CN109615171B - 特征阈值确定方法及装置、问题对象确定方法及装置 - Google Patents
特征阈值确定方法及装置、问题对象确定方法及装置 Download PDFInfo
- Publication number
- CN109615171B CN109615171B CN201811331523.9A CN201811331523A CN109615171B CN 109615171 B CN109615171 B CN 109615171B CN 201811331523 A CN201811331523 A CN 201811331523A CN 109615171 B CN109615171 B CN 109615171B
- Authority
- CN
- China
- Prior art keywords
- feature
- determining
- characteristic
- target
- threshold value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 128
- 238000009826 distribution Methods 0.000 claims abstract description 274
- 238000001514 detection method Methods 0.000 claims abstract description 41
- 230000009466 transformation Effects 0.000 claims description 47
- 238000003860 storage Methods 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 20
- 230000001131 transforming effect Effects 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 18
- 230000000694 effects Effects 0.000 description 15
- 238000004900 laundering Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 230000001186 cumulative effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013501 data transformation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种特征阈值确定方法及装置、问题对象确定方法及装置，其中特征阈值确定方法包括：首先获取问题对象的样本数据，并确定样本数据中目标特征的特征取值，目标特征为问题对象具有的特征，然后，对特征取值进行变换，变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求，最后，根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值，目标特征对应的阈值用于在各对象中查出问题对象，查出的问题对象的数量占全部问题对象的数量的比率为查出率。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种特征阈值确定方法及装置、问题对象确定方法及装置。
背景技术
在业务处理过程中，经常需要对各种对象进行核查，比对，对象为某种产品，业务处理过程中，需要对该产品的尺寸进行核查，根据设定的尺寸阈值确定不合格的产品，不合格的产品即为问题对象，又如，对象为人群，业务处理过程中，需要对人群的资金活动进行核查，根据设定的资金阈值确定资金方面存在风险的人群，存在风险的人群即为问题对象。
为应对业务处理过程中对各对象的核查行为，需要为各对象的特征设置特征阈值，通过特征阈值在各对象中确定问题对象。因此，有必要提供一种技术方案，以准确快速地确定特征阈值。
发明内容
本申请实施例的目的是提供一种特征阈值确定方法及装置、问题对象确定方法及装置，以准确快速地确定特征阈值。
为达到上述技术目的，本申请实施例是这样实现的：
第一方面，本申请实施例提供了一种特征阈值确定方法，包括：获取问题对象的样本数据，并确定所述样本数据中目标特征的特征取值；其中，所述目标特征为所述问题对象具有的特征；对所述特征取值进行变换，变换后的所述特征取值对应的概率密度分布结果符合设定的分布形态要求；根据变换后的所述特征取值对应的概率密度分布结果和预先设定的所述问题对象的查出率，确定所述目标特征对应的阈值；其中，所述目标特征对应的阈值用于在各对象中查出所述问题对象，查出的所述问题对象的数量占全部所述问题对象的数量的比率为所述查出率。
第二方面，本申请实施例提供了一种特征阈值确定方法，包括：获取问题对象的样本数据，并确定所述样本数据中目标特征的特征取值；其中，所述目标特征为所述问题对象具有的特征；若所述特征取值对应的概率密度分布结果符合设定的分布形态要求，则根据所述特征取值对应的概率密度分布结果和预先设定的所述问题对象的查出率，确定所述目标特征对应的阈值；其中，所述目标特征对应的阈值用于在各对象中查出所述问题对象，查出的所述问题对象的数量占全部所述问题对象的数量的比率为所述查出率。
第三方面，本申请实施例提供了一种问题对象确定方法，包括：在当前处理的业务场景下，获取各对象的目标特征的特征取值，以及，获取所述目标特征对应的阈值；根据所述各对象的目标特征的特征取值和所述目标特征对应的阈值，在所述各对象中为所述业务场景确定问题对象；其中，所述目标特征对应的阈值采用如上述第一方面所述的方法确定，或者，采用如上述第二方面所述的方法确定。
第四方面，本申请实施例提供了一种特征阈值确定装置，包括：第一获取模块，用于获取问题对象的样本数据，并确定所述样本数据中目标特征的特征取值；其中，所述目标特征为所述问题对象具有的特征；数据变换模块，用于对所述特征取值进行变换，变换后的所述特征取值对应的概率密度分布结果符合设定的分布形态要求；第一确定模块，用于根据变换后的所述特征取值对应的概率密度分布结果和预先设定的所述问题对象的查出率，确定所述目标特征对应的阈值；其中，所述目标特征对应的阈值用于在各对象中查出所述问题对象，查出的所述问题对象的数量占全部所述问题对象的数量的比率为所述查出率。
第五方面，本申请实施例提供了一种特征阈值确定装置，包括：第二获取模块，用于获取问题对象的样本数据，并确定所述样本数据中目标特征的特征取值；其中，所述目标特征为所述问题对象具有的特征；第二确定模块，用于若所述特征取值对应的概率密度分布结果符合设定的分布形态要求，则根据所述特征取值对应的概率密度分布结果和预先设定的所述问题对象的查出率，确定所述目标特征对应的阈值；其中，所述目标特征对应的阈值用于在各对象中查出所述问题对象，查出的所述问题对象的数量占全部所述问题对象的数量的比率为所述查出率。
第六方面，本申请实施例提供了一种问题对象确定装置，包括：第三获取模块，用于在当前处理的业务场景下，获取各对象的目标特征的特征取值，以及，获取所述目标特征对应的阈值；第三确定模块，用于根据所述各对象的目标特征的特征取值和所述目标特征对应的阈值，在所述各对象中为所述业务场景确定问题对象；其中，所述目标特征对应的阈值采用如上述第四方面所述的装置确定，或者，采用如上述第五方面所述的装置确定。
第七方面，本申请实施例提供了一种特征阈值确定设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器实现上述第一方面所述的方法的步骤。
第八方面，本申请实施例提供了一种特征阈值确定设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器实现上述第二方面所述的方法的步骤。
