业务办理方法、装置以及电子设备与流程

本技术涉及人工智能领域，具体而言，涉及一种业务办理方法、装置以及电子设备。

背景技术：

1、随着通信运营商的业务不断增多，会存在部分业务场景下需要对用户进行识别或分类，从而确定该用户能否办理相应的业务。

2、在对用户进行识别的时候，通常会通过构建相关的识别模型，并在对模型进行训练后，通过模型对用户进行分类或识别，从而提高对用户进行确认的准确度和效率。但是，当前在对模型进行训练的时候，仅对模型进行参数优化，但是并未对模型进行结构上的优化，在进行结构确定的时候，仍采用人工的方式进行模型构建，导致模型的运行准确率和效率低，进而影响对用户的识别准确率和效率。

3、针对相关技术中采用人工方式进行模型构建，导致模型的运行准确率和效率低，进而降低模型对用户的识别准确率和效率的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本技术提供一种业务办理方法、装置以及电子设备，以解决相关技术中采用人工方式进行模型构建，导致模型的运行准确率和效率低，进而降低模型对用户的识别准确率和效率的问题。

2、根据本技术的一个方面，提供了一种业务办理方法。该方法包括：接收用户发送的业务办理请求，并接收用户发送的待认证图像，其中，业务办理请求用于请求办理目标业务，待认证图像用于认证用户是否具有办理目标业务的权限；确定办理目标业务的业务要求，根据业务要求对待认证图像进行预处理，得到初始图像；将初始图像输入目标识别模型中，通过目标识别模型对初始图像进行识别，得到识别结果，其中，目标识别模型由多个特征提取层、多个池化层以及全连接层组成，每个特征提取层和每个池化层中均包括多个特征节点，任意两个特征节点之间通过算子连接，每个算子为多个预设算子中重要度最高的算子，目标识别模型通过预设训练集训练得到，预设训练集中包括多个历史图像以及每个历史图像的识别结果；依据识别结果，确定对业务办理请求的处理方式。

3、可选地，目标识别模型通过以下方式构建：由多个特征提取层和多个池化层组成初始模型，其中，每个特征提取层和每个池化层中均包括多个特征节点，任意两个特征节点之间通过算子集合连接，每个算子集合中包括多个算子；通过预设训练集确定每个算子集合中的每个算子的重要度，并根据重要度对每个算子集合中的算子进行筛选，直至每个算子集合中存在唯一算子，得到候选模型，其中，预设训练集中包括多个历史业务数据以及每个历史业务数据的处理结果；通过预设训练集对候选模型进行训练，得到目标识别模型。

4、可选地，特征提取层中的每个算子由深度算子、宽度算子和残差连接算子组成，在由多个特征提取层和多个池化层组成初始模型之前，该方法还包括：深度算子在接收到输入数据后，将输入数据通过深度可分离卷积算法进行计算，得到第一计算结果，并将第一计算结果通过深度可分离卷积算法进行计算，得到深度算子的输出数据；宽度算子在接收到输入数据后，将输入数据通过深度可分离卷积算法进行计算，得到第二计算结果，并将输入数据再次通过深度可分离卷积算法进行计算，得到第三计算结果，并将第二计算结果和第三计算结果组合为宽度算子的输出数据；残差连接算子在接收到输入数据后，将输入数据作为残差连接算子的输出数据。

5、可选地，池化层中的每个算子由最大池化算子、平均池化算子和残差连接算子组成，在由多个特征提取层和多个池化层组成初始模型之前，该方法还包括：最大池化算子在接收到输入数据后，将输入数据进行最大池化计算，得到最大池化算子的输出数据；平均池化算子在接收到输入数据后，将输入数据进行平均池化计算，得到平均池化算子的输出数据；残差连接算子在接收到输入数据后，将输入数据作为残差连接算子的输出数据。

6、可选地，该方法还包括：特征节点在得到多个算子的输出数据的情况下，将多个算子的输出数据进行组合，得到组合后的输出数据，并将组合后的输出数据输入至下一特征节点中。

