CN112398706A - 数据评估标准确定方法、装置及存储介质、电子设备 - Google Patents
数据评估标准确定方法、装置及存储介质、电子设备 Download PDFInfo
- Publication number
- CN112398706A CN112398706A CN201910765271.9A CN201910765271A CN112398706A CN 112398706 A CN112398706 A CN 112398706A CN 201910765271 A CN201910765271 A CN 201910765271A CN 112398706 A CN112398706 A CN 112398706A
- Authority
- CN
- China
- Prior art keywords
- data
- historical
- historical time
- index
- data index
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0852—Delays
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0894—Packet rate
Abstract
本申请实施例提供了一种数据评估标准确定方法、装置及存储介质、电子设备,涉及数据管理领域。该数据评估标准确定方法首先通过获取设定的历史时间段内收发的通信数据的数据指标;然后分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态;最后根据所述数据分布状态确定数据指标评估标准,可以理解地,根据数据分布状态确定的数据指标评估标准,更符合当前的数据指标的变化趋势的实际情况,因而可靠性高,也提高了对通信数据的质量评估的优劣结果的精确度。
Description
技术领域
本申请涉及数据管理领域,尤其涉及一种数据评估标准确定方法、装置及存储介质、电子设备。
背景技术
对于通信运营商而言,需要实时对每天产生的海量通信数据(如LTE信令、2\3G信令以及资源数据等)进行监控。通常,监控的数据指标包括数据延迟、下载速率、上行时延以及下行时延等,通过对数据指标的监控,可以得知传输通信数据的质量的优劣。由于指标数据的整个生命周期需要经历采集、处理、对外共享等过程。在整个生命周期过程中,数据指标会受业务或客观环境因素的影响发生数值上的变化,因而,通信数据的数据指标可能会出现异常,需要对数据指标的进行优劣评判,而由于数据指标会受业务或客观环境因素的影响,对于数据评估标准也会发生变化。
传统技术中,对通信数据的评判标准,通常由行业专家根据经验(参考过去接触的通信数据的数据指标)而设定,可靠性低,从而导致对通信数据的质量评估的优劣结果的精确度也很低。
发明内容
本申请实施例的目的是提供一种数据评估标准确定方法、装置及存储介质、电子设备,以改善对通信数据的评判标准的设定可靠性低、通信数据的质量评估的优劣结果的精确度低的问题。
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,本申请实施例提供了一种数据指标评估标准确定方法,包括:
获取设定的历史时间段内收发的通信数据的数据指标;
分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态;
根据所述数据分布状态确定数据指标评估标准。
可选地,所述分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态包括:
识别所述数据指标的标识信息;
对所述通信数据的数据指标进行正态分布分析以得到正态分布结果;
根据所述正态分布结果、与所述标识信息关联的评估标准确定规则确定数据指标评估标准。
可选地,在对所述通信数据的数据指标进行正态分布分析以得到正态分布结果之前,所述方法还包括:
根据与所述标识信息关联的时间划分规则将所述设定的历史时间段划分为至少两个历史时间区间;
所述对所述通信数据的数据指标进行正态分布分析以得到正态分布结果包括:
对每个所述历史时间区间内的所述通信数据的数据指标进行正态分布分析,以得到每个所述历史时间区间对应的正态分布结果。
可选地,在所述对每个所述历史时间区间内的所述通信数据的数据指标进行正态分布分析,以得到每个所述历史时间区间对应的正态分布结果之前,所述方法还包括:
计算至少两个历史时间区间内收发的通信数据的数据指标的差异度;
所述对每个所述历史时间区间内的所述通信数据的数据指标进行正态分布分析,以得到每个所述历史时间区间对应的正态分布结果的执行条件为:
所述差异度大于设定的阈值。
可选地,所述分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态包括:
将所述设定的历史时间段划分为至少两个历史时间区间;
计算每个历史时间区间内的通信数据的数据指标的历史标准差和历史均值;其中,所述历史标准差和所述历史均值表征数据分布状态;
所述根据所述数据分布状态确定数据指标评估标准包括:根据不同历史时间区间对应的历史标准差和历史均值确定数据指标评估标准。
可选地,所述根据不同历史时间区间对应的历史标准差和历史均值确定数据指标评估标准包括:
根据不同的历史时间区间对应的历史标准差与权重计算出参考标准差,以及根据不同的历史时间区间对应的历史均值与权重计算出参考均值;
根据算式M=(σ-avg,σ+avg)确定数据指标评估标准,其中,M为数据指标评估标准、σ为参考均值、avg为参考标准差。
本申请实施例第二方面提供了一种数据指标评估标准确定装置,包括:
信息获取单元,被配置成获取设定的历史时间段内收发的通信数据的数据指标;
数据分析单元,被配置成分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态;