第九方面，本申请实施例提供了一种问题对象确定设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器实现上述第三方面所述的方法的步骤。
第十方面，本申请实施例提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现上述第一方面所述的方法的步骤。
第十一方面，本申请实施例提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现上述第二方面所述的方法的步骤。
第十二方面，本申请实施例提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现上述第三方面所述的方法的步骤。
本申请实施例中，在获取问题对象的样本数据后，能够确定样本数据中目标特征的特征取值，然后对特征取值进行变换，并使得变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求，最后根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值。可见，本申请实施例中确定目标特征对应的阈值的方式简单易实施，能够准确快速地确定目标特征对应的阈值。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的特征阈值确定方法的流程示意图；
图2为本申请一实施例提供的对变换后的特征取值对应的概率密度分布结果进行校验的示意图；
图3a为本申请一实施例提供的确定目标特征对应的阈值的示意图；
图3b为本申请一实施例提供的确定目标特征对应的阈值的示意图；
图4为本申请另一实施例提供的特征阈值确定方法的流程示意图；
图5为本申请另一实施例提供的特征阈值确定方法的流程示意图；
图6为本申请另一实施例提供的特征阈值确定方法的流程示意图；
图7为本申请一实施例提供的问题对象确定方法的流程示意图；
图8为本申请一实施例提供的特征阈值确定装置的模块组成示意图；
图9为本申请另一实施例提供的特征阈值确定装置的模块组成示意图；
图10为本申请另一实施例提供的问题对象确定装置的模块组成示意图；
图11为本申请一实施例提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
本申请实施例提供了一种特征阈值确定方法，该方法可以由特征阈值确定设备执行。图1为本申请一实施例提供的特征阈值确定方法的流程示意图，如图1所示，该流程包括：
步骤S102，获取问题对象的样本数据，并确定样本数据中目标特征的特征取值，其中，目标特征为问题对象具有的特征；
步骤S104，对特征取值进行变换，变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求；
步骤S106，根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值；
其中，目标特征对应的阈值用于在各对象中查出问题对象，查出的问题对象的数量占全部问题对象的数量的比率为查出率。
本申请实施例中，在获取问题对象的样本数据后，能够确定样本数据中目标特征的特征取值，然后对特征取值进行变换，并使得变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求，最后根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值。可见，本申请实施例中确定目标特征对应的阈值的方式简单易实施，能够准确快速地确定目标特征对应的阈值。
本申请实施例中，问题对象的查出率又可以称为问题对象的召回率，具体叫法可以根据方案实施场景而定，这里不做限制。
本实施例中，问题对象位于各对象中，是各对象中具有问题的对象。目标特征是问题对象具有的特征，目标特征对应的阈值用于在各对象中查出问题对象。目标特征的数量可以为一个，也可以为多个。考虑到问题对象数量很多，不能够被完全查出的情况，查出的问题对象的数量占所有对象中全部问题对象的数量的比率为查出率。
一个例子中，对象为用户，问题对象为洗钱用户，目标特征为用户的金融交易数额。通过用户的金融交易数据，在各用户中识别出洗钱用户，识别出的洗钱用户的数量占全部洗钱用户的数量的比率即为上述查出率。
另一个例子中，对象为某种设备，问题对象为效果不达标的该种设备，目标特征为该设备的已使用年限。通过该设备的已使用年限，在各设备中识别出效果不达标的该设备，识别出的效果不达标的该设备的数量占全部效果不达标的该设备的数量的比率即为上述查出率。
上述步骤S102中，获取问题对象的样本数据。具体地，可以从预先确定的问题对象中选取一部分问题对象作为问题对象样本，进而将问题对象样本的数据作为问题对象的样本数据。比如，从预先确定的多个洗钱用户中选取50个洗钱用户作为洗钱用户样本，将洗钱用户样本的用户数据作为洗钱用户的样本数据。从预先确定的多个效果不达标的设备中选取50个设备作为问题设备样本，将问题设备样本的数据作为问题设备的样本数据。
上述步骤S102中，还确定样本数据中目标特征的特征取值。比如，在洗钱用户的样本数据中确定各个洗钱用户的金融交易数据的取值，或者，在问题设备的样本数据中确定各个问题设备的使用年限的取值。
上述步骤S104中，对确定的特征取值进行变换，包括但不限于：对特征取值进行立方、平方、原始、平方根、对数、平方根负倒数、负倒数、平方负倒数、立方负倒数、Box-Cox等10种变换。其中，Box-Cox变换是一种广义幂变换方法。
本实施例中，在对特征取值进行变换后，对变换后的特征取值进行概率密度分布，得到变换后的特征取值对应的概率密度分布结果。然后，利用校验模型对变换后的特征取值对应的概率密度分布结果进行校验，得到变换后的特征取值对应的概率密度分布的形态与设定的分布形态之间的相似度，根据该相似度，判断变换后的特征取值对应的概率密度分布结果是否符合设定的分布形态要求。
其中，若变换后的特征取值对应的概率密度分布的形态与设定的分布形态之间的相似度大于相似度阈值，则确定变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求；若变换后的特征取值对应的概率密度分布的形态与设定的分布形态之间的相似度小于等于相似度阈值，则确定变换后的特征取值对应的概率密度分布结果不符合设定的分布形态要求。
图2为本申请一实施例提供的对变换后的特征取值对应的概率密度分布结果进行校验的示意图，图2中，横坐标为特征取值，纵坐标为每个特征取值对应的概率密度函数值。如图2所示，变换后的特征取值对应的概率密度分布的形态如曲线a所示，假设设定的分布形态为正态分布，正态分布的形态如曲线b所示，本实施例中，通过校验模型计算变换后的特征取值对应的概率密度分布的形态与设定的分布形态之间的相似度，如图2所示，图2中的相似度为60％，若该相似度大于相似度阈值，则确定变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求，反之，确定变换后的特征取值对应的概率密度分布结果不符合设定的分布形态要求。
一个具体的实施例中，对特征取值分别进行立方、平方、原始、平方根、对数、平方根负倒数、负倒数、平方负倒数、立方负倒数和Box-Cox 10种变换，得到10种变换后的特征取值。然后，对每种变换后的特征取值进行概率密度分布，得到每种变换后的特征取值对应的概率密度分布结果。然后，利用校验模型对每种变换后的特征取值对应的概率密度分布结果进行校验，得到每种变换后的特征取值对应的概率密度分布的形态与设定的分布形态之间的相似度，在这10种概率密度分布结果中，选取对应的相似度大于相似度阈值且相似度最高的概率密度分布结果执行步骤S106。
本实施例中，可以通过P-P图判断变换后的特征取值对应的概率密度分布结果是否符合设定的分布形态要求。P-P图是根据变量的累积概率对应于所指定的理论分布累积概率绘制的散点图，用于直观地检测样本数据是否符合某一概率分布。如果被检验的数据符合所指定的分布，则代表样本数据的点基本在代表理论分布的对角线上。
