一种异常识别方法和装置
技术领域
本申请涉及计算机技术领域,尤其涉及一种异常识别方法和装置。
背景技术
现有的机构管理中,可以由监控平台对多个机构进行监控,以确定每个机构的业务是否异常,进而避免在业务出现异常时,给机构带来损失。例如,监控平台可以对多个金融机构进行监控,以确定多个金融机构的各项金融业务是否异常,进而避免给金融机构带来资金损失。
通常,监控平台在监控多个机构的业务是否异常时,可以通过监控多个机构的业务指标(例如,KPI(Key Performance Indicator,关键绩效指标))来实现。具体地,监控平台可以针对每个机构的业务指标分别构建对应的预测模型,基于预测模型判断机构的业务指标是否异常,进而确定机构的业务是否异常。然而,当机构数量比较多时,监控平台需要构建的预测模型也比较多,从而不易实现对多个机构的监控。
发明内容
本申请实施例提供一种异常识别方法和装置,用于解决现有技术中监控平台在基于业务指标对多个机构进行监控时,如果机构的数量比较多,那么需要构建的用于判断机构的业务指标是否异常的预测模型也比较多,导致不易实现对多个机构的监控的问题。
为解决上述技术问题,本申请实施例是这样实现的:
第一方面,提出一种异常识别方法,包括:
获取多个机构的业务数据;
基于所述业务数据对所述多个机构进行分组,得到多组机构,至少一组机构中机构的数量大于1,且每组机构中机构的数量不大于设定值;
基于每组机构的业务指标,确定每组机构中是否存在业务异常的机构。
第二方面,提出一种异常识别装置,包括:
获取单元,获取多个机构的业务数据;
分组单元,基于所述业务数据对所述多个机构进行分组,得到多组机构,至少一组机构中机构的数量大于1,且每组机构中机构的数量不大于设定值;
识别单元,基于每组机构的业务指标,确定每组机构中是否存在业务异常的机构。
第三方面,提出一种电子设备,该电子设备包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,该可执行指令在被执行时使该处理器执行以下操作:
获取多个机构的业务数据;
基于所述业务数据对所述多个机构进行分组,得到多组机构,至少一组机构中机构的数量大于1,且每组机构中机构的数量不大于设定值;
基于每组机构的业务指标,确定每组机构中是否存在业务异常的机构。
第四方面,提出一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下方法:
获取多个机构的业务数据;
基于所述业务数据对所述多个机构进行分组,得到多组机构,至少一组机构中机构的数量大于1,且每组机构中机构的数量不大于设定值;
基于每组机构的业务指标,确定每组机构中是否存在业务异常的机构。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
本申请实施例提供的技术方案,监控平台在对多个机构进行监控时,可以将多个机构进行分组,并基于每组机构的业务指标对多个机构进行监控,因此,在构建预测模型时,可以将一组机构作为一个整体,构建每组机构的业务指标对应的预测模型,相较于基于每个机构构建预测模型而言,构建的预测模型的数量较少,易于实现对多个机构的监控。此外,由于对多个机构进行分组时,限定了每组机构的机构数量上限,因此,针对一组机构中的多个机构而言,每个机构的业务是否异常的特征不会被淹没,这样,当分组内某个机构的业务出现异常时,能够有效识别到该分组内存在业务异常的机构,从而提高对异常机构的识别准确度。
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是本申请的一个实施例异常识别方法的流程示意图;
图2是本申请的一个实施例异常识别方法的流程示意图;
图3是本申请的一个实施例电子设备的结构示意图;
图4是本申请的一个实施例异常识别装置的结构示意图。
具体实施方式
监控平台在对多个机构的业务进行监控时,可以通过监控多个机构的业务指标实现。具体地,以一个机构为例,可以针对机构的业务指标构建对应的预测模型,利用预测模型判断机构的业务指标是否异常,若机构的业务指标异常,则可以确定该机构的业务异常,若机构的业务指标正常,则可以确定该机构的业务正常。
通常,一个机构的业务指标可以包括多个(例如,多个KPI指标),监控平台在对机构进行监控时,可以针对多个业务指标构建对应的多个预测模型,基于多个预测模型对机构的多个业务指标进行监控,以便最精细化地发现机构的业务是否异常。
