通信业务产品稽核处理方法、装置、电子设备及存储介质与流程

1.本发明涉及通信技术领域，尤其涉及一种通信业务产品稽核处理方法、装置、电子设备及存储介质。


背景技术：

2.随着通信行业的迅猛发展以及满足不同用户群体的个性化需求，通信运营商所发布的通信业务产品的种类和数量越来越多，管理和维护庞大的产品信息对确保业务收入的准确性显得尤为重要。
3.目前运营商普遍采用基于通过数据库表间的关联实现稽核指标的提取和稽核，其特点是通过表与表之间的关联查询或统计后获取稽核。关联查询稽核实现方式，能够进行一些简单逻辑关系的关联查询和统计，当多项数据表存在级联关系数据项间存在级联关系或复杂规则时，统计语句极度复杂，且效率低下，复杂的逻辑性统计效率精细到每个用户的准确性就很难保证。


技术实现要素：

4.针对现有技术存在的问题，本发明提供一种通信业务产品稽核处理方法、装置、电子设备及存储介质。
5.第一方面，本发明提供一种通信业务产品稽核处理方法，包括：
6.获取业务产品订购数据的关键字段特征，所述关键字段特征对应的关键字段为基于蚁群寻源算法从目标业务产品类型对应的当前字段集合中筛选出的字段；
7.将业务产品订购数据的关键字段特征输入到稽核模型中，得到由稽核模型输出的订购标签，所述订购标签用于表征业务产品订购数据是否违规订购的结果；
8.其中，所述稽核模型为将根据业务产品订购样本的字段特征和样本的订购标签作为输入，通过机器学习训练得到的，用于判断业务产品订购数据的订购标签的模型，所述业务产品订购样本的字段特征为初始字段集合中各字段的特征；
9.所述稽核模型包括匹配层和处理层，所述匹配层用于根据业务产品订购数据的业务产品类型，确定业务产品类型对应的字段规则表达式，所述字段规则表达式为根据所述关键字段确定；所述处理层用于根据业务产品订购数据的关键字段特征和所述字段规则表达式，确定订购标签。
10.在一个实施例中，所述将业务产品订购数据的关键字段特征输入到稽核模型中，得到由稽核模型输出的订购标签，包括：
11.确定业务产品订购数据的业务产品类型，将业务产品类型输入到匹配层，由所述匹配层根据业务产品类型，确定对应的字段规则表达式；
12.将所述字段规则表达式和业务产品订购数据的关键字段特征输入到处理层，由所述处理层根据业务产品订购数据的关键字段特征和字段规则表达式，确定订购标签。
13.在一个实施例中，所述稽核模型还包括更新层，所述更新层用于确定关键字段和
对字段规则表达式进行更新；
14.相应地，所述方法还包括：
15.获取所选的业务产品类型对应的订购异常数据集合，所述订购异常数据集合为稽核模型已输出的表征违规订购的订购标签对应的订购数据的集合，所述订购数据的订购标签是稽核模型根据订购数据对应于当前字段集合中各字段的特征和当前字段规则表达式确定，所述当前字段规则表达式为根据当前字段集合中各字段确定；
16.将所述订购异常数据集合和目标业务产品类型对应的当前字段集合中各字段输入到所述更新层，由所述更新层根据所述订购异常数据集合采用蚁群寻源算法从目标业务产品类型对应的当前字段集合中各字段中筛选出关键字段，根据所述关键字段确定新的字段规则表达式，并更新当前的字段规则表达式。
17.在一个实施例中，所述由所述处理层根据业务产品订购数据的字段特征和字段规则表达式，确定订购标签，包括：
18.由所述处理层根据所述字段规则表达式确定所述关键字段特征的权重向量；
19.根据所述关键字段特征和所述权重向量确定判断值，根据所述判断值和预设的阈值确定订购标签。
20.第二方面，本发明提供一种通信业务产品稽核处理装置，包括：
21.获取模块，用于获取业务产品订购数据的关键字段特征，所述关键字段特征对应的关键字段为基于蚁群寻源算法从目标业务产品类型对应的当前字段集合中筛选出的字段；
22.处理模块，用于将业务产品订购数据的关键字段特征输入到稽核模型中，得到由稽核模型输出的订购标签，所述订购标签用于表征业务产品订购数据是否违规订购的结果；
23.其中，所述稽核模型为将根据业务产品订购样本的字段特征和样本的订购标签作为输入，通过机器学习训练得到的，用于判断业务产品订购数据的订购标签的模型，所述业务产品订购样本的字段特征为初始字段集合中各字段的特征；