上述步骤S106，根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值。
一个情况下，查出的问题对象的目标特征的取值小于等于目标特征对应的阈值。该情况下，上述步骤S106具体为：
(a1)在概率密度分布结果中确定一变换后的特征取值A，A为实数，概率密度分布结果中，变换后的特征取值小于等于A的概率等于问题对象的查出率；
(a2)根据特征取值对应的变换方式，对A进行逆变换，将逆变换得到的值，作为目标特征对应的阈值。
具体地，由于查出的问题对象的目标特征的取值小于等于目标特征对应的阈值，因此在概率密度分布结果中确定一变换后的特征取值A，并且要求概率密度分布结果中，变换后的特征取值小于等于A的概率等于问题对象的查出率，则概率密度分布结果中，小于等于A的变换后的特征取值对应的对象，即相当于查出来的问题对象。然后，根据特征取值对应的变换方式，对A进行逆变换，逆变换得到的值，即为目标特征对应的阈值。
图3a为本申请一实施例提供的确定目标特征对应的阈值的示意图，如图3a所示，查出的问题对象的目标特征的取值小于等于目标特征对应的阈值，在变换后的特征取值对应的概率密度分布结果中，确定一变换后的特征取值A，概率密度分布结果中，变换后的特征取值小于等于A的概率等于问题对象的查出率，则概率密度分布结果中，小于等于A的变换后的特征取值对应的对象，即相当于查出来的问题对象。然后，根据特征取值对应的变换方式，对A进行逆变换，逆变换得到的值，即为目标特征对应的阈值。
另一个情况下，查出的问题对象的目标特征的取值大于等于目标特征对应的阈值，该情况下，上述步骤S106具体为：
(b1)在概率密度分布结果中确定一变换后的特征取值B，B为实数，概率密度分布结果中，变换后的特征取值大于等于B的概率等于问题对象的查出率；
(b2)根据特征取值对应的变换方式，对B进行逆变换，将逆变换得到的值，作为目标特征对应的阈值。
具体地，由于查出的问题对象的目标特征的取值大于等于目标特征对应的阈值，因此在概率密度分布结果中确定一变换后的特征取值B，并且要求概率密度分布结果中，变换后的特征取值大于等于B的概率等于问题对象的查出率，概率密度分布结果中，大于等于B的变换后的特征取值对应的对象，即相当于查出来的问题对象。然后，根据特征取值对应的变换方式，对B进行逆变换，逆变换得到的值，即为目标特征对应的阈值。
图3b为本申请一实施例提供的确定目标特征对应的阈值的示意图，如图3b所示，查出的问题对象的目标特征的取值大于等于目标特征对应的阈值，在变换后的特征取值对应的概率密度分布结果中，确定一变换后的特征取值B，概率密度分布结果中，变换后的特征取值大于等于B的概率等于问题对象的查出率，概率密度分布结果中，大于等于B的变换后的特征取值对应的对象，即相当于查出来的问题对象。然后，根据特征取值对应的变换方式，对B进行逆变换，逆变换得到的值，即为目标特征对应的阈值。
在一个具体的实施例中，获取问题对象的查出率M后，设P(y)为Y<＝y的概率，其中，Y表示变换后的特征取值，y表示待求解的变换后的特征取值。一个情况下，查出的问题对象的目标特征的取值大于等于目标特征对应的阈值，则查出率M＝1-P(y)，通过设定的分布形态对应的累积分布函数，计算得到y值，对y进行逆变换，得到目标特征对应的阈值。另一个情况下，查出的问题对象的目标特征的取值小于等于目标特征对应的阈值，则查出率M＝P(y)，通过设定的分布形态对应的累积分布函数，计算得到y值，对y进行逆变换，得到目标特征对应的阈值。其中，设定的分布形态包括正态分布，设定的分布形态对应的累积分布函数包括正态分布的累积分布函数。
本申请实施例中，在在执行步骤S104对确定的特征取值进行变换之前，还可以：根据设定的异常数据确定算法，在样本数据中确定异常的特征取值并剔除。相应地，对特征取值进行变换，包括：对剔除后剩余的特征取值进行变换。
图4为本申请另一实施例提供的特征阈值确定方法的流程示意图，如图4所示，该流程包括：
步骤S402，获取问题对象的样本数据，并确定样本数据中目标特征的特征取值，其中，目标特征为问题对象具有的特征；
步骤S404，根据设定的异常数据确定算法，在样本数据中确定异常的特征取值并剔除；
步骤S406，对剔除后剩余的特征取值进行变换，变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求；
步骤S408，根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值；
其中，目标特征对应的阈值用于在各对象中查出问题对象，查出的问题对象的数量占全部问题对象的数量的比率为查出率。
上述步骤S402的过程与步骤上述S102的过程相同，这里不再重复。
上述步骤S404中，设定的异常数据确定算法可以为箱型图分析算法，通过箱型图分析，确定特征取值的上四分位U和下四分位L，计算上四分位U与下四分位L的插值IQR＝U-L，则特征取值的上界为U+1.5IQR，下界为L-1.5IQR，在样本数据中确定该上界和下界以外的特征取值为异常的特征取值并剔除。
上述步骤S406中，对剔除后剩余的特征取值进行变换，变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求。
上述步骤S408的过程与上述步骤S108的过程相同，这里不再重复。
上述实施例中，设定的异常数据确定算法还可以为3δ原则、聚类、离群点检测算法等。上述实施例中，设定的分布形态包括正态分布，还包括其他分布，如泊松分布、二项分布、均匀分布、指数分布等。
综上，通过本实施例中的方法，通过对特征取值进行变换，根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，能够准确快速地确定目标特征对应的阈值，免去了人工确定目标特征对应的阈值的繁琐操作，降低了阈值确定成本，提高了阈值确定效率。
考虑到样本数据中目标特征的特征取值对应的概率密度分布结果符合设定的分布形态要求的情况，图5为本申请另一实施例提供的特征阈值确定方法的流程示意图，如图5所示，该流程包括：
步骤S502，获取问题对象的样本数据，并确定样本数据中目标特征的特征取值，其中，目标特征为问题对象具有的特征；
步骤S504，若特征取值对应的概率密度分布结果符合设定的分布形态要求，则根据特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值；
其中，目标特征对应的阈值用于在各对象中查出问题对象，查出的问题对象的数量占全部问题对象的数量的比率为查出率。
本申请实施例中，在获取问题对象的样本数据后，若特征取值对应的概率密度分布结果符合设定的分布形态要求，则根据特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值。可见，本申请实施例中确定目标特征对应的阈值的方式简单易实施，能够准确快速地确定目标特征对应的阈值。
上述步骤S502的具体过程与步骤S102相同，这里不再重复。
在获取样本数据后，对样本数据中目标特征的特征取值进行概率密度分布，并判断分布结果是否符合设定的分布形态要求。比如，设定的分布形态为正态分布，则对样本数据中目标特征的特征取值进行概率密度分布，并判断分布形态与正态分布形态之间的相似度是否大于相似度阈值，若大于，则确定特征取值对应的概率密度分布结果符合设定的分布形态要求，反之，确定不符合设定的分布形态要求。
上述步骤S504中，若特征取值对应的概率密度分布结果符合设定的分布形态要求，则根据特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值。