例如,假设机构的数量为N个,每个机构的业务指标均为M个,那么,在通过M个业务指标对N个机构进行监控时,针对每个机构需要构建M个预测模型,针对N个机构需要构建M*N个预测模型。
然而,当机构的数量较多时,基于上述记载的方法将需要构建大量的预测模型,不仅不现实,而且还会增加构建预测模型的复杂度,导致不易实现对多个机构的监控。
现有技术中,为了解决上述问题,在对多个机构进行监控时,可以将多个机构中业务量较少的机构合并为一组,并将一组机构作为一个整体,构建一组机构的业务指标对应的预测模型,从而减少需要构建的预测模型的数量,使得对多个机构的监控简单化。
仍以上述N个机构,每个机构具有M个指标为例,若将N个机构中业务量较少的x(x大于1)个机构合并为一组,那么,针对这x个机构,在构建预测模型时只需要构建M个预测模型,相较于原有的需要构建x*M个预测模型而言,减少了需要构建的模型数量。
然而,在实际应用中,虽然上述将业务量较少的机构进行合并的方案可以减少预测模型的数量,但是,准确度较低,原因在于:这些业务量较少的机构数量通常比较多,在将这些机构合并后,机构的业务是否异常的特征容易被淹没,这样,当其中某个机构的业务出现异常时,将无法有效地识别异常机构,导致对异常机构的识别准确度较低。
有鉴于此,本申请实施例提供一种异常识别方法和装置,该异常识别方法包括:获取多个机构的业务数据;基于所述业务数据对所述多个机构进行分组,得到多组机构,至少一组机构中机构的数量大于1,且每组机构中机构的数量不大于设定值;基于每组机构的业务指标,确定每组机构中是否存在业务异常的机构。
本申请实施例提供的技术方案,监控平台在对多个机构进行监控时,可以将多个机构进行分组,并基于每组机构的业务指标对多个机构进行监控,因此,在构建预测模型时,可以将一组机构作为一个整体,构建每组机构的业务指标对应的预测模型,相较于基于每个机构构建预测模型而言,构建的预测模型的数量较少,易于实现对多个机构的监控。此外,由于对多个机构进行分组时,限定了每组机构的机构数量上限,因此,针对一组机构中的多个机构而言,每个机构的业务是否异常的特征不会被淹没,这样,当分组内某个机构的业务出现异常时,能够有效识别到该分组内存在业务异常的机构,从而提高对异常机构的识别准确度。
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。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1是本申请的一个实施例异常识别方法的流程示意图。本实施例的执行主体可以是对多个机构进行监控的监控平台,所述异常识别方法如下所述。
S102:获取多个机构的业务数据。
在S102中,监控平台在对多个机构进行监控时,可以获取多个机构各自的业务数据。
在获取业务数据时,以其中一个机构为例,可以获取该机构最近一段时间内的业务数据,也可以获取该机构在设定时间段内的业务数据,还可以获取该机构所有的历史业务数据,这里不做具体限定。
在一个典型的应用场景中,若多个机构均为金融机构,则,在获取多个机构的业务数据时,可以获取多个机构的账单流水信息,其中,账单流水信息可以包括交易金额和交易时间等。
在获取到多个机构各自的业务数据后,可以执行S104。
S104:基于所述业务数据对所述多个机构进行分组,得到多组机构,至少一组机构中机构的数量大于1,且每组机构中机构的数量不大于设定值。
在S104中,可以基于每个机构的业务数据,将多个机构进行分组合并,得到多组机构。在多组机构中,至少一组机构中机构的数量大于1,这样,可以保证多组机构的组数小于多个机构的个数。此外,每组机构中机构的数量还需要小于设定值,其中,设定值可以理解为每组机构包括的机构数量上限,具体可以是经验值,也可以由人为指定,这里不做具体限定。这样,可以保证每组机构中机构的数量不会太多。
在基于机构的业务数据对多个机构进行分组时,可以包括以下步骤:
第一步:基于多个机构各自的业务数据,确定多个机构的权重值。
本实施例中,机构的权重值可以表征机构的业务量大小,其中,机构的权重值越大,可以表征机构的业务量越多,机构的权重值越小,可以表征机构的业务量越少。
