[发明专利]指标数据处理方法、相关设备及介质

说明书

本申请实施例公开了一种指标数据处理方法、相关设备及介质，应用于人工智能技术领域。其中方法包括：获取目标用户的用户特征数据并输入第一预测模型得到目标用户的预测指标变化曲线，根据预测指标变化曲线确定N个指标变化曲线片段，确定每个指标变化曲线片段的初始指标变化特征，根据初始指标变化特征和关联指标变化特征确定每个指标变化曲线片段的目标指标变化特征，将每个指标变化曲线片段的目标指标变化特征输入第二预测模型，得到每个指标变化曲线片段的异常值，根据每个指标变化曲线片段的异常值确定出异常指标变化曲线片段。采用本申请实施例，可以提高指标数据分析准确性。本申请涉及区块链技术，如可将预测指标变化曲线等写入区块链。

技术领域

本申请涉及人工智能技术领域，具体涉及一种指标数据处理方法、相关设备及介质。

背景技术

目前，存在许多需要对变化的指标数据进行数据分析的场景。通常由分析人员判断不同时间节点的指标值是否正常来实现指标数据的异常分析，然而，该方式受分析人员的主观因素影响大，导致对指标数据的分析结果准确性低。因此，如何提高针对指标数据的分析准确性成为一个亟待解决的问题。

发明内容

本申请实施例提供了一种指标数据处理方法、相关设备及介质，可以提高针对指标数据的分析准确性。

一方面，本申请实施例提供了一种指标数据处理方法，该方法包括：

获取目标用户的用户特征数据；

将所述用户特征数据输入第一预测模型，得到针对所述目标用户的预测结果；所述预测结果用于指示所述目标用户的预测指标变化曲线；

根据所述预测指标变化曲线确定N个指标变化曲线片段，并确定所述N个指标变化曲线片段中每个指标变化曲线片段的初始指标变化特征；N为正整数；

根据所述每个指标变化曲线片段的初始指标变化特征以及与所述每个指标变化曲线片段关联的指标变化曲线片段的关联指标变化特征，确定所述每个指标变化曲线片段的目标指标变化特征；

将所述每个指标变化曲线片段的目标指标变化特征分别输入第二预测模型，得到每个指标变化曲线片段的异常值；

根据所述每个指标变化曲线片段的异常值从所述N个指标变化曲线片段中确定出异常指标变化曲线片段。

在一种可能的实施方式中，所述N个指标变化曲线片段包括第i个指标变化曲线片段，i为小于或等于N的整数；若i为1，与所述第i个指标变化曲线片段关联的指标变化曲线片段的关联指标变化特征为预设特征向量；若i大于1，与所述第i个指标变化曲线片段关联的指标变化曲线片段的关联指标变化特征为所述N个指标变化曲线片段包括的第i-1个指标变化曲线片段的目标指标变化特征。

在一种可能的实施方式中，所述根据所述每个指标变化曲线片段的初始指标变化特征以及与所述每个指标变化曲线片段关联的指标变化曲线片段的关联指标变化特征，确定所述每个指标变化曲线片段的目标指标变化特征，包括：

将所述关联指标变化特征和所述初始指标变化特征进行拼接，得到所述每个指标变化曲线片段对应的拼接特征向量；

根据所述拼接特征向量确定第一方向的关联特征向量和第二方向的关联特征向量；

根据所述第一方向的关联特征向量和所述第二方向的关联特征向量确定所述每个指标变化曲线片段的目标指标变化特征。

在一种可能的实施方式中，所述第二预测模型为随机森林模型；

所述将所述每个指标变化曲线片段的目标指标变化特征分别输入第二预测模型，得到每个指标变化曲线片段的异常值，包括：