具体地，一种情况下，查出的问题对象的目标特征的取值小于等于目标特征对应的阈值，根据特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值，具体为：在概率密度分布结果中确定一特征取值A，A为实数，概率密度分布结果中，特征取值小于等于A的概率等于问题对象的查出率，将A作为目标特征对应的阈值。
另一种情况下，查出的问题对象的目标特征的取值大于等于目标特征对应的阈值，根据特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值，具体为：在概率密度分布结果中确定一特征取值B，B为实数，概率密度分布结果中，特征取值大于等于B的概率等于问题对象的查出率，将B作为目标特征对应的阈值。
步骤S504与前述步骤S106原理相同，这里不再重复解释。
基于图1和图5所示的方法，图6为本申请另一实施例提供的特征阈值确定方法的流程示意图，如图5所示，该流程包括：
步骤S602，获取问题对象的样本数据，并确定样本数据中目标特征的特征取值，其中，目标特征为问题对象具有的特征；
步骤S604，对特征取值进行概率密度分布。
步骤S606，判断特征取值对应的概率密度分布结果是否符合设定的分布形态要求。
若是，执行步骤S608，否则，执行步骤S610。
步骤S608，根据特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值。
步骤S610，对特征取值进行变换，并判断变换后的特征取值对应的概率密度分布结果是否符合设定的分布形态要求。
若是，执行步骤S612，否则，重复步骤S610。
步骤S612，根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值。
上述步骤S606中，可以计算特征取值对应的概率密度分布的形态与设定的分布形态之间的相似度，若相似度大于相似度阈值，则确定特征取值对应的概率密度分布结果符合设定的分布形态要求，反之，确定不符合。
上述步骤S610中，可以计算变换后的特征取值对应的概率密度分布的形态与设定的分布形态之间的相似度，若相似度大于相似度阈值，则确定变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求，反之，确定不符合。
图6的具体解释可以参见图1和图5的具体描述，这里不再重复。通过图6中的方法流程，能够准确快速地确定目标特征对应的阈值，免去了人工确定目标特征对应的阈值的繁琐操作，降低了阈值确定成本，提高了阈值确定效率。
本申请实施例还提供了一种问题对象确定方法，图7为本申请一实施例提供的问题对象确定方法的流程示意图，该方法可以由问题对象确定设备执行，如图7所示，该流程包括：
步骤S702，在当前处理的业务场景下，获取各对象的目标特征的特征取值，以及，获取目标特征对应的阈值；
步骤S704，根据各对象的目标特征的特征取值和目标特征对应的阈值，在各对象中为上述业务场景确定问题对象；
其中，目标特征对应的阈值采用上述图1所示的方法确定，或者，采用上述图5所示的方法确定。
上述步骤S702中，当前处理的业务场景可以是洗钱用户识别场景，或者不合格设备识别场景等。
上述步骤S704中，根据各对象的目标特征的特征取值和目标特征对应的阈值，在各对象中为业务场景确定问题对象，可以为：在各对象中，将目标特征的特征取值大于等于目标特征对应的阈值的对象，作为问题对象，或者，在各对象中，将目标特征的特征取值小于等于目标特征对应的阈值的对象，作为问题对象。
在其他实施例中，也可以结合目标特征和其他特征，共同确定问题对象。比如，在各对象中，将目标特征的特征取值大于等于目标特征对应的阈值，且，其他特征的特征取值小于等于其他特征对应的阈值的对象，作为问题对象。其中，其他特征对应的阈值也可以采用上述图1或图5的方法确定。
通过本实施例，能够在当前处理的业务场景下，在各对象中准确快速的确定出问题对象，提高问题对象的确定效率。
对应上述的特征阈值确定方法，本申请实施例提供了一种特征阈值确定装置，图8为本申请一实施例提供的特征阈值确定装置的模块组成示意图，如图8所示，该装置包括：
第一获取模块81，用于获取问题对象的样本数据，并确定样本数据中目标特征的特征取值；其中，目标特征为问题对象具有的特征；
数据变换模块82，用于对特征取值进行变换，变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求；
第一确定模块83，用于根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值；
其中，目标特征对应的阈值用于在各对象中查出问题对象，查出的问题对象的数量占全部问题对象的数量的比率为查出率。
可选地，该装置还包括剔除模块，用于在对特征取值进行变换之前，根据设定的异常数据确定算法，在样本数据中确定异常的特征取值并剔除。相应地，数据变换模块82具体用于：对剔除后剩余的特征取值进行变换。
可选地，该装置还包括要求确定模块，用于：对变换后的特征取值进行概率密度分布，得到变换后的特征取值对应的概率密度分布结果；利用校验模型对变换后的特征取值对应的概率密度分布结果进行校验，得到变换后的特征取值对应的概率密度分布的形态与设定的分布形态之间的相似度；若相似度大于相似度阈值，则确定变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求。
可选地，查出的问题对象的目标特征的取值小于等于目标特征对应的阈值；第一确定模块83具体用于：在概率密度分布结果中确定一变换后的特征取值A，A为实数，概率密度分布结果中，变换后的特征取值小于等于A的概率等于问题对象的查出率；根据特征取值对应的变换方式，对A进行逆变换，将逆变换得到的值，作为目标特征对应的阈值。
可选地，查出的问题对象的目标特征的取值大于等于目标特征对应的阈值；第一确定模块83具体用于：在概率密度分布结果中确定一变换后的特征取值B，B为实数，概率密度分布结果中，变换后的特征取值大于等于B的概率等于问题对象的查出率；根据特征取值对应的变换方式，对B进行逆变换，将逆变换得到的值，作为目标特征对应的阈值。
可选地，设定的分布形态包括正态分布。
本申请实施例中，在获取问题对象的样本数据后，能够确定样本数据中目标特征的特征取值，然后对特征取值进行变换，并使得变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求，最后根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值。可见，本申请实施例中确定目标特征对应的阈值的方式简单易实施，能够准确快速地确定目标特征对应的阈值。
本实施例中的特征阈值确定装置能够实现前述图1的特征阈值确定方法的各个过程，并达到相同的效果，这里不再重复。
对应上述的特征阈值确定方法，本申请实施例提供了一种特征阈值确定装置，图9为本申请另一实施例提供的特征阈值确定装置的模块组成示意图，如图9所示，该装置包括：
第二获取模块91，用于获取问题对象的样本数据，并确定样本数据中目标特征的特征取值；其中，目标特征为问题对象具有的特征；
第二确定模块92，用于若特征取值对应的概率密度分布结果符合设定的分布形态要求，则根据特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值；
其中，目标特征对应的阈值用于在各对象中查出问题对象，查出的问题对象的数量占全部问题对象的数量的比率为查出率。
可选地，查出的问题对象的目标特征的取值小于等于目标特征对应的阈值；第二确定模块92具体用于：在概率密度分布结果中确定一特征取值A，A为实数，概率密度分布结果中，特征取值小于等于A的概率等于问题对象的查出率；将A作为目标特征对应的阈值。
可选地，查出的问题对象的目标特征的取值大于等于目标特征对应的阈值；第二确定模块92具体用于：在概率密度分布结果中确定一特征取值B，B为实数，概率密度分布结果中，特征取值大于等于B的概率等于问题对象的查出率；将B作为目标特征对应的阈值。
