[发明专利]流量数据的监控方法、装置及服务器

说明书

技术领域

本发明涉及互联网技术领域，尤其涉及一种流量数据的监控方法、装置及服务器。

背景技术

互联网流量的监测与控制，对于移动广告系统有十分重要的作用。其可以帮助媒体控制和监测流量数据，并及时得到反馈。目前，主要采用阈值监控法，针对不同的媒体，从不同的维度，使用不同的阈值，以时间作为前进监测轴，来对流量数据进行监控。当某一维度的数值超出其对应的阈值时，可进行邮件报警或直接关停。对媒体进行评级，能够为优质的广告分配优质的媒体，从而达到利益最大化。但是，上述监控方法，需要业务人员主观的判断，对专业要求高，且进行相应的调整困难，不够智能。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种流量数据的监控方法，通过采用深度学习模型对流量数据进行监控，提高了流量数据的准确度，降低了流量数据监控的复杂度，降低运营成本，更加智能化。

本发明的第二个目的在于提出一种数据流量的监控装置。

本发明的第三个目的在于提出一种服务器。

本发明的第四个目的在于提出一种存储介质。

本发明的第五个目的在于提出一种应用程序。

为了实现上述目的，本发明第一方面实施例提出了一种数据流量的监控方法，包括：获取当前日志数据；

对所述当前日志数据进行预处理，生成待预测流量数据；

将所述待预测流量数据输入至预先训练的深度学习模型；

通过所述预先训练的深度学习模型输出所述待预测流量数据对应的预测结果；

根据所述预测结果对流量数据进行监控。

可选的，对所述当前日志数据进行预处理，生成待预测流量数据，包括：

对所述当前日志数据进行分类；

根据分类对相应的当前日志数据进行清洗与抽取；

对所述当前日志数据进行规则化处理，并生成待预测流量数据。

可选的，根据分类对相应的当前日志数据进行清洗与抽取，包括：

按照预设过滤规则过滤所述当前日志数据中的噪声数据。

可选的，所述预先训练的深度学习模型包括广度模型和深度模型，所述广度模型和所述深度模型通过逻辑损失函数连接。

可选的，根据所述预测结果对流量数据进行监控，包括：

当所述预测结果超出预设阈值时，生成预警信息；

接收业务人员对所述预警信息的反馈信息，并对所述预警信息和所述反馈信息进行统计；

根据统计信息对所述流量数据进行评级。

可选的，数据流量的监控方法还包括：训练所述深度学习模型。

可选的，训练所述深度学习模型，包括：

获取历史日志数据；

对所述历史日志数据进行预处理，生成历史流量数据；

根据所述历史流量数据训练所述深度学习模型。

本发明实施例的数据流量的监控方法，通过采用深度学习模型对流量数据进行监控，提高了流量数据的准确度，降低了流量数据监控的复杂度，降低运营成本，更加智能化。

本发明第二方面实施例提出了一种数据流量的监控装置，包括：

获取模块，用于获取当前日志数据；预处理模块，用于对所述当前日志数据进行预处理，生成待预测流量数据；

输入模块，用于将所述待预测流量数据输入至预先训练的深度学习模型；

输出模块，用于通过所述预先训练的深度学习模型输出所述待预测流量数据对应的预测结果；

监控模块，用于根据所述预测结果对流量数据进行监控。

可选的，所述预处理模块，用于：对所述当前日志数据进行分类；根据分类对相应的当前日志数据进行清洗与抽取；

对所述当前日志数据进行规则化处理，并生成待预测流量数据。

可选的，所述预处理模块，用于：按照预设过滤规则过滤所述当前日志数据中的噪声数据。

可选的，所述预先训练的深度学习模型包括广度模型和深度模型，所述广度模型和所述深度模型通过逻辑损失函数连接。

可选的，所述监控模块，用于：当所述预测结果超出预设阈值时，生成预警信息；

接收业务人员对所述预警信息的反馈信息，并对所述预警信息和所述反馈信息进行统计；根据统计信息对所述流量数据进行评级。

可选的，所述装置还包括：训练模块，用于训练所述深度学习模型。