CN110674129A - 异常事件处理方法、系统、计算机设备及存储介质 - Google Patents
异常事件处理方法、系统、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110674129A CN110674129A CN201910747599.8A CN201910747599A CN110674129A CN 110674129 A CN110674129 A CN 110674129A CN 201910747599 A CN201910747599 A CN 201910747599A CN 110674129 A CN110674129 A CN 110674129A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- information
- processing mode
- preset
- event
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 189
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 123
- 238000000034 method Methods 0.000 claims abstract description 30
- 239000013598 vector Substances 0.000 claims description 80
- 230000006870 function Effects 0.000 claims description 37
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 16
- 238000013145 classification model Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000001550 time effect Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000700605 Viruses Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供了一种异常事件处理方法,所述方法包括:获取用户提交的异常事件信息,所述异常事件信息包括多个字段信息;根据所述多个字段信息确定针对所述异常事件的处理模式;如果所述处理模式被确定为第一处理模式,则根据所述多个字段信息中的至少一个字段信息所述异常事件对应的目标异常类别;通过所述目标异常类别对应的目标解决方案处理所述异常事件。本发明实施例根据字段信息自动判别处理模式以及根据字段信息判断异常事件的目标异常类别,以根据预先配置的用于解决所述目标异常类别的异常事件的目标解决方案,从而对所述异常事件进行相应地处理,因此具有处理效率高、时效短、人力成本低的优势。
Description
技术领域
本发明实施例涉及计算机数据处理领域,尤其涉及一种异常事件处理方法、系统、计算机设备及计算机可读存储介质。
背景技术
随着人们保险意识逐渐增强,商业保险已经成为当前社会保障体系的重要组成部分。随着保险业务量的逐年增加,用于保险作业的作业系统所涉及的事项也越来越繁杂,例如,目前销售系统中,就包括用于实施各类工作的各类系统模块、页面等。这些系统模块或页面中又包括大量的功能点,如客户关系维护、报价录单、任务流转、客户查询等系统模块就有上千功能点。
用户在上述作业系统中进行作业时,可能会遇到各类异常事件。当前的解决方案是,由用户或者行政人员将异常事件上报IT部门,IT部门接收到该异常事件之后,会指派IT技术人员进行人工解决。然而,上述解决方案无疑具有效率低、时效长、人力成本高等缺陷。
发明内容
有鉴于此,本发明实施例的目的是提供一种异常事件处理方法、系统、计算机设备及计算机可读存储介质,解决当前异常事件解决方案的效率低、时效长、人力成本高等缺陷。
为实现上述目的,本发明实施例提供了一种异常事件处理方法,包括以下步骤:
获取用户提交的异常事件信息,所述异常事件信息包括多个字段信息;
根据所述多个字段信息确定针对所述异常事件的处理模式;
如果所述处理模式被确定为第一处理模式,则从所述多个字段信息中的至少一个字段信息中提取N个关键数据;
将所述N个关键数据输入到词向量映射模型中,得到N*d维词向量矩阵,其中每个关键数据映射为一个d维词向量;
将N*d维词向量矩阵输入到异常事件分类模型中,通过所述异常事件分类模型输出分类向量,所述分类向量包括多个向量参数,每个向量参数用于表示预设多个异常类别中的其中一个异常类别的预测概率;
根据所述分类向量从多个异常类别中筛选出至少一个目标异常类别;及
通过所述目标异常类别对应的目标解决方案处理所述异常事件。
