CN114970546A - 信息输出方法、装置及电子设备 - Google Patents
信息输出方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114970546A CN114970546A CN202210598520.1A CN202210598520A CN114970546A CN 114970546 A CN114970546 A CN 114970546A CN 202210598520 A CN202210598520 A CN 202210598520A CN 114970546 A CN114970546 A CN 114970546A
- Authority
- CN
- China
- Prior art keywords
- abnormal data
- keyword
- category
- keywords
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000002159 abnormal effect Effects 0.000 claims abstract description 187
- 238000012216 screening Methods 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 13
- 230000002547 anomalous effect Effects 0.000 claims description 12
- 230000000694 effects Effects 0.000 abstract description 12
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 235000013311 vegetables Nutrition 0.000 description 12
- 235000013305 food Nutrition 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000004308 accommodation Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 208000007407 African swine fever Diseases 0.000 description 1
- 206010003497 Asphyxia Diseases 0.000 description 1
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 241001263478 Norovirus Species 0.000 description 1
- 206010047700 Vomiting Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及监测技术领域,提供一种信息输出方法、装置及电子设备,以解决异常提示效果较差的问题。该方法包括:在多个节点的状态数据中检测到异常数据的情况下,对异常数据进行分类,得到异常数据的类别;基于异常数据的类别,确定异常数据的目标关键词;输出异常数据的目标关键词。由于异常数据的目标关键词确定过程中,考虑了异常数据的类别,即是利用异常数据的类别,确定的异常数据的目标关键词,输出目标关键词,实现对异常数据的提示,这样,可提高对异常数据提示的效果。
Description
技术领域
本公开涉及监测技术领域,尤其涉及一种信息输出方法、装置及电子设备。
背景技术
对于一些场景,例如举办赛事、举办活动等,涉及较多的节点,比如,餐饮、住宿等,为确保这些场景的正常进行,有需要对场景涉及的各个节点的异常数据进行监测,并输出异常数据的特征,以便用户查看以及后续进行跟进和改进。
目前,在进行异常数据特征确定的过程中,常用的方法是对异常数据本身进行特征提取,例如,异常数据为某蔬菜供应数据,则对其进行特征提取,然后输出提取的特征,这样,容易导致对异常数据进行提示的效果较差。
发明内容
本公开实施例提供一种信息输出方法、装置及电子设备,以解决现有异常提示效果较差的问题。
为了解决上述技术问题,本公开是这样实现的:
第一方面,本公开实施例提供了一种信息输出方法,所述方法包括:
在多个节点的状态数据中检测到异常数据的情况下,对所述异常数据进行分类,得到所述异常数据的类别;
基于所述异常数据的类别,确定所述异常数据的目标关键词;
输出所述异常数据的目标关键词。
第二方面,本公开实施例还提供一种信息输出装置,所述装置包括:
分类模块,用于在多个节点的状态数据中检测到异常数据的情况下,对所述异常数据进行分类,得到所述异常数据的类别;
关键词确定模块,用于基于所述异常数据的类别,确定所述异常数据的目标关键词;
输出模块,用于输出所述异常数据的目标关键词。
第三方面,本公开实施例还提供一种电子设备,包括:存储器、处理器及存储在存储器上并可在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本公开各实施例提供的方法中的步骤。
第四方面,本公开实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现本公开各实施例提供的方法中的步骤。
在本实施例的信息输出方法中,由于异常数据的目标关键词确定过程中,考虑了异常数据的类别,即是利用异常数据的类别,确定的异常数据的目标关键词,输出目标关键词,实现对异常数据的提示,这样,可提高对异常数据提示的效果。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例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公开的一些实施例,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是本公开实施例提供的信息输出方法的流程图之一;
图2是本公开实施例提供的信息输出方法的流程图之二;
图3是本公开实施例提供的信息输出装置的模块示意图之一;
图4是本公开实施例提供的信息输出装置的模块示意图之二;
图5是本公开实施例提供的电子设备的结构示意图;
图6是本公开实施例提供的计算机可读存储介质的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,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,都属于本公开保护的范围。
参见图1,提供一实施例的信息输出方法,上述方法包括以下步骤:
步骤101:在多个节点的状态数据中检测到异常数据的情况下,对异常数据进行分类,得到异常数据的类别。
检测到异常数据可以理解是实现异常事件的检测,多个节点可以理解是信息输出方法应用的场景涉及的节点,例如,在举办赛事的场景下,多个节点可包括但不限于场馆、定点供应商、集中驻地、签约饭店、餐饮服务商等。可对多个节点的状态数据进行监控和采集,例如,状态数据可包括但不限于餐饮数据、住宿数据、食材供应数据、食材采购数据、物流信息等,并对多个节点的状态数据进行异常检测,在检测到出现异常数据的情况下,可对异常数据进行分类。
步骤102:基于异常数据的类别,确定异常数据的目标关键词。
对异常数据进行归类,得到异常数据的类别后,可利用异常数据的类别来确定异常数据的目标关键词,即实现异常数据的特征确定。
步骤103:输出异常数据的目标关键词。
输出异常数据的目标关键词,即通过利用异常数据的类别确定的目标关键词实现对异常数据的提示。作为一个示例,输出异常数据的目标关键词,可以包括显示异常数据的目标关键词,形成词云,以便于用户查看显示的目标关键词。
在本实施例的信息输出方法中,由于异常数据的目标关键词确定过程中,考虑了异常数据的类别,即是利用异常数据的类别,确定的异常数据的目标关键词,输出目标关键词,实现对异常数据的提示,这样,可提高对异常数据提示的效果。
如图2所示,在一个实施例中,异常数据的类别包括第一级类别和第二级类别,基于异常数据的类别,确定异常数据的目标关键词的步骤102,包括以下至少一项:
步骤1021:在异常数据的第一级类别为投诉类别的情况下,对投诉信息进行语义分析,得到异常数据的第一关键词,异常数据为投诉信息;
步骤1022:在异常数据的第一级类别为波动数据类别的情况下,根据异常数据的第二级类别对异常数据进行节点追溯,得到异常数据的起源节点,以及根据起源节点关联的多个关键词确定异常数据的第二关键词;
异常数据为第一节点的状态数据中的数据,起源节点为导致出现异常数据的异常起始节点,多个节点包括第一节点以及起源节点项。
需要说明的是,在检测异常数据的过程中,可通过不同的方式检测到异常数据,则异常数据的第一级类别不同,可以理解,第一级类别与检测到异常数据的方式相关,例如,检测是否出现异常的方式包括两种,一种是检测是否出现投诉信息,在检测到投诉信息的情况下,表示出现异常数据,该投诉信息即为异常数据,此时,异常数据的第一级类别为投诉类别。另一种是通过比较数据与第一数据之间的偏差是否大于预设值,第一数据包括历史数据和预设数据中至少一种,在数据与第一数据之间的偏差大于预设值的情况下,表示该数据相对第一数据的波动较大,该数据即为异常数据,即表示检测到异常数据,此时,检测的异常数据的第一级类别为波动数据类别。
除了第一级类别外,异常数据的类别还可包括第二级类别,第二级类别可以理解是异常数据自身所属的数据类别,例如,第二级类别可以是多个数据类别中的一种,多个数据类别包括但不限于餐饮保障类别、住宿保障类别、食材供应类别、物流保障类别、反兴奋剂类别、食品安全类别等。
在第一级类别为投诉类别的情况下,可通过对投诉信息进行语义分析,得到异常数据的第一关键词,例如,可通过自然语言处理(Natural Language Processing,NLP)技术对投诉信息进行语义分析。在异常数据的第一级类别为波动数据类别的情况下,可先进行节点追溯,例如,异常数据所在的节点为第一节点,可利用异常数据的第二级类别,采用根因溯源的方式,往回追溯起源节点,即追溯到引起出现异常数据的起源节点。然后利用起源节点关联的多个关键词确定异常数据的第二关键词。需要说明的是,起源节点关联的多个关键词可通过多种方式预先获取,在本实施例中不作具体限定,例如,可预先通过网络爬虫爬取与该起源节点有关的网络信息,从网络信息中获取多个关键词,且每间隔预定时长重新爬取获取,更新关键词,也可以是对节点的状态数据进行业务分析以及语义分析,得到节点关联的多个维度的词条,在这些词条中进行筛选确定其关联的多个关键词。
在本实施例中,不同第一级类别,采用不同的方式确定关键词,可提高确定关键词的准确性以及灵活性。
在一个实施例中,根据起源节点关联的多个关键词确定异常数据的第二关键词,包括:
对于多个关键词中的每个关键词,在关键词满足关键词的类别对应的预设筛选规则的情况下,将关键词作为第二关键词中的一个关键词。
多个关键词中每个关键词有对应的类别,例如,对于高速积雪关键词,对应的类别为天气道路类别,可为关键词的不同类别预先设置不同的预设筛选规则,即关键词的每种类别分别对应有预设筛选规则,对于多个关键词中的每个关键词,在该关键词满足该关键词的类别对应的预设筛选规则的情况下,将该关键词作为第二关键词中的一个关键词,可以理解,第二关键词中的每个关键词均满足对应的预设筛选规则。
在本实施例中,通过预设筛选规则对关键词进行筛选,将满足预设筛选规则的关键词选作第二关键词中的关键词,这样,可提高得到的第二关键词的准确性,输出第二关键词,以实现对异常数据的提示,从而可提高提示的效果。
在一个实施例中,关键词的类别对应的预设筛选规则包括关键词的类别与问题因素的类别匹配的规则,其中,问题因素表示引起异常数据表征的问题的因素;
在关键词满足关键词的类别对应的预设筛选规则的情况下,将关键词作为第二关键词中的一个关键词,包括:
在关键词的类别与问题因素的类别匹配的情况下,将关键词作为第二关键词中的一个关键词。
例如,异常数据表征的问题是某类蔬菜供应不足,问题因素是引起异常数据表征的问题的原因,例如,引起某类蔬菜供应不足的问题的因素可以是供应该类蔬菜的节点中该类蔬菜量不足和/或供应该类蔬菜的送货道路出现问题等。在本实施例中,若某关键词的类别对应的预设筛选规则包括该关键词的类别与问题因素的类别匹配的规则,则在关键词的类别与问题因素的类别匹配的情况下,表示该关键词满足该关键词的类别对应的预设筛选规则,可将该关键词作为第二关键词中的一个关键词。例如,对于“高速积雪”的关键词,对应的类别为天气道路类别,设置的预设筛选规则是关键词的类别与问题因素的类别匹配的规则,则可将该关键词的类别与问题因素的类别进行匹配,若能匹配成功,则将该关键词作为第二关键词中的一个关键词。如上所示,供应该类蔬菜的节点中该类蔬菜量不足,表示引起蔬菜不足问题的是蔬菜供应商问题,该因素的类别可以是供应商类别的因素,供应该类蔬菜的送货道路出现问题,表示引起蔬菜不足问题的是道路问题,该因素的类别可以是道路类别的因素。对于“高速积雪”的关键词,对应的类别是天气道路类,若引起所述异常数据表征的问题的因素是送货道路出现问题,则该关键词的类别与送货道路出现问题的因素的类别可匹配,可将“高速积雪”关键词作为第二关键词中的一个关键词。
在本实施例中,可将关键词的类别与问题因素的类别进行匹配,在匹配成功的情况下,表示该关键词满足该关键词的类别对应的预设筛选规则,即可筛选该关键词作为第二关键词中的一个关键词,这样,可提高得到的第二关键词的准确性。
在一个实施例中,根据起源节点关联的多个关键词确定异常数据的第二关键词,包括:
在多个关键词中每个关键词均不满足关键词的类别对应的预设筛选规则的情况下,将异常数据表征的问题作为第二关键词。
在多个关键词中每个关键词按照不同预设筛选规则全部筛选完毕,仍然未得到满足预设筛选规则的关键词,可能是因为多个关键词中的关键词不全面,导致无法解释该数据波动的原因,此时,可直接输出数据波动具体问题的关键词作为词条,即输出异常数据表征的问题,比如,直接输出“某类蔬菜供应不足”。这样,即使多个关键词中没有满足预设筛选规则的关键词,也可将异常数据表征的问题作为第二关键词并输出第二关键词,即通过异常数据表征的问题对异常数据进行提示,提高异常提示效果。
在一个实施例中,目标关键词包括第一关键词和第二关键词中的至少一项,第一关键词包括投诉信息的关键词,第二关键词包括满足预设筛选规则的关键词或异常数据表征的问题,输出异常数据的目标关键词,包括:
在目标关键词包括第一关键词的情况下,通过第一显示方式显示第一关键词;
在目标关键词包括满足预设筛选规则的关键词的情况下,通过第二显示方式显示满足预设筛选规则的关键词;
在目标关键词包括异常数据表征的问题的情况下,通过第三显示方式显示异常数据表征的问题。
可以理解,以上可通过三种方式确定三种不同的关键词,即在异常数据的第一级类别为投诉类别的情况下,对投诉信息进行语义分析,得到异常数据的第一关键词,在异常数据的第一级类别为波动数据类别的情况下,将多个关键词中满足预设筛选规则的关键词作为的第二关键词,在异常数据的第一级类别为波动数据类别的情况下,多个关键词中每个关键词均不满足关键词的类别对应的预设筛选规则,将异常数据表征的问题作为的第二关键词。在是实施例中,可通过不同的显示方式对通过不同方式确定的关键词进行显示,例如,可通过第一显示方式显示第一关键词,通过第二显示方式显示满足预设筛选规则的关键词,通过第三显示方式显示异常数据表征的问题,第一显示方式、第二显示方式和第三显示方式为不同的显示方式,例如,显示颜色不同、显示字体不同等。
在本实施例中,可通过不同的显示方式对通过不同方式确定的关键词进行显示,以便于用户区分不同的关键词,提高对异常数据提示的效果。
下面以一个具体实施例对上述方法的过程加以具体说明,以方法应用于大型体育赛事的场景为例。
在举办大型体育赛事期间,举办方需要对异常数据(异常事件、突发事件)进行监控、处理和评估等,以确保赛事的正常进行。针对每个异常数据,对异常数据的目标关键词(特征词条)进行更快更准确地归纳和总结,对确保赛事正常运行起到了至关重要的作用。
体育赛事相关人员信息库的建立:通过业务需求分析以及业务架构设计,对体育赛事相关的组织机构分类,例如,场馆、定点供应商、集中驻地、签约饭店以及餐饮服务商。对各类的组织机构采集人员相关数据,进行数据清洗、标准化、合并完成整个信息库的建立。
全方面的异常数据的收集:在赛事期间,系统会对出现异常数据的各个节点进行监控和采集,范围包括餐饮、住宿、食材供应、食材采购、物流信息等。对其中不规范、不合理的数据信息,进行判断和预警,系统可以根据配置,分为自动和手动两种方式,将发生的异常数据实时高效的收集起来。
对异常数据进行各个维度的分析:将每个节点的状态数据进行归类,分为餐饮保障、住宿保障、食材供应、物流保障、反兴奋剂、食品安全等类别,针对不同的类别,明确要分析的维度,对每个节点的状态数据,进行业务分析和NLP提取分析,不同类别,对应的维度的示例如下,可通过类别对应的维度分析是否发生异常:
餐饮保障:高速积雪积水、外埠疫情严重、诺如病毒、非洲猪瘟、不利舆情;
住宿保障:起火、浓烟、窒息、火光、烧伤、防恐、停用等;
食材供应:过敏、腹泻、呕吐、防疫、反恐、伤害、退运、检测、补货、销毁等。
归纳出异常数据的特征,总结成各个维度的关键词:对每类异常数据的特征,通过多个维度的分析,将符合特征的关键词进行归纳和筛选,并形成词云,将这些词云实时的在每个异常数据中滚动显示,相关人员能够及时查看,以便对异常情况的掌握。
参见图3,图3是本公开实施例提供的一种信息输出装置300的模块示意图,装置300包括:
分类模块301,用于在多个节点的状态数据中检测到异常数据的情况下,对异常数据进行分类,得到异常数据的类别;
关键词确定模块302,用于基于异常数据的类别,确定异常数据的目标关键词;
输出模块303,用于输出异常数据的目标关键词。
如图4所示,在一个实施例中,异常数据的类别包括第一级类别和第二级类别,关键词确定模块302,包括以下至少一项:
第一确定模块3021,用于在异常数据的第一级类别为投诉类别的情况下,对投诉信息进行语义分析,得到异常数据的第一关键词,异常数据为投诉信息;
第二确定模块3022,用于在异常数据的第一级类别为波动数据类别的情况下,根据异常数据的第二级类别对异常数据进行节点追溯,得到异常数据的起源节点,以及根据起源节点关联的多个关键词确定异常数据的第二关键词,异常数据为第一节点的状态数据中的数据,起源节点为导致出现异常数据的异常起始节点,多个节点包括第一节点以及起源节点。
在一个实施例中,第二确定模块3022,用于:
对于多个关键词中的每个关键词,在关键词满足关键词的类别对应的预设筛选规则的情况下,将关键词作为第二关键词中的一个关键词。
在一个实施例中,所述关键词的类别对应的预设筛选规则包括所述关键词的类别与问题因素的类别匹配的规则,其中,所述问题因素表示引起所述异常数据表征的问题的因素;
第二确定模块3022,具体用于:
在所述关键词的类别与所述问题因素的类别匹配的情况下,将所述关键词作为所述第二关键词中的一个关键词。
在一个实施例中,第二确定模块3022,还用于:
在多个关键词中每个关键词均不满足关键词的类别对应的预设筛选规则的情况下,将异常数据表征的问题作为第二关键词。
在一个实施例中,目标关键词包括第一关键词和第二关键词中的至少一项,第一关键词包括投诉信息的关键词,第二关键词包括满足预设筛选规则的关键词或异常数据表征的问题,输出模块303包括:
第一显示模块,用于在目标关键词包括第一关键词的情况下,通过第一显示方式显示第一关键词;
在目标关键词包括满足预设筛选规则的关键词的情况下,通过第二显示方式显示满足预设筛选规则的关键词;
在目标关键词包括异常数据表征的问题的情况下,通过第三显示方式显示异常数据表征的问题。
信息输出装置300能够实现上述方法实施例中方法实现的各个过程,技术特征一一对应,技术效果相同,为避免重复,这里不再赘述。
如图5所示,在一个实施例中,本公开实施例还提供一种电子设备500,包括处理器501,存储器502,存储在存储器上并可在处理器上运行的计算机程序,该计算机程序被处理器执行时实现上述信息输出方法实施例中的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
如图6所示,本公开实施例还提供一种计算机可读存储介质600,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述信息输出方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁碟或者光盘等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
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。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台电子设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本公开各个实施例的方法。
上面结合附图对本公开的实施例进行了描述,但是本公开并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本公开的启示下,在不脱离本公开宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本公开的保护之内。
Claims (10)
1.一种信息输出方法,其特征在于,所述方法包括:
在多个节点的状态数据中检测到异常数据的情况下,对所述异常数据进行分类,得到所述异常数据的类别;
基于所述异常数据的类别,确定所述异常数据的目标关键词;
输出所述异常数据的目标关键词。
2.如权利要求1所述的方法,其特征在于,所述异常数据的类别包括第一级类别和第二级类别,所述基于所述异常数据的类别,确定所述异常数据的目标关键词,包括以下至少一项:
在所述异常数据的第一级类别为投诉类别的情况下,对投诉信息进行语义分析,得到所述异常数据的第一关键词,所述异常数据为投诉信息;
在所述异常数据的第一级类别为波动数据类别的情况下,根据所述异常数据的第二级类别对所述异常数据进行节点追溯,得到所述异常数据的起源节点,以及根据所述起源节点关联的多个关键词确定所述异常数据的第二关键词,所述异常数据为第一节点的状态数据中的数据,所述起源节点为导致出现所述异常数据的异常起始节点,所述多个节点包括所述第一节点以及所述起源节点。
3.如权利要求2所述的方法,其特征在于,所述根据所述起源节点关联的多个关键词确定所述异常数据的第二关键词,包括:
对于所述多个关键词中的每个关键词,在所述关键词满足所述关键词的类别对应的预设筛选规则的情况下,将所述关键词作为所述第二关键词中的一个关键词。
4.如权利要求3所述的方法,其特征在于,所述关键词的类别对应的预设筛选规则包括所述关键词的类别与问题因素的类别匹配的规则,其中,所述问题因素表示引起所述异常数据表征的问题的因素;
所述在所述关键词满足所述关键词的类别对应的预设筛选规则的情况下,将所述关键词作为所述第二关键词中的一个关键词,包括:
在所述关键词的类别与所述问题因素的类别匹配的情况下,将所述关键词作为所述第二关键词中的一个关键词。
5.如权利要求2所述的方法,其特征在于,所述根据所述起源节点关联的多个关键词确定所述异常数据的第二关键词,包括:
在所述多个关键词中每个关键词均不满足所述关键词的类别对应的预设筛选规则的情况下,将所述异常数据表征的问题作为所述第二关键词。
6.如权利要求1-5中任一所述的方法,其特征在于,所述目标关键词包括第一关键词和第二关键词中的至少一项,所述第一关键词包括投诉信息的关键词,所述第二关键词包括满足预设筛选规则的关键词或所述异常数据表征的问题,所述输出所述异常数据的目标关键词,包括:
在所述目标关键词包括所述第一关键词的情况下,通过第一显示方式显示所述第一关键词;
在所述目标关键词包括满足所述预设筛选规则的关键词的情况下,通过第二显示方式显示满足所述预设筛选规则的关键词;
在所述目标关键词包括所述异常数据表征的问题的情况下,通过第三显示方式显示所述异常数据表征的问题。
7.一种信息输出装置,其特征在于,所述装置包括:
分类模块,用于在多个节点的状态数据中检测到异常数据的情况下,对所述异常数据进行分类,得到所述异常数据的类别;
关键词确定模块,用于基于所述异常数据的类别,确定所述异常数据的目标关键词;
输出模块,用于输出所述异常数据的目标关键词。
8.如权利要求7所述的装置,其特征在于,所述异常数据的类别包括第一级类别和第二级类别,所述关键词确定模块,包括以下至少一项:
第一确定模块,用于在所述异常数据的第一级类别为投诉类别的情况下,对投诉信息进行语义分析,得到所述异常数据的第一关键词,所述异常数据为投诉信息;
第二确定模块,用于在所述异常数据的第一级类别为波动数据类别的情况下,根据所述异常数据的第二级类别对所述异常数据进行节点追溯,得到所述异常数据的起源节点,以及根据所述起源节点关联的多个关键词确定所述异常数据的第二关键词,所述异常数据为第一节点的状态数据中的数据,所述起源节点为导致出现所述异常数据的异常起始节点,所述多个节点包括所述第一节点以及所述起源节点。
9.一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-6中任一所述的方法中的步骤。
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上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210598520.1A CN114970546A (zh) | 2022-05-30 | 2022-05-30 | 信息输出方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210598520.1A CN114970546A (zh) | 2022-05-30 | 2022-05-30 | 信息输出方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114970546A true CN114970546A (zh) | 2022-08-30 |
Family
ID=82958099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210598520.1A Pending CN114970546A (zh) | 2022-05-30 | 2022-05-30 | 信息输出方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114970546A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106980562A (zh) * | 2016-01-18 | 2017-07-25 | 中兴通讯股份有限公司 | 一种硬盘监控方法及装置 |
CN111935145A (zh) * | 2020-08-10 | 2020-11-13 | 武汉思普崚技术有限公司 | 一种实现网络流量安全分析的硬件无关化方法及系统 |
CN112988503A (zh) * | 2021-02-05 | 2021-06-18 | 深圳市锐尔觅移动通信有限公司 | 分析方法、分析装置、电子装置和存储介质 |
CN114048870A (zh) * | 2021-11-04 | 2022-02-15 | 佳源科技股份有限公司 | 一种基于日志特征智能挖掘的电力系统异常监测方法 |
CN114301904A (zh) * | 2020-09-21 | 2022-04-08 | 北京鸿享技术服务有限公司 | 大数据集群的监控方法、装置、监控系统及可读存储介质 |
CN114296417A (zh) * | 2022-03-11 | 2022-04-08 | 中国人民解放军海军工程大学 | 多源数据高效融合的通用流程控制系统 |
CN114358106A (zh) * | 2021-09-29 | 2022-04-15 | 腾讯科技(深圳)有限公司 | 系统异常检测方法、装置、计算机程序产品及电子设备 |
-
2022
- 2022-05-30 CN CN202210598520.1A patent/CN114970546A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106980562A (zh) * | 2016-01-18 | 2017-07-25 | 中兴通讯股份有限公司 | 一种硬盘监控方法及装置 |
CN111935145A (zh) * | 2020-08-10 | 2020-11-13 | 武汉思普崚技术有限公司 | 一种实现网络流量安全分析的硬件无关化方法及系统 |
CN114301904A (zh) * | 2020-09-21 | 2022-04-08 | 北京鸿享技术服务有限公司 | 大数据集群的监控方法、装置、监控系统及可读存储介质 |
CN112988503A (zh) * | 2021-02-05 | 2021-06-18 | 深圳市锐尔觅移动通信有限公司 | 分析方法、分析装置、电子装置和存储介质 |
CN114358106A (zh) * | 2021-09-29 | 2022-04-15 | 腾讯科技(深圳)有限公司 | 系统异常检测方法、装置、计算机程序产品及电子设备 |
CN114048870A (zh) * | 2021-11-04 | 2022-02-15 | 佳源科技股份有限公司 | 一种基于日志特征智能挖掘的电力系统异常监测方法 |
CN114296417A (zh) * | 2022-03-11 | 2022-04-08 | 中国人民解放军海军工程大学 | 多源数据高效融合的通用流程控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9531743B2 (en) | Data trend analysis | |
JP6703031B2 (ja) | キーワードと資産価格との関連性評価方法及びその装置及び資産情報のディスプレイ方法 | |
AU2016261088B2 (en) | Social media events detection and verification | |
US10467664B2 (en) | Method for detecting spam reviews written on websites | |
US9229977B2 (en) | Real-time and adaptive data mining | |
US11048712B2 (en) | Real-time and adaptive data mining | |
CN110276410B (zh) | 确定不良原因的方法、装置、电子设备及存储介质 | |
US11153144B2 (en) | System and method of automated fault correction in a network environment | |
CN108170580A (zh) | 一种基于规则的日志报警方法、装置及系统 | |
CN111460312A (zh) | 空壳企业识别方法、装置及计算机设备 | |
CN106202126B (zh) | 一种用于物流监控的数据分析方法和装置 | |
JP2004213660A (ja) | 経営情報処理方法及びキーワード判定方法 | |
CN105468649A (zh) | 一种待展示对象匹配的判断方法及其装置 | |
Beltzung et al. | Real-time detection of fake-shops through machine learning | |
WO2017033448A1 (ja) | データ処理装置、データ処理方法、及びプログラム記録媒体 | |
CN111831817B (zh) | 问卷生成分析方法、装置、计算机设备及可读存储介质 | |
CN111369294B (zh) | 软件造价估算方法及装置 | |
CN114970546A (zh) | 信息输出方法、装置及电子设备 | |
KR101614843B1 (ko) | 사회 이슈에 대한 은폐를 탐지하는 방법 및 판단 장치 | |
US10586046B1 (en) | Automated security feed analysis for threat assessment | |
CN115660451A (zh) | 基于rpa的供应商风险预警方法、装置、设备及介质 | |
US20220012608A1 (en) | Prioritizing alerts in information technology service management systems | |
CN112883739A (zh) | 评级系统的异常告警方法、装置、电子设备及存储介质 | |
Lidiawaty et al. | Analyzing Traffic-Complaint Tweets Based on Time-Location Context Analysis to Develop A Traffic Urgency Model | |
CN109427177B (zh) | 一种监控报警方法及装置 |
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 |