信息，触发特征值计算方式，计算结果数据的特征值，得到特征值结果。

可选地，上述处理器还可以执行如下步骤的程序代码：在结果数据的特征值为多个的情况下，多个特征值计算之间是串行的。

可选地，上述处理器还可以执行如下步骤的程序代码：响应第二操作，计算结果数据的特征值，得到特征值结果，包括：响应第二操作，计算结果数据的中间值，得到中间值结果；对中间值结果进行特征值计算，得到特征值结果。

可选地，上述处理器还可以执行如下步骤的程序代码：输出特征值结果，包括：在显示界面选择输出控件，其中，不同的输出控件对应不同的输出方式，输出方式包括以下之一：接口输出的方式，文件导出的方式；依据选择的输出控件对应的输出方式，输出特征值结果。

本领域普通技术人员可以理解，图4所示的结构仅为示意。图4其并不对上述电子设备的结构造成限定。例如，还可包括比图4中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图4所示不同的配置。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。

实施例4

在示例性实施例中，还提供了一种包括指令的计算机可读存储介质，当计算机可读存储介质中的指令由终端的处理器执行时，使得终端能够执行上述任一项的数据处理方法。可选地，计算机可读存储介质可以是非临时性计算机可读存储介质，例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

可选地，在本实施例中，上述计算机可读存储介质可以用于保存上述实施例1所提供的数据处理方法所执行的程序代码。

可选地，在本实施例中，上述计算机可读存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。

可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：接收对显示界面上数据处理控件的第一操作；响应第一操作，对输入至神经网络模型的数据进行处理，得到处理后的结果数据；接收对显示界面上特征处理控件的第二操作；响应第二操作，计算结果数据的特征值，得到特征值结果；输出特征值结果。

可选地，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：响应第一操作，对输入至神经网络模型的数据进行处理，得到处理后的结果数据，包括：响应第一操作，显示包括数据处理子控件的子控件界面，其中，处理子控件包括合并子控件；接收对合并子控件的第三操作；响应第三操作，对输入至神经网络模型的数据进行合并，得到合并后的数据。

可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：响应第三操作，对输入至神经网络模型的数据进行合并，得到合并后的数据，包括以下至少之一：响应第三操作，通过将在非本地存储位置存储的历史数据迁移到本地存储位置的方式，对数据进行合并，得到合并后的数据；响应第三操作，通过将在当前时刻之前输入的历史数据与当前时刻输入的数据进行合并，得到合并后的数据；响应第三操作，将不同维度的数据进行合并，得到合并后的数据；响应第三操作，将不同格式的数据进行合并，得到合并后的数据；响应第三操作，将不同标识的数据进行合并，得到合并后的数据。

可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：响应第二操作，计算结果数据的特征值，得到特征值结果，包括：响应第二操作，获取触发特征值计算方式的配置信息，其中，配置信息通过显示界面配置得到，特征值计算方式包括以下之一：接收到结果数据时执行特征计算的实时特征计算方式，在输入指令所指示的时间跨度执行特征值计算的定时特征计算方式，其中，输入指令通过显示界面输入；根据配置信息，触发特征值计算方式，计算结果数据的特征值，得到特征值结果。

可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：在结果数据的特征值为多个的情况下，多个特征值计算之间是串行的。

可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：响应第二操作，计算结果数据的特征值，得到特征值结果，包括：响应第二操作，计算结果数据的中间值，得到中间值结果；对中间值结果进行特征值计算，得到特征值结果。

可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：输出特征值结果，包括：在显示界面选择输出控件，其中，不同的输出控件对应不同的输出方式，输出方式包括以下之一：接口输出的方式，文件导出的方式；依据选择的输出控件对应的输出方式，输出特征值结果。

在示例性实施例中，还提供了一种计算机程序产品，当计算机程序产品中的计算机程序由电子设备的处理器执行时，使得电子设备能够执行上述任一项的数据处理方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种数据处理方法，其特征在于，

接收对显示界面上数据处理控件的第一操作；

响应所述第一操作，对输入至神经网络模型的数据进行处理，得到处理后的结果数据；

接收对所述显示界面上特征处理控件的第二操作；

响应所述第二操作，计算所述结果数据的特征值，得到特征值结果；

输出所述特征值结果。

2.根据权利要求1所述的处理方法，其特征在于，响应所述第一操作，对输入至神经网络模型的数据进行处理，得到处理后的结果数据，包括：

响应所述第一操作，显示包括数据处理子控件的子控件界面，其中，所述处理子控件包括合并子控件；

接收对所述合并子控件的第三操作；

响应所述第三操作，对输入至所述神经网络模型的数据进行合并，得到合并后的数据。

3.根据权利要求2所述的处理方法，其特征在于，响应所述第三操作，对输入至所述神经网络模型的数据进行合并，得到合并后的数据，包括以下至少之一：

响应所述第三操作，通过将在非本地存储位置存储的历史数据迁移到本地存储位置的方式，对数据进行合并，得到合并后的数据；

响应所述第三操作，通过将在当前时刻之前输入的历史数据与当前时刻输入的数据进行合并，得到合并后的数据；

响应所述第三操作，将不同维度的数据进行合并，得到合并后的数据；

响应所述第三操作，将不同格式的数据进行合并，得到合并后的数据；

响应所述第三操作，将不同标识的数据进行合并，得到合并后的数据。

4.根据权利要求1所述的处理方法，其特征在于，响应所述第二操作，计算所述结果数据的特征值，得到特征值结果，包括：

响应所述第二操作，获取触发特征值计算方式的配置信息，其中，所述配置信息通过所述显示界面配置得到，所述特征值计算方式包括以下之一：接收到所述结果数据时执行特征计算的实时特征计算方式，在输入指令所指示的时间跨度执行特征值计算的定时特征计算方式，其中，所述输入指令通过所述显示界面输入；

根据所述配置信息，触发特征值计算方式，计算所述结果数据的特征值，得到特征值结果。

5.根据权利要求1所述的处理方法，其特征在于，在所述结果数据的特征值为多个的情况下，多个特征值计算之间是串行的。

6.根据权利要求1所述的处理方法，其特征在于，响应所述第二操作，计算所述结果数据的特征值，得到特征值结果，包括：

响应所述第二操作，计算所述结果数据的中间值，得到中间值结果；

对所述中间值结果进行特征值计算，得到所述特征值结果。

7.根据权利要求1至6中任一项所述的处理方法，其特征在于，输出所述特征值结果，包括：

在所述显示界面选择输出控件，其中，不同的输出控件对应不同的输出方式，所述输出方式包括以下之一：接口输出的方式，文件导出的方式；

依据选择的输出控件对应的输出方式，输出所述特征值结果。

8.一种数据处理装置，其特征在于，包括：

第一接收模块，用于接收对显示界面上数据处理控件的第一操作；

处理模块，用于响应所述第一操作，对输入至神经网络模型的数据进行处理，得到处理后的结果数据；

第二接收模块，用于接收对所述显示界面上特征处理控件的第二操作；

计算模块，用于响应所述第二操作，计算所述结果数据的特征值，得到特征值结果；

输出模块，用于输出所述特征值结果。

9.一种电子设备，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求1至7中任一项所述的数据处理方法。

10.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至7中任一项所述的数据处理方法。

11.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的数据处理方法。

Images