本申请实施例中，在获取问题对象的样本数据后，若特征取值对应的概率密度分布结果符合设定的分布形态要求，则根据特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值。可见，本申请实施例中确定目标特征对应的阈值的方式简单易实施，能够准确快速地确定目标特征对应的阈值。
本实施例中的特征阈值确定装置能够实现前述图5的特征阈值确定方法的各个过程，并达到相同的效果，这里不再重复。
对应上述的问题对象确定方法，本申请实施例提供了一种问题对象确定装置，图10为本申请另一实施例提供的问题对象确定装置的模块组成示意图，如图10所示，该装置包括：
第三获取模块1001，用于在当前处理的业务场景下，获取各对象的目标特征的特征取值，以及，获取目标特征对应的阈值；
第三确定模块1002，用于根据各对象的目标特征的特征取值和目标特征对应的阈值，在各对象中为业务场景确定问题对象；
其中，目标特征对应的阈值采用图8中的装置确定，或者，采用图9中的装置确定。
可选地，第三确定模块1002具体用于：在各对象中，将目标特征的特征取值大于等于目标特征对应的阈值的对象，作为问题对象；或者，在各对象中，将目标特征的特征取值小于等于目标特征对应的阈值的对象，作为问题对象。
通过本实施例，能够在当前处理的业务场景下，在各对象中准确快速的确定出问题对象，提高问题对象的确定效率。本实施例中的问题对象确定装置能够实现前述的问题对象确定方法的各个过程，并达到相同的效果，这里不再重复。
进一步地，本申请实施例还提供了一种电子设备，图11为本申请一实施例提供的电子设备的结构示意图，如图11所示，电子设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器1101和存储器1102，存储器1102中可以存储有一个或一个以上存储应用程序或数据。其中，存储器1102可以是短暂存储或持久存储。存储在存储器1102的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对电子设备中的一系列计算机可执行指令。更进一步地，处理器1101可以设置为与存储器1102通信，在电子设备上执行存储器1102中的一系列计算机可执行指令。电子设备还可以包括一个或一个以上电源1103，一个或一个以上有线或无线网络接口1104，一个或一个以上输入输出接口1105，一个或一个以上键盘1106等。
在一个具体的实施例中，电子设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对电子设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
获取问题对象的样本数据，并确定样本数据中目标特征的特征取值；其中，目标特征为问题对象具有的特征；
对特征取值进行变换，变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求；
根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值；
其中，目标特征对应的阈值用于在各对象中查出问题对象，查出的问题对象的数量占全部问题对象的数量的比率为查出率。
可选地，计算机可执行指令在被执行时，在对特征取值进行变换之前，还包括：根据设定的异常数据确定算法，在样本数据中确定异常的特征取值并剔除；对特征取值进行变换，包括：对剔除后剩余的特征取值进行变换。
可选地，计算机可执行指令在被执行时，还包括：对变换后的特征取值进行概率密度分布，得到变换后的特征取值对应的概率密度分布结果；利用校验模型对变换后的特征取值对应的概率密度分布结果进行校验，得到变换后的特征取值对应的概率密度分布的形态与设定的分布形态之间的相似度；若相似度大于相似度阈值，则确定变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求。
可选地，计算机可执行指令在被执行时，查出的问题对象的目标特征的取值小于等于目标特征对应的阈值；根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值，包括：在概率密度分布结果中确定一变换后的特征取值A，A为实数，概率密度分布结果中，变换后的特征取值小于等于A的概率等于问题对象的查出率；根据特征取值对应的变换方式，对A进行逆变换，将逆变换得到的值，作为目标特征对应的阈值。
可选地，计算机可执行指令在被执行时，查出的问题对象的目标特征的取值大于等于目标特征对应的阈值；根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值，包括：在概率密度分布结果中确定一变换后的特征取值B，B为实数，概率密度分布结果中，变换后的特征取值大于等于B的概率等于问题对象的查出率；根据特征取值对应的变换方式，对B进行逆变换，将逆变换得到的值，作为目标特征对应的阈值。
可选地，计算机可执行指令在被执行时，设定的分布形态包括正态分布。
本申请实施例中，在获取问题对象的样本数据后，能够确定样本数据中目标特征的特征取值，然后对特征取值进行变换，并使得变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求，最后根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值。可见，本申请实施例中确定目标特征对应的阈值的方式简单易实施，能够准确快速地确定目标特征对应的阈值。
本实施例中的电子设备能够实现前述图1的特征阈值确定方法的各个过程，并达到相同的效果，这里不再重复。
在另一个具体的实施例中，电子设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对电子设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
获取问题对象的样本数据，并确定样本数据中目标特征的特征取值；其中，目标特征为问题对象具有的特征；
若特征取值对应的概率密度分布结果符合设定的分布形态要求，则根据特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值；
其中，目标特征对应的阈值用于在各对象中查出问题对象，查出的问题对象的数量占全部问题对象的数量的比率为查出率。
可选地，计算机可执行指令在被执行时，查出的问题对象的目标特征的取值小于等于目标特征对应的阈值；根据特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值，包括：在概率密度分布结果中确定一特征取值A，A为实数，概率密度分布结果中，特征取值小于等于A的概率等于问题对象的查出率；将A作为目标特征对应的阈值。
可选地，计算机可执行指令在被执行时，查出的问题对象的目标特征的取值大于等于目标特征对应的阈值；根据特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值，包括：在概率密度分布结果中确定一特征取值B，B为实数，概率密度分布结果中，特征取值大于等于B的概率等于问题对象的查出率；将B作为目标特征对应的阈值。
本申请实施例中，在获取问题对象的样本数据后，若特征取值对应的概率密度分布结果符合设定的分布形态要求，则根据特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值。可见，本申请实施例中确定目标特征对应的阈值的方式简单易实施，能够准确快速地确定目标特征对应的阈值。
本实施例中的电子设备能够实现前述图5的特征阈值确定方法的各个过程，并达到相同的效果，这里不再重复。
在另一个具体的实施例中，电子设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对电子设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
在当前处理的业务场景下，获取各对象的目标特征的特征取值，以及，获取目标特征对应的阈值；
根据各对象的目标特征的特征取值和目标特征对应的阈值，在各对象中为业务场景确定问题对象；
其中，目标特征对应的阈值采用图1或图5中的方法确定。
可选地，计算机可执行指令在被执行时，根据各对象的目标特征的特征取值和目标特征对应的阈值，在各对象中为业务场景确定问题对象，包括：在各对象中，将目标特征的特征取值大于等于目标特征对应的阈值的对象，作为问题对象；或者，在各对象中，将目标特征的特征取值小于等于目标特征对应的阈值的对象，作为问题对象。
通过本实施例，能够在当前处理的业务场景下，在各对象中准确快速的确定出问题对象，提高问题对象的确定效率。本实施例中的电子设备能够实现前述的问题对象确定方法的各个过程，并达到相同的效果，这里不再重复。
进一步地，本申请实施例还提供了一种存储介质，用于存储计算机可执行指令，一种具体的实施例中，该存储介质可以为U盘、光盘、硬盘等，该存储介质存储的计算机可执行指令在被处理器执行时，能实现以下流程：
获取问题对象的样本数据，并确定样本数据中目标特征的特征取值；其中，目标特征为问题对象具有的特征；
对特征取值进行变换，变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求；
根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值；
其中，目标特征对应的阈值用于在各对象中查出问题对象，查出的问题对象的数量占全部问题对象的数量的比率为查出率。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，在对特征取值进行变换之前，还包括：根据设定的异常数据确定算法，在样本数据中确定异常的特征取值并剔除；对特征取值进行变换，包括：对剔除后剩余的特征取值进行变换。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，还包括：对变换后的特征取值进行概率密度分布，得到变换后的特征取值对应的概率密度分布结果；利用校验模型对变换后的特征取值对应的概率密度分布结果进行校验，得到变换后的特征取值对应的概率密度分布的形态与设定的分布形态之间的相似度；若相似度大于相似度阈值，则确定变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，查出的问题对象的目标特征的取值小于等于目标特征对应的阈值；根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值，包括：在概率密度分布结果中确定一变换后的特征取值A，A为实数，概率密度分布结果中，变换后的特征取值小于等于A的概率等于问题对象的查出率；根据特征取值对应的变换方式，对A进行逆变换，将逆变换得到的值，作为目标特征对应的阈值。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，查出的问题对象的目标特征的取值大于等于目标特征对应的阈值；根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值，包括：在概率密度分布结果中确定一变换后的特征取值B，B为实数，概率密度分布结果中，变换后的特征取值大于等于B的概率等于问题对象的查出率；根据特征取值对应的变换方式，对B进行逆变换，将逆变换得到的值，作为目标特征对应的阈值。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，设定的分布形态包括正态分布。
本申请实施例中，在获取问题对象的样本数据后，能够确定样本数据中目标特征的特征取值，然后对特征取值进行变换，并使得变换后的特征取值对应的概率密度分布结果符合设定的分布形态要求，最后根据变换后的特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值。可见，本申请实施例中确定目标特征对应的阈值的方式简单易实施，能够准确快速地确定目标特征对应的阈值。
本实施例中的存储介质能够实现前述图1的特征阈值确定方法的各个过程，并达到相同的效果，这里不再重复。
在另一个具体的实施例中，电子设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对电子设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
获取问题对象的样本数据，并确定样本数据中目标特征的特征取值；其中，目标特征为问题对象具有的特征；
若特征取值对应的概率密度分布结果符合设定的分布形态要求，则根据特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值；
其中，目标特征对应的阈值用于在各对象中查出问题对象，查出的问题对象的数量占全部问题对象的数量的比率为查出率。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，查出的问题对象的目标特征的取值小于等于目标特征对应的阈值；根据特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值，包括：在概率密度分布结果中确定一特征取值A，A为实数，概率密度分布结果中，特征取值小于等于A的概率等于问题对象的查出率；将A作为目标特征对应的阈值。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，查出的问题对象的目标特征的取值大于等于目标特征对应的阈值；根据特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值，包括：在概率密度分布结果中确定一特征取值B，B为实数，概率密度分布结果中，特征取值大于等于B的概率等于问题对象的查出率；将B作为目标特征对应的阈值。
本申请实施例中，在获取问题对象的样本数据后，若特征取值对应的概率密度分布结果符合设定的分布形态要求，则根据特征取值对应的概率密度分布结果和预先设定的问题对象的查出率，确定目标特征对应的阈值。可见，本申请实施例中确定目标特征对应的阈值的方式简单易实施，能够准确快速地确定目标特征对应的阈值。
本实施例中的存储介质能够实现前述图5的特征阈值确定方法的各个过程，并达到相同的效果，这里不再重复。
另一种具体的实施例中，该存储介质可以为U盘、光盘、硬盘等，该存储介质存储的计算机可执行指令在被处理器执行时，能实现以下流程：
在当前处理的业务场景下，获取各对象的目标特征的特征取值，以及，获取目标特征对应的阈值；
根据各对象的目标特征的特征取值和目标特征对应的阈值，在各对象中为业务场景确定问题对象；
其中，目标特征对应的阈值采用图1或图5中的方法确定。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，根据各对象的目标特征的特征取值和目标特征对应的阈值，在各对象中为业务场景确定问题对象，包括：在各对象中，将目标特征的特征取值大于等于目标特征对应的阈值的对象，作为问题对象；或者，在各对象中，将目标特征的特征取值小于等于目标特征对应的阈值的对象，作为问题对象。
通过本实施例，能够在当前处理的业务场景下，在各对象中准确快速的确定出问题对象，提高问题对象的确定效率。本实施例中的存储介质能够实现前述的问题对象确定方法的各个过程，并达到相同的效果，这里不再重复。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (20)
1.一种特征阈值确定方法，其特征在于，包括：
获取问题对象的样本数据，并确定所述样本数据中目标特征的特征取值；其中，所述目标特征为所述问题对象具有的特征；所述问题对象包括不达标设备；所述目标特征包括所述设备的已使用年限；
对所述特征取值进行变换，变换后的所述特征取值对应的概率密度分布结果符合设定的分布形态要求；