24.所述稽核模型包括匹配层和处理层，所述匹配层用于根据业务产品订购数据的业务产品类型，确定业务产品类型对应的字段规则表达式，所述字段规则表达式为根据所述关键字段确定；所述处理层用于根据业务产品订购数据的关键字段特征和所述字段规则表达式，确定订购标签。
25.第三方面，本发明提供一种电子设备，包括存储器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面所述通信业务产品稽核处理方法的步骤。
26.第四方面，本发明提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行第一方面所述通信业务产品稽核处理方法的步骤。
27.本发明提供的通信业务产品稽核处理方法、装置、电子设备及存储介质，通过基于蚁群寻源算法从目标业务产品类型对应的当前字段集合中筛选出的字段，并获取业务产品订购数据的关键字段特征，将业务产品订购数据的关键字段特征输入到稽核模型中，得到由稽核模型输出的订购标签，实现对大量订购数据进行快速判断，确定非法订购的业务产品，提高处理效率。
附图说明
28.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
29.图1是本发明提供的通信业务产品稽核处理方法的流程示意图；
30.图2是本发明提供的通信业务产品稽核处理装置的结构示意图；
31.图3是本发明提供的电子设备的结构示意图；
具体实施方式
32.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
33.下面结合图1-图3描述本发明的通信业务产品稽核处理方法、装置、电子设备及存储介质。
34.图1示出了本发明一种通信业务产品稽核处理方法的流程示意图，参见图1，该方法包括：
35.11、获取业务产品订购数据的关键字段特征，关键字段特征对应的关键字段为基于蚁群寻源算法从目标业务产品类型对应的当前字段集合中筛选出的字段；
36.12、将业务产品订购数据的关键字段特征输入到稽核模型中，得到由稽核模型输出的订购标签，订购标签用于表征业务产品订购数据是否违规订购的结果。
37.其中，稽核模型为将根据业务产品订购样本的字段特征和样本的订购标签作为输入，通过机器学习训练得到的，用于判断业务产品订购数据的订购标签的模型，业务产品订购样本的字段特征为初始字段集合中各字段的特征。
38.稽核模型包括匹配层和处理层，匹配层用于根据业务产品订购数据的业务产品类型，确定业务产品类型对应的字段规则表达式，字段规则表达式为根据关键字段确定；处理层用于根据业务产品订购数据的关键字段特征和所述字段规则表达式，确定订购标签。
39.针对步骤11和步骤12，需要说明的是，在本发明中，随着通信行业的迅猛发展以及满足不同用户群体的个性化需求，通信运营商所发布的通信业务产品的种类和数量越来越多，管理和维护庞大的产品信息对确保业务收入的准确性显得尤为重要。业务员在用户订购业务产品之后，会形成一条对应的业务产品订购数据。对于成千上万条的业务产品订购数据，要稽核每一条业务产品订购数据的订购是否合规，以确保追回违规操作订购业务产品所产生的非法业务收入。
40.在本发明中，对于不同类型的业务产品，其产生的每一条业务产品订购数据会按照配置的多字段结构，在每个字段上添加对应的信息。为此，可以基于字段对应的信息，提取对应于每条业务产品订购数据的字段特征。
41.在本发明中，通常情况下，每个业务产品下的字段较多，字段较多也决定了稽核所使用的字段规则表达式的复杂性，会对业务稽核判断造成一定的波动。为此，需要定期对业
务订购数据使用的当前字段进行筛选，筛选出更为关键的字段，视为关键字段。即相当于减少了字段数量，也会使得字段规则表达式的复杂性得以降低，对业务稽核判断更准确。
42.在本发明中，对业务产品下的字段进行筛选，难以一步到位，为此，需要多次对字段进行筛选，筛选出需要的关键字段。故将每次字段筛选之后的各关键字段的集合称为当前字段集合。
43.由于最初设置一业务产品时，会对业务产品配置初始字段。故各初始字段集合在一起会形成初始字段集合。该初始字段集合需要多次字段筛选过程，每次筛选之后形成的字段集合均称为当前字段集合。
