CN109658082A - 一种计费异常的识别方法及设备 - Google Patents
一种计费异常的识别方法及设备 Download PDFInfo
- Publication number
- CN109658082A CN109658082A CN201811423343.3A CN201811423343A CN109658082A CN 109658082 A CN109658082 A CN 109658082A CN 201811423343 A CN201811423343 A CN 201811423343A CN 109658082 A CN109658082 A CN 109658082A
- Authority
- CN
- China
- Prior art keywords
- amount
- target product
- history
- charging
- message recording
- 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.)
- Pending
Links
- 238000007600 charging Methods 0.000 title claims abstract description 156
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 96
- 238000012549 training Methods 0.000 claims abstract description 96
- 238000013515 script Methods 0.000 claims abstract description 94
- 230000002159 abnormal effect Effects 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 14
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 5
- 239000010931 gold Substances 0.000 claims description 5
- 229910052737 gold Inorganic materials 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 5
- 239000000284 extract Substances 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 17
- 230000005856 abnormality Effects 0.000 description 9
- 230000002547 anomalous effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 241000406668 Loxodonta cyclotis Species 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/14—Payment architectures specially adapted for billing systems
- G06Q20/145—Payments according to the detected use or quantity
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于数据处理技术领域,提供了一种计费异常的识别方法及设备,包括:从目标产品的计费记录库中提取创建时间在预设的检测周期内的计费记录,计算目标产品的收入金额;若超出额定收入范围,则确定目标产品的关键对象,并计算关键对象在检测周期内的关键计费金额;若关键计费金额在关键对象的预期消费范围内,则根据目标产品的服务内容,生成多个训练脚本,并将多个训练脚本发送给目标产品;接收目标产品基于训练脚本返回的训练计费金额;若任一训练计费金额与训练脚本的目标计费金额不一致,则生成计费异常信息。本发明周期性地检测产品计费方式的正确性,提高了资费计算的准确性以及用户的使用体验。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及一种计费异常的识别方法及设备。
背景技术
交易计费系统,用于实时输出用户的本次交易的消费金额,被广泛应用于交易领域。交易计费系统能够根据不同产品,匹配对应的计费方式。随着产品数量的不断增加以及计费系统的不断更新,产品的计费方式通过多个版本的叠加后,往往会出现计费方式与预期制定的计费方式之间存在出入的情况,例如漏记、错记甚至多记,从而降低了资费计算的准确性以及降低了用户的使用体验。
发明内容
有鉴于此,本发明实施例提供了一种计费异常的识别方法及设备,以解决现有的产品计费的更新技术,当计费系统的不断更新,产品的计费方式通过多个版本的叠加后,往往会出现计费方式与预期制定的计费方式之间存在出入的情况,例如漏记、错记甚至多记,从而降低了资费计算的准确性以及降低了用户的使用体验问题。
本发明实施例的第一方面提供了一种计费异常的识别方法,包括:
从目标产品的计费记录库中提取创建时间在预设的检测周期内的计费记录,基于所述计费记录计算所述目标产品在所述检测周期内的收入金额;
若所述收入金额超出预设的额定收入范围,则根据各个所述计费记录所属的消费对象,确定所述目标产品的关键对象,并计算所述关键对象在所述检测周期内的关键计费金额;