7、可选地，通过预设训练集确定每个算子集合中的每个算子的重要度包括：对于目标算子集合中的目标算子，确定初始模型中除了目标算子之外的其余算子，并获取由其余算子组成的全部算子子集，得到m个算子子集，其中，每个算子子集中包括每个算子集合中的至少一个其余算子；获取其余算子的数量，并根据其余算子的数量从m个算子子集中选取n个算子子集，得到n个第一算子子集，并由n个第一算子子集中的每个第一算子子集构成一个模型，得到n个第一模型；使用预设训练集确定每个第一模型的准确率，得到n个第一准确率；在每个第一算子子集中添加目标算子，得到n个第二算子子集，并由n个第二算子子集中的每个第二算子子集构成一个模型，得到n个第二模型；使用预设训练集确定每个第二模型的准确率，得到n个第二准确率；计算具有关联关系的第一准确率和第二准确率之差，得到n个差值，并计算n个差值的平均值，得到目标算子的重要度。

8、可选地，在确定目标算子集合中的每个算子的重要度之后，该方法还包括：根据重要度在初始模型中对目标算子集合中的算子进行筛选操作，得到更新后的初始模型；通过更新后的初始模型确定除了目标算子集合之外的其余任意一个算子集合的算子的重要度，并对算子集合中的算子进行筛选，直至初始模型中的每个算子集合均完成筛选操作，得到候选模型。

9、可选地，依据识别结果，确定对业务办理请求的处理方式包括：在识别结果表征待认证图像无异常的情况下，允许用户办理目标业务，在识别结果表征待认证图像存在异常的情况下，不允许用户办理目标业务。

10、根据本技术的另一方面，提供了一种业务办理装置。该装置包括：接收单元，用于接收用户发送的业务办理请求，并接收用户发送的待认证图像，其中，业务办理请求用于请求办理目标业务，待认证图像用于认证用户是否具有办理目标业务的权限；处理单元，用于确定办理目标业务的业务要求，根据业务要求对待认证图像进行预处理，得到初始图像；识别单元，用于将初始图像输入目标识别模型中，通过目标识别模型对初始图像进行识别，得到识别结果，其中，目标识别模型由多个特征提取层、多个池化层以及全连接层组成，每个特征提取层和每个池化层中均包括多个特征节点，任意两个特征节点之间通过算子连接，每个算子为多个预设算子中重要度最高的算子，目标识别模型通过预设训练集训练得到，预设训练集中包括多个历史图像以及每个历史图像的识别结果；第一确定单元，用于依据识别结果，确定对业务办理请求的处理方式。

11、根据本发明的另一方面，还提供了一种计算机存储介质，计算机存储介质用于存储程序，其中，程序运行时控制计算机存储介质所在的设备执行一种业务办理方法。

12、根据本发明的另一方面，还提供了一种电子设备，包含一个或多个处理器和存储器；存储器中存储有计算机可读指令，处理器用于运行计算机可读指令，其中，计算机可读指令运行时执行一种业务办理方法。

13、通过本技术，采用以下步骤：接收用户发送的业务办理请求，并接收用户发送的待认证图像，其中，业务办理请求用于请求办理目标业务，待认证图像用于认证用户是否具有办理目标业务的权限；确定办理目标业务的业务要求，根据业务要求对待认证图像进行预处理，得到初始图像；将初始图像输入目标识别模型中，通过目标识别模型对初始图像进行识别，得到识别结果，其中，目标识别模型由多个特征提取层、多个池化层以及全连接层组成，每个特征提取层和每个池化层中均包括多个特征节点，任意两个特征节点之间通过算子连接，每个算子为多个预设算子中重要度最高的算子，目标识别模型通过预设训练集训练得到，预设训练集中包括多个历史图像以及每个历史图像的识别结果；依据识别结果，确定对业务办理请求的处理方式。解决了相关技术中采用人工方式进行模型构建，导致模型的运行准确率和效率低，进而降低模型对用户的识别准确率和效率的问题。通过在接收到业务办理请求，并对待认证图像进行识别的时候，通过目标识别模型对待认证图像进行识别，从而确定是否可以执行该业务办理请求，并且在生成模型的时候，通过构成多个特征提取层和多个池化层，并确定每层中的特征节点之间的最优算子，并以最优算子为基础构件整个模型，避免通过人工经验确定模型结构，进而达到了提高模型预测结果的准确性的效果。