CN112132722B - 政务热线数量趋势异常确定方法、装置、电子设备及介质 - Google Patents
政务热线数量趋势异常确定方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN112132722B CN112132722B CN202010841659.5A CN202010841659A CN112132722B CN 112132722 B CN112132722 B CN 112132722B CN 202010841659 A CN202010841659 A CN 202010841659A CN 112132722 B CN112132722 B CN 112132722B
- Authority
- CN
- China
- Prior art keywords
- sample
- time
- target
- sliding
- determining
- 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 60
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 230000004044 response Effects 0.000 claims abstract description 17
- 230000005856 abnormality Effects 0.000 claims description 27
- 238000010438 heat treatment Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 10
- 239000012634 fragment Substances 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 239000000835 fiber Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
-
- 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
- G06Q10/10—Office automation; Time management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
Abstract
本公开提供了政务热线数量趋势异常确定方法、装置、电子设备及存储介质。该方法的一具体实施方式包括:获取目标区域在目标时间段内每个预设时间单位对应的政务热线数量,根据目标区域在目标时间段内每个预设时间单位对应的政务热线数量,生成对应的目标时间序列,对目标时间序列进行线性拟合,得到对应的拟合直线斜率,响应于确定拟合直线斜率大于预设直线斜率阈值,确定目标区域在目标时间段的政务热线数量趋势为异常。该实施方式可以实现自动地对目标区域在目标时间段的政务热线数量趋势进行异常判定。
Description
技术领域
本公开涉及计算机技术领域,具体涉及政务热线数量趋势异常确定方法、装置、电子设备及存储介质。
背景技术
为方便政府职能部门与人民群众的沟通和交流,各地市政府职能部门开通了相关的政务热线(12345市民服务热线)。人民群众可以通过该热线进行政务咨询、业务办理、提出建议、意见或投诉、举报等事项。
目前,是通过统计某区域在某时间段对应的政务热线总数量来反映该区域在该时间段是否异常,但政务热线总数量无法体现出该区域在该时间段对应的政务热线数量变化趋势。
发明内容
本公开提出了政务热线数量趋势异常确定方法、装置、电子设备及存储介质。
第一方面,本公开提供了一种政务热线数量趋势异常确定方法,该方法包括:获取目标区域在目标时间段内每个预设时间单位对应的政务热线数量;根据目标区域在目标时间段内每个预设时间单位对应的政务热线数量,生成对应的目标时间序列,其中,目标时间序列以政务热线数量为指标数值,以预设时间单位为时间单位;对目标时间序列进行线性拟合,得到对应的拟合直线斜率,其中,拟合直线斜率用于表征目标区域在目标时间段对应的政务热线数量趋势;响应于确定拟合直线斜率大于预设直线斜率阈值,确定目标区域在目标时间段的政务热线数量趋势为异常。
在一些可选的实施方式中,获取目标区域在目标时间段内每个预设时间单位对应的政务热线数量,包括:获取目标区域在目标时间段内每个预设时间单位对应的、关联同一目标事件类别的政务热线数量;以及响应于确定拟合直线斜率大于预设直线斜率阈值,确定目标区域在目标时间段的政务热线数量趋势为异常,包括:响应于确定拟合直线斜率大于预设直线斜率阈值,确定目标区域在目标时间段内属于目标事件类别的政务热线数量趋势为异常。
在一些可选的实施方式中,目标时间段对应的时间长度为目标滑动时间窗口长度,以及目标滑动时间窗口长度与预设直线斜率阈值是通过如下确定步骤预先确定的:获取样本集,其中,样本集中的样本包括样本时间序列和用于表征该样本时间序列内每个预设时间单位对应的政务热线数量是否异常的标签序列,其中,样本时间序列是根据目标区域在历史时间段内每个预设时间单位对应的政务热线数量生成的;获取候选参数集合,其中,候选参数集合中的候选参数包括滑动时间窗口长度和直线斜率阈值;基于时间序列中的窗口滑动方法以及样本集,确定候选参数集合中各候选参数分别对应的准确率;将候选参数集合中准确率最高的候选参数中的滑动时间窗口长度和直线斜率阈值分别确定为目标滑动时间窗口长度和预设直线斜率阈值。