若所述关键计费金额在所述关键对象的预期消费范围内,则根据所述目标产品的服务内容,生成多个训练脚本,并将所述多个训练脚本发送给所述目标产品;
接收所述目标产品基于所述训练脚本返回的训练计费金额;
若任一所述训练计费金额与所述训练脚本的目标计费金额不一致,则生成计费异常信息。
本发明实施例的第二方面提供了一种计费异常的识别设备,包括:
收入金额确定单元,用于从目标产品的计费记录库中提取创建时间在预设的检测周期内的计费记录,基于所述计费记录计算所述目标产品在所述检测周期内的收入金额;
关键计费金额计算单元,用于若所述收入金额超出预设的额定收入范围,则根据各个所述计费记录所属的消费对象,确定所述目标产品的关键对象,并计算所述关键对象在所述检测周期内的关键计费金额;
训练脚本生成单元,用于若所述关键计费金额在所述关键对象的预期消费范围内,则根据所述目标产品的服务内容,生成多个训练脚本,并将所述多个训练脚本发送给所述目标产品;
训练计费金额接收单元,用于接收所述目标产品基于所述训练脚本返回的训练计费金额;
计费异常确定单元,用于若任一所述训练计费金额与所述训练脚本的目标计费金额不一致,则生成计费异常信息。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面的各个步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现第一方面的各个步骤。
实施本发明实施例提供的一种计费异常的识别方法及设备具有以下有益效果:
本发明实施例通过设置检测周期,并周期性地计算目标产品在检测周期内的收入金额,若该收入金额超出预设的额定收入范围,则表示该目标产品的计费规则可能存在异常,需要执行异常检测操作,因此,终端设备会获取目标产品的关键对象,并计算该关键对象的关键计费金额是否在预期消费范围内,若是,则通过多个训练脚本来检测通过目标产品的计费规则输出的训练计费金额,是否与预设的目标计费金额一致,从而判断目标产品的计费方式是否异常,若不一致,则输出计费异常信息,从而实现了计费异常的自动检测。与现有的产品计费的更新技术不同,本实施例周期性地检测产品计费方式的正确性,从而避免了实际计费方式与预期的计费方式存在出入的情况,提高了资费计算的准确性以及用户的使用体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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发明的一些实施例,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是本发明第一实施例提供的一种计费异常的识别方法的实现流程图;
图2是本发明第二实施例提供的一种计费异常的识别方法具体实现流程图;
图3是本发明第三实施例提供的一种计费异常的识别方法S102具体实现流程图;
图4是本发明第四实施例提供的一种计费异常的识别方法S103具体实现流程图;
图5是本发明第五实施例提供的一种计费异常的识别方法S105具体实现流程图;
图6是本发明一实施例提供的一种计费异常的识别设备的结构框图;
图7是本发明另一实施例提供的一种终端设备的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例通过设置检测周期,并周期性地计算目标产品在检测周期内的收入金额,若该收入金额超出预设的额定收入范围,则表示该目标产品的计费规则可能存在异常,需要执行异常检测操作,因此,终端设备会获取目标产品的关键对象,并计算该关键对象的关键计费金额是否在预期消费范围内,若是,则通过多个训练脚本来检测通过目标产品的计费规则输出的训练计费金额,是否与预设的目标计费金额一致,从而判断目标产品的计费方式是否异常,若不一致,则输出计费异常信息,从而实现了计费异常的自动检测,解决了现有的产品计费的更新技术,当计费系统的不断更新,产品的计费方式通过多个版本的叠加后,往往会出现计费方式与预期制定的计费方式之间存在出入的情况,例如漏记、错记甚至多记,从而降低了资费计算的准确性以及降低了用户的使用体验问题。
在本发明实施例中,流程的执行主体为终端设备。该终端设备包括但不限于:服务器、计算机、智能手机以及平板电脑等能够执行计费异常的识别操作的设备。特别地,该计费异常的识别设备具体为一计费系统的服务器,用于对各个产品进行计费,并生成计费记录,继而通过计费记录检测各个产品的计费规则是否存在异常。图1示出了本发明第一实施例提供的计费异常的识别方法的实现流程图,详述如下:
在S101中,从目标产品的计费记录库中提取创建时间在预设的检测周期内的计费记录,基于所述计费记录计算所述目标产品在所述检测周期内的收入金额。
在本实施例中,终端设备会以检测周期检测目标产品的计费规则是否存在异常,因此,当终端设备检测到当前时刻到达预设的检测周期时,则会执行S101 的相关操作。可选地,终端设备除了以预设的检测周期这一时间触发方式执行 S101的操作外,还可以通过事件触发的方式来启动计费异常的识别流程。具体地,终端设备设置有触发事件,例如计费算法进行更新或计费系统进行重置等,若终端设备检测到当前时刻存在触发时间,则会启动一计时器,当该计时器到达预设的计时阈值时,则终端设备会获取计时时段内关于目标产品的所有计费记录,并执行S101的相关操作,从而在计费算法更新等操作后,能够及时检测计费算法是否存在异常,从而提高异常识别的效率。
