[发明专利]激活数据异常检测与分析的方法和装置

说明书

本发明公开了激活数据异常检测与分析的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：根据渠道的当前激活数据与历史激活数据，确定当前特征向量；确定所述当前特征向量与特征向量库中的参考特征向量之间的相似度；根据所述相似度，确定所述当前激活数据是否出现异常。该实施方式解决现有技术检测渠道的激活数据是否异常时确定阈值的取值难度较大、且无法对激活数据进行全面的检测的技术缺陷，进而达到准确、全面、自动地判断当前的渠道的激活数据是否异常、方便后续分析激活数据存在异常的原因、且无需利用人工介入的有益效果。

技术领域

本发明涉及计算机技术领域，尤其涉及一种激活数据异常检测与分析的方法和装置。

背景技术

软件在推广时可以根据激活数据判断推广的渠道是否正常进行。对当前激活数据是否出现异常的检测，现在主要采用阈值检测和人工排查。如果当前激活数据超过阈值时，需要人工对激活数据进行分析，确定异常原因。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

1.现有技术在确定激活数据的阈值范围时难度较大，容易造成误判。通过设置阈值的方式只能检测到个别指标数据，无法对激活数据进行全面的检测。

2.现有技术采用阈值判断出激活数据存在异常后，还需要采用人工分析激活数据的异常原因，使得时间成本和人工成本均较高，且准确率低。

发明内容

有鉴于此，本发明实施例提供一种激活数据异常检测与分析的方法，能够达到准确、全面、自动地判断激活数据是否异常，并且方便后续分析激活数据存在异常的原因、无需利用人工判断的有益效果。

为实现上述目的，根据本发明实施例的一个方面，提供了一种激活数据异常检测的方法，包括：

根据渠道的当前激活数据与历史激活数据，确定当前特征向量；

确定所述当前特征向量与特征向量库中的参考特征向量之间的相似度；

根据所述相似度，确定所述当前激活数据是否出现异常。

可选地，根据渠道的当前激活数据与历史激活数据，确定当前特征向量，包括：

根据所述渠道的当前激活数据中的每个指标数据与历史激活数据中对应的指标数据，确定当前特征向量中的每个元素；

所述当前特征向量中的每个元素的计算公式为：

其中，X_1k为当前特征向量X₁的第k个元素；A(k)为历史激活数据中第k个指标数据的数值；B(k)是当前激活数据中与A(k)对应的第k个指标数据的数值；

M为放大整数倍，M的取值为10的整数倍。

可选地，确定所述当前特征向量与特征向量库中的参考特征向量之间的相似度的计算公式，包括：

其中，X_1k代表当前特征向量X₁的第k个元素，X_2k代表参考特征向量X₂的第k个元素；cosθ为当前特征向量X₁和参考特征向量X₂的夹角余弦值；n代表的是当前特征向量X₁或参考特征向量X₂的维数。

可选地，根据所述相似度，确定所述当前激活数据是否出现异常，包括：

判定相似度的计算公式中cosθ是否不小于相似预设值；

当相似度cosθ不小于相似预设值，则确定当前激活数据出现异常；