评估标准确定单元,被配置成根据所述数据分布状态确定数据指标评估标准。
本申请实施例第三方面提供了一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述的方法的步骤。
本申请实施例第四方面还提供了一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现本申请第一方面提供的所述方法的步骤。
本申请实施例第五方面提供了一种数据接口诊断模型训练方法,所述方法包括:
获取设定的历史时间段内收发的不同类别的通信数据的数据指标;
分析出通信数据的多种数据指标,在所述设定的历史时间段内的数据分布状态,其中,每种数据指标标记有一个标识信息;
根据每个所述标识信息对应的数据分布状态,确定每个标识信息关联的数据指标对应的数据指标评估标准;
根据每个标识信息关联的数据指标对应的数据指标评估标准,评估历史通信数据的数据指标的优劣程度;
根据每个标识信息关联的数据指标的优劣程度、每个标识信息关联的数据指标对应的评估权重以及历史诊断结果构建训练数据样本,以训练数据接口诊断模型。
本申请实施例第六方面提供了一种数据接口诊断模型训练装置,所述装置包括:
信息获取单元,被配置成获取设定的历史时间段内收发的不同类别的通信数据的数据指标;
数据分析单元,被配置成分析出通信数据的多种数据指标,在所述设定的历史时间段内的数据分布状态,其中,每种数据指标标记有一个标识信息;
评估标准确定单元,被配置成根据每个所述标识信息对应的数据分布状态,确定每个标识信息关联的数据指标对应的数据指标评估标准;
指标评估单元,被配置成根据每个标识信息关联的数据指标对应的数据指标评估标准,评估历史通信数据的数据指标的优劣程度;
模型训练单元,被配置成根据每个标识信息关联的数据指标的优劣程度、每个标识信息关联的数据指标对应的评估权重以及历史诊断结果构建训练数据样本,以训练数据接口诊断模型。
本申请实施例第七方面提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请实施例第五方面所述的方法的步骤。
本申请实施例第八方面还提供了一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现本申请实施例第五方面所述的方法的步骤。
本申请提供的数据评估标准确定方法、装置及存储介质、电子设备,该数据评估标准确定方法首先通过获取设定的历史时间段内收发的通信数据的数据指标;然后分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态;最后根据所述数据分布状态确定数据指标评估标准,可以理解地,根据数据分布状态确定的数据指标评估标准,更符合当前的数据指标的变化趋势的实际情况,因而可靠性高,也提高了对通信数据的质量评估的优劣结果的精确度。
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为本申请实施例提供的数据评估标准确定方法的应用环境的交互示意图;
图2为本申请实施例提供的数据评估标准确定方法的第一种流程示意图;
图3为本申请实施例提供的数据评估标准确定方法的第二种流程示意图;
图4为本申请实施例提供的数据评估标准确定方法的第三种流程示意图;
图5为本申请实施例提供的数据评估标准确定方法的第四种流程示意图;
图6为本申请实施例提供的数据评估标准确定装置的第一种模块示意图;
图7为本申请实施例提供的数据评估标准确定装置的第二种模块示意图;
图8为本申请实施例提供的数据评估标准确定装置的第三种模块示意图;
图9为本申请实施例提供的数据评估标准确定装置的第四种模块示意图;
图10为本申请实施例提供的数据接口诊断模型训练方法的流程图;
图11为本申请实施例提供的数据接口诊断模型训练装置的模块示意图;
图12为本申请实施例提供的电子设备的结构框图。
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数据指标评估标准确定方法,可以应用于电子设备。如图1所示,该电子设备可以采用数据分析服务器101,其中,数据分析服务器101与数据指标采集设备102通信连接,数据指标采集设备102与数据接口103通信连接。数据指标采集设备102被配置成采集数据接口103收发的通信数据(如LTE信令、2\3G信令以及资源数据等)的数据指标(如,数据延迟、下载速率、上行时延以及下行时延等),数据分析服务器101可以获取数据指标采集设备102采集的数据指标。可以理解地,数据指标可以用于评估通信数据是否出现异常。如图2所示,所述方法包括:
S21:获取设定的历史时间段内收发的通信数据的数据指标。
其中,设定的历史时间段可以为距离当前时刻的一个月或半个月或一周的时间段。当然地,历史时间段的时长可以基于实际需求而定,在此仅仅是举例说明。
S22:分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态。
由于数据指标会受业务或客观环境因素的影响发生数值变化,因此需要对数据分布状态进行分析,以作为确定数据评估标准的基础。需要说明的是,上述的数据分布状态是指同一类别的通信数据的数据分布状态。例如,数据延迟的数据分布状态、下载速率的数据分布状态等等。
S23:根据所述数据分布状态确定数据指标评估标准。
其中,数据指标评估标准可以用于评估通信数据的优劣。例如,数据指标评估标准可以为预设的阈值范围,当数据指标的值在预设的阈值范围时,可以表征数据指标良好,不存在异常;当数据指标的值不在预设的阈值范围时,可以表征数据指标差,存在异常。反之,亦然。可以理解地,每种数据指标均对应有一个数据指标评估标准。
另外,数据指标评估标准还可以为指标评估分数表,在指标评估分数表内,每个数据指标的值对应有优劣分。例如,当数据指标为A时,对应的优劣分为90;当数据指标为B时,对应的优劣分为80;当数据指标为C时,对应的优劣分为70。当数据指标对应的优劣分高于60时,可以表征数据指标良好,不存在异常;当数据指标对应的优劣分低于60时,可以表征数据指标差,存在异常。可以理解地,每种数据指标均对应有指标评估分数表。
本申请提供的数据评估标准确定方法,首先通过获取设定的历史时间段内收发的通信数据的数据指标;然后分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态;最后根据所述数据分布状态确定数据指标评估标准。可以理解地,根据数据分布状态确定的数据指标评估标准,更符合当前的数据指标的变化趋势的实际情况,因而可靠性高,也提高了对通信数据的质量评估的优劣结果的精确度。
具体地,如图3所示,作为其中一种实施方式,S22包括:
S31:识别所述数据指标的标识信息。
例如,数据延迟的标识信息为0001;下载速率的标识信息为0002;上行时延的标识信息为0003;下行时延的标识信息为0004。通过数据指标的标识信息可以查找到与标识信息关联的评估标准确定规则。
S32:对所述通信数据的数据指标进行正态分布分析以得到正态分布结果。
正态分布结果表征数据指标在各个阈值范围的分布概率情况。例如,当数据指标为数据延迟时,数据延迟为标准延迟时间的-1s~+1s的概率为50%,数据延迟为标准延迟时间的-2s~+2s的概率为60%,数据延迟为标准延迟时间的为-3s~+3s的概率为80%;数据延迟为标准延迟时间的为-4s~+34s的概率为100%。
S23具体可以包括根据所述正态分布结果、与所述标识信息关联的评估标准确定规则确定数据指标评估标准。
基于上述,评估标准确定规则可以为将概率小于等于60%的延迟时间范围作为数据指标评估标准。即是说,当数据延迟为标准延迟时间的-2s~+2s时,则说明数据延迟良好。
可选地,如图4所示,在S32之前,所述方法还包括:
S41:根据与所述标识信息关联的时间划分规则将所述设定的历史时间段划分为至少两个历史时间区间。
例如,当将设定的历史时间段划分为两个历史时间区间时,两个历史时间段区间可以为工作日时间区间与周末时间区间,也可以为白天时间区间(7:00-19:00)与夜晚时间区间(19:00-次日7:00)。
S42:计算至少两个历史时间区间内收发的通信数据的数据指标的差异度。
例如,两个历史时间区间内收发的通信数据的某一数据指标包括100个数据量,其中,有50个数据指标的值完全相同,则两个历史时间区间内收发的通信数据的数据指标的差异度为50%。
S32包括:对每个所述历史时间区间内的所述通信数据的数据指标进行正态分布分析,以得到每个所述历史时间区间对应的正态分布结果。
可选地,S32的执行条件为:所述差异度大于设定的阈值(如80%)。可以理解地,当差异度大于设定的阈值时,说明不同历史时间区间内的所述通信数据的数据指标正态分布结果差异度大,因而,以正态分布结果作为基础,最后得到的数据指标评估标准也不同,因而,需要对不同历史时间区间内的所述通信数据的数据指标分别独立进行分析。
具体地,如图5所示,作为另外一种实施方式,S22包括:
S51:将所述设定的历史时间段划分为至少两个历史时间区间。
例如,设定的历史时间段包括21天,则可以把21天划分为三个历史时间区间,即第一周、第二周以及第三周。
S52:计算每个历史时间区间内的通信数据的数据指标的历史标准差和历史均值,其中,历史标准差和历史均值表征数据分布状态。
例如,计算出第一周的历史标准差为σ1、历史平均值为avg1;第二周的历史标准差为σ2、历史平均值为avg 2,第三周的历史标准差为σ3,历史平均值为avg3。
S23具体可以为:根据不同历史时间区间对应的历史标准差和历史均值确定数据指标评估标准。
可选地,所述S53包括:首先根据不同的历史时间区间对应的历史标准差与权重计算出参考标准差,以及根据不同的历史时间区间对应的历史均值与权重计算出参考均值。例如,当第一周的权重为0.5、第二周的权重为0.3、第三周的权重为0.2时,根据算式σ=0.5σ1+0.3σ2+0.2σ3计算出参考标准差,其中,σ为参考标准差;根据算式avg=0.5avg1+0.3avg2+0.2avg3,其中,avg为参考平均值。需要说明的是,上述的权重可以根据实际情况而调整,在此仅仅是举例说明,不做限定。然后根据算式M=(σ-avg,σ+avg)确定数据指标评估标准,其中,M为数据指标评估标准、σ为参考均值、avg为参考标准差;可以理解地,M表征的数据指标评估标准为数据指标评估范围。
请结合参阅图6,本申请实施例还提供了一种数据指标评估标准确定装置600,包括信息获取单元601、数据分析单元602以及评估标准确定单元603,其中,
信息获取单元601被配置成获取设定的历史时间段内收发的通信数据的数据指标。
数据分析单元602被配置成分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态。
评估标准确定单元603被配置成根据所述数据分布状态确定数据指标评估标准。
本申请提供的数据评估标准确定装置600,可以执行如下功能:通过获取设定的历史时间段内收发的通信数据的数据指标;分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态;根据所述数据分布状态确定数据指标评估标准。可以理解地,根据数据分布状态确定的数据指标评估标准,更符合当前的数据指标的变化趋势的实际情况,因而可靠性高,也提高了对通信数据的质量评估的优劣结果的精确度。
具体地,作为其中一种实施方式,如图7所示,数据分析单元602包括:
标识识别子单元701,被配置成识别所述数据指标的标识信息。
正态分布分析子单元702,被配置成对所述通信数据的数据指标进行正态分布分析以得到正态分布结果。
评估标准确定单元603具体被配置成根据所述正态分布结果、与所述标识信息关联的评估标准确定规则确定数据指标评估标准。
可选地,如图8所示,数据分析单元602还包括:
时间段划分子单元,被配置成根据与所述标识信息关联的时间划分规则,将所述设定的历史时间段划分为至少两个历史时间区间。
计算子单元802,被配置成计算至少两个历史时间区间内收发的通信数据的数据指标的差异度。
正态分布分析子单元702具体被配置成对每个所述历史时间区间内的通信数据的数据指标进行正态分布分析,以得到每个所述历史时间区间对应的正态分布结果。
可选地,正态分布分析子单元702对每个所述历史时间区间内的所述通信数据的数据指标进行正态分布分析,以得到每个所述历史时间区间对应的正态分布结果的执行条件为:所述差异度大于设定的阈值。
作为另一种实施方式,如图9所示,数据分析单元602可以包括:
时间段划分子单元,被配置成将所述设定的历史时间段划分为至少两个历史时间区间。
计算子单元802,计算每个历史时间区间内的通信数据的数据指标的历史标准差和历史均值,其中,所述历史标准差和所述历史均值表征数据分布状态。
评估标准确定单元603被具体配置成根据不同历史时间区间对应的历史标准差和历史均值确定数据指标评估标准。
可选地,评估标准确定单元603具体被配置成根据不同的历史时间区间对应的历史标准差与权重计算出参考标准差,以及根据不同的历史时间区间对应的历史均值与权重计算出参考均值;根据算式M=(σ-avg,σ+avg)确定数据指标评估标准,其中,M为数据指标评估标准、σ为参考均值、avg为参考标准差。
请结合参阅图10,本申请实施例还提供了一种数据接口诊断模型训练方法,需要说明的是,本申请实施例所提供的数据接口诊断模型训练方法,其包含的确定数据指标评估标准的过程的基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。所述方法包括:
S1001:获取设定的历史时间段内收发的不同类别的通信数据的数据指标。
S1002:分析出通信数据的多种数据指标,在所述设定的历史时间段内的数据分布状态,其中,每种数据指标标记有一个标识信息。
S1003:根据每个所述标识信息对应的数据分布状态,确定每个标识信息关联的数据指标对应的数据指标评估标准。
S1004:根据每个标识信息关联的数据指标对应的数据指标评估标准,评估历史通信数据的数据指标的优劣程度。
例如,当数据指标为数据延迟时,对应的数据指标评估标准为当数据延迟大于k1时,则说明数据延迟的值良好;当数据指标为下载速率时,对应的数据指标评估标准为当数据延迟大于k2时,则说明下载速率的值良好;再者,若优劣程度为数据优秀度,当数据指标为A时,对应的数据优秀度为9;当数据指标为B时,对应的数据优秀度为8;当数据指标为C时,对应的数据优秀度为7;再例如,若优劣程度为数据异常度,当数据指标为C时,对应的数据异常度为9;当数据指标为B时,对应的数据异常度为8;当数据指标为A时,对应的数据异常度为7。
S1005:根据每个标识信息关联的数据指标的优劣程度、每个标识信息关联的数据指标对应的评估权重以及历史诊断结果构建训练数据样本,以训练数据接口诊断模型。
可以理解地,对于一个通信设备的数据接口103而言,对于数据接口103的优劣诊断需要对数据接口103收发的通信数据的多个数据指标进行评估,每个数据指标对通信接口的优劣程度的影响程度不同,因此,需要对不同的数据指标设置不同的权重。例如,数据延迟的权重为0.3、下载速率的权重为0.2、上行时延的权重为0.25、下行时延的权重为0.25。
可以理解地,可以通过决策树或神经网络训练数据接口诊断模型。通过将数据分布状态评估历史通信数据的数据指标的优劣程度,作为训练样本的一部分训练而成的数据接口诊断模型,由于对通信数据的质量评估的优劣结果的精确度高,因而训练得到的数据接口诊断模型的可靠性也很高。
请参阅图11,本申请实施例还提供了一种数据接口诊断模型训练装置600,需要说明的是,本申请实施例所提供的数据接口诊断模型训练装置600,其包含的确定数据指标评估标准的过程的基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。所述装置600包括信息获取单元601、数据分析单元602、评估标准确定单元603、指标评估单元1101以及模型训练单元1102。
信息获取单元601被配置成获取设定的历史时间段内收发的不同类别的通信数据的数据指标。
数据分析单元602被配置成分析出通信数据的多种数据指标,在所述设定的历史时间段内的数据分布状态,其中,每种数据指标标记有一个标识信息。
评估标准确定单元603被配置成根据每个所述标识信息对应的数据分布状态,确定每个标识信息关联的数据指标对应的数据指标评估标准。
指标评估单元1101被配置成根据每个标识信息关联的数据指标对应的数据指标评估标准,评估历史通信数据的数据指标的优劣程度。
模型训练单元1102被配置成根据每个标识信息关联的数据指标的优劣程度、每个标识信息关联的数据指标对应的评估权重以及历史诊断结果构建训练数据样本,以训练数据接口诊断模型。
可以理解地,可以通过决策树或神经网络训练数据接口诊断模型。通过将数据分布状态评估历史通信数据的数据指标的优劣程度,作为训练样本的一部分训练而成的数据接口诊断模型,由于对通信数据的质量评估的优劣结果的精确度高,因而训练得到的数据接口诊断模型的可靠性也很高。
本申请实施例还提供了一种电子设备,图12为本申请实施例提供的电子设备的结构示意图。其中,该电子设备可以采用但不限于上述的数据分析服务器。如图12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1201和存储器1202,存储器1202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1202可以是短暂存储或持久存储。存储在存储器1202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1201可以设置为与存储器1202通信,在电子设备上执行存储器1202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1203,一个或一个以上有线或无线网络接口1204,一个或一个以上输入输出接口1205等。
在一个具体的实施例中,电子设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机可执行指令,所述计算机可执行指令被所述处理器执行时实现以下流程:获取设定的历史时间段内收发的通信数据的数据指标;分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态;根据所述数据分布状态确定数据指标评估标准。
所述计算机可执行指令被所述处理器执行时,还可以实现如下功能:
可选地,所述分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态包括:
识别所述数据指标的标识信息;
对所述通信数据的数据指标进行正态分布分析以得到正态分布结果;
根据所述正态分布结果、与所述标识信息关联的评估标准确定规则确定数据指标评估标准。
可选地,在对所述通信数据的数据指标进行正态分布分析以得到正态分布结果之前,所述方法还包括:
根据与所述标识信息关联的时间划分规则将所述设定的历史时间段划分为至少两个历史时间区间;
所述对所述通信数据的数据指标进行正态分布分析以得到正态分布结果包括:
对每个所述历史时间区间内的所述通信数据的数据指标进行正态分布分析,以得到每个所述历史时间区间对应的正态分布结果。
可选地,在所述对每个所述历史时间区间内的所述通信数据的数据指标进行正态分布分析,以得到每个所述历史时间区间对应的正态分布结果之前,所述方法还包括:
计算至少两个历史时间区间内收发的通信数据的数据指标的差异度;
所述对每个所述历史时间区间内的所述通信数据的数据指标进行正态分布分析,以得到每个所述历史时间区间对应的正态分布结果的执行条件为:
所述差异度大于设定的阈值。
可选地,所述分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态包括:
将所述设定的历史时间段划分为至少两个历史时间区间;
计算每个历史时间区间内的通信数据的数据指标的历史标准差和历史均值;其中,所述历史标准差和所述历史均值表征数据分布状态;
所述根据所述数据分布状态确定数据指标评估标准包括:根据不同历史时间区间对应的历史标准差和历史均值确定数据指标评估标准。
可选地,所述根据不同历史时间区间对应的历史标准差和历史均值确定数据指标评估标准包括:
根据不同的历史时间区间对应的历史标准差与权重计算出参考标准差,以及根据不同的历史时间区间对应的历史均值与权重计算出参考均值;
根据算式M=(σ-avg,σ+avg)确定数据指标评估标准,其中,M为数据指标评估标准、σ为参考均值、avg为参考标准差。
上述的电子设备,可以首先通过获取设定的历史时间段内收发的通信数据的数据指标;然后分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态;最后根据所述数据分布状态确定数据指标评估标准。可以理解地,根据数据分布状态确定的数据指标评估标准,更符合当前的数据指标的变化趋势的实际情况,因而可靠性高,也提高了对通信数据的质量评估的优劣结果的精确度。
所述计算机可执行指令被所述处理器执行时实现以下流程:
获取设定的历史时间段内收发的不同类别的通信数据的数据指标;
分析出通信数据的多种数据指标,在所述设定的历史时间段内的数据分布状态,其中,每种数据指标标记有一个标识信息;
根据每个所述标识信息对应的数据分布状态,确定每个标识信息关联的数据指标对应的数据指标评估标准;
根据每个标识信息关联的数据指标对应的数据指标评估标准,评估历史通信数据的数据指标的优劣程度;
根据每个标识信息关联的数据指标的优劣程度、每个标识信息关联的数据指标对应的评估权重以及历史诊断结果构建训练数据样本,以训练数据接口诊断模型。
通过将数据分布状态评估历史通信数据的数据指标的优劣程度,作为训练样本的一部分训练而成的数据接口诊断模型,由于对通信数据的质量评估的优劣结果的精确度高,因而训练得到的数据接口诊断模型的可靠性也很高。
进一步地,本申请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用于存储计算机可执行指令,所述计算机可执行指令被处理器执行时实现以下流程:
获取设定的历史时间段内收发的通信数据的数据指标;分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态;根据所述数据分布状态确定数据指标评估标准。
所述计算机可执行指令被处理器执行时,还可以实现如下功能:
可选地,所述分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态包括:
识别所述数据指标的标识信息;
对所述通信数据的数据指标进行正态分布分析以得到正态分布结果;
根据所述正态分布结果、与所述标识信息关联的评估标准确定规则确定数据指标评估标准。
可选地,在对所述通信数据的数据指标进行正态分布分析以得到正态分布结果之前,所述方法还包括:
根据与所述标识信息关联的时间划分规则将所述设定的历史时间段划分为至少两个历史时间区间;
所述对所述通信数据的数据指标进行正态分布分析以得到正态分布结果包括:
对每个所述历史时间区间内的所述通信数据的数据指标进行正态分布分析,以得到每个所述历史时间区间对应的正态分布结果。
可选地,在所述对每个所述历史时间区间内的所述通信数据的数据指标进行正态分布分析,以得到每个所述历史时间区间对应的正态分布结果之前,所述方法还包括:
计算至少两个历史时间区间内收发的通信数据的数据指标的差异度;
所述对每个所述历史时间区间内的所述通信数据的数据指标进行正态分布分析,以得到每个所述历史时间区间对应的正态分布结果的执行条件为:
所述差异度大于设定的阈值。
可选地,所述分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态包括:
将所述设定的历史时间段划分为至少两个历史时间区间;
计算每个历史时间区间内的通信数据的数据指标的历史标准差和历史均值;其中,所述历史标准差和所述历史均值表征数据分布状态;
所述根据所述数据分布状态确定数据指标评估标准包括:根据不同历史时间区间对应的历史标准差和历史均值确定数据指标评估标准。
可选地,所述根据不同历史时间区间对应的历史标准差和历史均值确定数据指标评估标准包括:
根据不同的历史时间区间对应的历史标准差与权重计算出参考标准差,以及根据不同的历史时间区间对应的历史均值与权重计算出参考均值;
根据算式M=(σ-avg,σ+avg)确定数据指标评估标准,其中,M为数据指标评估标准、σ为参考均值、avg为参考标准差。
上述的计算机可执行指令,在被执行时,可以首先通过获取设定的历史时间段内收发的通信数据的数据指标;然后分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态;最后根据所述数据分布状态确定数据指标评估标准。可以理解地,根据数据分布状态确定的数据指标评估标准,更符合当前的数据指标的变化趋势的实际情况,因而可靠性高,也提高了对通信数据的质量评估的优劣结果的精确度。
所述计算机可执行指令被所述处理器执行时实现以下流程:
获取设定的历史时间段内收发的不同类别的通信数据的数据指标;
分析出通信数据的多种数据指标,在所述设定的历史时间段内的数据分布状态,其中,每种数据指标标记有一个标识信息;
根据每个所述标识信息对应的数据分布状态,确定每个标识信息关联的数据指标对应的数据指标评估标准;
根据每个标识信息关联的数据指标对应的数据指标评估标准,评估历史通信数据的数据指标的优劣程度;
根据每个标识信息关联的数据指标的优劣程度、每个标识信息关联的数据指标对应的评估权重以及历史诊断结果构建训练数据样本,以训练数据接口诊断模型。
通过将数据分布状态评估历史通信数据的数据指标的优劣程度,作为训练样本的一部分训练而成的数据接口诊断模型,由于对通信数据的质量评估的优劣结果的精确度高,因而训练得到的数据接口诊断模型的可靠性也很高。
其中,所述的计算机可读存储介质包括只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(RandomAccess Memory,简称RAM)、磁碟或者光盘等。
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 (13)
1.一种数据指标评估标准确定方法,其特征在于,包括:
获取设定的历史时间段内收发的通信数据的数据指标;
分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态;
根据所述数据分布状态确定数据指标评估标准。
2.根据权利要求1所述的方法,其特征在于,所述分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态包括:
识别所述数据指标的标识信息;
对所述通信数据的数据指标进行正态分布分析以得到正态分布结果;
根据所述数据分布状态确定数据指标评估标准包括:根据所述正态分布结果、与所述标识信息关联的评估标准确定规则确定数据指标评估标准。
3.根据权利要求2所述的方法,其特征在于,在所述对所述通信数据的数据指标进行正态分布分析以得到正态分布结果之前,所述方法还包括:
根据与所述标识信息关联的时间划分规则,将所述设定的历史时间段划分为至少两个历史时间区间;
所述对所述通信数据的数据指标进行正态分布分析以得到正态分布结果包括:对每个所述历史时间区间内的通信数据的数据指标进行正态分布分析,以得到每个所述历史时间区间对应的正态分布结果。
4.根据权利要求3所述的方法,其特征在于,在所述对每个所述历史时间区间内的所述通信数据的数据指标进行正态分布分析,以得到每个所述历史时间区间对应的正态分布结果之前,所述方法还包括:
计算至少两个历史时间区间内收发的通信数据的数据指标的差异度;
所述对每个所述历史时间区间内的所述通信数据的数据指标进行正态分布分析,以得到每个所述历史时间区间对应的正态分布结果的执行条件为:所述差异度大于设定的阈值。
5.根据权利要求1所述的方法,其特征在于,所述分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态包括:
将所述设定的历史时间段划分为至少两个历史时间区间;
计算每个历史时间区间内的通信数据的数据指标的历史标准差和历史均值;其中,所述历史标准差和所述历史均值表征数据分布状态;
所述根据所述数据分布状态确定数据指标评估标准包括:根据不同历史时间区间对应的历史标准差和历史均值确定数据指标评估标准。
6.根据权利要求5所述的方法,其特征在于,所述根据不同历史时间区间对应的历史标准差和历史均值确定数据指标评估标准包括:
根据不同的历史时间区间对应的历史标准差与权重计算出参考标准差,以及根据不同的历史时间区间对应的历史均值与权重计算出参考均值;
根据算式M=(σ-avg,σ+avg)确定数据指标评估标准,其中,M为数据指标评估标准、σ为参考均值、avg为参考标准差。
7.一种数据指标评估标准确定装置,其特征在于,包括:
信息获取单元,被配置成获取设定的历史时间段内收发的通信数据的数据指标;
数据分析单元,被配置成分析出所述通信数据的数据指标在所述设定的历史时间段内的数据分布状态;
评估标准确定单元,被配置成根据所述数据分布状态确定数据指标评估标准。
8.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。
9.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-6中任一项所述方法的步骤。
10.一种数据接口诊断模型训练方法,其特征在于,所述方法包括:
获取设定的历史时间段内收发的不同类别的通信数据的数据指标;
分析出通信数据的多种数据指标,在所述设定的历史时间段内的数据分布状态,其中,每种数据指标标记有一个标识信息;
根据每个所述标识信息对应的数据分布状态,确定每个标识信息关联的数据指标对应的数据指标评估标准;
根据每个标识信息关联的数据指标对应的数据指标评估标准,评估历史通信数据的数据指标的优劣程度;
根据每个标识信息关联的数据指标的优劣程度、每个标识信息关联的数据指标对应的评估权重以及历史诊断结果构建训练数据样本,以训练数据接口诊断模型。
11.一种数据接口诊断模型训练装置,其特征在于,所述装置包括:
信息获取单元,被配置成获取设定的历史时间段内收发的不同类别的通信数据的数据指标;
数据分析单元,被配置成分析出通信数据的多种数据指标,在所述设定的历史时间段内的数据分布状态,其中,每种数据指标标记有一个标识信息;
评估标准确定单元,被配置成根据每个所述标识信息对应的数据分布状态,确定每个标识信息关联的数据指标对应的数据指标评估标准;
指标评估单元,被配置成根据每个标识信息关联的数据指标对应的数据指标评估标准,评估历史通信数据的数据指标的优劣程度;
模型训练单元,被配置成根据每个标识信息关联的数据指标的优劣程度、每个标识信息关联的数据指标对应的评估权重以及历史诊断结果构建训练数据样本,以训练数据接口诊断模型。
12.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求10所述的方法的步骤。
13.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求10所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910765271.9A CN112398706B (zh) | 2019-08-19 | 2019-08-19 | 数据评估标准确定方法、装置及存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910765271.9A CN112398706B (zh) | 2019-08-19 | 2019-08-19 | 数据评估标准确定方法、装置及存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112398706A true CN112398706A (zh) | 2021-02-23 |
CN112398706B CN112398706B (zh) | 2022-07-01 |
Family
ID=74603493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910765271.9A Active CN112398706B (zh) | 2019-08-19 | 2019-08-19 | 数据评估标准确定方法、装置及存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112398706B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114301803A (zh) * | 2021-12-24 | 2022-04-08 | 北京百度网讯科技有限公司 | 网络质量检测方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964997A (zh) * | 2009-07-21 | 2011-02-02 | 中国移动通信集团黑龙江有限公司 | 网络性能预警方法及装置 |
WO2014000632A1 (zh) * | 2012-06-28 | 2014-01-03 | 腾讯科技(深圳)有限公司 | 一种获取移动终端安全状态的方法、装置及设备 |
CN104113872A (zh) * | 2013-04-22 | 2014-10-22 | 中国移动通信集团湖北有限公司 | 一种数据业务监控方法及系统 |
CN104536868A (zh) * | 2014-11-26 | 2015-04-22 | 北京广通信达科技有限公司 | 一种it系统运行指标动态阈值分析方法 |
CN105279257A (zh) * | 2015-10-15 | 2016-01-27 | 珠海世纪鼎利科技股份有限公司 | 一种基于正态分布的互联网大数据挖掘方法和系统 |
CN105357691A (zh) * | 2015-09-28 | 2016-02-24 | 中国普天信息产业北京通信规划设计院 | Lte无线网络用户感知监测方法和系统 |
WO2016134564A1 (zh) * | 2015-02-28 | 2016-09-01 | 中兴通讯股份有限公司 | 一种用户感知评估方法及装置 |
CN106713029A (zh) * | 2016-12-20 | 2017-05-24 | 中国银联股份有限公司 | 一种确定资源监控阈值的方法及装置 |
CN107204894A (zh) * | 2017-05-18 | 2017-09-26 | 华为技术有限公司 | 网络业务质量的监控方法及装置 |