在本实施例中,管理员可以在产品库中指定任一产品作为目标产品,终端设备则基于目标产品的产品编号,从计费记录库中提取该产品编号所对应的计费记录,并计算得到该目标产品的收入金额。当然,终端设备若检测到用户对产品库中的任一产品的计费算法进行调整,例如增加计费规则、删除计费规则或变更计费规则等操作,则将该调整计费算法的产品识别为目标产品,并执行 S101的相关操作。该计费记录库可以存储于终端设备内,在该情况下,即终端设备可以为目标产品的计费服务器;当然,计费记录库可以存储于一独立的数据库服务器内,在该情况下,终端设备可以为一第三方的异常识别终端,通过与目标产品的计费服务器进行通信,并获取该目标产品的计费记录。
可选地,不同的产品的检测周期可以不同,也可以相同。若各个产品的检测周期相同,则终端设备若检测到当前时刻到达预设的检测周期,则启动多条并发线程,通过各个线程分别对不同产品进行计费异常识别的流程;若不同产品的检测周期不同,则终端设备在检测到当前时刻到达预设的检测周期时,则确定该检测周期所对应的产品标识,并从而获取该产品标识对应的计费记录,并计算该目标产品的收入金额。
在本实施例中,由于产品的异常检测是具有周期性的,则终端设备在提取计费记录时,只需提取创建时间在检测周期内的计费记录即可,而检测周期外的计费记录已在其他检测周期进行异常检测,在本次检测中无需重复提取检测,从而能够提高异常检测的效率。终端设备根据提取得到的计费记录,对多有计费记录进行累加,从而计算得到该目标产品的收入金额。若终端设备检测到该收入金额在预设的额定收入范围内,则表示该目标产品的收入情况并无异常,在该情况下,则等待下一个检测周期到达;反之,若该收入金额超出了预设的额定收入范围,包括小于额定收入范围的最小值以及大于额定收入范围的最大值,则表示该目标产品的计费算法可能存在异常,需要进一步对计费异常原因进行确定,并执行S102的相关操作。
在S102中,若所述收入金额超出预设的额定收入范围,则根据各个所述计费记录所属的消费对象,确定所述目标产品的关键对象,并计算所述关键对象在所述检测周期内的关键计费金额。
在本实施例中,若终端设备检测到目标产品在本次检测周期的收入金额超出预设的额定收入范围,则表示该目标产品存在收入过高或过低的情况,有可能是部分计费记录存在漏算或多算的情况。此时,终端设备会对目标产品进行异常检测,基于此,终端设备可以通过消费金额较大或消费次数较为频繁等用户作为目标样本,根据目标样本在本次检测周期的计费情况,判断是否符合该目标样本的消费习惯,从而确定计费算法是否异常。因此,终端设备需要从本次检测周期内所有消费对象中选取关键对象作为目标样本。
可选地,在本实施例中,终端设备确定关键对象的方式可以为:终端设备根据各个消费记录的所属的消费对象,计算各个消费对象的消费次数,并选取消费次数最大的一个消费对象作为关键对象;或者,终端设备统计各个消费对象的消费金额,并选取消费金额最高的一个消费对象作为关键对象。又或者,终端设备统计历史消费记录中各个消费对象的消费次数以及消费总额,对上述两个参数进行加权求和,并将加权后数值最大的消费对象作为关键对象。
在本实施例中,终端设备在确定了关键对象后,会从提取得到的计费记录中筛选出消费对象为关键对象的计费记录,并统计筛选出的计费记录的消费总额,将该消费总额作为关键对象的关键计费金额。由于关键对象属于消费具有一定规律的消费对象,因此通过计算关键对象的关键计费金额是否与该关键对象的消费习惯一致,可以推断该目标产品的计费算法是否存在异常。若该关键计费金额在该关键对象的预期消费范围外,则输出计费异常信息,并将该关键对象的计费记录添加到该计费异常信息中,以便管理员根据计费记录确定计费算法的异常原因,对计费算法进行修复;反之,若该关键计费金额在预期消费范围内,则执行S103的相关操作。
在S103中,若所述关键计费金额在所述关键对象的预期消费范围内,则根据所述目标产品的服务内容,生成多个训练脚本,并将所述多个训练脚本发送给所述目标产品。
在本实施例中,终端设备在识别了关键对象的关键计费金额在预期消费范围内,则表示该关键对象在本次检测周期的消费行为符合其对应的消费习惯,但并无法确认计费算法并没有异常,需要进一步对计费算法执行异常检测。基于此,终端设备会确定该目标产品的产品类型,并基于该产品类型获取与之对应的服务列表,该服务列表记录有该目标产品所能提供的服务类型。需要说明的是,该目标产品具体为一提供服务的产品,例如通信产品、保险产品、虚拟主机租赁产品等。由此可见,不同的服务类型的产品,所能提供的服务内容也会相应变化,为了提高计费检测准确性,终端设备会基于服务内容,配置对应的训练脚本,以检测各个服务内容的计费子算法是否异常。
在本实施例中,终端设备可以配置有脚本数据库,该脚本数据库中为所有的产品内容配置关联的训练脚本。终端设备根据目标产品所包含的产品内容的内容标识,从该脚本数据库中提取各个内容标识对应的训练脚本,并将所有提取的训练脚本发送给目标产品,以便目标产品基于各个训练脚本执行计费操作。可选地,终端设备可以依次将各个训练脚本发送给目标产品,以便目标产品依次对计算各个训练脚本对应的训练计费金额;当然,终端设备还可以并发将多个训练样本发送给目标产品,以便目标产品同时对多个训练样本执行计费操作。
在S104中,接收所述目标产品基于所述训练脚本返回的训练计费金额。
在本实施例中,目标产品在接收到训练脚本后,会执行计费操作,并输出该训练脚本对应的训练计费金额。终端设备可以根据各个训练计费金额携带有的脚本标识,确定各个训练计费金额所对应的计费脚本,并执行S105的相关操作。
优选地,若该计费方式为时长计费方式,为了提高检测效率,终端设备可以调整目标产品的时钟信号,从而加快计时器的计时速度,减少时长计费脚本的测试用时,通过等待较短时间即可得到时长计费的训练脚本对应的训练计费金额,提高了异常检测的效率。
在S105中,若任一所述训练计费金额与所述训练脚本的目标计费金额不一致,则生成计费异常信息。
在本实施例中,终端设备在接收到各个训练脚本对应的训练计费金额后,会将该训练计费金额与训练脚本的目标计费金额比较,判断两者是否一致。若目标产品的计费算法不存在异常,则实际的训练计费金额与目标计费金额应该一致;反之,若该目标产品的计费算法存在,则会存在一个甚至多个训练计费金额与目标计费金额不一致,此时需要生产计费异常信息。
可选地,终端设备标记处训练计费金额以及目标计费金额不一致的训练脚本,作为异常特征脚本,并将各个异常特征脚本添加到计费异常信息内,管理员可以通过异常特征脚本快速定位异常原因,并执行对应的异常修复操作。
以上可以看出,本发明实施例提供的一种计费异常的识别方法通过设置检测周期,并周期性地计算目标产品在检测周期内的收入金额,若该收入金额超出预设的额定收入范围,则表示该目标产品的计费规则可能存在异常,需要执行异常检测操作,因此,终端设备会获取目标产品的关键对象,并计算该关键对象的关键计费金额是否在预期消费范围内,若是,则通过多个训练脚本来检测通过目标产品的计费规则输出的训练计费金额,是否与预设的目标计费金额一致,从而判断目标产品的计费方式是否异常,若不一致,则输出计费异常信息,从而实现了计费异常的自动检测。与现有的产品计费的更新技术不同,本实施例周期性地检测产品计费方式的正确性,从而避免了实际计费方式与预期的计费方式存在出入的情况,提高了资费计算的准确性以及用户的使用体验。
图2示出了本发明第二实施例提供的一种计费异常的识别方法的具体实现流程图。参见图2,相对于图1所述实施例,本实施例提供的一种计费异常的识别方法在所述若所述收入金额超出预设的额定收入范围,则根据各个所述计费记录所属的消费对象,确定所述目标产品的关键对象之前,还包括: S201~S204,具体详述如下:
在S201中,从所述计费记录库中提取关于所述目标产品的历史计费记录,根据所述历史计费记录确定各个历史检测周期的历史消费金额。
在本实施例中,终端设备为了确定目标产品的额定收入范围,需要根据历史的消费情况计算得到。基于此,终端设备会从计费记录库内提取关于目标产品的历史计费记录,该历史计费记录具体指的是创建时间并非在当前的检测周期的计费记录,各个历史计费记录同样包含有消费对象以及计费金额,从而终端设备可以统计得到各个历史检测周期的历史消费金额。
在本实施例中,终端设备根据各个历史计费记录的创建时间,对所有历史计费记录进行分类,确定各个历史计费记录所属的历史检测周期,对各个历史检测周期内包含的计费记录的计费金额进行累加,计算得到各个历史检测周期的历史消费金额。
在S202中,基于多个所述历史检测周期的历史消费金额,计算所述目标产品的历史消费方差。
在本实施例中,终端设备通过多个历史检测周期的历史消费金额,计算得到该目标产品的历史消费均值,并基于该历史消费均值以及各个历史消费金额,确定目标产品的历史消费方差,从而可以通过历史消费方差获知目标产品的消费金额的浮动范围。
优选地,由于不同历史检测周期的用户个数也能存在差异,在计算历史消费方差时,可以对不同历史检测周期的历史消费金额添加对应的用户个数权重,进行加权后在计算对应的历史消费方差,从而提高历史消费方差的准确性。具体调整后的方差公式可以为:
其中,Costδ为历史消费方差,Costi为第i个历史检测周期的历史消费金额;为历史消费均值;Customi为第i个历史检测周期的用户个数权重;n为历史检测周期的周期数。
在S203中,基于多个所述历史检测周期的所述历史消费金额,生成关于所述目标产品的消费金额变化曲线,并根据所述消费金额变化曲线确定所述目标产品的消费变化函数。
在本实施例中,终端设备在确定了各个历史检测周期的历史消费金额,可以构建一个坐标轴,横坐标为历史检测周期的周期时刻,纵坐标为历史消费金额,并在该坐标轴上标记出各个历史检测周期的历史消费金额,通过线性拟合的方式,将离散的坐标点拟合为一消费金额变化曲线,并通过最小二乘法计算出该消费变化曲线对应的消费变化函数。
在S204中,将当前的检测周期导入所述消费变化函数,计算当前的检测周期的预期基准金额,并根据所述预期基准金额以及所述历史消费方差,确定所述额定收入范围。
在本实施例中,终端设备将当期的检测周期的周期时刻导入到该消费变化函数中,则可以计算得到当前检测周期的消费金额,并将该消费金额识别为预期基准金额,继而通过历史消费方差以及预期基准金额,则可以得到额定收入范围。例如,历史消费方差为预期基准金额为Costε,则额定收入范围即为[Costε-Costδ,Costε+Costδ]。
在本发明实施例中,通过各个历史检测周期的历史计费记录,确定该目标产品的额定收入范围,从而该额定收入范围可以动态调整,而并非用于预设的固定值,提高了额定收入范围的准确性。
图3示出了本发明第三实施例提供的一种计费异常的识别方法S102的具体实现流程图。参见图3,相对于图1所述的实施例,本实施例提供的一种计费异常的识别方法S102包括:S1021~S1023,具体详述如下:
进一步地,所述若所述收入金额超出预设的额定收入范围,则根据各个所述计费记录所属的消费对象,确定所述目标产品的关键对象,包括:
在S1021中,基于所述计费记录,分别统计各个所述消费对象的消费金额以及消费次数。
在本实施例中,终端设备会对各个计费记录基于消费对象进行分类,为每个消费对象配置对应的计费记录组,同一个计费记录组内的所有计费记录属于同一消费对象。基于此,终端设备分别结算各个计费记录组内计费总额,将该计费总额作为该消费对象的消费金额,然后统计该计费记录组中包含的计费记录的个数,将该个数识别为消费次数。
在S1022中,将所述消费金额和所述消费次数导入预设的优先级计算模型,计算各个所述消费对象的优先级;所述优先级计算模型具体为:
其中,Pro(i)为第i个所述消费对象的优先级;Amounti为第i个所述消费对象的所述消费金额;CurrentTimesi为第i个所述消费对象的所述消费次数;Weight 为预设权重值;StandardTimes为预设的基准消费次数。
在本实施例中,终端设备分别将各个消费对象的消费金额以及消费次数导入到优先级计算模型,从而可以确定得到各个消费对象的优先级,该优先级越高,则表示该消费对象的消费样本越大,从而通过该消费对象的计费记录可以较容易检测到目标产品的计费算法是否异常;反之,若该消费对象的优先级越小,则表示该消费对象的消费样本较小,从而容易对部分子算法无法覆盖,较难检测到目标产品的计算算法是否异常。
在S1023中,选取优先级最高的所述消费对象作为所述关键对象。
在本实施例中,终端设备在确定了各个消费对象的优先级后,会选取优先级最高的消费对象作为关键对象。优选地,终端设备可以设置一个优先级阈值,若各个消费对象的优先级均小于该优先级阈值,则识别该目标对象不存在关键对象。
在本发明实施例中,通过计算各个消费对象的优先级,能够准确提取当前检测周期的关键对象,从而能够提高异常识别的准确性。
图4示出了本发明第四实施例提供的一种计费异常的识别方法S103的具体实现流程图。参见图4,相对于图1至图3所述实施例,本实施例提供的一种计费异常的识别方法中S103包括:S1031~S1033,具体详述如下:
在S1031中,获取所述目标产品的有效计费范围,并根据所述有效计费范围确定多个计费特征点。
在本实施例中,为了提高异常识别准确性,生成的训练脚本则需要具有一定的代表性,基于此,终端设备会获取目标产品的有效计费范围,并对该有效计费范围划分为多个计费段,在每个计费段中任一选取一个计费金额作为计费特征点,从而确定得到的计费特征点可以涵盖该目标产品的不同的区间范围,且各个计费特征点均具有一定的代表性。
在S1032中,分别为每个所述服务内容配置关于各个计费特征点的多个所述训练脚本,并将所述计费特征点设置为对应的所述训练脚本的目标计费金额。
在本实施例中,终端设备在确定了计费特征点后,会为每个服务内容为各个计费特征点生产对应的训练脚本,以便目标产品在接收到该训练脚本后,会通过该服务内容对应的计费算法进行计费操作,若该服务内容的计费算法无异常,则其输出的实际计费金额会与该训练脚本关联的计费特征点一致,因此终端设备会将该计费特征点设置为训练脚本的目标计费金额。
在S1033中,将多个所述训练脚本发送给所述目标产品。
在本实施例中,终端设备将各个生成的训练脚本发送给目标产品,以便目标产品确定各个训练脚本对应的训练计费金额。
在本发明实施例中,通过对有效计费范围进行划分,得到多个消费特征点,从而使得基于消费特征点生产的训练脚本可以具有训练代表性,提高了异常识别的准确性。
图5示出了本发明第五实施例提供的一种计费异常的识别方法S105的具体实现流程图。参见图5,相对于图1-图3所述实施例,本实施例提供的一种计费异常的识别方法S105包括:S1051~S1052,具体详述如下:
在S1051中,将所述训练计费金额与所述目标计费金额不一致的所述训练脚本识别为异常脚本。
在本实施例中,为了提高异常修复的效率,终端设备会统计所有训练计费金额与目标金额不一致的训练脚本,并将上述训练脚本作为异常脚本,即目标产品在运行相关异常脚本的服务内容时,实际的计费金额与预期的计费金额不一致,管理员可以通过异常脚本快速定位计费算法的异常成因。
在S1052中,根据各个所述异常脚本对应的所述服务内容,生成所述计费异常信息。
在本实施例中,终端设备会根据各个异常脚本所属的服务内容,在目标产品的服务列表中进行标记,并将标记后的服务列表添加到计费异常信息中,管理员可以通过计费异常信息快速确定标记的服务内容的计费算法存在异常,并对异常的服务内容的计费算法进行调整即可。
在本发明实施例中,通过识别异常脚本以及异常脚本的异常服务内容,可以帮助管理员快速定位异常情况,提高了异常修复的效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图6示出了本发明一实施例提供的一种计费异常的识别设备的结构框图,该计费异常的识别设备包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1与图1所对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。
参见图6,所述计费异常的识别设备包括:
收入金额确定单元61,用于从目标产品的计费记录库中提取创建时间在预设的检测周期内的计费记录,基于所述计费记录计算所述目标产品在所述检测周期内的收入金额;
关键计费金额计算单元62,用于若所述收入金额超出预设的额定收入范围,则根据各个所述计费记录所属的消费对象,确定所述目标产品的关键对象,并计算所述关键对象在所述检测周期内的关键计费金额;
训练脚本生成单元63,用于若所述关键计费金额在所述关键对象的预期消费范围内,则根据所述目标产品的服务内容,生成多个训练脚本,并将所述多个训练脚本发送给所述目标产品;
训练计费金额接收单元64,用于接收所述目标产品基于所述训练脚本返回的训练计费金额;
计费异常确定单元65,用于若任一所述训练计费金额与所述训练脚本的目标计费金额不一致,则生成计费异常信息。
可选地,所述计费异常的识别设备还包括:
历史计费记录选取单元,用于从所述计费记录库中提取关于所述目标产品的历史计费记录,根据所述历史计费记录确定各个历史检测周期的历史消费金额;
历史消费方差计算单元,用于基于多个所述历史检测周期的历史消费金额,计算所述目标产品的历史消费方差;
消费变化曲线生成单元,用于基于多个所述历史检测周期的所述历史消费金额,生成关于所述目标产品的消费金额变化曲线,并根据所述消费金额变化曲线确定所述目标产品的消费变化函数;
额定收入范围确定单元,用于将当前的检测周期导入所述消费变化函数,计算当前的检测周期的预期基准金额,并根据所述预期基准金额以及所述历史消费方差,确定所述额定收入范围。
可选地,所述训练任务发送单元64包括:
消费对象信息获取单元,用于基于所述计费记录,分别统计各个所述消费对象的消费金额以及消费次数;
优先级计算单元,用于将所述消费金额和所述消费次数导入预设的优先级计算模型,计算各个所述消费对象的优先级;所述优先级计算模型具体为:
其中,Pro(i)为第i个所述消费对象的优先级;Amounti为第i个所述消费对象的所述消费金额;CurrentTimesi为第i个所述消费对象的所述消费次数;Weight 为预设权重值;StandardTimes为预设的基准消费次数;
关键对象选取单元,用于选取优先级最高的所述消费对象作为所述关键对象。
可选地,所述训练脚本生成单元63包括:
消费特征点确定单元,用于获取所述目标产品的有效计费范围,并根据所述有效计费范围确定多个计费特征点;
训练脚本配置单元,用于分别为每个所述服务内容配置关于各个计费特征点的多个所述训练脚本,并将所述计费特征点设置为对应的所述训练脚本的目标计费金额;
训练脚本发送单元,用于将多个所述训练脚本发送给所述目标产品。
可选地,所述计费异常确定单元65包括:
异常脚本识别单元,用于将所述训练计费金额与所述目标计费金额不一致的所述训练脚本识别为异常脚本;
异常服务内容识别单元,用于根据各个所述异常脚本对应的所述服务内容,生成所述计费异常信息。
因此,本发明实施例提供的计费异常的识别设备同样可以周期性地检测产品计费方式的正确性,从而避免了实际计费方式与预期的计费方式存在出入的情况,提高了资费计算的准确性以及用户的使用体验。
图7是本发明另一实施例提供的一种终端设备的示意图。如图7所示,该实施例的终端设备7包括:处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72,例如计费异常的识别程序。所述处理器70执行所述计算机程序72时实现上述各个计费异常的识别方法实施例中的步骤,例如图1所示的S101至S105。或者,所述处理器70执行所述计算机程序72时实现上述各装置实施例中各单元的功能,例如图6所示模块61 至65功能。
示例性的,所述计算机程序72可以被分割成一个或多个单元,所述一个或者多个单元被存储在所述存储器71中,并由所述处理器70执行,以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序72在所述终端设备7中的执行过程。例如,所述计算机程序72可以被分割成收入金额确定单元、关键计费金额计算单元、训练脚本生成单元、训练计费金额接收单元以及计费异常确定单元,各单元具体功能如上所述。
所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是终端设备7的示例,并不构成对终端设备7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器70可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述终端设备7的内部存储单元,例如终端设备7 的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备,例如所述终端设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种计费异常的识别方法,其特征在于,包括:
从目标产品的计费记录库中提取创建时间在预设的检测周期内的计费记录,基于所述计费记录计算所述目标产品在所述检测周期内的收入金额;
若所述收入金额超出预设的额定收入范围,则根据各个所述计费记录所属的消费对象,确定所述目标产品的关键对象,并计算所述关键对象在所述检测周期内的关键计费金额;
若所述关键计费金额在所述关键对象的预期消费范围内,则根据所述目标产品的服务内容,生成多个训练脚本,并将所述多个训练脚本发送给所述目标产品;
接收所述目标产品基于所述训练脚本返回的训练计费金额;
若任一所述训练计费金额与所述训练脚本的目标计费金额不一致,则生成计费异常信息。
2.根据权利要求1所述的识别方法,其特征在于,在所述若所述收入金额超出预设的额定收入范围,则根据各个所述计费记录所属的消费对象,确定所述目标产品的关键对象之前,还包括:
从所述计费记录库中提取关于所述目标产品的历史计费记录,根据所述历史计费记录确定各个历史检测周期的历史消费金额;
基于多个所述历史检测周期的历史消费金额,计算所述目标产品的历史消费方差;
基于多个所述历史检测周期的所述历史消费金额,生成关于所述目标产品的消费金额变化曲线,并根据所述消费金额变化曲线确定所述目标产品的消费变化函数;
将当前的检测周期导入所述消费变化函数,计算当前的检测周期的预期基准金额,并根据所述预期基准金额以及所述历史消费方差,确定所述额定收入范围。
3.根据权利要求1所述的识别方法,其特征在于,所述若所述收入金额超出预设的额定收入范围,则根据各个所述计费记录所属的消费对象,确定所述目标产品的关键对象,包括:
基于所述计费记录,分别统计各个所述消费对象的消费金额以及消费次数;
将所述消费金额和所述消费次数导入预设的优先级计算模型,计算各个所述消费对象的优先级;所述优先级计算模型具体为:
其中,Pro(i)为第i个所述消费对象的优先级;Amounti为第i个所述消费对象的所述消费金额;CurrentTimesi为第i个所述消费对象的所述消费次数;Weight为预设权重值;StandardTimes为预设的基准消费次数;
选取优先级最高的所述消费对象作为所述关键对象。
4.根据权利要求1-3任一项所述的识别方法,其特征在于,所述若所述关键计费金额在所述关键对象的预期消费范围内,则根据所述目标产品的服务内容,生成多个训练脚本,并将所述多个训练脚本发送给所述目标产品,包括:
获取所述目标产品的有效计费范围,并根据所述有效计费范围确定多个计费特征点;
分别为每个所述服务内容配置关于各个计费特征点的多个所述训练脚本,并将所述计费特征点设置为对应的所述训练脚本的目标计费金额;
将多个所述训练脚本发送给所述目标产品。
5.根据权利要求1-3任一项所述的识别方法,其特征在于,所述若任一所述训练计费金额与所述训练脚本的目标计费金额不一致,则生成计费异常信息,包括:
将所述训练计费金额与所述目标计费金额不一致的所述训练脚本识别为异常脚本;
根据各个所述异常脚本对应的所述服务内容,生成所述计费异常信息。
6.一种计费异常的识别设备,其特征在于,包括:
收入金额确定单元,用于从目标产品的计费记录库中提取创建时间在预设的检测周期内的计费记录,基于所述计费记录计算所述目标产品在所述检测周期内的收入金额;
关键计费金额计算单元,用于若所述收入金额超出预设的额定收入范围,则根据各个所述计费记录所属的消费对象,确定所述目标产品的关键对象,并计算所述关键对象在所述检测周期内的关键计费金额;
训练脚本生成单元,用于若所述关键计费金额在所述关键对象的预期消费范围内,则根据所述目标产品的服务内容,生成多个训练脚本,并将所述多个训练脚本发送给所述目标产品;
训练计费金额接收单元,用于接收所述目标产品基于所述训练脚本返回的训练计费金额;
计费异常确定单元,用于若任一所述训练计费金额与所述训练脚本的目标计费金额不一致,则生成计费异常信息。
7.根据权利要求6所述的识别设备,其特征在于,所述计费异常的识别设备还包括:
历史计费记录选取单元,用于从所述计费记录库中提取关于所述目标产品的历史计费记录,根据所述历史计费记录确定各个历史检测周期的历史消费金额;
历史消费方差计算单元,用于基于多个所述历史检测周期的历史消费金额,计算所述目标产品的历史消费方差;
消费变化曲线生成单元,用于基于多个所述历史检测周期的所述历史消费金额,生成关于所述目标产品的消费金额变化曲线,并根据所述消费金额变化曲线确定所述目标产品的消费变化函数;
额定收入范围确定单元,用于将当前的检测周期导入所述消费变化函数,计算当前的检测周期的预期基准金额,并根据所述预期基准金额以及所述历史消费方差,确定所述额定收入范围。
8.根据权利要求6所述的识别设备,其特征在于,所述关键计费金额计算单元包括:
消费对象信息获取单元,用于基于所述计费记录,分别统计各个所述消费对象的消费金额以及消费次数;
优先级计算单元,用于将所述消费金额和所述消费次数导入预设的优先级计算模型,计算各个所述消费对象的优先级;所述优先级计算模型具体为:
其中,Pro(i)为第i个所述消费对象的优先级;Amounti为第i个所述消费对象的所述消费金额;CurrentTimesi为第i个所述消费对象的所述消费次数;Weight为预设权重值;StandardTimes为预设的基准消费次数;
关键对象选取单元,用于选取优先级最高的所述消费对象作为所述关键对象。
9.一种终端设备,其特征在于,所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时如权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811423343.3A CN109658082A (zh) | 2018-11-27 | 2018-11-27 | 一种计费异常的识别方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811423343.3A CN109658082A (zh) | 2018-11-27 | 2018-11-27 | 一种计费异常的识别方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109658082A true CN109658082A (zh) | 2019-04-19 |
Family
ID=66111608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811423343.3A Pending CN109658082A (zh) | 2018-11-27 | 2018-11-27 | 一种计费异常的识别方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109658082A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110245778A (zh) * | 2019-05-07 | 2019-09-17 | 阿里巴巴集团控股有限公司 | 分摊数据检测方法以及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006092270A (ja) * | 2004-09-24 | 2006-04-06 | Fuji Xerox Co Ltd | 課金情報管理装置 |
US20170011437A1 (en) * | 2015-07-08 | 2017-01-12 | United Parcel Service Of America, Inc. | Systems, methods, and computer program products for detecting billing anomalies |
CN106408141A (zh) * | 2015-07-28 | 2017-02-15 | 平安科技(深圳)有限公司 | 异常费用自动提取系统及方法 |
-
2018
- 2018-11-27 CN CN201811423343.3A patent/CN109658082A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006092270A (ja) * | 2004-09-24 | 2006-04-06 | Fuji Xerox Co Ltd | 課金情報管理装置 |
US20170011437A1 (en) * | 2015-07-08 | 2017-01-12 | United Parcel Service Of America, Inc. | Systems, methods, and computer program products for detecting billing anomalies |
CN106408141A (zh) * | 2015-07-28 | 2017-02-15 | 平安科技(深圳)有限公司 | 异常费用自动提取系统及方法 |
Non-Patent Citations (1)
Title |
---|
蒲飞;赵正辉;涂旭东;陈苗;: "基于校园一卡通数据的贫困学生消费异常数据检测分析", 电子测试, no. 06, 15 March 2018 (2018-03-15), pages 60 - 62 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110245778A (zh) * | 2019-05-07 | 2019-09-17 | 阿里巴巴集团控股有限公司 | 分摊数据检测方法以及装置 |
CN110245778B (zh) * | 2019-05-07 | 2023-10-31 | 创新先进技术有限公司 | 分摊数据检测方法以及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI696124B (zh) | 模型整合方法及裝置 | |
CN105224606B (zh) | 一种用户标识的处理方法及装置 | |
CN107832132B (zh) | 应用控制方法、装置、存储介质及电子设备 | |
CN110162695A (zh) | 一种信息推送的方法及设备 | |
CN108615119A (zh) | 一种异常用户的识别方法及设备 | |
CN107515890A (zh) | 一种识别常驻点的方法及终端 | |
CN109634819B (zh) | 告警根因定位方法和装置、电子设备 | |
WO2019169704A1 (zh) | 一种数据分类方法、装置、设备及计算机可读存储介质 | |
CN109933984A (zh) | 一种最佳聚类结果筛选方法、装置和电子设备 | |
CN110008343A (zh) | 文本分类方法、装置、设备及计算机可读存储介质 | |
TW201833851A (zh) | 風控事件自動處理方法及裝置 | |
CN105630656B (zh) | 基于日志模型的系统健壮性分析方法及装置 | |
CN108846097A (zh) | 用户的兴趣标签表示方法、文章推荐方法、及装置、设备 | |
CN110147657A (zh) | 一种用户权限配置方法及装置 | |
CN110119877A (zh) | 一种目标员工的选取方法及设备 | |
CN110264038A (zh) | 一种产品测评模型的生成方法及设备 | |
CN104156811A (zh) | 一种基于云海os的账单生成方法 | |
CN111797861A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
CN108932217A (zh) | 能耗统计的方法及装置 | |
CN110046633A (zh) | 一种数据质量检测方法及装置 | |
CN108304432A (zh) | 信息推送处理方法、信息推送处理装置及存储介质 | |
CN110262951A (zh) | 一种业务秒级监控方法及系统、存储介质及客户端 | |
Antwi et al. | The PerfSim algorithm for concept drift detection in imbalanced data | |
CN107705175B (zh) | 确定用户与商户之间相似度的方法、装置及电子设备 | |
CN106372237A (zh) | 欺诈邮件识别方法及装置 |
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 |