批量作业的处理方法、装置、存储介质及电子设备与流程

本发明涉及金融科技领域或其他相关领域，具体而言，涉及一种批量作业的处理方法、装置、存储介质及电子设备。

背景技术：

1、信贷是一种通过放款收回本金和利息，扣除成本后获得利润的业务，是商业银行主要的盈利途径。目前，信贷系统内的应用之间以及与上下游应用之间的数据同步工作，是通过多模式的批量作业完成的。由于信贷批量涉及应用较多，体系较复杂，一旦出现批量文件未收到、文件异常或批量作业未按时处理等情况，容易引起系统次日的运行故障，导致无法正常对外营业或整个批量组流程停滞，尤其是信贷夜间高敏批量作业的运行情况，极大地影响着信贷批量系统的稳定性。

2、信贷夜间高敏批量作业通常会因为上游文件未收到、文件异常或批量调度时程序错误等发生中断，现有技术中主要通过人工对发生中断的信贷批量作业进行处理，由于未收到上游文件等原因导致信贷夜间高敏批量作业中断的场景重复较多，通过人工处理的效率较低，应急时效性较差，且运维压力较大。

3、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种批量作业的处理方法、装置、存储介质及电子设备，以至少解决现有技术中通过人工对发生中断的信贷批量作业进行处理，存在应急时效性差的技术问题。

2、根据本发明实施例的一个方面，提供了一种批量作业的处理方法，包括：接收目标批量作业的报警信息，其中，目标批量作业用于实现业务系统中的信贷业务服务，报警信息表征目标批量作业存在中断异常；通过目标模型对报警信息进行分析，得到分析结果，并依据分析结果确定中断异常对应的目标处理策略，其中，目标模型是依据样本数据集对目标神经网络训练得到的；依据目标处理策略对目标批量作业进行处理。

3、进一步地，通过目标模型对报警信息进行分析，得到分析结果，包括：从报警信息中提取中断异常对应的异常数据特征，并通过目标模型计算异常数据特征与多个第一数据特征之间的相似度，得到每个第一数据特征对应的相似度，其中，第一数据特征表征历史中断异常对应的异常数据特征；获取目标相似度对应的历史中断异常的场景信息，并依据目标相似度和场景信息组成分析结果，其中，目标相似度为多个相似度中的最大相似度，场景信息用于描述目标相似度对应的历史中断异常的中断场景。

4、进一步地，依据分析结果确定中断异常对应的目标处理策略，包括：从场景信息中获取对目标相似度对应的历史中断异常的处理策略，并将处理策略作为目标处理策略。

5、进一步地，目标处理策略为以下之一：第一处理策略、第二处理策略，第一处理策略对应的业务影响程度大于第二处理策略对应的业务影响程度，其中，依据目标处理策略对目标批量作业进行处理，包括：若目标处理策略为第一处理策略，则对目标批量作业进行重启处理；若目标处理策略为第二处理策略，则对目标批量作业进行跳过处理。

6、进一步地，通过以下步骤生成目标模型：获取初始样本数据集，并对初始样本数据集进行数据预处理，得到样本数据集，其中，样本数据集中至少包括多个历史中断异常数据和每个历史中断异常数据对应的真实标签，真实标签用于表征历史中断异常数据对应的中断处理策略；依据样本数据集对目标神经网络进行训练，得到目标模型。

7、进一步地，对初始样本数据集进行数据预处理，得到样本数据集，包括：对初始样本数据集中的样本数据进行数据清洗处理，得到清洗后的样本数据，并对清洗后的样本数据进行特征提取，得到多个样本数据特征；对多个样本数据特征进行特征编码和特征标准化处理，得到多个历史中断异常数据，并依据多个历史中断异常数据组成样本数据集。

8、进一步地，样本数据集拆分为训练集、验证集以及测试集，在目标神经网络为反向传播神经网络的情况下，依据样本数据集对目标神经网络进行训练，得到目标模型，包括：依据训练集对反向传播神经网络进行模型训练，得到初始模型，并依据初始模型对验证集中的验证样本进行策略分析，得到验证样本对应的策略分析结果；依据真实标签、验证样本对应的策略分析结果以及测试集对初始模型进行优化，直至初始模型的准确率满足预设阈值，得到目标模型。

9、根据本发明实施例的另一方面，还提供了一种批量作业的处理装置，包括：接收模块，用于接收目标批量作业的报警信息，其中，目标批量作业用于实现业务系统中的信贷业务服务，报警信息表征目标批量作业存在中断异常；确定模块，用于通过目标模型对报警信息进行分析，得到分析结果，并依据分析结果确定中断异常对应的目标处理策略，其中，目标模型是依据样本数据集对目标神经网络训练得到的；处理模块，用于依据目标处理策略对目标批量作业进行处理。

10、根据本发明实施例的另一方面，还提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述的批量作业的处理方法。

11、根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述的批量作业的处理方法。

12、根据本发明实施例的另一方面，还提供了一种电子设备，该电子设备包括一个或多个处理器；存储器，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时，使得一个或多个处理器实现用于运行程序，其中，程序被设置为运行时执行上述的批量作业的处理方法。

13、在本发明实施例中，采用基于神经网络算法自动接管批量中断的方式，首先接收目标批量作业的报警信息，然后通过目标模型对报警信息进行分析，得到分析结果，并依据分析结果确定中断异常对应的目标处理策略，然后依据目标处理策略对目标批量作业进行处理。其中，目标批量作业用于实现业务系统中的信贷业务服务，报警信息表征目标批量作业存在中断异常，目标模型是依据样本数据集对目标神经网络训练得到的。

14、在上述过程中，通过目标模型对报警信息进行分析可以确定出中断异常对应的目标处理策略，依据目标处理策略对目标批量作业进行处理，实现了对信贷夜间高敏批量作业中断自动接管，保障了信贷夜间高敏批量正常运行，降低了人工运维压力，节省了时间成本和人力成本，提高了应急时效，实现了智能化运维。

15、由此可见，通过本发明的技术方案，达到了自动实行批量中断接管的目的，从而实现了提高应急处理效率的技术效果，进而解决了现有技术中通过人工对发生中断的信贷批量作业进行处理，存在应急时效性差的技术问题。

技术特征：

1.一种批量作业的处理方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，通过目标模型对所述报警信息进行分析，得到分析结果，包括：

3.根据权利要求2所述的方法，其特征在于，依据所述分析结果确定所述中断异常对应的目标处理策略，包括：

4.根据权利要求1所述的方法，其特征在于，所述目标处理策略为以下之一：第一处理策略、第二处理策略，所述第一处理策略对应的业务影响程度大于所述第二处理策略对应的业务影响程度，其中，依据所述目标处理策略对所述目标批量作业进行处理，包括：

5.根据权利要求1所述的方法，其特征在于，通过以下步骤生成所述目标模型：

6.根据权利要求5所述的方法，其特征在于，对所述初始样本数据集进行数据预处理，得到所述样本数据集，包括：

7.根据权利要求5所述的方法，其特征在于，所述样本数据集拆分为训练集、验证集以及测试集，在所述目标神经网络为反向传播神经网络的情况下，依据所述样本数据集对所述目标神经网络进行训练，得到所述目标模型，包括：

8.一种批量作业的处理装置，其特征在于，包括：

9.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序在被处理器执行时实现所述权利要求1至7任一项中所述的批量作业的处理方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至7任一项中所述的批量作业的处理方法。

11.一种电子设备，其特征在于，所述电子设备包括一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现用于运行程序，其中，所述程序被设置为运行时执行所述权利要求1至7任一项中所述的批量作业的处理方法。

技术总结
本发明公开了一种批量作业的处理方法、装置、存储介质及电子设备，涉及金融科技领域或其他相关领域。该方法包括：接收目标批量作业的报警信息，其中，目标批量作业用于实现业务系统中的信贷业务服务，报警信息表征目标批量作业存在中断异常；通过目标模型对报警信息进行分析，得到分析结果，并依据分析结果确定中断异常对应的目标处理策略，其中，目标模型是依据样本数据集对目标神经网络训练得到的；依据目标处理策略对目标批量作业进行处理。本发明解决了现有技术中通过人工对发生中断的信贷批量作业进行处理，存在应急时效性差的技术问题。

技术研发人员：孙丽荣
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：
技术公布日：2024/6/26