-
2019
- 2019-08-19 CN CN201910765271.9A patent/CN112398706B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964997A (zh) * | 2009-07-21 | 2011-02-02 | 中国移动通信集团黑龙江有限公司 | 网络性能预警方法及装置 |
WO2014000632A1 (zh) * | 2012-06-28 | 2014-01-03 | 腾讯科技(深圳)有限公司 | 一种获取移动终端安全状态的方法、装置及设备 |
CN104113872A (zh) * | 2013-04-22 | 2014-10-22 | 中国移动通信集团湖北有限公司 | 一种数据业务监控方法及系统 |
CN104536868A (zh) * | 2014-11-26 | 2015-04-22 | 北京广通信达科技有限公司 | 一种it系统运行指标动态阈值分析方法 |
WO2016134564A1 (zh) * | 2015-02-28 | 2016-09-01 | 中兴通讯股份有限公司 | 一种用户感知评估方法及装置 |
CN105357691A (zh) * | 2015-09-28 | 2016-02-24 | 中国普天信息产业北京通信规划设计院 | Lte无线网络用户感知监测方法和系统 |
CN105279257A (zh) * | 2015-10-15 | 2016-01-27 | 珠海世纪鼎利科技股份有限公司 | 一种基于正态分布的互联网大数据挖掘方法和系统 |
CN106713029A (zh) * | 2016-12-20 | 2017-05-24 | 中国银联股份有限公司 | 一种确定资源监控阈值的方法及装置 |
CN107204894A (zh) * | 2017-05-18 | 2017-09-26 | 华为技术有限公司 | 网络业务质量的监控方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114301803A (zh) * | 2021-12-24 | 2022-04-08 | 北京百度网讯科技有限公司 | 网络质量检测方法、装置、电子设备及存储介质 |
CN114301803B (zh) * | 2021-12-24 | 2024-03-08 | 北京百度网讯科技有限公司 | 网络质量检测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112398706B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111126824B (zh) | 多指标关联模型训练方法及多指标异常分析方法 | |
CN106951984B (zh) | 一种系统健康度动态分析预测方法及装置 | |
CN106886481B (zh) | 一种系统健康度静态分析预测方法及装置 | |
EP3927000B1 (en) | Network element health status detection method and device | |
CN109143094B (zh) | 一种动力电池的异常数据检测方法和装置 | |
CN114267178B (zh) | 一种车站的智能运营维护方法及装置 | |
CN107944721B (zh) | 一种通用的基于数据挖掘的机器学习方法、装置以及系统 | |
US11038587B2 (en) | Method and apparatus for locating fault cause, and storage medium | |
US9235463B2 (en) | Device and method for fault management of smart device | |
CN108696486B (zh) | 一种异常操作行为检测处理方法及装置 | |
CN116739829B (zh) | 一种基于大数据的电力数据分析方法、系统及介质 | |
CN108009063B (zh) | 一种电子设备故障阈值检测的方法 | |
CN112398706B (zh) | 数据评估标准确定方法、装置及存储介质、电子设备 | |
CN108009582B (zh) | 一种电子设备标准工作指标设置的方法 | |
CN115114124A (zh) | 主机风险的评估方法及评估装置 | |
CN116074215B (zh) | 网络质量检测方法、装置、设备及存储介质 | |
CN110928942A (zh) | 指标数据监控管理方法及装置 | |
CN116232851A (zh) | 一种网络异常的预警方法、装置、电子设备和存储介质 | |
CN112527610A (zh) | 设备运作状态的监测方法及装置 | |
CN114938339A (zh) | 一种数据处理方法和相关装置 | |
CN113591266A (zh) | 一种电能表故障概率的分析方法及系统 | |
CN113285847A (zh) | 一种智能换流站监测系统的通信网络异常检测方法及系统 | |
CN111258866A (zh) | 计算机性能预测方法、装置、设备及可读存储介质 | |
CN116702121B (zh) | 一种云桌面场景下增强访问控制安全性的方法 | |
US20230034061A1 (en) | Method for managing proper operation of base station and system applying the method |
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 |