44.对字段的筛选过程，在本发明中，基于蚁群寻源算法从目标业务产品类型对应的当前字段集合中筛选出关键字段。蚁群寻源算法是将订购异常数据集合中的数据作为出发点，寻求决定结果的更为关键的字段。该蚁群寻源算法的基本构思为：用蚂蚁的行走路径表示待优化问题的可行解，整个蚂蚁群体的所有路径构成待优化问题的解空间。路径较短的蚂蚁释放的信息素量较多，随着时间的推进，较短的路径上累积的信息素浓度逐渐增高，选择该路径的蚂蚁个数也愈来愈多。最终，整个蚂蚁会在正反馈的作用下集中到最佳的路径上，此时对应的路径中的各信息作为更为关键的信息。
45.将从当前字段集合中筛选出关键字段的特征在稽核模型中进行稽核计算，可以减少计算量。
46.在本发明中，获取到业务产品订购数据的关键字段特征之后，将业务产品订购数据的关键字段特征输入到稽核模型中，得到由稽核模型输出的订购标签，订购标签用于表征业务产品订购数据是否违规订购的结果。即该订购标签包括“未违规订购”和“违规订购”，或者是“高概率违规”、“中概率违规”和“低概率违规”。
47.在本发明中，该稽核模型为将根据业务产品订购样本的字段特征和样本的订购标签作为输入，通过机器学习训练得到的，用于判断业务产品订购数据的订购标签的模型。其中，业务产品订购样本的字段特征为初始字段集合中各字段的特征。
48.需要说明的是，各个业务产品分别会产生大量的订购数据，这些订购数据均已获知对应的订购标签。将这些订购数据作为业务产品订购样本。将业务产品订购样本提取出对应的字段特征，将字段特征和订购标签输入到初始的神经网络模型中进行训练，得到稽核模型。
49.在本发明中，该稽核模型训练得到之后，最初的稽核计算，是基于初始字段集合中的各字段在稽核模型中对业务产品订购数据进行标签判定。待稽核模型中所使用的字段集合更新为具有关键字段的集合之后，该模型便基于当前字段集合中的关键字段在稽核模型中对业务产品订购数据进行标签判定。
50.为此，该稽核模型包括匹配层和处理层，匹配层用于根据业务产品订购数据的业务产品类型，确定业务产品类型对应的字段规则表达式，字段规则表达式为根据关键字段确定；处理层用于根据业务产品订购数据的关键字段特征和字段规则表达式，确定订购标签。
51.在本发明中，基于不同的业务产品下的关键字段，会生成对应的字段规则表达式，即不同的业务产品类型对应不同的字段规则表达式。该字段规则表达式用于对关键字段特征进行各关键字段的重要程度的判断，便于对业务产品订购数据的订购标签的判断。
52.例如业务产品a具备字段a、b、c、d。字段规则表达式可以为以下内容：
53.存在字段a的信息，则势必存在字段b信息。
54.字段c的值大于e时，字段d的值势必为f。
55.也或者，字段规则表达式可以为各字段对应的权重值。
56.由此可知，稽核模型的匹配层能够根据业务产品订购数据进行分析，得到对应的业务产品类型，从而可以从规则库中基于业务产品类型去匹配得到对应的字段规则表达式。
57.然后稽核模型的处理层再基于字段规则表达式对业务产品订购数据的关键字段特征进行各关键字段的重要程度的判断，并根据判断结果确定订购标签。
58.本发明提供的通信业务产品稽核处理方法，通过获取业务产品订购数据的关键字段特征，将业务产品订购数据的关键字段特征输入到稽核模型中，得到由稽核模型根据关键字段特征和由关键字段生成的字段规则表达式，确定订购标签并输出，实现对大量订购数据进行快速判断，确定非法订购的业务产品，减少计算量，提高处理效率。
59.在上述方法的进一步说明中，主要是对将业务产品订购数据的关键字段特征输入到稽核模型中，得到由稽核模型输出的订购标签的处理过程进行解释说明，具体如下：
60.确定业务产品订购数据的业务产品类型，将业务产品类型输入到匹配层，由匹配层根据业务产品类型，确定对应的字段规则表达式；
61.将字段规则表达式和业务产品订购数据的关键字段特征输入到处理层，由处理层根据业务产品订购数据的关键字段特征和字段规则表达式，确定订购标签。
62.对此，需要说明的是，在本发明中，基于不同的业务产品下的关键字段，会生成对应的字段规则表达式，即不同的业务产品类型对应不同的字段规则表达式。该字段规则表达式用于对关键字段特征进行各字段的重要程度的判断，便于对业务产品订购数据的订购标签的判断。
63.由此可知，稽核模型的匹配层能够根据业务产品订购数据进行分析，得到对应的业务产品类型，从而可以从规则库中基于业务产品类型去匹配得到对应的字段规则表达式。
64.然后稽核模型的处理层再基于字段规则表达式对业务产品订购数据的关键字段特征进行各关键字段的重要程度的判断，并根据判断结果确定订购标签。
65.本发明进一步的方法，采用匹配层和处理层对业务产品订购数据的关键字段特征和字段规则表达式进行分工处理合作，能够加快处理速度。
66.在上述方法的进一步说明中，主要是对采用稽核模型对业务产品订购数据进行处理之后的后续步骤的解释说明，具体如下：
67.获取所选的业务产品类型对应的订购异常数据集合，订购异常数据集合为稽核模型已输出的表征违规订购的订购标签对应的订购数据的集合，订购数据的订购标签是稽核模型根据订购数据对应于当前字段集合中各字段的特征和当前字段规则表达式确定，当前字段规则表达式为根据当前字段集合中各字段确定；
68.将订购异常数据集合和目标业务产品类型对应的当前字段集合中各字段输入到所述更新层，由更新层根据所述订购异常数据集合采用蚁群寻源算法从目标业务产品类型对应的当前字段集合中各字段中筛选出关键字段，根据关键字段确定新的字段规则表达
式，并更新当前的字段规则表达式。
69.对此，需要说明的是，在本发明中，通过当前使用的稽核模型 (具有当前字段集合和当前字段规则表达式)对大量的业务产品订购数据进行订购标签的判断，判断完之后，将订购标签表征为“违规订购”的所有订购数据集合，形成订购异常数据集合。
70.将得到的订购异常数据集合和目标业务产品类型对应的当前字段集合中的各字段输入到更新层，由更新层根据订购异常数据集合采用蚁群寻源算法从目标业务产品类型对应的当前字段中筛选出关键字段，根据关键字段确定新的字段规则表达式，并在规则库中更新当前的字段规则表达式。
71.下面以具体实例对上述更新步骤进行解释说明，具体如下：
72.1)采用稽核模型进行判断的某一业务产品的订购异常数据集合为α且其中α1，α2，α3，
…
，αn为稽核模型已输出的订购标签为违规订购对应的订购数据。
73.2)根据订购异常数据集合和该业务产品对应的当前所有字段，构建稽核异常矩阵其中ε为n
×
s的矩阵，n代表订购异常数据个数，s代表字段个数。
74.3)通过ε的维度，确定初始蚁群a中的蚂蚁数量，一般n＞＞s，所以蚂蚁的数量为n。
75.4)将n个蚂蚁作为对订购异常数据的输入，从订购异常数据出发寻找自己来源的字段，当所有蚂蚁完成一次遍历循环以后，ε矩阵之间所有路径中的信息素变化按如下方式更新：
76.σ
ij
(t+1)＝(1-δ)σ
ij
(t)+δσ
ij
(t)
[0077][0078]
其中，σ
ij
为信息素随时间变化的挥发性变量，同时1-δ为散发后的留下的量，δ的确定范围为[0，1]；δσ
ij
(t)用来表示在t时间范围内信息素改变的大小；δσ
ij
(t)k用以表示蚂蚁k从出发点i到目标点j 路径之间的信息素浓度增量。
[0079]
5)最终得出每个业务产品的当前所有字段对其订购异常判定中字段最大的信息素浓度路径，路径中每个节点(即字段)都是造成数据异常的关键字段，通过将业务产品的所有字段仅保留关键字段，可以减少稽核模型的运算规模。
[0080]
6)筛选出的关键字段可以输入到规则库替换原有的规则中包含全部字段的规则表达式，减少依靠稽核人员主观因素构造的错误率。
[0081]
本发明进一步的方法，通过采用蚁群寻源算法从已知的所有字段中快速寻找出关键字段，从而剔除无用或低效字段，实现对大量订购数据进行快速判断，确定非法订购的业务产品，减少计算量。
[0082]
在上述方法的进一步说明中，主要是对由处理层根据业务产品订购数据的关键字段特征和字段规则表达式，确定订购标签的处理过程的解释说明，具体如下：
[0083]
由处理层根据字段规则表达式确定关键字段特征的权重向量；
[0084]
根据关键字段特征和权重向量确定判断值，根据判断值和预设的阈值确定订购标签。
[0085]
对此，需要说明的是，在本发明中，基于字段规则表达式可以确定每个关键字段特征对应的权重值，根据各权重值得到权重向量。根据关键字段特征和权重向量进行计算处理，得到对业务产品订购数据是否违规订购的判断值，然后将该判断值与预设的阈值(如分划为多个数值范围或是一个固定的数值)，根据判断值与阈值的比较，可以基于比较结果确定业务产品订购数据对应的订购标签。
[0086]
本发明进一步的方法，通过权重值的介入，能够将各个字段的重要程度进行划分并用于订购标签的判断，实现字段与标签的紧密关联性，提高判断准确性。
[0087]
下面对本发明提供的通信业务产品稽核处理装置进行描述，下文描述的通信业务产品稽核处理装置与上文描述的通信业务产品稽核处理方法可相互对应参照。
[0088]
图2示出了本发明提供的一种通信业务产品稽核处理装置的结构示意图，参见图2，该装置包括获取模块21和处理模块22，其中：
[0089]
获取模块21，用于获取业务产品订购数据的关键字段特征，所述关键字段特征对应的关键字段为基于蚁群寻源算法从目标业务产品类型对应的当前字段集合中筛选出的字段；
[0090]
处理模块22，用于将业务产品订购数据的关键字段特征输入到稽核模型中，得到由稽核模型输出的订购标签，订购标签用于表征业务产品订购数据是否违规订购的结果；
[0091]
其中，稽核模型为将根据业务产品订购样本的字段特征和样本的订购标签作为输入，通过机器学习训练得到的，用于判断业务产品订购数据的订购标签的模型，所述业务产品订购样本的字段特征为初始字段集合中各字段的特征；
[0092]
稽核模型包括匹配层和处理层，匹配层用于根据业务产品订购数据的业务产品类型，确定业务产品类型对应的字段规则表达式，所述字段规则表达式为根据所述关键字段确定；所述处理层用于根据业务产品订购数据的关键字段特征和所述字段规则表达式，确定订购标签。
[0093]
在上述装置的进一步说明中，所述处理模块在将业务产品订购数据的关键字段特征输入到稽核模型中，得到由稽核模型输出的订购标签的处理过程中，具体用于：
[0094]
确定业务产品订购数据的业务产品类型，将业务产品类型输入到匹配层，由所述匹配层根据业务产品类型，确定对应的字段规则表达式；
[0095]
将所述字段规则表达式和业务产品订购数据的关键字段特征输入到处理层，由所述处理层根据业务产品订购数据的关键字段特征和字段规则表达式，确定订购标签。
[0096]
在上述装置的进一步说明中，所述稽核模型还包括更新层，所述更新层用于确定关键字段和对字段规则表达式进行更新；
[0097]
相应地，所述装置还包括更新模块，用于：
[0098]
获取所选的业务产品类型对应的订购异常数据集合，所述订购异常数据集合为稽核模型已输出的表征违规订购的订购标签对应的订购数据的集合，所述订购数据的订购标签是稽核模型根据订购数据对应于当前字段集合中各字段的特征和当前字段规则表达式确定，所述当前字段规则表达式为根据当前字段集合中各字段确定；
[0099]
将所述订购异常数据集合和目标业务产品类型对应的当前字段集合中各字段输
入到所述更新层，由所述更新层根据所述订购异常数据集合采用蚁群寻源算法从目标业务产品类型对应的当前字段集合中各字段中筛选出关键字段，根据所述关键字段确定新的字段规则表达式，并更新当前的字段规则表达式。
[0100]
在上述装置的进一步说明中，所述处理模块在由所述处理层根据业务产品订购数据的关键字段特征和字段规则表达式，确定订购标签的处理过程中，具体用于：
[0101]
由所述处理层根据所述字段规则表达式确定所述关键字段特征的权重向量；
[0102]
根据所述关键字段特征和所述权重向量确定判断值，根据所述判断值和预设的阈值确定订购标签。
[0103]
由于本发明实施例所述装置与上述实施例所述方法的原理相同，对于更加详细的解释内容在此不再赘述。
[0104]
需要说明的是，本发明实施例中可以通过硬件处理器 (hardware processor)来实现相关功能模块。
[0105]
本发明提供的通信业务产品稽核处理装置，通过基于蚁群寻源算法从目标业务产品类型对应的当前字段集合中筛选出的字段，并获取业务产品订购数据的关键字段特征，将业务产品订购数据的关键字段特征输入到稽核模型中，得到由稽核模型输出的订购标签，实现对大量订购数据进行快速判断，确定非法订购的业务产品，提高处理效率。