优选地,根据所述多个字段信息确定针对所述异常事件的处理模式的步骤,包括:
判断所述多个字段信息中的第一字段信息是否与所述预设表单中的预设信息匹配,所述的预设信息对应于第二处理模式;
如果所述第一字段信息与所述预设表单中的预设信息不匹配,则确定针对所述异常事件的处理模式为所述第一处理模式;及
如果所述第一字段信息与所述预设表单中的预设信息匹配,则确定针对所述异常事件的处理模式为第二处理模式。
优选地,根据所述多个字段信息确定针对所述异常事件的处理模式的步骤,包括:
判断所述多个字段信息中的第一字段信息是否与所述预设表单中的预设信息匹配,所述的预设信息对应于第二处理模式;
如果所述第一字段信息与所述预设表单中的预设信息不匹配:
提取所述第二字段信息中的一个或多个关键词,所述第二字段信息包括异常节点信息字段中的异常节点信息,所述异常节点信息包括异常发生时的页面信息及页面操作节点信息;
判断所述一个或多个关键词是否在预设关键词集合中,所述预设关键词集合包括多个关键词,每个关键词对应于通过平台已解决的历史异常事件;
如果所述一个或多个关键词在所述预设关键词集合中,则确定针对所述异常事件的处理模式为所述第一处理模式;
如果所述一个或多个关键词不在所述预设关键词集合中,则确定针对所述异常事件的处理模式为所述第二处理模式;及
如果所述第一字段信息与所述预设表单中的预设信息匹配,则确定针对所述异常事件的处理模式为所述第二处理模式。
优选地,从所述多个字段信息中的至少一个字段信息中提取N个关键数据的步骤,包括:
提取所述第三字段信息中的N个关键数据,所述第三字段信息包括异常问题描述信息字段中的异常问题描述信息。
优选地,通过所述目标异常类别对应的目标解决方案处理所述异常事件的步骤,包括:
根据所述目标解决方案调用相应的目标功能组件,将所述目标功能组件加载到内存中并执行所述功能组件中的定义的异常事件解决功能;
其中,所述目标功能组件为预先配置多个功能组件中的其中一个功能组件,所述多个功能组件中的每个功能组件对应至少一个异常事件解决方案。
优选地,所述方法还包括预先配置词向量映射模型的步骤:
根据异常数据库中的异常数据构建知识图谱,所述知识图谱包括多个节点的节点信息以及各个节点之间的关系信息;所述多个节点包括:异常系统、异常页面、异常环节、异常表现、异常事件解决方案;
将所述异常数据定义为三元组组成的训练集;及
基于所述训练集对知识表示模式进行训练,以得到所述词向量映射模型
为实现上述目的,本发明实施例还提供了异常事件处理系统,包括:
获取模块,用于获取用户提交的异常事件信息,所述异常事件信息包括多个字段信息;
确定模块,用于根据所述多个字段信息确定针对所述异常事件的处理模式;
提取模块,用于如果所述处理模式被确定为第一处理模式,则从所述多个字段信息中的至少一个字段信息中提取N个关键数据;
向量转化模块,用于将所述N个关键数据输入到词向量映射模型中,得到N*d维词向量矩阵,其中每个关键数据映射为一个d维词向量;
预测模块,用于将N*d维词向量矩阵输入到异常事件分类模型中,通过所述异常事件分类模型输出分类向量,所述分类向量包括多个向量参数,每个向量参数用于表示预设多个异常类别中的其中一个异常类别的预测概率;
筛选模块,用于根据所述分类向量从多个异常类别中筛选出至少一个目标异常类别;及
处理模块,用于通过所述目标异常类别对应的目标解决方案处理所述异常事件。
优选地,所述确定模块还用于:
判断所述多个字段信息中的第一字段信息是否与所述预设表单中的预设信息匹配,所述的预设信息对应于第二处理模式;
如果所述第一字段信息与所述预设表单中的预设信息不匹配,则确定针对所述异常事件的处理模式为所述第一处理模式;及
如果所述第一字段信息与所述预设表单中的预设信息匹配,则确定针对所述异常事件的处理模式为第二处理模式。
为实现上述目的,本发明实施例还提供了一种计算机设备,所述计算机设备存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被处理器执行时实现如上所述的异常事件处理方法的步骤。
为实现上述目的,本发明实施例还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内存储有计算机程序,所述计算机程序可被至少一个处理器所执行,以使所述至少一个处理器执行如上所述的异常事件处理方法的步骤。
本发明实施例提供的异常事件处理方法、系统、计算机设备及计算机可读存储介质,通过用户提交的异常事件信息,确定针对所述异常事件的处理模式;如果处理模式被确定为第一处理模式,根据所述多个字段信息中的至少一个字段信息所述异常事件对应的目标异常类别;通过所述目标异常类别对应的目标解决方案处理所述异常事件。即,本发明实施例根据字段信息自动判别处理模式以及根据字段信息判断异常事件的目标异常类别,以根据预先配置的用于解决所述目标异常类别的异常事件的目标解决方案,从而对所述异常事件进行相应地处理。可知本发明实施例具有处理效率高、时效短、人力成本低的优势。
附图说明
图1为本发明异常事件处理方法实施例一的流程图。
图2为本发明异常事件处理方法实施例二的流程图。
图3为本发明异常事件处理系统实施例三的程序模块示意图。
图4为本发明计算机设备实施例四的硬件结构示意图。
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用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本发明实施例中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
以下实施例将以计算机设备2为执行主体进行示例性描述。
实施例一
参阅图1,示出了本发明实施例一之异常事件处理方法的步骤流程图。可以理解,本方法实施例中的流程图不用于对执行步骤的顺序进行限定。具体如下。
步骤S100,获取用户提交的异常事件信息,所述异常事件信息包括多个字段信息。
在示例性的实施例中,所述异常节点信息包括异常事件所在系统页面以及具体操作环节。例如,客户保单页、保单信息输入环节。
所述异常问题描述信息包括用户对异常事件的文字性描述信息或异常截图信息。例如,无法输入用户名、页面卡死等。
在示例性的实施例中,步骤S100具体可以包括子步骤S100a和S100b:
步骤S100a,获取用户传输的用于申请处理所述异常事件的电子申请表单。
所述电子申请表单包括预先配置的多个字段,这些字段用于采集所述异常事件信息。所述多个字段的字段种类可以包括文本框、复选框、单选框、下拉选择框等。所述多个字段可以包括异常节点信息字段、异常问题描述信息字段、用户姓名字段、用户工号字段、用户部门字段等。
步骤S100b,解析所述电子请求表单,得到所述电子请求表单中的各个字段的字段信息。
所述各个字段的字段信息形成一条数据库记录,被保存在数据库表单中。
步骤S102,根据所述多个字段信息确定针对所述异常事件的处理模式。
所述处理模块可以包括第一处理模式、第二处理模型、…。
在示例性的实施例中,步骤S102具体可以包括子步骤S102a~S102c:
步骤S102a,判断所述多个字段信息中的第一字段信息是否与所述预设表单中的预设信息匹配,所述的预设信息对应于第二处理模式。如果不是,进入步骤S102b;否则进入步骤S102c。
所述预设表单用于记录所提交的异常事件需要通过人工处理的部门或人员对应的部门名称或人员名称。所述用户属性信息可以是姓名、职位、工号、部门等,所述预设表单的预设信息可以包括一些重要部门的部门名称或重要人员的人员姓名、工号、职位等,这些重要部门或重要人员提交的异常事件,则立即提交该IT人员处理。
步骤S102b,确定针对所述异常事件的处理模式为所述第一处理模式,并进入步骤S104。示例性的,所述第一处理模块可以平台自动处理模式。
步骤S102c,确定针对所述异常事件的处理模式为第二处理模式。示例性的,所述第二处理模式可以工人处理模式。
步骤S104,如果所述处理模式被确定为第一处理模式,则从所述多个字段信息中的至少一个字段信息中提取N个关键数据。
在示例性的实施例中,所述步骤S104可以为:从异常问题描述信息字段中的异常问题描述信息中,提供N个关键数据。N为大于1的正整数。
步骤S106,将所述N个关键数据输入到词向量映射模型中,得到N*d维词向量矩阵,其中每个关键数据映射为一个d维词向量。d为大于1的正整数。
所述词向量映射模型可以是word2vec模型或知识表示模型。
以知识表示模型为例:将所述N个关键数据定义为N个目标实体,基于预先配置的异常问题知识库为每个目标实体匹配一目标实体对象集合,每个目标实体对象集合包括与相应目标实体之间具有目标关系的所有目标实体对象。
所述知识表示模型可以采用transE、transH、transR、deepwalk等。
在示例性的实施例中,还包括预先配置词向量映射模型的步骤,具体如下:
根据异常数据库中的异常数据构建知识图谱,所述知识图谱包括多个节点的节点信息以及各个节点之间的关系信息;所述多个节点包括:异常系统、异常页面、异常环节、异常表现、异常事件解决方案;
将所述异常数据定义为三元组组成的训练集;及
基于所述训练集对知识表示模式进行训练,以得到所述词向量映射模型。
步骤S108,将N*d维词向量矩阵输入到异常事件分类模型中,通过所述异常事件分类模型输出分类向量。
所述分类向量包括多个向量参数,每个向量参数用于表示预设多个异常类别中的其中一个异常类别的预测概率。
在示例性的实施例中,异常事件分类模型可以为训练好的卷积神经网络模型,所述步骤S108包括:
步骤S108a,通过卷积层对所述N*d维词向量矩阵执行卷积操作,得到M个卷积特征图,所述卷积层包括M个f*d的卷积核。
所述卷积层包括若干个步长为1的f*d的卷积核,通过该卷积层对N*d维词向量矩阵做卷积操作,以得到若干个(L-f+1)*1的卷积特征图。即,每个卷积特征图的宽度为1,长度为L-f+1。卷积核的长度为f,分词数量为L个。
卷积特征图中的(L-f+1)*1个元素,计算公式如下:
所述卷积层包括若干个步长为1的f*d的卷积核,通过该卷积层对N*d维词向量矩阵做卷积操作,以得到若干个(L-f+1)*1的卷积特征图。即,每个卷积特征图的宽度为1,长度为L-f+1。卷积核的长度为f,分词数量为L个。
卷积特征图中的(L-f+1)*1个元素,计算公式如下:
cij=f(wij⊙mi+bi)
其中,cij为第i个特征卷积图中的(L-f+1)中的第j个元素的特征值,wij为对应第i个卷积特征图的被卷积核所覆盖到的词向量矩阵,⊙表示矩阵相乘,mi为用于计算第i个卷积特征图的卷积核,bi为用于计算第i个卷积特征图的偏置项,f为非线性的激活函数,如ReLU函数。
步骤S108b,对所述M个卷积特征图经过池化层、全连接层和softmax层,通过所述softmax层输出分类向量。
步骤S110,根据所述分类向量从多个异常类别中筛选出至少一个目标异常类别。
例如,可以将预测概率最大的异常类别作为目标异常类别。
步骤S112,通过所述目标异常类别对应的目标解决方案处理所述异常事件。
在示例性的实施例中,所述步骤S112具体包括:根据所述目标解决方案调用相应的目标功能组件,将所述目标功能组件加载到内存中并执行所述功能组件中的定义的异常事件解决功能。
所述目标功能组件为预先配置多个功能组件中的其中一个功能组件,所述多个功能组件中的每个功能组件对应至少一个异常事件解决方案。
所述目标解决方案可以被预先存储在异常处理表格中,并与异常类别建立有映射关系。所述目标解决方案,如预定存储区域的不同级别的病毒查杀方案、数据恢复方案、数据迁移方案、代码修复方案、代码版本升级方案、固件升级方案、运行参数更新方案等等。
实施例二
参阅图2,示出了本发明实施例二之异常事件处理方法的步骤流程图。可以理解,本方法实施例中的流程图不用于对执行步骤的顺序进行限定。具体如下。
步骤S200,获取用户提交的异常事件信息,所述异常事件信息包括多个字段信息。
在示例性的实施例中,所述异常节点信息包括异常事件所在系统页面以及具体操作环节。例如,客户保单页、保单信息输入环节。
所述异常问题描述信息包括用户对异常事件的文字性描述信息或异常截图信息。例如,无法输入用户名、页面卡死等。
步骤S202,判断所述多个字段信息中的第一字段信息是否与所述预设表单中的预设信息匹配,所述的预设信息对应于第二处理模式。如果不是,进入步骤S204;否则进入步骤S220。
所述用户属性信息可以是姓名、职位、工号、部门等,所述预设表单的预设信息可以包括一些重要部门的部门名称或重要人员的人员姓名、工号、职位等,这些重要部门或重要人员提交的异常事件,则立即提交该IT人员处理。
步骤S204,提取所述第二字段信息中的一个或多个关键词,所述第二字段信息包括异常节点信息字段中的异常节点信息。
示例性的,所述异常节点信息包括异常发生时的页面信息及页面操作节点信息。
步骤S206,判断所述一个或多个关键词是否在预设关键词集合中。如果是,进入步骤S208;否则进入步骤S220。
所述预设关键词集合包括多个关键词,每个关键词对应于通过平台已解决的历史异常事件。
步骤S208,确定针对所述异常事件的处理模式为所述第一处理模式。
步骤S210,提取所述第三字段信息中的N个关键数据,所述第三字段信息包括异常问题描述信息字段中的异常问题描述信息。
步骤S212,将所述N个关键数据输入到词向量映射模型中,得到N*d维词向量矩阵,其中每个关键数据映射为一个d维词向量。
步骤S214,将N*d维词向量矩阵输入到异常事件分类模型中,通过所述异常事件分类模型输出分类向量。
所述分类向量包括多个向量参数,每个向量参数用于表示预设多个异常类别中的其中一个异常类别的预测概率。
步骤S216,根据所述分类向量从多个异常类别中筛选出至少一个目标异常类别。
例如,可以将预测概率最大的异常类别作为目标异常类别。
步骤S218,通过所述目标异常类别对应的目标解决方案处理所述异常事件。
步骤S220,确定针对所述异常事件的处理模式为所述第二处理模式。
实施例三
请继续参阅图3,示出了本发明异常事件处理系统实施例三的程序模块示意图。在本实施例中,异常事件处理系统20可以包括或被分割成一个或多个程序模块,一个或者多个程序模块被存储于存储介质中,并由一个或多个处理器所执行,以完成本发明,并可实现上述异常事件处理方法。本发明实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序本身更适合于描述异常事件处理系统20在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能:
获取模块200,用于获取用户提交的异常事件信息,所述异常事件信息包括多个字段信息。
确定模块202,用于根据所述多个字段信息确定针对所述异常事件的处理模式。
在示例性的实施例中,所述确定模块202还用于:判断所述多个字段信息中的第一字段信息是否与所述预设表单中的预设信息匹配,所述预设表单用于记录所提交的异常事件需要通过人工处理的部门或人员对应的部门名称或人员名称;如果所述第一字段信息与所述预设表单中的预设信息不匹配,则确定针对所述异常事件的处理模式为所述第一处理模式;及如果所述第一字段信息与所述预设表单中的预设信息匹配,则确定针对所述异常事件的处理模式为第二处理模式。
在示例性的实施例中,所述确定模块202还用于:判断所述多个字段信息中的第一字段信息是否与所述预设表单中的预设信息匹配,所述的预设信息对应于第二处理模式;如果所述第一字段信息与所述预设表单中的预设信息不匹配,则确定针对所述异常事件的处理模式为所述第一处理模式:提取所述第二字段信息中的一个或多个关键词,所述第二字段信息包括异常节点信息字段中的异常节点信息,所述异常节点信息包括异常发生时的页面信息及页面操作节点信息;判断所述一个或多个关键词是否在预设关键词集合中,所述预设关键词集合包括多个关键词,每个关键词对应于通过平台已解决的历史异常事件;如果所述一个或多个关键词在所述预设关键词集合中,则确定针对所述异常事件的处理模式为所述第一处理模式;如果所述一个或多个关键词不在所述预设关键词集合中,则确定针对所述异常事件的处理模式为所述第二处理模式;及如果所述第一字段信息与所述预设表单中的预设信息匹配,则确定针对所述异常事件的处理模式为第二处理模式。
提取模块204,用于如果所述处理模式被确定为第一处理模式,从所述多个字段信息中的至少一个字段信息中提取N个关键数据。
在示例性的实施例中,所述提取模块204还用于:提取所述第三字段信息中的N个关键数据,所述第三字段信息包括异常问题描述信息字段中的异常问题描述信息。
向量转化模块206,用于将所述N个关键数据输入到词向量映射模型中,得到N*d维词向量矩阵,其中每个关键数据映射为一个d维词向量。
预测模块208,用于将N*d维词向量矩阵输入到异常事件分类模型中,通过所述异常事件分类模型输出分类向量。
所述分类向量包括多个向量参数,每个向量参数用于表示预设多个异常类别中的其中一个异常类别的预测概率。
筛选模块210,用于根据所述分类向量从多个异常类别中筛选出至少一个目标异常类别。
处理模块212,用于通过所述目标异常类别对应的目标解决方案处理所述异常事件。
在示例性的实施例中,所述处理模块212还用于:根据所述目标解决方案调用相应的目标功能组件,将所述目标功能组件加载到内存中并执行所述功能组件中的定义的异常事件解决功能。其中,所述目标功能组件为预先配置多个功能组件中的其中一个功能组件,所述多个功能组件中的每个功能组件对应至少一个异常事件解决方案。
在示例性的实施例中,异常事件处理系统20还包括配置模块(未标识),用于:根据异常数据库中的异常数据构建知识图谱,所述知识图谱包括多个节点的节点信息以及各个节点之间的关系信息;所述多个节点包括:异常系统、异常页面、异常环节、异常表现、异常事件解决方案;将所述异常数据定义为三元组组成的训练集;基于所述训练集对知识表示模式进行训练,以得到所述词向量映射模型。
实施例四
参阅图4,是本发明实施例四之计算机设备的硬件架构示意图。本实施例中,所述计算机设备2是一种能够按照事先设定或者存储的指令,自动进行数值计算和/或信息处理的设备。该计算机设备2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。如图所示,所述计算机设备2至少包括,但不限于,可通过系统总线相互通信连接存储器21、处理器22、网络接口23、以及异常事件处理系统20。其中:
本实施例中,存储器21至少包括一种类型的计算机可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器21可以是计算机设备2的内部存储单元,例如该计算机设备2的硬盘或内存。在另一些实施例中,存储器21也可以是计算机设备2的外部存储设备,例如该计算机设备20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。当然,存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中,存储器21通常用于存储安装于计算机设备2的操作系统和各类应用软件,例如实施例五的异常事件处理系统20的程序代码等。此外,存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备2的总体操作。本实施例中,处理器22用于运行存储器21中存储的程序代码或者处理数据,例如运行异常事件处理系统20,以实现实施例一或二的异常事件处理方法。
所述网络接口23可包括无线网络接口或有线网络接口,该网络接口23通常用于在所述计算机设备2与其他电子装置之间建立通信连接。例如,所述网络接口23用于通过网络将所述计算机设备2与外部终端相连,在所述计算机设备2与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication,GSM)、宽带码分多址(WidebandCode Division Multiple Access,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是,图4仅示出了具有部件20-23的计算机设备2,但是应理解的是,并不要求实施所有示出的部件,可以替代的实施更多或者更少的部件。
在本实施例中,存储于存储器21中的所述异常事件处理系统20还可以被分割为一个或者多个程序模块,所述一个或者多个程序模块被存储于存储器21中,并由一个或多个处理器(本实施例为处理器22)所执行,以完成本发明。
例如,图3示出了所述实现异常事件处理系统20实施例三的程序模块示意图,该实施例中,所述基于异常事件处理系统20可以被划分为获取模块200、确定模块202、提取模块204、向量转化模块206、预测模块208、筛选模块210和处理模块212。其中,本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序更适合于描述所述异常事件处理系统20在所述计算机设备2中的执行过程。所述程序模块200-212的具体功能在实施例三中已有详细描述,在此不再赘述。
实施例五
本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储异常事件处理系统20,被处理器执行时实现实施例一或二的异常事件处理方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种异常事件处理方法,其特征在于,所述方法包括:
获取用户提交的异常事件信息,所述异常事件信息包括多个字段信息;
根据所述多个字段信息确定针对所述异常事件的处理模式;
如果所述处理模式被确定为第一处理模式,则从所述多个字段信息中的至少一个字段信息中提取N个关键数据;
将所述N个关键数据输入到词向量映射模型中,得到N*d维词向量矩阵,其中每个关键数据映射为一个d维词向量;
将N*d维词向量矩阵输入到异常事件分类模型中,通过所述异常事件分类模型输出分类向量,所述分类向量包括多个向量参数,每个向量参数用于表示预设多个异常类别中的其中一个异常类别的预测概率;
根据所述分类向量从多个异常类别中筛选出至少一个目标异常类别;及
通过所述目标异常类别对应的目标解决方案处理所述异常事件。
2.根据权利要求1所述的异常事件处理方法,其特征在于,根据所述多个字段信息确定针对所述异常事件的处理模式的步骤,包括:
判断所述多个字段信息中的第一字段信息是否与所述预设表单中的预设信息匹配,所述的预设信息对应于第二处理模式;
如果所述第一字段信息与所述预设表单中的预设信息不匹配,则确定针对所述异常事件的处理模式为所述第一处理模式;及
如果所述第一字段信息与所述预设表单中的预设信息匹配,则确定针对所述异常事件的处理模式为第二处理模式。
3.根据权利要求1所述的异常事件处理方法,其特征在于,根据所述多个字段信息确定针对所述异常事件的处理模式的步骤,包括:
判断所述多个字段信息中的第一字段信息是否与所述预设表单中的预设信息匹配,所述的预设信息对应于第二处理模式;
如果所述第一字段信息与所述预设表单中的预设信息不匹配:
提取所述第二字段信息中的一个或多个关键词,所述第二字段信息包括异常节点信息字段中的异常节点信息,所述异常节点信息包括异常发生时的页面信息及页面操作节点信息;
判断所述一个或多个关键词是否在预设关键词集合中,所述预设关键词集合包括多个关键词,每个关键词对应于通过平台已解决的历史异常事件;
如果所述一个或多个关键词在所述预设关键词集合中,则确定针对所述异常事件的处理模式为所述第一处理模式;
如果所述一个或多个关键词不在所述预设关键词集合中,则确定针对所述异常事件的处理模式为所述第二处理模式;及
如果所述第一字段信息与所述预设表单中的预设信息匹配,则确定针对所述异常事件的处理模式为所述第二处理模式。
4.根据权利要求1~3任意一项所述的异常事件处理方法,其特征在于,从所述多个字段信息中的至少一个字段信息中提取N个关键数据的步骤,包括:
提取所述第三字段信息中的N个关键数据,所述第三字段信息包括异常问题描述信息字段中的异常问题描述信息。
5.根据权利要求4所述的异常事件处理方法,其特征在于,通过所述目标异常类别对应的目标解决方案处理所述异常事件的步骤,包括:
根据所述目标解决方案调用相应的目标功能组件,将所述目标功能组件加载到内存中并执行所述功能组件中的定义的异常事件解决功能;
