具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本申请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申请。

图1是根据本公开第一实施例的示例性系统架构示意图，其示出了可以应用本申请的用于处理数据的方法或者用于处理数据的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以为手机、电脑以及平板等电子设备，在终端设备101、102、103中可以获取在特定应用场景下的输入数据，例如在金融风控场景下用户输入用于申请贷款的用户数据，或者在人脸识别场景下获取到的用户人脸数据。在这些示例中，用于申请贷款的用户数据和用户人脸数据即为本申请实施例中的输入数据。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于电视、智能手机、平板电脑、电子书阅读器、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如可以通过网络104获取终端设备101、102、103传输的输入数据，在服务器105中可以存储有模型集合，模型集合中的模型可以具有串行连接关系，也可以具有并行连接关系。在获取到输入数据之后，可以通过模型集合中的模型对输入数据进行数据处理，得到数据处理结果。进一步的，如果数据处理结果满足预设的校验条件，则说明数据处理结果具有一定的偏差，此时可以对数据处理结果进行校验，得到处于合理范围的输出数据。服务器105可以通过网络104将最终得到的处理合理范围的输出数据传输给终端设备101、102、103，以使终端设备101、102、103输出该输出数据。例如，在金融风控场景下用户输入用于申请贷款的用户数据，终端设备101、102、103可以输出与用户数据对应的信用评分。可选的，还可以输出信用评分对应的申请结果，申请结果可以包括授信或者拒贷。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于处理数据的方法可以由服务器105执行，也可以由终端设备101、102、103执行。相应地，用于处理数据的装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，图2是根据本公开第二实施例的用于处理数据的方法示意图，其示出了根据本申请的用于处理数据的方法的一个实施例的流程200。本实施例的用于处理数据的方法，包括以下步骤：

步骤201，获取输入数据。

本实施例中，执行主体(如上述服务器105或者终端设备101、102、103)可以在不同的应用场景下，获取需要进行数据处理的输入数据。其中，应用场景可以包括但不限于金融风控、目标识别、图像分类等等，本实施例对此不做限定。在不同的应用场景下需要对不同的数据进行数据处理。例如，金融风控场景需要对申请贷款的用户身份数据进行数据处理，目标识别场景需要对待识别的物体或人脸数据进行数据处理，图像分类场景需要对图像数据进行数据处理等等。进一步的，输入数据可以为预先存储在执行主体中的数据，也可以为实时获取的数据。

步骤202，根据输入数据和预设的模型集合，确定数据处理结果。

本实施例中，预设的模型集合包括至少一个模型，并且至少一个模型能够通过一定的组合方式组合起来对数据进行处理。组合方式可以为串行组合，也可以为并行组合，也可以兼具串行组合与并行组合，本实施例对此不做限定。其中，对于组合方式为串行组合而言，可以将输入数据输入首个模型，得到首个模型输出的数据，再将首个模型输出的数据输入下个模型，直至最后一个模型输出最终的数据，最终的数据即为上述数据处理结果。对于组合方式为并行组合而言，可以将输入数据输入并列的至少一个模型，由各个模型输出与输入数据对应的数据，再对这些数据进行整合，得到上述数据处理结果。对于组合方式兼具串行组合与并行组合而言，可以在串行组合的模型中按照上述串行组合对应的处理方式进行处理，在并行组合的模型中按照上述并行组合对应的处理方式进行处理。

可选的，在利用模型集合中各个模型对输入数据进行处理的过程中，还可以引入逻辑计算功能，可以根据应用场景的需求设置逻辑判断、逻辑运算以及函数等辅助数据处理。其中，逻辑判断可以包括大于、小于或者等于这种大小判断逻辑，逻辑运算可以包括与、或、非，函数可以包括加权平均、加权求和等。其中，在采用与的逻辑运算时，如果模型集合中存在某个模型输出的数据不满足需要的数据条件，则终止其它模型的线程，能够减少额外资源消耗。在采用或的逻辑运算时，如果模型集合中存在某个模型输出的数据满足需要的数据条件，则终止另一方模型的线程。也即是，基于模型集合中的逻辑运算状况，管理模型的运行。