在确定多个机构的权重值时,首先,可以基于多个机构的业务数据,得到多个机构各自的业务量。以其中一个机构为例,可以通过对该机构的业务数据进行统计和分析,得到该机构的业务量。
其次,基于多个机构的业务量,确定多个机构的权重值。具体地,可以采用以下任一种实现方式:
第一种实现方式:可以直接将机构的业务量作为机构的权重值,例如,当多个机构均为金融机构时,可以将机构的账单金额大小作为机构的权重值,也可以将机构的账单流水笔数作为机构的权重值。
第二种实现方式,可以将多个机构的业务量进行归一化,并将归一化结果作为多个机构各自的权重值。
第二步:基于多个机构的权重值,按照预设规则对多个机构进行分组,得到多组机构。
本实施例中,为了达到较好的分组效果,可以将分组得到的多组机构中,第一分组中机构的权重值之和与第二分组中机构的权重值之和的差值作为变量,当该变量的值最小时,可以认为分组效果最好,该分组方法即为按照预设规则对多个机构进行分组。其中,第一分组为多组机构中机构的权重值之和最大的一组机构,第二分组为多组机构中机构的权重值之和最小的一组机构,预设规则表征多组机构中,第一分组中机构的权重值之和与第二分组中机构的权重值之和的差值最小。
在按照预设规则对多个机构进行分组时,具体实现方式如下:
首先,确定将多个机构划分的组数N。
本实施例中,在对多个机构进行分组之前,可以预先确定需要划分的组数N,其中,N为大于或等于2的整数,具体可以是经验值,也可以由人为指定,这里不做具体限定。
其次:将多个机构按照权重值从大到小的顺序进行排序,得到机构序列。
最后,循环执行以下操作,直至将机构序列中最后一个机构划分到N组机构中的一组机构中:
将机构序列中第i个机构划分到目标分组中,目标分组为N组机构中机构的权重值之和最小且机构的数量小于设定值的一组机构,i=1,2,……,m,m为机构的总数量。
为了便于理解整个分组过程,可以以8个机构A、B、C、D、E、F、G、和H,权重值分别为5、2、6、3、20、1、4和7为例进行说明。
首先,可以指定将8个机构划分为3组,3组机构分别由N1、N2和N3表示,每组机构的机构数量上限可以指定为3。
其次,按照权重值从大到小的顺序将8个机构进行排序,可以得到机构序列[E,H,C,A,G,D,B,F],该机构序列可以对应一个权重序列[20,7,6,5,4,3,2,1]。
最后,依次将机构序列中的8个机构划分到3个分组中,具体过程如下。
为了便于描述,这里可以定义变量x1、x2和x3,分别表示3个分组N1、N2和N3中的机构数量,并定义变量w1、w2和w3,分别表示3个分组N1、N2和N3中机构的权重值之和,其中,x1、x2和x3,w1、w2和w3的初始值均为0。
针对机构E,由于x1=0,x2=0,x3=0,w1=0,w2=0,w3=0,因此,3个分组N1、N2和N3均满足“机构的权重值之和最小且机构的数量小于设定值”的条件,此时,可以将机构E随机分配到其中一个分组中。这里可以将机构E分配到N1中。
针对机构H,由于x1=1,x2=0,x3=0,w1=20,w2=0,w3=0,因此,N2和N3均满足“机构的权重值之和最小且机构的数量小于设定值”的条件,此时,可以将机构H分配到N2或N3中。这里可以将机构H分配到N2中。
针对机构C,由于x1=1,x2=1,x3=0,w1=20,w2=7,w3=0,因此,N3满足“机构的权重值之和最小且机构的数量小于设定值”的条件,此时,将机构C分配到N3中。
针对机构A,由于x1=1,x2=1,x3=1,w1=20,w2=7,w3=6,因此,N3满足“机构的权重值之和最小且机构的数量小于设定值”的条件,此时,将机构A分配到N3中。
针对机构G,由于x1=1,x2=1,x3=2,w1=20,w2=7,w3=11,因此,N2满足“机构的权重值之和最小且机构的数量小于设定值”的条件,此时,将机构G分配到N2中。
针对机构D,由于x1=1,x2=2,x3=2,w1=20,w2=11,w3=11,因此,N2和N3满足“机构的权重值之和最小且机构的数量小于设定值”的条件,此时,可以将机构D分配到N2或N3中。这里可以将机构D分配到N3中。
针对机构B,由于x1=1,x2=2,x3=3,w1=20,w2=11,w3=14,因此,N2满足“机构的权重值之和最小且机构的数量小于设定值”的条件,此时,将机构B分配到N2中。