其中,所述目标功能组件为预先配置多个功能组件中的其中一个功能组件,所述多个功能组件中的每个功能组件对应至少一个异常事件解决方案。
6.根据权利要求5所述的异常事件处理方法,其特征在于,所述方法还包括预先配置词向量映射模型的步骤:
根据异常数据库中的异常数据构建知识图谱,所述知识图谱包括多个节点的节点信息以及各个节点之间的关系信息;所述多个节点包括:异常系统、异常页面、异常环节、异常表现、异常事件解决方案;
将所述异常数据定义为三元组组成的训练集;及
基于所述训练集对知识表示模式进行训练,以得到所述词向量映射模型。
7.一种异常事件处理系统,其特征在于,所述方法包括:
获取模块,用于获取用户提交的异常事件信息,所述异常事件信息包括多个字段信息;
确定模块,用于根据所述多个字段信息确定针对所述异常事件的处理模式;
提取模块,用于如果所述处理模式被确定为第一处理模式,则从所述多个字段信息中的至少一个字段信息中提取N个关键数据;
向量转化模块,用于将所述N个关键数据输入到词向量映射模型中,得到N*d维词向量矩阵,其中每个关键数据映射为一个d维词向量;
预测模块,用于将N*d维词向量矩阵输入到异常事件分类模型中,通过所述异常事件分类模型输出分类向量,所述分类向量包括多个向量参数,每个向量参数用于表示预设多个异常类别中的其中一个异常类别的预测概率;
筛选模块,用于根据所述分类向量从多个异常类别中筛选出至少一个目标异常类别;及
处理模块,用于通过所述目标异常类别对应的目标解决方案处理所述异常事件。
8.根据权利要求7所述的异常事件处理系统,其特征在于,所述确定模块还用于:
判断所述多个字段信息中的第一字段信息是否与所述预设表单中的预设信息匹配,所述的预设信息对应于第二处理模式;
如果所述第一字段信息与所述预设表单中的预设信息不匹配,则确定针对所述异常事件的处理模式为所述第一处理模式;及
如果所述第一字段信息与所述预设表单中的预设信息匹配,则确定针对所述异常事件的处理模式为第二处理模式。
9.一种计算机设备,所述计算机设备存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,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6中任一项所述的异常事件处理方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序可被至少一个处理器所执行,以使所述至少一个处理器执行如权利要求1至6中任一项所述的异常事件处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910747599.8A CN110674129A (zh) | 2019-08-14 | 2019-08-14 | 异常事件处理方法、系统、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910747599.8A CN110674129A (zh) | 2019-08-14 | 2019-08-14 | 异常事件处理方法、系统、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110674129A true CN110674129A (zh) | 2020-01-10 |
Family
ID=69068581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910747599.8A Pending CN110674129A (zh) | 2019-08-14 | 2019-08-14 | 异常事件处理方法、系统、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110674129A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114978877A (zh) * | 2022-05-13 | 2022-08-30 | 京东科技信息技术有限公司 | 一种异常处理方法、装置、电子设备及计算机可读介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729311A (zh) * | 2017-08-28 | 2018-02-23 | 云南大学 | 一种融合文本语气的中文文本特征提取方法 |
CN108733722A (zh) * | 2017-04-24 | 2018-11-02 | 北京京东尚科信息技术有限公司 | 一种对话机器人自动生成方法及装置 |
CN109615407A (zh) * | 2018-10-19 | 2019-04-12 | 国家电网有限公司 | 基于人工智能的在线电力智慧客服方法 |
CN110110075A (zh) * | 2017-12-25 | 2019-08-09 | 中国电信股份有限公司 | 网页分类方法、装置以及计算机可读存储介质 |
-
2019
- 2019-08-14 CN CN201910747599.8A patent/CN110674129A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108733722A (zh) * | 2017-04-24 | 2018-11-02 | 北京京东尚科信息技术有限公司 | 一种对话机器人自动生成方法及装置 |
CN107729311A (zh) * | 2017-08-28 | 2018-02-23 | 云南大学 | 一种融合文本语气的中文文本特征提取方法 |
CN110110075A (zh) * | 2017-12-25 | 2019-08-09 | 中国电信股份有限公司 | 网页分类方法、装置以及计算机可读存储介质 |
CN109615407A (zh) * | 2018-10-19 | 2019-04-12 | 国家电网有限公司 | 基于人工智能的在线电力智慧客服方法 |
Non-Patent Citations (1)
Title |
---|
陈宗海: "系统仿真技术及其应用", vol. 1, 中国科学技术大学出版社, pages: 297 - 300 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114978877A (zh) * | 2022-05-13 | 2022-08-30 | 京东科技信息技术有限公司 | 一种异常处理方法、装置、电子设备及计算机可读介质 |
CN114978877B (zh) * | 2022-05-13 | 2024-04-05 | 京东科技信息技术有限公司 | 一种异常处理方法、装置、电子设备及计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110516910B (zh) | 基于大数据的保单核保模型训练方法和核保风险评估方法 | |
CN107844634B (zh) | 多元通用模型平台建模方法、电子设备及计算机可读存储介质 | |
CN107909274B (zh) | 企业投资风险评估方法、装置及存储介质 | |
CN110503565B (zh) | 行为风险识别方法、系统、设备及可读存储介质 | |
CN110659318B (zh) | 基于大数据的策略推送方法、系统及计算机设备 | |
CN111177129B (zh) | 标签体系的构建方法、装置、设备及存储介质 | |
CN108241529B (zh) | 薪资计算方法、应用服务器及计算机可读存储介质 | |
CN110060750B (zh) | 医疗数据推送方法、系统、计算机设备及可读存储介质 | |
CN113626241B (zh) | 应用程序的异常处理方法、装置、设备及存储介质 | |
CN111580874B (zh) | 数据申请的系统安全控制方法、系统和计算机设备 | |
CN110599354A (zh) | 线上对账方法、系统、计算机设备和计算机可读存储介质 | |
CN111881158A (zh) | 一种管理报表数据处理方法、装置、计算机系统及可读存储介质 | |
CN116126947B (zh) | 应用于企业管理系统的大数据分析方法及系统 | |
CN110503507B (zh) | 基于大数据的保险产品数据推送方法、系统及计算机设备 | |
CN113837584B (zh) | 业务处理系统和基于业务处理系统的异常数据处理方法 | |
CN112966965A (zh) | 进出口大数据的分析和决策方法、装置、设备及存储介质 | |
CN110674129A (zh) | 异常事件处理方法、系统、计算机设备及存储介质 | |
CN110618990B (zh) | 清单报表设置方法、系统及清单报表获取方法 | |
CN109544348B (zh) | 资产证券筛选方法、设备及计算机可读存储介质 | |
CN109597702B (zh) | 消息总线异常的根因分析方法、装置、设备及存储介质 | |
CN111324594A (zh) | 用于粮食加工业的数据融合方法、装置、设备及存储介质 | |
CN114116761A (zh) | 变量加工方法、装置、计算机设备和存储介质 | |
CN113254672A (zh) | 异常账号的识别方法、系统、设备及可读存储介质 | |
CN109885710B (zh) | 基于差分演化算法的用户画像刻画方法及服务器 | |
CN110717521B (zh) | 智能业务实现方法、装置及计算机可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200110 |