在一些可选的实施方式中,基于时间序列中的窗口滑动方法以及样本集,确定候选参数集合中各候选参数分别对应的准确率,包括:对于候选参数集合中的每个候选参数,执行以下候选参数准确率确定操作,以确定该候选参数对应的准确率,其中,候选参数准确率确定操作包括:对于样本集中的每个样本,执行以下样本准确率确定操作,以确定该候选参数在该样本对应的准确率,其中,样本准确率确定操作包括:将该候选参数中的滑动时间窗口长度对应的滑动时间窗口沿该样本中的样本时间序列进行滑动,将滑动窗口在每个滑动位置下截取的该样本中的样本时间序列的片段,确定为该样本对应的子时间序列;对该样本对应的每个子时间序列分别进行线性拟合,得到每个子时间序列对应的拟合直线斜率;将该样本对应的各子时间序列中符合以下正样本条件的子时间序列确定为该样本对应的正样本子时间序列,正样本条件包括:该子时间序列对应的拟合直线斜率大于该候选参数中的直线斜率阈值且该样本的标签序列中相应于该子时间序列的标签序列片段中包括用于表征异常的标签,或者,该子时间序列对应的拟合直线斜率不大于该候选参数中的直线斜率阈值且该样本的标签序列中相应于该子时间序列的标签序列片段中不包括用于表征异常的标签;将该样本对应的正样本子时间序列的数量除以该样本对应的子时间序列的数量的比值确定为该候选参数在该样本对应的准确率。
在一些可选的实施方式中,将该候选参数中的滑动时间窗口长度对应的滑动时间窗口沿该样本中的样本时间序列进行滑动,将滑动窗口在每个滑动位置下截取的该样本中的样本时间序列的片段,确定为该样本对应的子时间序列,包括:按照预设滑动时间步长以及该候选参数中的滑动时间窗口长度,将该候选参数中的滑动时间窗口长度对应的滑动时间窗口沿该样本中的样本时间序列进行滑动,使滑动时间窗口遍历该样本中的样本时间序列,其中,预设滑动时间步长为预设时间单位对应的时间长度的整数倍;将滑动窗口在每个滑动位置下截取的该样本中的样本时间序列的片段,确定为该样本对应的子时间序列。
第二方面,本公开提供了一种政务热线数量趋势异常确定装置,该装置包括:获取单元,被配置成获取目标区域在目标时间段内每个预设时间单位对应的政务热线数量;生成单元,被配置成根据目标区域在目标时间段内每个预设时间单位对应的政务热线数量,生成对应的目标时间序列,其中,目标时间序列以政务热线数量为指标数值,以预设时间单位为时间单位;拟合单元,被配置成对目标时间序列进行线性拟合,得到对应的拟合直线斜率,其中,拟合直线斜率用于表征目标区域在目标时间段对应的政务热线数量趋势;确定单元,被配置成响应于确定拟合直线斜率大于预设直线斜率阈值,确定目标区域在目标时间段的政务热线数量趋势为异常。
在一些可选的实施方式中,获取单元进一步被配置成:获取目标区域在目标时间段内每个预设时间单位对应的、关联同一目标事件类别的政务热线数量;以及确定单元进一步被配置成:响应于确定拟合直线斜率大于预设直线斜率阈值,确定目标区域在目标时间段内属于目标事件类别的政务热线数量趋势为异常。
在一些可选的实施方式中,目标时间段对应的时间长度为目标滑动时间窗口长度,以及目标滑动时间窗口长度与预设直线斜率阈值是通过如下确定步骤预先确定的:获取样本集,其中,样本集中的样本包括样本时间序列和用于表征该样本时间序列内每个预设时间单位对应的政务热线数量是否异常的标签序列,其中,样本时间序列是根据目标区域在历史时间段内每个预设时间单位对应的政务热线数量生成的;获取候选参数集合,其中,候选参数集合中的候选参数包括滑动时间窗口长度和直线斜率阈值;基于时间序列中的窗口滑动方法以及样本集,确定候选参数集合中各候选参数分别对应的准确率;将候选参数集合中准确率最高的候选参数中的滑动时间窗口长度和直线斜率阈值分别确定为目标滑动时间窗口长度和预设直线斜率阈值。
在一些可选的实施方式中,候选参数集合中各候选参数分别对应的准确率是通过以下步骤确定的:对于候选参数集合中的每个候选参数,执行以下候选参数准确率确定操作,以确定该候选参数对应的准确率,其中,候选参数准确率确定操作包括:对于样本集中的每个样本,执行以下样本准确率确定操作,以确定该候选参数在该样本对应的准确率,其中,样本准确率确定操作包括:将该候选参数中的滑动时间窗口长度对应的滑动时间窗口沿该样本中的样本时间序列进行滑动,将滑动窗口在每个滑动位置下截取的该样本中的样本时间序列的片段,确定为该样本对应的子时间序列;对该样本对应的每个子时间序列分别进行线性拟合,得到每个子时间序列对应的拟合直线斜率;将该样本对应的各子时间序列中符合以下正样本条件的子时间序列确定为该样本对应的正样本子时间序列,正样本条件包括:该子时间序列对应的拟合直线斜率大于该候选参数中的直线斜率阈值且该样本的标签序列中相应于该子时间序列的标签序列片段中包括用于表征异常的标签,或者,该子时间序列对应的拟合直线斜率不大于该候选参数中的直线斜率阈值且该样本的标签序列中相应于该子时间序列的标签序列片段中不包括用于表征异常的标签;将该样本对应的正样本子时间序列的数量除以该样本对应的子时间序列的数量的比值确定为该候选参数在该样本对应的准确率。
在一些可选的实施方式中,该样本对应的子时间序列是通过以下步骤确定的:按照预设滑动时间步长以及该候选参数中的滑动时间窗口长度,将该候选参数中的滑动时间窗口长度对应的滑动时间窗口沿该样本中的样本时间序列进行滑动,使滑动时间窗口遍历该样本中的样本时间序列,其中,预设滑动时间步长为预设时间单位对应的时间长度的整数倍;将滑动窗口在每个滑动位置下截取的该样本中的样本时间序列的片段,确定为该样本对应的子时间序列。
第三方面,本公开提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开提供了一种计算机可读存储介质,其上存储有计算机程序,其中,该计算机程序被一个或多个处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开提供的政务热线数量趋势异常方法、装置、电子设备及存储介质,通过获取目标区域在目标时间段内每个预设时间单位对应的政务热线数量,然后根据目标区域在目标时间段内每个预设时间单位对应的政务热线数量,生成对应的目标时间序列,再对目标时间序列进行线性拟合,得到对应的拟合直线斜率,最后响应于确定拟合直线斜率大于预设直线斜率阈值,确定目标区域在目标时间段的政务热线数量趋势为异常,通过预设直线斜率阈值,实现自动地对目标区域在目标时间段的政务热线数量趋势进行异常判定,无需人工干预,减少了人力成本和时间成本。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的政务热线数量趋势异常确定方法的一个实施例的流程图;