根据变换后的所述特征取值对应的概率密度分布结果和预先设定的所述问题对象的查出率，确定所述目标特征对应的阈值；
其中，所述目标特征对应的阈值用于在各对象中查出所述问题对象，查出的所述问题对象的数量占全部所述问题对象的数量的比率为所述查出率。
2.根据权利要求1所述的方法，其特征在于，在对所述特征取值进行变换之前，所述方法还包括：根据设定的异常数据确定算法，在所述样本数据中确定异常的所述特征取值并剔除；
所述对所述特征取值进行变换，包括：对剔除后剩余的所述特征取值进行变换。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对变换后的所述特征取值进行概率密度分布，得到变换后的所述特征取值对应的概率密度分布结果；
利用校验模型对变换后的所述特征取值对应的概率密度分布结果进行校验，得到变换后的所述特征取值对应的概率密度分布的形态与设定的分布形态之间的相似度；
若所述相似度大于相似度阈值，则确定变换后的所述特征取值对应的概率密度分布结果符合设定的分布形态要求。
4.根据权利要求1至3任一项所述的方法，其特征在于，查出的所述问题对象的所述目标特征的取值小于等于所述目标特征对应的阈值；根据变换后的所述特征取值对应的概率密度分布结果和预先设定的所述问题对象的查出率，确定所述目标特征对应的阈值，包括：
在所述概率密度分布结果中确定一变换后的所述特征取值A，所述A为实数，所述概率密度分布结果中，变换后的所述特征取值小于等于所述A的概率等于所述问题对象的查出率；
根据所述特征取值对应的变换方式，对所述A进行逆变换，将逆变换得到的值，作为所述目标特征对应的阈值。
5.根据权利要求1至3任一项所述的方法，其特征在于，查出的所述问题对象的所述目标特征的取值大于等于所述目标特征对应的阈值；根据变换后的所述特征取值对应的概率密度分布结果和预先设定的所述问题对象的查出率，确定所述目标特征对应的阈值，包括：
在所述概率密度分布结果中确定一变换后的所述特征取值B，所述B为实数，所述概率密度分布结果中，变换后的所述特征取值大于等于所述B的概率等于所述问题对象的查出率；
根据所述特征取值对应的变换方式，对所述B进行逆变换，将逆变换得到的值，作为所述目标特征对应的阈值。
6.根据权利要求1所述的方法，其特征在于，所述设定的分布形态包括正态分布。
7.一种特征阈值确定方法，其特征在于，包括：
获取问题对象的样本数据，并确定所述样本数据中目标特征的特征取值；其中，所述目标特征为所述问题对象具有的特征；所述问题对象包括不达标设备；所述目标特征包括所述设备的已使用年限；
若所述特征取值对应的概率密度分布结果符合设定的分布形态要求，则根据所述特征取值对应的概率密度分布结果和预先设定的所述问题对象的查出率，确定所述目标特征对应的阈值；
其中，所述目标特征对应的阈值用于在各对象中查出所述问题对象，查出的所述问题对象的数量占全部所述问题对象的数量的比率为所述查出率。
8.根据权利要求7所述的方法，其特征在于，查出的所述问题对象的所述目标特征的取值小于等于所述目标特征对应的阈值；根据所述特征取值对应的概率密度分布结果和预先设定的所述问题对象的查出率，确定所述目标特征对应的阈值，包括：
在所述概率密度分布结果中确定一所述特征取值A，所述A为实数，所述概率密度分布结果中，所述特征取值小于等于所述A的概率等于所述问题对象的查出率；
将所述A作为所述目标特征对应的阈值。
9.根据权利要求7所述的方法，其特征在于，查出的所述问题对象的所述目标特征的取值大于等于所述目标特征对应的阈值；根据所述特征取值对应的概率密度分布结果和预先设定的所述问题对象的查出率，确定所述目标特征对应的阈值，包括：
在所述概率密度分布结果中确定一所述特征取值B，所述B为实数，所述概率密度分布结果中，所述特征取值大于等于所述B的概率等于所述问题对象的查出率；
将所述B作为所述目标特征对应的阈值。
10.一种问题对象确定方法，其特征在于，包括：
在当前处理的业务场景下，获取各对象的目标特征的特征取值，以及，获取所述目标特征对应的阈值；
根据所述各对象的目标特征的特征取值和所述目标特征对应的阈值，在所述各对象中为所述业务场景确定问题对象；
其中，所述目标特征对应的阈值采用如权利要求1至6中任一项所述的方法确定，或者，采用如权利要求7至9中任一项所述的方法确定。
11.根据权利要求10所述的方法，其特征在于，根据所述各对象的目标特征的特征取值和所述目标特征对应的阈值，在所述各对象中为所述业务场景确定问题对象，包括：
在所述各对象中，将所述目标特征的特征取值大于等于所述目标特征对应的阈值的对象，作为所述问题对象；
或者，
在所述各对象中，将所述目标特征的特征取值小于等于所述目标特征对应的阈值的对象，作为所述问题对象。
12.一种特征阈值确定装置，其特征在于，包括：
第一获取模块，用于获取问题对象的样本数据，并确定所述样本数据中目标特征的特征取值；其中，所述目标特征为所述问题对象具有的特征；所述问题对象包括不达标设备；所述目标特征包括所述设备的已使用年限；
数据变换模块，用于对所述特征取值进行变换，变换后的所述特征取值对应的概率密度分布结果符合设定的分布形态要求；
第一确定模块，用于根据变换后的所述特征取值对应的概率密度分布结果和预先设定的所述问题对象的查出率，确定所述目标特征对应的阈值；
其中，所述目标特征对应的阈值用于在各对象中查出所述问题对象，查出的所述问题对象的数量占全部所述问题对象的数量的比率为所述查出率。
13.一种特征阈值确定装置，其特征在于，包括：
第二获取模块，用于获取问题对象的样本数据，并确定所述样本数据中目标特征的特征取值；其中，所述目标特征为所述问题对象具有的特征；所述问题对象包括不达标设备；所述目标特征包括所述设备的已使用年限；
第二确定模块，用于若所述特征取值对应的概率密度分布结果符合设定的分布形态要求，则根据所述特征取值对应的概率密度分布结果和预先设定的所述问题对象的查出率，确定所述目标特征对应的阈值；
其中，所述目标特征对应的阈值用于在各对象中查出所述问题对象，查出的所述问题对象的数量占全部所述问题对象的数量的比率为所述查出率。
14.一种问题对象确定装置，其特征在于，包括：
第三获取模块，用于在当前处理的业务场景下，获取各对象的目标特征的特征取值，以及，获取所述目标特征对应的阈值；
第三确定模块，用于根据所述各对象的目标特征的特征取值和所述目标特征对应的阈值，在所述各对象中为所述业务场景确定问题对象；
其中，所述目标特征对应的阈值采用如权利要求12所述的装置确定，或者，采用如权利要求13所述的装置确定。
15.一种特征阈值确定设备，其特征在于，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器实现上述权利要求1至6任一项所述的方法的步骤。
16.一种特征阈值确定设备，其特征在于，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器实现上述权利要求7至9任一项所述的方法的步骤。
17.一种问题对象确定设备，其特征在于，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器实现上述权利要求10至11任一项所述的方法的步骤。
18.一种存储介质，用于存储计算机可执行指令，其特征在于，所述计算机可执行指令在被执行时实现上述权利要求1至6任一项所述的方法的步骤。
19.一种存储介质，用于存储计算机可执行指令，其特征在于，所述计算机可执行指令在被执行时实现上述权利要求7至9任一项所述的方法的步骤。
20.一种存储介质，用于存储计算机可执行指令，其特征在于，所述计算机可执行指令在被执行时实现上述权利要求10至11任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811331523.9A CN109615171B (zh) | 2018-11-09 | 2018-11-09 | 特征阈值确定方法及装置、问题对象确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811331523.9A CN109615171B (zh) | 2018-11-09 | 2018-11-09 | 特征阈值确定方法及装置、问题对象确定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109615171A CN109615171A (zh) | 2019-04-12 |
| CN109615171B true CN109615171B (zh) | 2023-07-21 |
Family
ID=66004009
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811331523.9A Active CN109615171B (zh) | 2018-11-09 | 2018-11-09 | 特征阈值确定方法及装置、问题对象确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109615171B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113076860B (zh) * | 2021-03-30 | 2022-02-25 | 南京大学环境规划设计研究院集团股份公司 | 一种野外场景下的鸟类检测系统 |
| CN115359440B (zh) * | 2022-08-26 | 2024-01-12 | 武汉铁路职业技术学院 | 一种基于物联网的铁路机车智能安全运行及系统 |
| CN115128438A (zh) * | 2022-09-02 | 2022-09-30 | 中诚华隆计算机技术有限公司 | 一种芯片内部故障监测方法及其装置 |
| CN115238828A (zh) * | 2022-09-16 | 2022-10-25 | 华谱科仪(北京)科技有限公司 | 一种色谱仪故障监测方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102052995A (zh) * | 2010-10-29 | 2011-05-11 | 华东理工大学 | 一种压力容器短时受火后的安全评测方法 |
| CN105701720A (zh) * | 2016-01-14 | 2016-06-22 | 深圳供电局有限公司 | 一种评估电力设备最佳折旧年限的方法和系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8626474B2 (en) * | 2010-04-19 | 2014-01-07 | Altera Corporation | Simulation tool for high-speed communications links |
| US20150073909A1 (en) * | 2013-09-09 | 2015-03-12 | CraveLabs, Inc. | Systems and Methods for Automatic Creation, Optimization, Targeting, and Delivery of Real-Time Advertising |
-
2018
- 2018-11-09 CN CN201811331523.9A patent/CN109615171B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102052995A (zh) * | 2010-10-29 | 2011-05-11 | 华东理工大学 | 一种压力容器短时受火后的安全评测方法 |
| CN105701720A (zh) * | 2016-01-14 | 2016-06-22 | 深圳供电局有限公司 | 一种评估电力设备最佳折旧年限的方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| "大庆外围油田配电网防雷设计与应用";王丹;《中国优秀硕士学位论文全文数据库 工程科技I辑》;B019-61页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109615171A (zh) | 2019-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109615171B (zh) | 特征阈值确定方法及装置、问题对象确定方法及装置 | |
| TW201928841A (zh) | 訓練風控模型和風控的方法、裝置及設備 | |
| CN109034183B (zh) | 一种目标检测方法、装置及设备 | |
| CN110020427B (zh) | 策略确定方法和装置 | |
| CN114943307B (zh) | 一种模型训练的方法、装置、存储介质以及电子设备 | |
| CN113837635B (zh) | 风险检测处理方法、装置及设备 | |
| CN110826894A (zh) | 超参数确定方法、装置及电子设备 | |
| CN115712866B (zh) | 数据处理方法、装置及设备 | |
| CN115618748B (zh) | 一种模型优化的方法、装置、设备及存储介质 | |
| CN116167461B (zh) | 一种模型训练的方法、装置、存储介质及电子设备 | |
| CN116049761A (zh) | 数据处理方法、装置及设备 | |
| CN112182116B (zh) | 数据探查方法及装置 | |
| CN116821647B (zh) | 基于样本偏离评估的数据标注的优化方法、装置及设备 | |
| CN109614609B (zh) | 模型建立方法及装置 | |
| CN110008252B (zh) | 数据核对方法及装置 | |
| CN112597255A (zh) | 一种确定异常数据的方法及装置 | |
| CN116822606A (zh) | 一种异常检测模型的训练方法、装置、设备及存储介质 | |
| CN111242195B (zh) | 模型、保险风控模型训练方法、装置及电子设备 | |
| CN116861976A (zh) | 一种异常检测模型的训练方法、装置、设备及存储介质 | |
| CN113569873B (zh) | 一种图像的处理方法、装置及设备 | |
| CN109903165B (zh) | 一种模型合并方法和装置 | |
| CN116109008B (zh) | 一种业务执行的方法、装置、存储介质及电子设备 | |
| CN115795342B (zh) | 一种业务场景分类的方法、装置、存储介质及电子设备 | |
| CN117972436B (zh) | 大语言模型的训练方法、训练装置、存储介质及电子设备 | |
| CN111461352B (zh) | 模型训练、业务节点识别方法、装置及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201012 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands Applicant before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20201012 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands Applicant after: Advanced innovation technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |