[发明专利]异常检测方法、装置、设备及存储介质

说明书

本公开提供了异常检测方法、装置、设备及存储介质，涉及人工智能技术领域，尤其涉及机器学习、信息预测、以及信息推荐等技术领域。具体实现方案为：根据目标机房上报的针对目标数据指标的异常波动信息，确定波动分布情况，其中，目标机房包中部署有用于针对目标数据指标进行预估以得到对应的预估数据的目标预估模型，波动分布情况包括异常波动的起始时间与目标机房的累计数量的关联关系，判断波动分布情况是否满足预设特征，若满足，则在起始时间的关联时间段内，查找预设变更事件，根据预设变更事件的查找结果生成异常波动的异常原因提示信息。通过采用上述技术方案，可提高预估模型应用过程中的异常原因定位的速度和准确度，节约人工成本。

技术领域

本公开涉及人工智能技术领域，尤其涉及机器学习、信息预测、以及信息推荐等技术领域。

背景技术

机器学习在人们的日常工作和生活中，发挥着越来越重要的作用。在诸如网络购物、视频或新闻等信息推荐、路径规划以及订单分发等众多领域和应用场景中，机器学习均发挥着重要的作用。

机器学习一般指在某个具体的应用场景下，针对学习数据，制定相应学习策略，按照对应的学习策略进行训练和调优后，得到机器学习模型并应用到实际场景中，可以用来预测实际场景中的数据变化趋势。例如，在信息推荐等场景中，点击率模型或转化率模型等常常被用在排序或过滤等策略中。

机器学习模型从生产到应用涉及诸多环节，例如可包括特征抽取、模型训练、模型更新以及模型预估等，其中某一个环节存在问题，就可能会导致根据模型的输出所确定的预估数据发生异常。

发明内容

本公开提供了一种异常检测方法、装置、设备及存储介质。

根据本公开的一方面，提供了一种异常检测方法，包括：

根据目标机房上报的针对目标数据指标的异常波动信息，确定波动分布情况，其中，所述目标机房中部署有目标预估模型，所述目标预估模型用于针对所述目标数据指标进行预估以得到对应的预估数据，所述波动分布情况包括异常波动的起始时间与所述目标机房的累计数量的关联关系；

判断所述波动分布情况是否满足预设特征，若满足，则在所述起始时间的关联时间段内，查找预设变更事件；

根据所述预设变更事件的查找结果生成所述异常波动的异常原因提示信息。

根据本公开的另一方面，提供了一种异常检测装置，包括：

波动分布情况确定模块，用于根据目标机房上报的针对目标数据指标的异常波动信息，确定波动分布情况，其中，所述目标机房中部署有目标预估模型，所述目标预估模型用于针对所述目标数据指标进行预估以得到对应的预估数据，所述波动分布情况包括异常波动的起始时间与所述目标机房的累计数量的关联关系；

特征判定模块，用于判断所述波动分布情况是否满足预设特征；

变更事件查找模块，用于在所述波动分布情况满足所述预设特征的情况下，在所述起始时间的关联时间段内，查找预设变更事件；

第一异常原因提示信息生成模块，用于根据所述预设变更事件的查找结果生成所述异常波动的异常原因提示信息。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开任意实施例所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开任意实施例所述的方法。