步骤203，响应于确定数据处理结果满足预设的校验条件，校验数据处理结果，得到输出数据。

本实施例中，执行主体可以预先设置正常的数据处理结果对应的数据范围。在获取到数据处理结果之后，可以将该数据处理结果和预设的数据范围进行比对，如果比对结果指示数据处理结果中的数据超出预设的数据范围，则确定数据处理结果满足预设的校验条件。又或者，预设的校验条件也可以为是否接收到工作人员基于数据处理结果手动触发的校验指令，如果接收到该校验指令，则说明数据处理结果满足预设的校验条件。

进一步的，校验可以包括对数据处理结果进行矫正、覆盖。其中，校正指的是在数据处理结果的基础上做一些调整，将调整后的数据处理结果作为输出数据；覆盖指的是丢弃数据处理结果，重新根据输入数据确定输出数据。

步骤204，输出输出数据。

本实施例中，执行主体可以将输出数据直接输出，也可以结合应用场景，基于输出数据得到相应的判断结论，输出该判断结论，本实施例对此不做限定。

继续参见图3，图3是可以实现本公开实施例的数据处理场景图，其示出了根据本申请的用于处理数据的方法的一个应用场景的示意图。在图3的应用场景中，上述用于处理数据的方法可以应用到金融风控的场景中。如图3所示，首先，获取输入数据，也即是用户数据301。用户数据301可以为需要申请贷款的用户的数据，例如需要申请贷款的用户的年龄、城市、收入记录、信贷记录等数据。进一步的，模型组合器302中即包括上述的模型集合，模型集合中可以至少包括用于信用评分的人工智能模型。将过滤后的用户数据301输入人工智能模型，得到模型输出的数据。此外，模型集合中还可以包括其它用于评分的非人工智能模型，将用户数据301输入这些其它模型，得到模型输出的数据。将这些输出的数据进行整合，即得到数据处理结果。此时可以基于模型保险模块303判断数据处理结果是否满足校验条件。比如数据处理结果指示用户A的评分为30，模型保险模块303可以计算用户A的评分30和预设的评分之间的差值，如果差值超过某个阈值(如20)，则校验上述数据处理结果，得到最终的打分结果304。

本申请上述实施例提供的用于处理数据的方法，可以利用模型集合中的至少一个模型和输入数据确定数据处理结果，提高了数据处理结果的可靠性。并且进一步的，还可以在数据处理结果满足校验条件的情况下，再对数据处理结果进行校验，得到输出数据，并输出该输出数据。通过校验的过程，能够获得较为准确的输出数据，从而提高了数据处理效果。

继续参见图4，图4是根据本公开第三实施例的用于处理数据的方法示意图，其示出了根据本申请的用于处理数据的方法的另一个实施例的流程400。如图4所示，本实施例的用于处理数据的方法可以包括以下步骤：

步骤401，获取输入数据。

本实施例中，对于步骤401的详细描述请参照对于步骤201的详细描述，在此不再赘述。

步骤402，获取至少一个数据过滤条件。

本实施例中，数据过滤条件指的是基于常规的阈值判断、基本逻辑运算和/或自定义规则判断进行组合得到的数据判断规则，将符合数据判断规则的数据保留，将不符合数据判断规则的数据丢弃。其中，各个数据过滤条件可以是不同粒度的筛选条件。

步骤403，按照预设的过滤顺序，依次利用至少一个数据过滤条件过滤输入数据，得到过滤后的输入数据。

本实施例中，预设的过滤顺序为预先设置的使用数据过滤条件的顺序，在进行数据过滤时，可以按照过滤顺序，依次利用至少一个数据过滤条件进行过滤。可选的，预设的过滤顺序可以为过滤粒度由粗至细的顺序，在进行数据过滤时，先进行粗粒度的数据过滤，再进行细粒度的数据过滤。各个数据过滤条件可以为彼此独立的代码段，在接入各个数据过滤条件之前，可以进行对于各个数据过滤条件的数据格式统一，再引入格式统一后的各个数据过滤条件。可选的，可以使用链表结构引入各个数据过滤条件。

在本实施例的一些可选的实现方式中，还可以执行以下步骤：统计经每一数据过滤条件过滤出的数据的信息；输出统计得到的信息。

本实现方式中，在数据过滤过程中，可以使用过滤组件中的过滤计数器和性能计数器统计经每一数据过滤条件过滤出的数据的信息，并输出统计得到的信息，便于执行主体根据信息调整数据过滤条件。其中，过滤计数器用于统计每一数据过滤条件的数据总数量、数据拦截数量等，性能计数器用于统计每一数据过滤条件对应的过滤耗时。举例来说，如果某个数据过滤条件能够将百分之百的数据过滤，输出信息之后，执行主体可以删除该过滤条件；又或者，如果某个数据过滤条件的过滤粒度比较粗，输出信息之后，执行主体可以将该数据过滤条件前置，先执行该数据过滤条件，再执行其他的数据过滤条件。

步骤404，根据过滤后的输入数据和模型集合，确定数据处理结果。

本实施例中，对于步骤404的详细描述请参照对于步骤202的详细描述，将步骤202中的输入数据替换为过滤后的输入数据即可，在此不再赘述。

在本实施例的一些可选的实现方式中，根据输入数据和预设的模型集合，确定数据处理结果，包括：对于模型集合中的每个模型，将输入数据转换为该模型对应的数据格式，得到模型输入数据；根据模型输入数据和该模型，确定该模型对应的模型处理结果；将各个模型处理结果进行格式转换，得到符合目标格式的各个模型处理结果；整合符合目标格式的各个模型处理结果，得到数据处理结果。

本实现方式中，模型集合中可以包括至少一个模型，对于每个模型，都可以将输入数据通过模型集合对应的输入映射层，转换为该模型对应的数据格式，得到各个模型的模型输入数据。再根据每个模型和该模型的模型输入数据，确定各个模型的模型处理结果。再将各个模型的模型处理结果经由模型集合对应的输出映射层，进行格式转换，得到符合目标格式的各个模型处理结果，再进行整合，得到数据处理结果。整合可以包括逻辑计算、平均计算、加权评分计算等方式。这一过程可以实现模型集合中各个模型的输入与输出的格式统一，便于接入多种不同的模型。

步骤405，根据模型集合中模型的执行逻辑，确定校验模型。

本实施例中，校验模型可以具有与模型集合中的模型相同的执行逻辑，例如模型集合中的模型可以用于为用户进行风险评分，则校验模型也可以额为用户进行风险评分。又或者，校验模型可以根据模型集合中模型的执行逻辑，确定相应的矫正逻辑运算方式，作为校验模型的执行逻辑，对此，本实施例中不做限定。

在本实施例的一些可选的实现方式中，根据模型集合中模型的执行逻辑，确定校验模型，包括：响应于确定模型集合中包括黑盒模型，将黑盒模型的上一版本模型确定为校验模型。

本实施例中，如果模型集合中包括黑盒模型，则可以将黑盒模型的上一版本模型确定为校验模型，以此在黑盒模型版本更新时，采用历史版本的黑盒模型提高输出数据的稳定性。

步骤406，响应于确定数据处理结果满足预设的校验条件，基于校验模型和数据处理结果，确定输出数据；或者，根据校验模型输出的数据，确定输出数据。

本实施例中，如果数据处理结果中的数据满足第一数据范围，可以利用校验模型矫正数据处理结果，得到输出数据；如果数据处理结果中的数据满足第二数据范围，可以将输入数据或者过滤后的输入数据输入校验模型，得到校验模型输出的数据，并将校验模型输出的数据作为输出数据。其中，可选的，第一数据范围为和标准的数据范围偏差值较小的数据范围，第二数据范围为和标准的数据范围偏差值较大的数据范围。可选的，在数据校验的过程中，可以记录本次的数据校验记录，以使工作人员基于数据校验记录优化校验模型。

在本实施例的一些可选的实现方式中，根据校验模型输出的数据，确定输出数据，包括：基于校验模型和输入数据，确定校验模型输出的数据；根据校验模型输出的数据，确定输出数据。

本实现方式中，如果校验模型为黑盒模型的上一版本的模型，可以将输入数据或者过滤后的输入数据输入上一版本的黑盒模型，将上一版本的黑盒模型输出的数据作为输出数据。

步骤407，输出输出数据。

本实施例中，对于步骤407的详细描述请参照对于步骤204的详细描述，在此不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于处理数据的方法的流程400，还可以按照至少一个数据过滤条件以及相应过滤顺序，依次过滤输入数据，能够过滤掉当前应用场景不需要使用的数据，提高了数据处理过程中的数据有效性。并且还可以输出统计得到的过滤出的数据的信息，以供用户参考调整数据过滤条件。此外，在进行数据校验时，可以根据实际应用场景的需求，选择基于校验模型调整数据处理结果，将矫正后的数据作为输出数据，也可以选择直接将校验模型输出的数据作为输出数据，满足多种不同的校验需求。以及，对于模型集合中包括黑盒模型的情况，可以将黑盒模型的上一版本模型确定为校验模型，在黑盒模型版本更新时能够利用上一版本模型的输出结果维稳，输出数据更加稳定、可靠。以及，还可以将模型集合中各个模型的输入与输出均进行格式转化，确保模型集合能够适配多种不同的模型，可扩展性更强。

进一步参考图5，图5是根据本公开第四实施例的用于处理数据的装置示意图，其提供了一种用于处理数据的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种终端设备或者服务器中。

如图5所示，本实施例的用于处理数据的装置500包括：数据获取单元501、数据处理单元502、数据校验单元503和数据输出单元504。

数据获取单元501，被配置成获取输入数据。

数据处理单元502，被配置成根据输入数据和预设的模型集合，确定数据处理结果。

数据校验单元503，被配置成响应于确定数据处理结果满足预设的校验条件，校验数据处理结果，得到输出数据。

数据输出单元504，被配置成输出输出数据。

在本实施例的一些可选的实现方式中，数据处理单元502进一步被配置成：获取至少一个数据过滤条件；按照预设的过滤顺序，依次利用至少一个数据过滤条件过滤输入数据，得到过滤后的输入数据；根据过滤后的输入数据和模型集合，确定数据处理结果。

在本实施例的一些可选的实现方式中，装置还包括：信息统计单元，被配置成统计经每一数据过滤条件过滤出的数据的信息；信息输出单元，被配置成输出统计得到的信息。

在本实施例的一些可选的实现方式中，还包括：模型确定单元，被配置成根据模型集合中模型的执行逻辑，确定校验模型。

在本实施例的一些可选的实现方式中，数据校验单元503进一步被配置成：基于校验模型和数据处理结果，确定输出数据；或者根据校验模型输出的数据，确定输出数据。

在本实施例的一些可选的实现方式中，模型确定单元进一步被配置成：响应于确定模型集合中包括黑盒模型，将黑盒模型的上一版本模型确定为校验模型。

在本实施例的一些可选的实现方式中，数据校验单元503进一步被配置成：基于校验模型和输入数据，确定校验模型输出的数据；根据校验模型输出的数据，确定输出数据。

在本实施例的一些可选的实现方式中，数据处理单元502进一步被配置成：对于模型集合中的每个模型，将输入数据转换为该模型对应的数据格式，得到模型输入数据；根据模型输入数据和该模型，确定该模型对应的模型处理结果；将各个模型处理结果进行格式转换，得到符合目标格式的各个模型处理结果；整合符合目标格式的各个模型处理结果，得到数据处理结果。

应当理解，用于处理数据的装置500中记载的单元501至单元504分别与参考图2中描述的方法中的各个步骤相对应。由此，上文针对用于处理数据的方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示出了用来实现本公开实施例的用于处理数据的方法的电子设备600的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如用于处理数据的方法。例如，在一些实施例中，用于处理数据的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的用于处理数据的方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行用于处理数据的方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。