针对机构F,由于x1=1,x2=3,x3=3,w1=20,w2=13,w3=14,因此,N1满足“机构的权重值之和最小且机构的数量小于设定值”的条件,此时,将机构F分配到N1中。
这样,得到的3组机构分别为:N1[E,F],N2[H,G,B],N3[C,A,D]。
至此,可以通过上述记载的方法对多个机构进行分组,得到多组机构。
在得到多组机构后,可选地,还可以进一步确定得到每组机构的业务指标,其中,每组机构的业务指标可以理解为每组机构中包括的至少一个机构的综合业务指标。具体实现方式如下:
首先,可以根据多个机构的业务数据,确定多个机构的业务指标。
以其中一个机构为例,通过对机构的业务数据进行统计分析,可以得到机构的业务指标。其中,业务指标可以是KPI,也可以是其他业务指标,这里不做具体限定。一个机构的业务指标可以是一个,也可以是多个,具体根据实际需要确定,这里也不做具体限定。
其次,基于多个机构的业务指标,得到每组机构的业务指标。
以其中一组机构为例,若该组机构中只包括一个机构,则该一个机构的业务指标即为该组机构的业务指标;若该组机构中包括多个机构,则可以将多个机构的相同业务指标进行合并,从而得到该组机构的业务指标。
例如,若一组机构中包括的多个机构均为金融机构,且具有相同的业务指标“交易金额”,则可以将该多个金融机构的交易金额相加,得到总交易金额,并将总交易金额作为该组机构的“交易金额”。
在S104中,在将多个机构进行分组,得到多组机构以及每组机构的业务指标后,可以执行S106。
S106:基于每组机构的业务指标,确定每组机构中是否存在业务异常的机构。
在S106中,可以以一组机构作为一个整体,基于每组机构的业务指标,确定每组机构中是否存在业务异常的机构。
以其中一组机构(为了便于描述,可以由待识别机构表示)为例,具体可以包括以下步骤:
首先,获取与待识别机构的业务指标对应的预测模型。
预测模型可以用于确定待识别机构的业务指标是否异常,在本实施例中,预测模型可以预先构建得到。具体地:
在对多个机构进行分组得到多组机构后,可以针对每组机构,分别构建预测模型。在构建每组机构的预测模型时,以待识别机构为例,若基于待识别机构的一个业务指标确定待识别机构中是否存在业务异常的机构,则可以构建一个预测模型,若基于待识别机构的多个业务指标确定待识别机构中是否存在业务异常的机构,则可以构建多个预测模型,多个预测模型与待识别机构的多个业务指标一一对应,用于确定多个业务指标是否异常。
在构建得到待识别机构的业务指标对应的预测模型后,在判断待识别机构中是否存在业务异常的机构时,可以获取已构建的预测模型。
需要说明的是,本实施例在构建预测模型时,由于以一组机构作为一个整体,构建一组机构的业务指标对应的预测模型,因此,相较于基于每个机构的业务指标构建预测模型而言,可以减少预测模型的数量,从而易于实现对多个机构的监控。
其次,基于获取的预测模型,确定待识别机构中是否存在业务异常的机构。
以一个业务指标为例,在基于一个业务指标对应的预测模型确定待识别机构中是否存在业务异常的机构时,具体实现方式如下:
基于业务指标对应的预测模型,得到业务指标预测值;将待识别机构的业务指标实际值与业务指标预测值进行比较,判断两者的差值是否在预设范围内,该预设范围可以根据实际情况确定,这里不做具体限定。
若业务指标实际值与业务指标预测值的差值不在预设范围内,则可以说明,待识别机构的业务指标异常,此时,可以确定待识别机构中存在业务异常的机构,反之,若业务指标实际值与业务指标预测值的差值在预设范围内,则可以说明,待识别机构的业务指标正常,此时,可以确定待识别机构中不存在业务异常的机构。
至此,可以判断待识别机构中是否存在业务异常的机构。基于上述相同的方法,可以确定其他每组机构中是否存在业务异常的机构。
本实施例中,由于对多个机构进行分组时,限定了每组机构的机构数量上限,因此,针对一组机构中的多个机构而言,每个机构的业务是否异常的特征不会被淹没,这样,当分组内某个机构的业务出现异常时,能够有效识别到该分组内存在业务异常的机构。
本实施例在确定一组机构中存在业务异常的机构后,可选地,可以进行异常报警,以便监控平台可以确定哪组机构异常,进而对该组机构中每个机构进行精细化的分析,以进一步定位该组机构中哪个机构为异常机构。
为了便于理解本申请的整个技术方案,可以参见图2。图2是本申请的一个实施例异常识别方法的流程示意图,图2所示实施例包括以下步骤。
S201:获取多个机构的业务数据。
以其中一个机构为例,可以获取该机构最近一段时间内的业务数据,也可以获取该机构设定时间段内的业务数据,还可以获取该机构所有的历史业务数据,这里不做具体限定。
S202:基于所述业务数据,确定所述多个机构各自的权重值。
机构的权重值可以表征机构的业务量大小,其中,机构的权重值越大表征机构的业务量越多,机构的权重值越小表征机构的业务量越少。
在确定多个机构各自的权重值时,可以通过对每个机构的业务数据进行分析,得到每个机构各自的业务量。在得到每个机构的业务量后,可以直接将机构的业务量作为机构的权重值,也可以将多个机构的业务量进行归一化,得到多个机构各自的权重值。
S203:确定将所述多个机构划分的组数N和每组机构的机构数量上限C。
这里的组数N和机构数量上限C可以是经验值,也可以由人为指定。
S204:将所述多个机构按照权重值从大到小的顺序进行排序,得到机构序列。
S205:将所述机构序列中第i个机构划分到机构权重值之和最小且机构数量小于机构数量上限C的一组机构中,得到N组机构。
其中,i=1,2,……,m,m为机构的总数量。
S205中记载的对多个机构的分组方法,可以理解为按照预设规则对多个机构进行分组,其中,预设规则表征最终得到的N组机构中,第一分组中机构的权重值之和与第二分组中机构的权重值之和的差值最小,第一分组为N组机构中机构的权重值之和最大的一组机构,第二分组为N组机构中机构的权重值之和最小的一组机构。
S205的具体实现方式可以参见上述图1所示实施例中相应步骤的具体实现,这里不再重复描述。
S206:确定N组机构中每组机构的业务指标。
首先,可以根据多个机构各自的业务数据,得到多个机构各自的业务指标。
其次,基于每个机构的业务指标,得到每组机构的业务指标。具体地,以其中一组机构为例,若该组机构中包括一个机构,则该机构的业务指标即为该组机构的业务指标;若该组机构中包括多个机构,则可以将多个机构的相同业务指标进行合并,从而得到该组机构的业务指标。
S207:获取每组机构的业务指标对应的预测模型。
一组机构的业务指标对应的预测模型,用于确定该组机构的业务指标是否异常,其中,预测模型可以在预先构建得到。
在获取预测模型时,以获取一组机构的业务指标对应的预测模型为例,若该组机构的业务指标的个数为一个,则可以获取一个预测模型,若该组机构的业务指标的个数为多个,则可以获取与该多个业务指标一一对应的多个预测模型。
S208:基于获取的预测模型以及每组机构的业务指标,确定每组机构中是否存在业务异常的机构。
以其中一组机构为例,在基于该组机构的一个业务指标对应的预测模型确定该组机构中是否存在业务异常的机构时,可以基于该业务指标对应的预测模型,得到该业务指标的预测值,判断该预测值与业务指标的实际值之间的差值是否在预设范围内,若是,则可以确定该业务指标正常,并进一步确定该组机构中不存在业务异常的机构;若否,则可以确定该业务指标异常,并进一步确定该机构中存在业务异常的机构。
基于上述相同的方法可以确定其他每组机构中是否存在业务异常的机构。
在确定一组机构中存在业务异常的机构后,可选地,可以进行异常报警,以便监控平台可以确定哪组机构异常,进而对该组机构中每个机构进行精细化的分析,进一步定位该组机构中哪个机构为异常机构。
本申请实施例提供的技术方案,监控平台在对多个机构进行监控时,可以将多个机构进行分组,并基于每组机构的业务指标对多个机构进行监控,因此,在构建预测模型时,可以将一组机构作为一个整体,构建每组机构的业务指标对应的预测模型,相较于基于每个机构构建预测模型而言,构建的预测模型的数量较少,易于实现对多个机构的监控。此外,由于对多个机构进行分组时,限定了每组机构的机构数量上限,因此,针对一组机构中的多个机构而言,每个机构的业务是否异常的特征不会被淹没,这样,当分组内某个机构的业务出现异常时,能够有效识别到该分组内存在业务异常的机构,从而提高对异常机构的识别准确度。
上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
图3是本申请的一个实施例电子设备的结构示意图。请参考图3,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成异常识别装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
获取多个机构的业务数据;
基于所述业务数据对所述多个机构进行分组,得到多组机构,至少一组机构中机构的数量大于1,且每组机构中机构的数量不大于设定值;
基于每组机构的业务指标,确定每组机构中是否存在业务异常的机构。
上述如本申请图3所示实施例揭示的异常识别装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1和图2的方法,并实现异常识别装置在图1和图2所示实施例中的功能,本申请实施例在此不再赘述。
当然,除了软件实现方式之外,本申请的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图1和图2所示实施例的方法,并具体用于执行以下操作:
获取多个机构的业务数据;
基于所述业务数据对所述多个机构进行分组,得到多组机构,至少一组机构中机构的数量大于1,且每组机构中机构的数量不大于设定值;
基于每组机构的业务指标,确定每组机构中是否存在业务异常的机构。
图4是本申请的一个实施例异常识别装置40的结构示意图。请参考图4,在一种软件实施方式中,所述异常识别装置40可包括:获取单元41、分组单元42和识别单元43,其中:
获取单元41,获取多个机构的业务数据;
分组单元42,基于所述业务数据对所述多个机构进行分组,得到多组机构,至少一组机构中机构的数量大于1,且每组机构中机构的数量不大于设定值;
识别单元43,基于每组机构的业务指标,确定每组机构中是否存在业务异常的机构。
可选地,所述分组范媛42,基于所述业务数据对所述多个机构进行分组,得到多组机构,包括:
基于所述业务数据,确定所述多个机构的权重值,所述权重值表征机构的业务量大小;
基于所述多个机构的权重值,按照预设规则对所述多个机构进行分组,得到多组机构;
其中,所述预设规则表征所述多组机构中,第一分组中机构的权重值之和与第二分组中机构的权重值之和的差值最小,所述第一分组为所述多组机构中机构的权重值之和最大的一组机构,所述第二分组为所述多组机构中机构的权重值之和最小的一组机构。
可选地,所述分组单元42,基于所述业务数据,确定所述多个机构的权重值,包括:
基于所述业务数据,确定所述多个机构的业务量;
基于所述多个机构的业务量,确定所述多个机构的权重值。
可选地,所述分组单元42,基于所述多个机构的权重值,按照预设规则对所述多个机构进行分组,得到多组机构,包括:
确定将所述多个机构划分的组数N;
将所述多个机构按照权重值从大到小的顺序进行排序,得到机构序列;
循环执行以下操作,直至将所述机构序列中最后一个机构划分到N组机构中的一组机构中:
将所述机构序列中第i个机构划分到目标分组中,所述目标分组为N组机构中机构的权重值之和最小且机构的数量小于所述设定值的一组机构,i=1,2,……,m,m为机构的总数量。
可选地,所述分组单元42,在得到所述多组机构后,根据所述多个机构的业务数据,确定所述多个机构的业务指标;
基于所述多个机构的业务指标,得到每组机构的业务指标。
可选地,所述识别单元43,基于每组机构的业务指标,确定每组机构中是否存在业务异常的机构,包括:
针对其中一组待识别机构,执行以下操作:
获取与所述待识别机构的业务指标对应的预测模型,所述预测模型用于确定所述待识别机构的业务指标是否异常;
基于所述预测模型,确定所述待识别机构中是否存在业务异常的机构。
可选地,所述识别单元43,基于所述预测模型,确定所述待识别机构中是否存在业务异常的机构,包括:
基于所述预测模型,确定所述待识别机构的业务指标预测值;
判断所述待识别机构的业务指标实际值与所述业务指标预测值的差值是否在预设范围内;
若否,则确定所述待识别机构中存在业务异常的机构。
本申请实施例提供的异常识别装置40还可执行图1和图2的方法,并实现异常识别装置40在图1和图2所示实施例的功能,本申请实施例在此不再赘述。
总之,以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
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。
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。
本申请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。