图3是根据本公开的确定步骤的一个实施例的流程图;
图4是根据本公开的政务热线数量趋势异常确定方法的又一个实施例的流程图;
图5是根据本公开的政务热线数量趋势异常确定装置的一个实施例的结构示意图;
图6是适于用来实现本公开的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的政务热线数量趋势异常确定方法或政务热线数量趋势异常确定装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101通过网络102与服务器103交互,以接收或发送消息等。终端设备101上可以安装有各种通讯客户端应用,例如政务信息资源管理应用、网页浏览器应用等。
终端设备101可以是硬件,也可以是软件。当终端设备101为硬件时,可以是具有显示屏并且支持文本输入的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供目标区域在目标时间段的政务热线数量趋势异常判定服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器103可以是提供各种服务的服务器,例如对终端设备101发送的目标区域在目标时间段内每个预设时间单位对应的政务热线数量提供目标区域在目标时间段的政务热线数量趋势异常判定服务的后台服务器。后台服务器可以对接收到的目标区域在目标时间段内每个预设时间单位对应的政务热线数量进行统计、分析等处理,并将分析结果(例如目标区域在目标时间段的政务热线数量趋势异常判定结果)反馈给终端设备。
在一些情况下,本公开所提供的政务热线数量趋势异常确定方法可以由终端设备101和服务器103共同执行,例如,“获取目标区域在目标时间段内每个预设时间单位对应的政务热线数量”的步骤可以由终端设备101执行,其余步骤可以由服务器103执行。本公开对此不做限定。相应地,政务热线数量趋势异常确定装置也可以分别设置于终端设备101和服务器103中。
在一些情况下,本公开所提供的政务热线数量趋势异常确定方法可以由服务器103执行,相应地,政务热线数量趋势异常确定装置也可以设置于服务器103中,这时,系统架构100也可以不包括终端设备101。
在一些情况下,本公开所提供的政务热线数量趋势异常确定方法可以由终端设备101执行,相应地,政务热线数量趋势异常确定装置也可以设置于终端设备101中,这时,系统架构100也可以不包括服务器103。
需要说明的是,服务器103可以是硬件,也可以是软件。当服务器103为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器103为软件时,可以实现成多个软件或软件模块(例如用来提供目标区域在目标时间段的政务热线数量趋势异常判定服务),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,其示出了根据本公开的政务热线数量趋势异常确定方法的一个实施例的流程200。该政务热线数量趋势异常确定方法,包括以下步骤:
步骤201,获取目标区域在目标时间段内每个预设时间单位对应的政务热线数量。
在本实施例中,上述政务热线数量趋势异常确定方法的执行主体(例如图1所示的服务器)可以本地或者远程地从与上述执行主体网络连接的其他电子设备获取目标区域在目标时间段内每个预设时间单位对应的政务热线数量。目标区域可以是指定的区域,例如XX社区、XX市XX区、XX街道、XX商场。目标时间段可以是指定的时间段,例如XX年XX月。政务热线数量可以是统计出的政务热线的受理量。上述执行主体也可以从政务平台服务器、对政务信息资源管理应用提供支持的服务器获取目标时间段对应的政务热线文本,政务热线文本可以用于描述政务热线中所反映问题的关键信息。然后,上述执行主体可以从目标时间段对应的政务热线文本中筛选出与目标区域相对应的政务热线文本,然后统计目标区域在目标时间段内每个预设时间单位对应的政务热线数量。
步骤202,根据目标区域在目标时间段内每个预设时间单位对应的政务热线数量,生成对应的目标时间序列。
在本实施例中,目标时间序列可以以政务热线数量为指标数值,以预设时间单位为时间单位。上述执行主体可以将目标区域在目标时间段内每个预设时间单位对应的政务热线数量,按照时间先后顺序排列,形成目标时间序列。
步骤203,对目标时间序列进行线性拟合,得到对应的拟合直线斜率。
在本实施例中,对目标时间序列进行线性拟合所得到的拟合直线斜率可以用于表征目标区域在目标时间段对应的政务热线数量趋势。这里,线性拟合用于表征时间序列中的政务热线数量与时间单位两个变量之间的线性关系。具体地,可以先预先定义拟合直线的等式:y=ax+b,然后使确定出的参数a、参数b可以使目标时间序列中的每个数据点与上述拟合直线之间的偏差尽可能小,其中,参数a为拟合直线斜率,b为截距,x为时间,y为政务热线数量。例如,上述执行主体也可以对目标时间序列采用最小二乘法、或者梯度下降法等线性拟合方法进行直线拟合。
步骤204,响应于确定拟合直线斜率大于预设直线斜率阈值,确定目标区域在目标时间段的政务热线数量趋势为异常。
在本实施例中,预设直线斜率阈值可以是技术人员根据目标区域在历史时间段内每个预设时间单位对应的政务热线数量进行统计分析而预先设置并存储到上述执行主体的预设直线斜率阈值。
在一些可选的实现方式中,目标时间段对应的时间长度可以为目标滑动时间窗口长度,以及目标滑动时间窗口长度与步骤204中记载的预设直线斜率阈值可以是通过如图3所示的确定步骤预先确定的。请参考图3,图3示出了根据本公开的确定步骤的一个实施例的流程300。该确定步骤可以包括以下步骤:
这里,确定步骤的执行主体可以与上述政务热线数量趋势异常确定方法的执行主体相同。这样,确定步骤的执行主体可以在预先得到目标滑动时间窗口长度和预设直线斜率阈值后,将目标滑动时间窗口长度和预设直线斜率阈值存储在上述执行主体本地,并在执行上述政务热线数量趋势异常确定方法过程中读取上述目标滑动时间窗口长度和预设直线斜率阈值。
这里,确定步骤的执行主体也可以与上述政务热线数量趋势异常确定方法的执行主体不同。这样,确定步骤的执行主体可以在预先得到目标滑动时间窗口长度和预设直线斜率阈值后,将目标滑动时间窗口长度和预设直线斜率阈值发送给上述政务热线数量趋势异常确定方法的执行主体。这样,上述政务热线数量趋势异常确定方法的执行主体可以在执行上述政务热线数量趋势异常确定方法的过程中读取上述从确定步骤的执行主体接收到的目标滑动时间窗口长度和预设直线斜率阈值。
步骤301,获取样本集。
在本实施例中,样本集中的样本可以包括样本时间序列和用于表征该样本时间序列内每个预设时间单位对应的政务热线数量是否异常的标签序列。其中,样本时间序列可以是根据目标区域在历史时间段内每个预设时间单位对应的政务热线数量生成的。上述执行主体可以将目标区域在历史时间段内每个预设时间单位对应的政务热线数量,按照时间先后顺序排列,形成样本时间序列。
步骤302,获取候选参数集合。
在本实施例中,候选参数集合中的候选参数可以包括滑动时间窗口长度和直线斜率阈值。这里,可以选取预设时间单位的整数倍作为滑动时间窗口长度,例如预设时间单位为1天,滑动时间窗口长度可以是3天、7天等。另外,可以根据实际情况选取0-1之间的数值作为候选参数中的直线斜率阈值,例如直线斜率阈值可以是0.6、0.7等。
步骤303,基于时间序列中的窗口滑动方法以及样本集,确定候选参数集合中各候选参数分别对应的准确率。
在本实施例中,时间序列中的窗口滑动方法可以是按照候选参数集合中的各滑动时间窗口长度沿时间序列滑动。例如可以按照时间增加的方向进行滑动,或者也可以按照时间减少的方向进行滑动。这里,准确率可以指每个候选参数对应的政务热线数量趋势情况(异常或非异常)的判定准确率。
在一些可选的实现方式中,上述执行主体可以通过以下步骤确定候选参数集合中各候选参数分别对应的准确率:对于候选参数集合中的每个候选参数,可以执行以下候选参数准确率确定操作,以确定该候选参数对应的准确率。
首先,对于样本集中的每个样本,可以执行以下样本准确率确定操作,以确定该候选参数在该样本对应的准确率。
第一步,将该候选参数中的滑动时间窗口长度对应的滑动时间窗口沿该样本中的样本时间序列进行滑动,将滑动窗口在每个滑动位置下截取的该样本中的样本时间序列的片段,确定为该样本对应的子时间序列。
上述该样本的样本时间序列对应的子时间序列长度可以与滑动时间窗口长度相同。例如该样本的样本时间序列长度为30天,该候选参数中的滑动时间窗口长度为6天,上述执行主体可以按照滑动时间窗口长度平均分割样本时间序列长度,得到5个子时间序列。
在上述结合图2和图3描述的实施例的一些可选实现方式中,上述执行主体还可以通过以下步骤确定样本集中的每个样本分别对应的子时间序列。
首先,按照预设滑动时间步长以及该候选参数中的滑动时间窗口长度,将该候选参数中的滑动时间窗口长度对应的滑动时间窗口沿该样本中的样本时间序列进行滑动,使滑动时间窗口遍历该样本中的样本时间序列。然后,将滑动窗口在每个滑动位置下截取的该样本中的样本时间序列的片段,确定为该样本对应的子时间序列。
上述预设滑动时间步长可以为预设时间单位对应的时间长度的整数倍。在这里,可以选取预设时间单位对应的时间长度作为预设滑动时间步长。
通过该实现方式,对于同个样本序列,可以得到更多的子时间序列,进而可以基于更多的子时间序列,更准确地确定出该候选参数在该样本对应的准确率。
第二步,对该样本对应的每个子时间序列分别进行线性拟合,得到每个子时间序列对应的拟合直线斜率。
例如,上述执行主体可以分别对上述5个子时间序列进行线性拟合,得到每个子时间序列对应的拟合直线斜率k1、k2、k3、k4、k5。
第三步,将该样本对应的各子时间序列中符合以下正样本条件的子时间序列确定为该样本对应的正样本子时间序列。
上述正样本条件可以包括:该子时间序列对应的拟合直线斜率大于该候选参数中的直线斜率阈值且该样本的标签序列中相应于该子时间序列的标签序列片段中包括用于表征异常的标签,或者,该子时间序列对应的拟合直线斜率不大于该候选参数中的直线斜率阈值且该样本的标签序列中相应于该子时间序列的标签序列片段中不包括用于表征异常的标签。换句话说,如果按照该候选参数中的直线斜率阈值k对该子时间序列的判定和标注都表明是异常,或者都表明是非异常,则证明该候选参数预测准确,因此作为正样本。反之,如果按照该候选参数,如果该候选参数判定表明是异常而标注表明是非异常,或者判定表明是非异常而标注表明是异常,则证明该候选参数预测不准确,因此不是正样本。
例如,该候选参数中直线斜率阈值为k,子时间序列对应的拟合直线斜率k1大于k,并且该子时间序列对应的标签序列片段中包括用于表征异常的标签,可以将该子时间序列作为正样本子时间序列。又例如,子时间序列对应的拟合直线斜率k2小于等于k,并且该子时间序列对应的标签序列片段中不包括用于表征异常的标签,也可以将该子时间序列作为正样本子时间序列。
然后,将该样本对应的正样本子时间序列的数量除以该样本对应的子时间序列的数量的比值确定为该候选参数在该样本对应的准确率。
例如,上述5个子时间序列中包括4个正样本子时间序列则上述执行主体可以将该样本对应的正样本子时间序列的数量除以该样本对应的子时间序列的数量的比值0.8确定为该候选参数在该样本对应的准确率。
步骤304,将候选参数集合中准确率最高的候选参数中的滑动时间窗口长度和直线斜率阈值分别确定为目标滑动时间窗口长度和预设直线斜率阈值。
在本实施例中,上述执行主可以先确定出候选参数集合中准确率最高的候选参数中的滑动时间窗口长度和直线斜率阈值,然后可以将所确定出的滑动时间窗口长度和直线斜率阈值分别确定为目标滑动时间窗口长度和预设直线斜率阈值。
按照图3所示的确定步骤,可以自动生成目标滑动时间窗口长度与预设直线斜率阈值,降低了生成的目标滑动时间窗口长度与预设直线斜率阈值的人工成本。将准确率最高的候选参数作为目标滑动时间窗口长度和预设直线斜率阈值,进而可以在应用于政务热线数量趋势异常判定过程中,保证异常判定的准确率。并且在确定目标滑动时间窗口长度和预设直线斜率阈值的过程中,实现对已有样本数据中的标签序列信息的充分利用与提炼。
本公开的上述实施例提供的方法可以通过足够多的样本数据,更加准确地确定出用于表征目标区域在目标时间段对应的政务热线数量趋势是否异常的判定条件(预设直线斜率阈值),在实际应用中,可以通过预设直线斜率阈值,实现自动地对目标区域在目标时间段的政务热线数量趋势进行异常判定。并且在发现政务热线数量趋势异常时,及时向上级部门进行反馈,以对目标区域进行监控,采取相应的措施,进而可以保障该目标区域的稳定。
进一步参考图4,其示出了政务热线数量趋势异常确定方法的又一个实施例的流程400。该政务热线数量趋势异常确定方法的流程400,包括以下步骤:
步骤401,获取目标区域在目标时间段内每个预设时间单位对应的、关联同一目标事件类别的政务热线数量。
在本实施例中,上述执行主体可以直接本地或者远程地从与上述执行主体网络连接的其他电子设备获取目标区域在目标时间段内每个预设时间单位对应的、关联同一目标事件类别的政务热线数量。上述执行主体也可以先获取目标区域在目标时间段对应的政务热线文本,然后从中筛选出关联同一目标事件类别的政务热线文本,最后可以确定目标区域在目标时间段内每个预设时间单位对应的、关联同一目标事件类别的政务热线数量。
步骤402,根据目标区域在目标时间段内每个预设时间单位对应的、关联同一目标事件类别的政务热线数量,生成对应的目标时间序列。
步骤403,对目标时间序列进行线性拟合,得到对应的拟合直线斜率。
在本实施例中,步骤402~步骤403的具体操作及其产生的技术效果与图2所示的实施例中步骤202~步骤203的具体操作及效果基本相同,在此不再赘述。
步骤404,响应于确定拟合直线斜率大于预设直线斜率阈值,确定目标区域在目标时间段内属于目标事件类别的政务热线数量趋势为异常。
从图4中可以看出,本实施例描述的方案可以通过预设直线斜率阈值,实现自动地对目标区域在目标时间段内属于目标事件类别的政务热线数量趋势进行异常判定。并且在发现属于目标事件类别的政务热线数量趋势异常时,及时向该目标事件类别对应的职能部门进行反馈,以对目标区域进行监控,采取相应的措施,进而可以保障该目标区域的稳定。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种政务热线数量趋势异常确定装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的政务热线数量趋势异常确定装置500包括:获取单元501、生成单元502、拟合单元503和确定单元504。其中,获取单元501,被配置成获取目标区域在目标时间段内每个预设时间单位对应的政务热线数量;生成单元502,被配置成根据目标区域在目标时间段内每个预设时间单位对应的政务热线数量,生成对应的目标时间序列,其中,目标时间序列以政务热线数量为指标数值,以预设时间单位为时间单位;拟合单元503,被配置成对目标时间序列进行线性拟合,得到对应的拟合直线斜率,其中,拟合直线斜率用于表征目标区域在目标时间段对应的政务热线数量趋势;确定单元504,被配置成响应于确定拟合直线斜率大于预设直线斜率阈值,确定目标区域在目标时间段的政务热线数量趋势为异常。
在本实施例中,政务热线数量趋势异常确定装置500的获取单元501、生成单元502、拟合单元503和确定单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。
在一些可选的实施方式中,获取单元501可以进一步被配置成:获取目标区域在目标时间段内每个预设时间单位对应的、关联同一目标事件类别的政务热线数量;以及确定单元504进一步被配置成:响应于确定拟合直线斜率大于预设直线斜率阈值,确定目标区域在目标时间段内属于目标事件类别的政务热线数量趋势为异常。
在一些可选的实施方式中,目标时间段对应的时间长度为目标滑动时间窗口长度,以及目标滑动时间窗口长度与预设直线斜率阈值可以是通过如下确定步骤预先确定的:获取样本集,其中,样本集中的样本包括样本时间序列和用于表征该样本时间序列内每个预设时间单位对应的政务热线数量是否异常的标签序列,其中,样本时间序列是根据目标区域在历史时间段内每个预设时间单位对应的政务热线数量生成的;获取候选参数集合,其中,候选参数集合中的候选参数包括滑动时间窗口长度和直线斜率阈值;基于时间序列中的窗口滑动方法以及样本集,确定候选参数集合中各候选参数分别对应的准确率;将候选参数集合中准确率最高的候选参数中的滑动时间窗口长度和直线斜率阈值分别确定为目标滑动时间窗口长度和预设直线斜率阈值。
在一些可选的实施方式中,候选参数集合中各候选参数分别对应的准确率可以是通过以下步骤确定的:对于候选参数集合中的每个候选参数,执行以下候选参数准确率确定操作,以确定该候选参数对应的准确率,其中,候选参数准确率确定操作包括:对于样本集中的每个样本,执行以下样本准确率确定操作,以确定该候选参数在该样本对应的准确率,其中,样本准确率确定操作包括:将该候选参数中的滑动时间窗口长度对应的滑动时间窗口沿该样本中的样本时间序列进行滑动,将滑动窗口在每个滑动位置下截取的该样本中的样本时间序列的片段,确定为该样本对应的子时间序列;对该样本对应的每个子时间序列分别进行线性拟合,得到每个子时间序列对应的拟合直线斜率;将该样本对应的各子时间序列中符合以下正样本条件的子时间序列确定为该样本对应的正样本子时间序列,正样本条件包括:该子时间序列对应的拟合直线斜率大于该候选参数中的直线斜率阈值且该样本的标签序列中相应于该子时间序列的标签序列片段中包括用于表征异常的标签,或者,该子时间序列对应的拟合直线斜率不大于该候选参数中的直线斜率阈值且该样本的标签序列中相应于该子时间序列的标签序列片段中不包括用于表征异常的标签;将该样本对应的正样本子时间序列的数量除以该样本对应的子时间序列的数量的比值确定为该候选参数在该样本对应的准确率。
在一些可选的实施方式中,该样本对应的子时间序列可以是通过以下步骤确定的:按照预设滑动时间步长以及该候选参数中的滑动时间窗口长度,将该候选参数中的滑动时间窗口长度对应的滑动时间窗口沿该样本中的样本时间序列进行滑动,使滑动时间窗口遍历该样本中的样本时间序列,其中,预设滑动时间步长为预设时间单位对应的时间长度的整数倍;将滑动窗口在每个滑动位置下截取的该样本中的样本时间序列的片段,确定为该样本对应的子时间序列。
需要说明的是,本公开提供的政务热线数量趋势异常确定装置中各单元的实现细节和技术效果可以参考本公开中其它实施例的说明,在此不再赘述。
下面参考图6,其示出了适于用来实现本公开的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本公开的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU,Central Processing Unit)601,其可以根据存储在只读存储器(ROM,Read Only Memory)602中的程序或者从存储部分608加载到随机访问存储器(RAM,Random Access Memory)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM602以及RAM 603通过总线604彼此相连。输入/输出(I/O,Input/Output)接口605也连接至总线604。
以下部件连接至I/O接口605:包括触控屏、手写板、键盘或鼠标等的输入部分606;包括诸如阴极射线管(CRT,Cathode Ray Tube)、液晶显示器(LCD,Liquid CrystalDisplay)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN(局域网,Local Area Network)卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本公开的方法中限定的上述功能。需要说明的是,本公开的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Python,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:获取单元、生成单元、拟合单元和确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取目标区域在目标时间段内每个预设时间单位对应的政务热线数量的单元”。
作为另一方面,本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取目标区域在目标时间段内每个预设时间单位对应的政务热线数量;根据目标区域在目标时间段内每个预设时间单位对应的政务热线数量,生成对应的目标时间序列,其中,目标时间序列以政务热线数量为指标数值,以预设时间单位为时间单位;对目标时间序列进行线性拟合,得到对应的拟合直线斜率,其中,拟合直线斜率用于表征目标区域在目标时间段对应的政务热线数量趋势;响应于确定拟合直线斜率大于预设直线斜率阈值,确定目标区域在目标时间段的政务热线数量趋势为异常。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种政务热线数量趋势异常确定方法,包括:
获取目标区域在目标时间段内每个预设时间单位对应的政务热线数量;
根据所述目标区域在目标时间段内每个预设时间单位对应的政务热线数量,生成对应的目标时间序列,其中,所述目标时间序列以政务热线数量为指标数值,以所述预设时间单位为时间单位;
对所述目标时间序列进行线性拟合,得到对应的拟合直线斜率,其中,所述拟合直线斜率用于表征所述目标区域在所述目标时间段对应的政务热线数量趋势;
响应于确定所述拟合直线斜率大于预设直线斜率阈值,确定所述目标区域在所述目标时间段的政务热线数量趋势为异常;
所述目标时间段对应的时间长度为目标滑动时间窗口长度,以及所述目标滑动时间窗口长度与所述预设直线斜率阈值是通过如下确定步骤预先确定的:
获取样本集,其中,所述样本集中的样本包括样本时间序列和用于表征该样本时间序列内每个预设时间单位对应的政务热线数量是否异常的标签序列,其中,所述样本时间序列是根据所述目标区域在历史时间段内每个预设时间单位对应的政务热线数量生成的;
获取候选参数集合,其中,所述候选参数集合中的候选参数包括滑动时间窗口长度和直线斜率阈值;
基于时间序列中的窗口滑动方法以及所述样本集,确定所述候选参数集合中各候选参数分别对应的准确率;
将所述候选参数集合中准确率最高的候选参数中的滑动时间窗口长度和直线斜率阈值分别确定为所述目标滑动时间窗口长度和所述预设直线斜率阈值。
2.根据权利要求1所述的方法,其中,所述获取目标区域在目标时间段内每个预设时间单位对应的政务热线数量,包括:
获取所述目标区域在所述目标时间段内每个预设时间单位对应的、关联同一目标事件类别的政务热线数量;以及
所述响应于确定所述拟合直线斜率大于预设直线斜率阈值,确定所述目标区域在所述目标时间段的政务热线数量趋势为异常,包括:
响应于确定所述拟合直线斜率大于所述预设直线斜率阈值,确定所述目标区域在所述目标时间段内属于所述目标事件类别的政务热线数量趋势为异常。
3.根据权利要求1所述的方法,其中,所述基于时间序列中的窗口滑动方法以及所述样本集,确定所述候选参数集合中各候选参数分别对应的准确率,包括:
对于所述候选参数集合中的每个候选参数,执行以下候选参数准确率确定操作,以确定该候选参数对应的准确率,其中,所述候选参数准确率确定操作包括:
对于样本集中的每个样本,针对该样本执行以下样本准确率确定操作,以确定该候选参数在该样本对应的准确率,其中,所述样本准确率确定操作包括:将该候选参数中的滑动时间窗口长度对应的滑动时间窗口沿该样本中的样本时间序列进行滑动,将所述滑动时间窗口在每个滑动位置下截取的该样本中的样本时间序列的片段,确定为该样本对应的子时间序列;对该样本对应的每个子时间序列分别进行线性拟合,得到每个子时间序列对应的拟合直线斜率;将该样本对应的各子时间序列中符合以下正样本条件的子时间序列确定为该样本对应的正样本子时间序列,所述正样本条件包括:该子时间序列对应的拟合直线斜率大于该候选参数中的直线斜率阈值且该样本的标签序列中相应于该子时间序列的标签序列片段中包括用于表征异常的标签,或者,该子时间序列对应的拟合直线斜率不大于该候选参数中的直线斜率阈值且该样本的标签序列中相应于该子时间序列的标签序列片段中不包括用于表征异常的标签;将该样本对应的正样本子时间序列的数量除以该样本对应的子时间序列的数量的比值确定为该候选参数在该样本对应的准确率。
4.根据权利要求3所述的方法,其中,所述将该候选参数中的滑动时间窗口长度对应的滑动时间窗口沿该样本中的样本时间序列进行滑动,将所述滑动时间窗口在每个滑动位置下截取的该样本中的样本时间序列的片段,确定为该样本对应的子时间序列,包括:
按照预设滑动时间步长以及该候选参数中的滑动时间窗口长度,将该候选参数中的滑动时间窗口长度对应的滑动时间窗口沿该样本中的样本时间序列进行滑动,使滑动时间窗口遍历该样本中的样本时间序列,其中,所述预设滑动时间步长为所述预设时间单位对应的时间长度的整数倍;
将所述滑动时间窗口在每个滑动位置下截取的该样本中的样本时间序列的片段,确定为该样本对应的子时间序列。
5.一种政务热线数量趋势异常确定装置,包括:
获取单元,被配置成获取目标区域在目标时间段内每个预设时间单位对应的政务热线数量;
生成单元,被配置成根据所述目标区域在目标时间段内每个预设时间单位对应的政务热线数量,生成对应的目标时间序列,其中,所述目标时间序列以政务热线数量为指标数值,以所述预设时间单位为时间单位;
拟合单元,被配置成对所述目标时间序列进行线性拟合,得到对应的拟合直线斜率,其中,所述拟合直线斜率用于表征所述目标区域在所述目标时间段对应的政务热线数量趋势;
确定单元,被配置成响应于确定所述拟合直线斜率大于预设直线斜率阈值,确定所述目标区域在所述目标时间段的政务热线数量趋势为异常;
所述目标时间段对应的时间长度为目标滑动时间窗口长度,以及所述目标滑动时间窗口长度与所述预设直线斜率阈值是通过如下确定步骤预先确定的:
获取样本集,其中,所述样本集中的样本包括样本时间序列和用于表征该样本时间序列内每个预设时间单位对应的政务热线数量是否异常的标签序列,其中,所述样本时间序列是根据所述目标区域在历史时间段内每个预设时间单位对应的政务热线数量生成的;
获取候选参数集合,其中,所述候选参数集合中的候选参数包括滑动时间窗口长度和直线斜率阈值;
基于时间序列中的窗口滑动方法以及所述样本集,确定所述候选参数集合中各候选参数分别对应的准确率;
将所述候选参数集合中准确率最高的候选参数中的滑动时间窗口长度和直线斜率阈值分别确定为所述目标滑动时间窗口长度和所述预设直线斜率阈值。
6.根据权利要求5所述的装置,其中,所述获取单元进一步被配置成:
获取所述目标区域在所述目标时间段内每个预设时间单位对应的、关联同一目标事件类别的政务热线数量;以及
所述确定单元进一步被配置成:
响应于确定所述拟合直线斜率大于所述预设直线斜率阈值,确定所述目标区域在所述目标时间段内属于所述目标事件类别的政务热线数量趋势为异常。
7.根据权利要求5所述的装置,其中,所述候选参数集合中各候选参数分别对应的准确率是通过以下步骤确定的:
对于所述候选参数集合中的每个候选参数,执行以下候选参数准确率确定操作,以确定该候选参数对应的准确率,其中,所述候选参数准确率确定操作包括:
对于样本集中的每个样本,执行以下样本准确率确定操作,以确定该候选参数在该样本对应的准确率,其中,所述样本准确率确定操作包括:将该候选参数中的滑动时间窗口长度对应的滑动时间窗口沿该样本中的样本时间序列进行滑动,将所述滑动时间窗口在每个滑动位置下截取的该样本中的样本时间序列的片段,确定为该样本对应的子时间序列;对该样本对应的每个子时间序列分别进行线性拟合,得到每个子时间序列对应的拟合直线斜率;将该样本对应的各子时间序列中符合以下正样本条件的子时间序列确定为该样本对应的正样本子时间序列,所述正样本条件包括:该子时间序列对应的拟合直线斜率大于该候选参数中的直线斜率阈值且该样本的标签序列中相应于该子时间序列的标签序列片段中包括用于表征异常的标签,或者,该子时间序列对应的拟合直线斜率不大于该候选参数中的直线斜率阈值且该样本的标签序列中相应于该子时间序列的标签序列片段中不包括用于表征异常的标签;将该样本对应的正样本子时间序列的数量除以该样本对应的子时间序列的数量的比值确定为该候选参数在该样本对应的准确率。
8.根据权利要求7所述的装置,其中,所述该样本对应的子时间序列是通过以下步骤确定的:
按照预设滑动时间步长以及该候选参数中的滑动时间窗口长度,将该候选参数中的滑动时间窗口长度对应的滑动时间窗口沿该样本中的样本时间序列进行滑动,使滑动时间窗口遍历该样本中的样本时间序列,其中,所述预设滑动时间步长为所述预设时间单位对应的时间长度的整数倍;
将所述滑动时间窗口在每个滑动位置下截取的该样本中的样本时间序列的片段,确定为该样本对应的子时间序列。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010841659.5A CN112132722B (zh) | 2020-08-20 | 2020-08-20 | 政务热线数量趋势异常确定方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010841659.5A CN112132722B (zh) | 2020-08-20 | 2020-08-20 | 政务热线数量趋势异常确定方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112132722A CN112132722A (zh) | 2020-12-25 |
CN112132722B true CN112132722B (zh) | 2023-12-26 |
Family
ID=73851436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010841659.5A Active CN112132722B (zh) | 2020-08-20 | 2020-08-20 | 政务热线数量趋势异常确定方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112132722B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115017211A (zh) * | 2022-06-15 | 2022-09-06 | 平安国际融资租赁有限公司 | 异常检测对象的确定方法及装置、存储介质、计算机设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107766533A (zh) * | 2017-10-27 | 2018-03-06 | 携程旅游网络技术(上海)有限公司 | 话务量异常的自动检测方法及系统、存储介质、电子设备 |
CN109343344A (zh) * | 2018-09-21 | 2019-02-15 | 北京天工智造科技有限公司 | 卷烟设备操控参数寻优方法 |
CN109684162A (zh) * | 2018-11-09 | 2019-04-26 | 平安科技(深圳)有限公司 | 设备状态预测方法、系统、终端及计算机可读存储介质 |
CN109700450A (zh) * | 2018-12-28 | 2019-05-03 | 联想(北京)有限公司 | 一种心率检测方法及电子设备 |
CN110119948A (zh) * | 2019-04-22 | 2019-08-13 | 山东大学 | 基于时变权重动态组合的电力用户信用评价方法及系统 |
CN110263291A (zh) * | 2019-05-29 | 2019-09-20 | 朗坤智慧科技股份有限公司 | 一种工业数据趋势识别方法和系统 |
-
2020
- 2020-08-20 CN CN202010841659.5A patent/CN112132722B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107766533A (zh) * | 2017-10-27 | 2018-03-06 | 携程旅游网络技术(上海)有限公司 | 话务量异常的自动检测方法及系统、存储介质、电子设备 |
CN109343344A (zh) * | 2018-09-21 | 2019-02-15 | 北京天工智造科技有限公司 | 卷烟设备操控参数寻优方法 |
CN109684162A (zh) * | 2018-11-09 | 2019-04-26 | 平安科技(深圳)有限公司 | 设备状态预测方法、系统、终端及计算机可读存储介质 |
CN109700450A (zh) * | 2018-12-28 | 2019-05-03 | 联想(北京)有限公司 | 一种心率检测方法及电子设备 |
CN110119948A (zh) * | 2019-04-22 | 2019-08-13 | 山东大学 | 基于时变权重动态组合的电力用户信用评价方法及系统 |
CN110263291A (zh) * | 2019-05-29 | 2019-09-20 | 朗坤智慧科技股份有限公司 | 一种工业数据趋势识别方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112132722A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107809331B (zh) | 识别异常流量的方法和装置 | |
CN109634941B (zh) | 医疗数据处理方法、装置、电子设备及存储介质 | |
CN109471783B (zh) | 预测任务运行参数的方法和装置 | |
CN108958959B (zh) | 检测hive数据表的方法和装置 | |
CN111414376A (zh) | 一种数据预警方法和装置 | |
CN113485781A (zh) | 报表生成方法、装置、电子设备及计算机可读介质 | |
CN113159453B (zh) | 资源数据预测方法、装置、设备及存储介质 | |
CN112132722B (zh) | 政务热线数量趋势异常确定方法、装置、电子设备及介质 | |
CN112947919A (zh) | 构建业务模型和处理业务请求的方法和装置 | |
CN111309721A (zh) | 一种确定数据表关联关系的方法和装置 | |
CN111787041B (zh) | 用于处理数据的方法和装置 | |
CN112954056A (zh) | 监控数据处理方法、装置、电子设备及存储介质 | |
CN109885564B (zh) | 用于发送信息的方法和装置 | |
CN115454956A (zh) | 日志生成方法、装置、电子设备及存储介质 | |
CN111144694B (zh) | 基于触点分析的运营流程管理方法和装置 | |
CN114490130A (zh) | 消息订阅方法、装置、电子设备及存储介质 | |
CN111275466B (zh) | 一种超期单量预警的方法和装置 | |
CN111126649B (zh) | 用于生成信息的方法和装置 | |
CN110875856B (zh) | 激活数据异常检测与分析的方法和装置 | |
CN110084298B (zh) | 用于检测图像相似度的方法及装置 | |
CN113434754A (zh) | 确定推荐api服务的方法、装置、电子设备和存储介质 | |
CN112579673A (zh) | 一种多源数据处理方法及装置 | |
CN112884497A (zh) | 确定用户类型的方法、装置、电子设备和存储介质 | |
CN112132721A (zh) | 警情数量趋势异常确定方法、装置、电子设备及存储介质 | |
CN111178696A (zh) | 一种业务处理时长超时预警方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |