[发明专利]基于人工智能的对象分类方法、装置

说明书

本申请提供了一种基于人工智能的对象分类方法、装置、设备及计算机可读存储介质；方法包括：从至少一个样本对象的行为数据中提取第一特征序列，其中，所述第一特征序列包括多个历史时间节点分别对应的多维度特征；基于所述第一特征序列分别调用时间序列模型和神经网络模型进行时间序列预测处理，得到第二特征序列、第三特征序列以及第一时间序列误差；对所述第一时间序列误差、所述第二特征序列和所述第三特征序列进行融合处理，得到分类阈值；基于所述分类阈值对待识别对象的行为数据进行分类处理，得到所述待识别对象的类别。通过本申请，能够精确的对待识别对象进行分类。

技术领域

本申请涉及人工智能技术，尤其涉及一种基于人工智能的对象分类方法、装置、设备及计算机可读存储介质。

背景技术

人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

在现有技术的对象分类方法中，在分类时通常存在较大的分类误差且无法保证误差的偏差程度。对于如何精准的对待识别对象进行分类，相关技术尚无有效解决方案。

发明内容

本申请实施例提供一种基于人工智能的对象分类方法、装置及计算机可读存储介质，能够精确的对待识别对象进行分类。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种基于人工智能的对象分类方法，包括：

从至少一个样本对象的行为数据中提取第一特征序列，其中，所述第一特征序列包括多个历史时间节点分别对应的多维度特征；

基于所述第一特征序列分别调用时间序列模型和神经网络模型进行时间序列预测处理，得到第二特征序列、第三特征序列以及第一时间序列误差；

对所述第一时间序列误差、所述第二特征序列和所述第三特征序列进行融合处理，得到分类阈值；

基于所述分类阈值对待识别对象的行为数据进行分类处理，得到所述待识别对象的类别。

上述方案中，所述对所述目标时间序列模型进行定阶处理和参数估计处理，得到用于进行时间序列预测处理的所述时间序列模型，包括：对所述目标时间序列模型进行定阶处理，得到所述目标时间序列模型的起始预测时间节点，其中，所述起始预测时间节点为所述第四特征序列的起始时间节点；对所述目标时间序列模型进行参数估计操作，得到所述目标时间序列模型的预测参数；根据所述目标时间序列模型的起始预测时间节点和所述目标时间序列模型的预测参数，确定用于进行所述时间序列预测处理的所述时间序列模型。

上述方案中，所述基于所述分类阈值对待识别对象的行为数据进行分类处理，得到所述待识别对象的类别之后，所述方法还包括：当所述待识别对象的类别为异常类型时，拦截所述待识别对象的业务请求；当所述待识别对象的类别为正常类型时，响应所述待识别对象的业务请求。

本申请实施例提供一种基于人工智能的对象分类装置，包括：

提取模块，用于从至少一个样本对象的行为数据中提取第一特征序列，其中，所述第一特征序列包括多个历史时间节点分别对应的多维度特征；

预测模块，用于基于所述第一特征序列分别调用时间序列模型和神经网络模型进行时间序列预测处理，得到第二特征序列、第三特征序列以及第一时间序列误差；

融合模块，用于对所述第一时间序列误差、所述第二特征序列和所述第三特征序列进行融合处理，得到分类阈值；