一种资源转移事件处理方法、装置、电子设备和存储介质与流程

所属的技术人员能够理解，本技术的各个方面可以实现为系统、方法或程序产品。因此，本技术的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。在一些可能的实施方式中，根据本技术的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本技术各种示例性实施方式的资源转移事件处理方法中的步骤。下面参照图10来描述根据本技术的这种实施方式的电子设备130。图10显示的电子设备130仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。如图10所示，电子设备130以通用电子设备的形式表现。电子设备130的组件可以包括但不限于：上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。总线133表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。存储器132可以包括易失性存储器形式的可读介质，例如随机存取存储器(ram)1321和/或高速缓存存储器1322，还可以进一步包括只读存储器(rom)1323。存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325，这样的程序模块1324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。电子设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备130交互的设备通信，和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口135进行。并且，电子设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器136通过总线133与用于电子设备130的其它模块通信。应当理解，尽管图10中未示出，可以结合电子设备130使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。在一些可能的实施方式中，本技术提供的一种资源转移事件处理方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本技术各种示例性实施方式的一种资源转移事件处理方法中的步骤。程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。本技术的实施方式的用于资源转移事件处理的程序产品可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在电子设备上运行。然而，本技术的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、rf等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本技术操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务端上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本技术的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。此外，尽管在附图中以特定顺序描述了本技术方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本技术是参照根据本技术的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。

背景技术：

1、在资源转移场景的资源转移事件的全链条来看，在实际执行过程中，资源转移事件的相关信息的处理与审核，以人工录入、识别和判断为主，在数字化快速发展的当下，人工处理环节进一步拉长了资源转移事件的处理周期，从整体流程上看，降低了资源转移事件的处理效率。

技术实现思路

1、本技术的目的是提供一种资源转移事件处理方法、装置、电子设备和存储介质，用于提高资源转移事件的处理效率。

2、第一方面，本技术实施例提供了一种资源转移事件处理方法，所述方法包括：

3、响应资源转移事件处理指令，将所述资源转移事件处理指令对应的资源转移事件的相关信息转化为结构化信息；其中，所述相关信息表征所述资源转移事件在资源转移过程中产生的数据；

4、对所述结构化信息预处理，得到预处理后的关键信息；其中，所述预处理包括以下中的任一种或组合：对所述结构化信息进行清洗、对所述结构化信息进行词性分析，以及对所述结构化信息进行去停用词处理；

5、基于所述关键信息对所述资源转移事件进行校验处理，并根据校验结果确定所述资源转移事件是否为正常事件。

6、本技术中将资源转移事件的相关信息转化为结构化信息，实现了资源转移事件相关信息的自动录入，提高了资源转移事件的处理效率；且在得到结构化信息后，通过对结构化信息进行预处理，保证了资源转移事件进行校验的准确性。

7、在一些可能的实施例中，所述将所述资源转移事件处理指令对应的资源转移事件的相关信息转化为结构化信息，包括：

8、将所述相关信息输入预先训练好的文字识别模型，将所述文字识别模型的输出结果作为所述结构化信息；

9、其中，所述文字识别模型是根据以下方法训练的：

10、构建训练样本集；其中所述训练样本集中包括多个样本对，每个样本对包含一个正样本与一个负样本，所述正样本为结构化的相关信息，所述负样本为非结构化的相关信息；

11、将所述训练样本集输入初始文字识别模型，采用迭代的方式对所述初始文字识别模型进行训练，直至满足预设收敛条件，将迭代结束的初始文字识别模型作为所述文字识别模型。

12、在本技术中，通过采用文字识别模型来将资源转移事件的相关信息转化为结构化的信息，实现了对资源转移事件的转化的自动化，提高了对资源转移事件的处理效率。

13、在一些可能的实施例中，所述初始文字识别模型的每轮迭代过程如下：

14、将所述训练样本集中的负样本输入所述初始文字识别模型，得到所述初始文字识别模型输出的结构化信息；

15、将与所述负样本对应的正样本，与所述初始文字识别模型输出的所述结构化信息进行比对，确定所述初始文字识别模型的损失值；

16、根据所述初始文字识别模型的损失值调整所述初始文字识别模型的模型参数。

17、在本技术中，基于初始文字识别模型的损失值来对初始文字识别模型的模型参数进行调整，保证了对初始文字识别模型训练的准确性。

18、在一些可能的实施例中，所述对所述结构化信息预处理，得到预处理后的关键信息，包括：

19、对所述结构化信息进行清洗；并，对所述结构化信息进行词性分析；并，对所述结构化信息进行去停用词处理；

20、其中：所述对所述结构化信息进行清洗，包括：

21、确定所述结构化信息中的重复内容信息；保留指定位置的重复内容信息，并将其他位置的所述重复内容信息剔除；

22、所述对所述结构化信息进行词性分析，包括：

23、采用预先构建的语料分析知识库，并结合所述结构化信息的上下文内容，确定所述结构化信息的词性；

24、所述对所述结构化信息进行去停用词处理，包括：

25、将所述结构化信息与预先构建的停用词集合进行比对，确定所述结构化信息对应的停用词，并将所述停用词在所述结构化信息中剔除。

26、在本技术中，通过对结构化信息进行预处理，保证了对保证了资源转移事件进行校验的准确性，且降低了处理资源转移事件所消耗的网络资源。

27、在一些可能的实施例中，所述基于所述关键信息对所述资源转移事件进行校验处理，包括：

28、将所述关键信息输入预先训练好的深度学习模型，将所述深度学习模型的输出作为所述资源转移事件的检验结果；

29、其中，所述深度学习模型是根据以下方法训练的：

30、构建关键信息样本集；其中所述关键信息样本集中包括多个训练样本，所述训练样本；

31、将所述关键信息样本集中的训练样本输入初始深度学习模型，采用迭代的方式对所述初始深度学习模型进行训练，直至满足预设收敛条件，将迭代结束的初始深度学习模型作为所述深度学习模型。

32、在本技术中，通过构建的关键信息样本集来对初始深度学习模型进行训练，保证了得到的深度学习模型的准确性。

33、在一些可能的实施例中，所述初始深度学习模型的每轮迭代过程如下：

34、将所述关键信息样本集中的训练样本输入所述初始深度学习模型，得到所述初始深度学习模型输出的所述训练样本对应的检验结果；

35、将所述训练样本对应的标注结果，与所述初始深度学习模型输出的所述训练样本对应的检验结果进行比对，确定所述初始深度学习模型的损失值；

36、根据所述初始深度学习模型的损失值调整所述初始深度学习模型的模型参数。

37、在本技术中，基于初始深度学习模型的损失值来对初始深度学习模型的模型参数进行调整，保证了对初始深度学习模型训练的准确性。

38、第二方面，本技术还提供了一种资源转移事件处理装置，所述装置包括：

39、转化模块，用于响应资源转移事件处理指令，将所述资源转移事件处理指令对应的资源转移事件的相关信息转化为结构化信息；其中，所述相关信息表征所述资源转移事件在资源转移过程中产生的数据；

40、预处理模块，用于对所述结构化信息预处理，得到预处理后的关键信息；其中，所述预处理包括以下中的任一种或组合：对所述结构化信息进行清洗、对所述结构化信息进行词性分析，以及对所述结构化信息进行去停用词处理；

41、校验模块，用于基于所述关键信息对所述资源转移事件进行校验处理，并根据校验结果确定所述资源转移事件是否为正常事件。

42、在一些可能的实施例中，所述转化模块执行将所述资源转移事件处理指令对应的资源转移事件的相关信息转化为结构化信息时，具体用于：

43、将所述相关信息输入预先训练好的文字识别模型，将所述文字识别模型的输出结果作为所述结构化信息；

44、其中，所述文字识别模型是根据以下方法训练的：

45、构建训练样本集；其中所述训练样本集中包括多个样本对，每个样本对包含一个正样本与一个负样本，所述正样本为结构化的相关信息，所述负样本为非结构化的相关信息；

46、将所述训练样本集输入初始文字识别模型，采用迭代的方式对所述初始文字识别模型进行训练，直至满足预设收敛条件，将迭代结束的初始文字识别模型作为所述文字识别模型。

47、在一些可能的实施例中，所述初始文字识别模型的每轮迭代过程如下：

48、将所述训练样本集中的负样本输入所述初始文字识别模型，得到所述初始文字识别模型输出的结构化信息；

49、将与所述负样本对应的正样本，与所述初始文字识别模型输出的所述结构化信息进行比对，确定所述初始文字识别模型的损失值；

50、根据所述初始文字识别模型的损失值调整所述初始文字识别模型的模型参数。

51、在一些可能的实施例中，所述预处理模块执行对所述结构化信息预处理，得到预处理后的关键信息时，具体用于：

52、对所述结构化信息进行清洗；并，对所述结构化信息进行词性分析；并，对所述结构化信息进行去停用词处理；

53、其中：所述对所述结构化信息进行清洗，包括：

54、确定所述结构化信息中的重复内容信息；保留指定位置的重复内容信息，并将其他位置的所述重复内容信息剔除；

55、所述对所述结构化信息进行词性分析，包括：

56、采用预先构建的语料分析知识库，并结合所述结构化信息的上下文内容，确定所述结构化信息的词性；

57、所述对所述结构化信息进行去停用词处理，包括：

58、将所述结构化信息与预先构建的停用词集合进行比对，确定所述结构化信息对应的停用词，并将所述停用词在所述结构化信息中剔除。

59、在一些可能的实施例中，所述校验模块执行基于所述关键信息对所述资源转移事件进行校验处理时，具体用于：

60、将所述关键信息输入预先训练好的深度学习模型，将所述深度学习模型的输出作为所述资源转移事件的检验结果；

61、其中，所述深度学习模型是根据以下方法训练的：

62、构建关键信息样本集；其中所述关键信息样本集中包括多个训练样本，所述训练样本；

63、将所述关键信息样本集中的训练样本输入初始深度学习模型，采用迭代的方式对所述初始深度学习模型进行训练，直至满足预设收敛条件，将迭代结束的初始深度学习模型作为所述深度学习模型。

64、在一些可能的实施例中，所述初始深度学习模型的每轮迭代过程如下：

65、将所述关键信息样本集中的训练样本输入所述初始深度学习模型，得到所述初始深度学习模型输出的所述训练样本对应的检验结果；

66、将所述训练样本对应的标注结果，与所述初始深度学习模型输出的所述训练样本对应的检验结果进行比对，确定所述初始深度学习模型的损失值；

67、根据所述初始深度学习模型的损失值调整所述初始深度学习模型的模型参数。

68、第三方面，本技术另一实施例还提供了一种电子设备，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本技术第一方面实施例提供的任一方法。

69、第四方面，本技术另一实施例还提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于使计算机执行本技术第一方面实施例提供的任一方法。

70、本技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术而了解。本技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。