[0106]
图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)31、通信接口 (communication interface)32、存储器(memory)33和通信总线 34，其中，处理器31，通信接口32，存储器33通过通信总线34完成相互间的通信。处理器31可以调用存储器33中的计算机程序，以执行通信业务产品稽核处理方法的步骤，例如包括：获取业务产品订购数据的关键字段特征，关键字段特征对应的关键字段为基于蚁群寻源算法从目标业务产品类型对应的当前字段集合中筛选出的字段；将业务产品订购数据的关键字段特征输入到稽核模型中，得到由稽核模型输出的订购标签，订购标签用于表征业务产品订购数据是否违规订购的结果。其中，稽核模型为将根据业务产品订购样本的字段特征和样本的订购标签作为输入，通过机器学习训练得到的，用于判断业务产品订购数据的订购标签的模型，业务产品订购样本的字段特征为初始字段集合中各字段的特征。
[0107]
此外，上述的存储器33中的逻辑指令可以通过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(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器 (rom，read-onlymemory)、随机存取存储器(ram， randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0108]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的通信业务产品稽核处理方法，该方法包括：获取业务产品订购数据的关键字段特征，关键字段特征对应的关键字段为基于蚁群寻源算法从目标业务产品类型对应的当前字段集合中筛选出的字段；将业务产品订
购数据的关键字段特征输入到稽核模型中，得到由稽核模型输出的订购标签，订购标签用于表征业务产品订购数据是否违规订购的结果。其中，稽核模型为将根据业务产品订购样本的字段特征和样本的订购标签作为输入，通过机器学习训练得到的，用于判断业务产品订购数据的订购标签的模型，业务产品订购样本的字段特征为初始字段集合中各字段的特征。
[0109]
另一方面，本技术实施例还提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行上述各实施例提供的通信业务产品稽核处理方法，例如包括：获取业务产品订购数据的关键字段特征，关键字段特征对应的关键字段为基于蚁群寻源算法从目标业务产品类型对应的当前字段集合中筛选出的字段；将业务产品订购数据的关键字段特征输入到稽核模型中，得到由稽核模型输出的订购标签，订购标签用于表征业务产品订购数据是否违规订购的结果。其中，稽核模型为将根据业务产品订购样本的字段特征和样本的订购标签作为输入，通过机器学习训练得到的，用于判断业务产品订购数据的订购标签的模型，业务产品订购样本的字段特征为初始字段集合中各字段的特征。
[0110]
所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(mo)等)、光学存储器(例如cd、dvd、bd、 hvd等)、以及半导体存储器(例如rom、eprom、eeprom、非易失性存储器(nand flash)、固态硬盘(ssd))等。
[0111]
以上所描述的装置实施例仅仅是示意性的，其中所述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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0112]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0113]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。