CN111078521A - 异常事件的分析方法、装置、设备、***及存储介质 - Google Patents
异常事件的分析方法、装置、设备、***及存储介质 Download PDFInfo
- Publication number
- CN111078521A CN111078521A CN201911310769.2A CN201911310769A CN111078521A CN 111078521 A CN111078521 A CN 111078521A CN 201911310769 A CN201911310769 A CN 201911310769A CN 111078521 A CN111078521 A CN 111078521A
- Authority
- CN
- China
- Prior art keywords
- dimension
- server
- abnormal event
- terminal
- analysis
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/324—Display of status information
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Hardware Design (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种异常事件的分析方法、装置、设备、***及存储介质，属于计算机技术领域。本申请实施例提供了一种识别出异常事件原因的方法，利用事件涉及的每个维度的特征，计算每个维度对异常事件的贡献值，依据不同维度的贡献值大小，来找到对异常事件影响程度最大的维度，即引起异常事件的主要因素，由此得出分析结果。通过该方法，能够自动化的计算和推理出异常事件的主要原因，免去了人工计算和推理的繁琐流程，因而极大地节省了分析异常事件的耗时，提高了分析异常事件的效率。
Description
技术领域
本申请涉及计算机技术领域，特别涉及一种异常事件的分析方法、装置、设备、***及存储介质。
背景技术
在***运行过程中，经常会由于突发的情况而引起异常事件的发生。例如，由于***故障、促销活动、天气变化等因素，导致交易量或其他统计指标出现明显下降或者明显上升。当异常事件发生后，需要分析异常事件，以确定引起异常事件的原因，以便根据得到的原因对***进行维护。
目前，当异常事件发生后，人们会将相关的数据下载至电子表格中，人工对数据进行统计，得到统计结果。结合人工经验，对统计结果进行推理，得到引起异常事件的原因。
采用上述方法进行分析时，需要耗费大量的人力，并且时间开销较大，导致分析效率低下。
发明内容
本申请实施例提供了一种异常事件的分析方法、装置、设备、***及存储介质，能够解决相关技术中异常事件的分析耗时耗力、效率低下的问题。所述技术方案如下：
一方面，提供了一种异常事件的分析方法，所述方法包括：
终端向服务器发送分析请求，所述分析请求用于指示所述服务器分析引起异常事件的原因；
所述终端接收所述服务器发送的分析结果，在界面中显示所述分析结果，所述分析结果表示目标维度是引起所述异常事件的原因，所述目标维度的贡献值满足条件，所述贡献值表示所述异常事件发生时所述目标维度的特征对所述异常事件的影响程度。
可选地，所述终端向服务器发送分析请求，包括：
所述终端在界面中显示第一控件；
所述终端获取用户在所述第一控件中输入的第一时间，向所述服务器发送携带所述第一时间的分析请求，所述第一时间用于指示所述异常事件的发生时间段。
可选地，所述终端向服务器发送分析请求，包括：
所述终端在界面中显示第二控件；
所述终端获取用户在所述第二控件中输入的第二时间，向所述服务器发送携带所述第二时间的分析请求，所述第二时间用于指示样本数据对应的时间段，所述样本数据中每个维度的样本特征用于与异常事件发生时对应维度的特征进行对比分析。
可选地，所述终端向服务器发送分析请求，包括：
所述终端在界面中显示第三控件；
所述终端获取用户在所述第三控件中输入的至少一个维度标识，向所述服务器发送携带所述至少一个维度标识的分析请求。
可选地，所述终端在界面中显示所述分析结果，包括以下至少一项：
所述终端在所述界面的第一区域中显示所述目标维度的维度标识，在所述第一区域对应的第二区域中显示所述目标维度的贡献值；
所述终端在界面的第三区域中显示目标子维度的维度标识，在所述第三区域对应的第四区域中显示所述目标子维度的贡献值，所述目标子维度的贡献值满足条件。
另一方面，提供了一种异常事件的分析方法，所述方法包括：
服务器接收终端的分析请求，所述分析请求用于指示所述服务器分析引起异常事件的原因；
所述服务器响应于所述分析请求，获取所述异常事件发生时至少一个维度的特征；
所述服务器对每个维度的特征进行处理，得到每个维度的贡献值，贡献值表示对应维度的特征对所述异常事件的影响程度；
所述服务器根据每个维度的贡献值，确定目标维度，所述目标维度的贡献值满足条件；
所述服务器根据所述目标维度，向所述终端发送分析结果，所述分析结果表示所述目标维度是引起所述异常事件的原因。
可选地，所述获取所述异常事件发生时至少一个维度的特征，包括：
所述服务器从所述分析请求，获取第一时间，所述第一时间用于指示所述异常事件的发生时间段；
所述服务器查询所述第一时间对应的所述至少一个维度的特征。
可选地，所述服务器对每个维度的特征进行处理，得到每个维度的贡献值，包：
所述服务器从所述分析请求，获取所述第二时间，所述第二时间用于指示样本数据对应的时间段；
所述服务器查询所述第二时间对应的所述样本数据；
所述服务器对每个维度的特征与样本数据中对应维度的样本特征进行对比分析，得到每个维度的贡献值。
可选地，所述服务器对每个维度的特征与样本数据中对应维度的样本特征进行对比分析，得到每个维度的贡献值，包括：
所述服务器获取所述每个维度的特征与对应维度的样本特征之间的差异值；
所述服务器根据每个维度对应的差异值，获取每个维度的贡献值，贡献值与差异值正相关。
可选地，所述服务器根据每个维度对应的差异值，获取每个维度的贡献值，包括：
所述服务器获取每个维度对应的总量占比，所述总量占比表示对应维度的每个子维度对所述异常事件的影响程度；
所述服务器根据每个维度对应的总量占比，对每个维度对应的差异值进行加权。
可选地，所述服务器根据每个维度对应的差异值，获取每个维度的贡献值，包括：
所述服务器根据所述样本数据在单位时间段的平均值，获取时间比重，所述时间比重表示所述异常事件的发生时间段对所述异常事件的影响程度；
所述服务器根据所述时间比重，对每个维度对应的差异值进行加权。
可选地，所述服务器获取异常事件发生时至少一个维度的特征，包括：
所述服务器从所述分析请求，获取所述至少一个维度标识；
所述服务器查询所述至少一个维度标识中每个维度标识对应的维度的特征。
可选地，所述服务器根据所述目标维度，向所述终端发送分析结果，包括：
所述服务器向所述终端发送携带了所述目标维度的维度标识以及所述目标维度的贡献值的分析结果。
可选地，所述服务器接收终端的分析请求之后，所述方法还包括：
所述服务器对所述目标维度的每个子维度的特征进行处理，得到每个子维度的贡献值；
所述服务器根据每个子维度的贡献值，确定目标子维度，所述目标子维度的贡献值满足条件；
所述服务器根据所述目标维度，向所述终端发送分析结果，包括：
所述服务器向所述终端发送携带了所述目标子维度的维度标识以及所述目标子维度的贡献值的分析结果。
另一方面，提供了一种异常事件的分析方法，所述方法包括：
终端向服务器发送分析请求，所述分析请求用于指示所述服务器分析引起异常事件的原因；
所述服务器响应于所述分析请求，获取所述异常事件发生时至少一个维度的特征；
所述服务器对每个维度的特征进行处理，得到每个维度的贡献值，贡献值表示对应维度的特征对所述异常事件的影响程度；
所述服务器根据每个维度的贡献值，确定目标维度，所述目标维度的贡献值满足条件；
所述服务器根据所述目标维度，向所述终端发送分析结果，所述分析结果表示所述目标维度是引起所述异常事件的原因；
所述终端接收所述分析结果，在界面中显示所述分析结果。
可选地，所述终端向服务器发送分析请求，包括：
所述终端在界面中显示第一控件；
所述终端获取用户在所述第一控件中输入的第一时间，向所述服务器发送携带所述第一时间的分析请求，所述第一时间用于指示所述异常事件的发生时间段；
所述服务器响应于所述分析请求，获取所述异常事件发生时至少一个维度的特征，包括：
所述服务器从所述分析请求，获取所述第一时间；
所述服务器查询所述第一时间对应的所述至少一个维度的特征。
可选地，所述终端向服务器发送分析请求，包括：
所述终端在界面中显示第二控件；
所述终端获取用户在所述第二控件中输入的第二时间，向所述服务器发送携带所述第二时间的分析请求，所述第二时间用于指示样本数据对应的时间段；
所述服务器对每个维度的特征进行处理，得到每个维度的贡献值，包：
所述服务器从所述分析请求，获取所述第二时间；
所述服务器查询所述第二时间对应的所述样本数据；
所述服务器对每个维度的特征与所述样本数据中对应维度的样本特征进行对比分析，得到每个维度的贡献值。
可选地，所述服务器对每个维度的特征与所述样本数据中对应维度的样本特征进行对比分析，得到每个维度的贡献值，包括：
所述服务器获取所述每个维度的特征与对应维度的样本特征之间的差异值；
所述服务器根据每个维度对应的差异值，获取每个维度的贡献值，贡献值与差异值正相关。
可选地，所述服务器根据每个维度对应的差异值，获取每个维度的贡献值，包括：
所述服务器获取每个维度对应的总量占比，所述总量占比表示对应维度的每个子维度对所述异常事件的影响程度；
所述服务器根据每个维度对应的总量占比，对每个维度对应的差异值进行加权。
可选地，所述服务器根据每个维度对应的差异值，获取每个维度的贡献值，包括：
所述服务器根据所述样本数据在单位时间段的平均值，获取时间比重，所述时间比重表示所述异常事件的发生时间段对所述异常事件的影响程度；
所述服务器根据所述时间比重，对每个维度对应的差异值进行加权。
可选地，所述终端向服务器发送分析请求，包括：
所述终端在界面中显示第三控件；
所述终端获取用户在所述第三控件中输入的至少一个维度标识，向所述服务器发送携带所述至少一个维度标识的分析请求；
所述服务器响应于所述分析请求，获取所述异常事件发生时至少一个维度的特征，包括：
所述服务器从所述分析请求，获取所述至少一个维度标识；
所述服务器查询所述至少一个维度标识中每个维度标识对应的维度的特征。
可选地，所述服务器根据所述目标维度，向所述终端发送分析结果，包括：
所述服务器向所述终端发送携带了所述目标维度的维度标识以及所述目标维度的贡献值的分析结果；
所述终端接收所述分析结果，在界面中显示所述分析结果，包括：
所述终端在所述界面的第一区域中显示所述目标维度的维度标识，在所述第一区域对应的第二区域中显示所述目标维度的贡献值。
可选地，所述服务器接收所述分析请求之后，所述方法还包括：
所述服务器对所述目标维度的每个子维度的特征进行处理，得到每个子维度的贡献值；
所述服务器根据每个子维度的贡献值，确定目标子维度，所述目标子维度的贡献值满足条件；
所述服务器根据所述目标维度，向所述终端发送分析结果，包括：
所述服务器向所述终端发送携带了所述目标子维度的维度标识以及所述目标子维度的贡献值的分析结果；
所述终端接收所述分析结果，在界面中显示所述分析结果，包括：
所述终端在界面的第三区域中显示所述目标子维度的维度标识，在所述第三区域对应的第四区域中显示所述目标子维度的贡献值。
另一方面，提供了一种异常事件的分析装置，所述装置包括：
发送模块，用于向服务器发送分析请求，所述分析请求用于指示所述服务器分析引起异常事件的原因；
接收模块，用于接收所述服务器发送的分析结果；
显示模块，用于在界面中显示所述分析结果，所述分析结果表示目标维度是引起所述异常事件的原因，所述目标维度的贡献值满足条件，所述贡献值表示所述异常事件发生时所述目标维度的特征对所述异常事件的影响程度。
可选地，所述显示模块，用于在界面中显示第一控件；
所述装置还包括：第一获取模块，用于获取用户在所述第一控件中输入的第一时间；
所述发送模块，用于向所述服务器发送携带所述第一时间的分析请求，所述第一时间用于指示所述异常事件的发生时间段。
可选地，所述显示模块，用于在界面中显示第二控件；
所述装置还包括：第二获取模块，用于获取用户在所述第二控件中输入的第二时间；
所述发送模块，用于向所述服务器发送携带所述第二时间的分析请求，所述第二时间用于指示样本数据对应的时间段，所述样本数据中每个维度的样本特征用于与异常事件发生时对应维度的特征进行对比分析。
可选地，所述显示模块，用于在界面中显示第三控件；
所述装置还包括：第三获取模块，用于获取用户在所述第三控件中输入的至少一个维度标识；
所述发送模块，用于向所述服务器发送携带所述至少一个维度标识的分析请求。
可选地，所述显示模块，用于在所述界面的第一区域中显示所述目标维度的维度标识，在所述第一区域对应的第二区域中显示所述目标维度的贡献值；
可选地，所述显示模块，用于在界面的第三区域中显示目标子维度的维度标识，在所述第三区域对应的第四区域中显示所述目标子维度的贡献值，所述目标子维度的贡献值满足条件。
另一方面，提供了一种异常事件的分析装置，所述装置包括：
接收模块，用于接收终端的分析请求，所述分析请求用于指示所述服务器分析引起异常事件的原因；
获取模块，用于响应于所述分析请求，获取所述异常事件发生时至少一个维度的特征；
处理模块，用于对每个维度的特征进行处理，得到每个维度的贡献值，贡献值表示对应维度的特征对所述异常事件的影响程度；
确定模块，用于根据每个维度的贡献值，确定目标维度，所述目标维度的贡献值满足条件；
发送模块，用于根据所述目标维度，向所述终端发送分析结果，所述分析结果表示所述目标维度是引起所述异常事件的原因。
可选地，所述获取模块，用于从所述分析请求，获取第一时间，所述第一时间用于指示所述异常事件的发生时间段；查询所述第一时间对应的所述至少一个维度的特征。
可选地，所述处理模块，用于从所述分析请求，获取所述第二时间，所述第二时间用于指示样本数据对应的时间段；查询所述第二时间对应的所述样本数据；对每个维度的特征与样本数据中对应维度的样本特征进行对比分析，得到每个维度的贡献值。
可选地，所述处理模块，用于获取所述每个维度的特征与对应维度的样本特征之间的差异值；根据每个维度对应的差异值，获取每个维度的贡献值，贡献值与差异值正相关。
可选地，所述获取模块，用于获取每个维度对应的总量占比，所述总量占比表示对应维度的每个子维度对所述异常事件的影响程度；根据每个维度对应的总量占比，对每个维度对应的差异值进行加权。
可选地，所述获取模块，用于根据所述样本数据在单位时间段的平均值，获取时间比重，所述时间比重表示所述异常事件的发生时间段对所述异常事件的影响程度；根据所述时间比重，对每个维度对应的差异值进行加权。
可选地，所述获取模块，用于从所述分析请求，获取所述至少一个维度标识；查询所述至少一个维度标识中每个维度标识对应的维度的特征。
可选地，所述发送模块，用于向所述终端发送携带了所述目标维度的维度标识以及所述目标维度的贡献值的分析结果。
可选地，所述处理模块，用于对所述目标维度的每个子维度的特征进行处理，得到每个子维度的贡献值；所述确定模块，用于根据每个子维度的贡献值，确定目标子维度，所述目标子维度的贡献值满足条件；
所述发送模块，用于向所述终端发送携带了所述目标子维度的维度标识以及所述目标子维度的贡献值的分析结果。
另一方面，提供了一种终端，所述终端包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条指令，所述至少一条指令由所述一个或多个处理器加载并执行以实现上述异常事件的分析方法所执行的操作。
另一方面，提供了一种服务器，所述服务器包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条指令，所述至少一条指令由所述一个或多个处理器加载并执行以实现上述异常事件的分析方法所执行的操作。
另一方面，提供了一种异常事件的分析***，所述***包括终端以及服务器；
所述终端包括一个或多个处理器和一个或多个存储器，所述终端的存储器中存储有至少一条指令，所述至少一条指令由所述终端的处理器加载并执行以实现上述终端执行的异常事件的分析方法所执行的操作；
所述服务器包括一个或多个处理器和一个或多个存储器，所述服务器的存储器中存储有至少一条指令，所述至少一条指令由所述服务器的处理器加载并执行以实现上述服务器执行的异常事件的分析方法所执行的操作。
另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由终端的处理器加载并执行以实现上述终端执行的异常事件的分析方法，或者由服务器的处理器加载并执行以实现上述服务器执行的异常事件的分析方法。
本申请实施例提供的技术方案带来的有益效果至少包括：
本实施例提供了一种识别出异常事件原因的方法，利用事件涉及的每个维度的特征，计算每个维度对异常事件的贡献值，依据不同维度的贡献值大小，来找到对异常事件影响程度最大的维度，即引起异常事件的主要因素，由此得出分析结果。通过该方法，能够自动化的计算和推理出异常事件的主要原因，免去了人工计算和推理的繁琐流程，因而极大地节省了分析异常事件的耗时，提高了分析异常事件的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对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申请的一些实施例，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是本申请实施例提供的一种异常事件的分析***的架构图；
图2是本申请实施例提供的一种异常事件的分析方法的流程图；
图3是本申请实施例提供的一种界面的示意图；
图4是本申请实施例提供的一种界面的示意图；
图5是本申请实施例提供的一种界面的示意图；
图6是本申请实施例提供的一种异常事件的分析方法的流程图；
图7是本申请实施例提供的一种异常事件的分析装置的结构示意图；
图8是本申请实施例提供的一种异常事件的分析装置的结构示意图；
图9是本申请实施例提供的一种终端的结构示意图；
图10是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
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，都属于本申请保护的范围。
本申请中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本申请中的字符“/”，一般表示前后关联对象是一种“或”的关系。
本申请中术语“多个”的含义是指两个或两个以上，例如，多个数据包是指两个或两个以上的数据包。
本申请中术语“第一”“第二”等字样用于对作用和功能基本相同的相同项或相似项进行区分，应理解，“第一”、“第二”、“第n”之间不具有逻辑或时序上的依赖关系，也不对数量和执行顺序进行限定。
以下，示例性介绍本申请的***架构。
图1是本申请实施例提供的一种异常事件的分析***的结构图。该异常事件的分析***包括：终端101和服务器102。终端101通过无线网络或有线网络与服务器102相连。
终端101可以是智能手机、游戏主机、台式计算机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)播放器或MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器和膝上型便携计算机中的至少一种。终端101安装和运行有支持异常事件分析的应用程序。该应用程序可以通过浏览器运行，也可以是一个独立的应用客户端。示例性的，终端101是用户使用的终端，终端101中运行的应用程序内登录有用户账号。
服务器102包括一台服务器、多台服务器、云计算平台和虚拟化中心中的至少一种。服务器102用于为支持异常事件的分析的应用程序提供后台服务。可选地，服务器102承担主要分析工作，终端101承担次要分析工作；或者，服务器102承担次要分析工作，终端101承担主要分析工作；或者，服务器102或终端101分别可以单独承担分析工作。
可选地，异常事件的分析***还可以包括数据库103。数据库103可以存储***运行过程中记录的数据，例如可以存储每个维度的特征。当服务器102需要得到数据时，可以访问数据库103，读取数据库103存储的数据。
本领域技术人员可以知晓，上述终端101、服务器102的数量可以更多或更少。比如上述终端、服务器可以仅为一个，或者上述终端为几十个或几百个，或者更多数量，此时上述异常事件的分析***还包括其他终端和其他服务器。本申请实施例对终端和服务器的数量和设备类型不加以限定。
图2是本申请实施例提供的一种异常事件的分析方法的交互流程图。以图2为例，对分析异常事件的流程描述如下：
201、终端向服务器发送分析请求。
分析请求用于指示服务器分析引起异常事件的原因。分析请求可以由终端生成，终端发送分析请求的时机可以包括多种情况。举例来说，若终端检测到用户对界面触发的操作，可以生成分析请求，向服务器发送分析请求。例如，参见图3，终端可以显示图3所示的界面，若检测到用户对“开始分析”选项触发的操作，则向服务器发送分析请求。
其中，该界面可以是网页页面，终端可以在浏览器中显示该界面。或者，该界面可以是应用客户端的界面，终端可以在应用客户端中显示界面。
异常事件是指服务器运行时指标出现异常的情况。该指标可以是数值形式的指标，例如，指标可以是授信用户数量、刷卡量、交易量等。指标也可以是比率形式的指标，例如，指标可以是支付成功率。指标的异常可以包括指标出现明显下降事件、指标出现明显上升的事件。
通常情况下，当指标明显上升或者明显下降时，这类异常事件很难在第一时间定位到是由什么原因导致的，而通过实施本方法实施例，可以对异常事件进行自动归因，找出异常事件的原因。
分析请求可以携带多种信息。例如，分析请求可以包括指标的标识、至少一个维度标识、模型的标识、第一时间或者第二时间中的至少一项。
其中，指标的标识用于标识对应的指标，例如参见图3，指标的标识可以是if_shouxin_d(是否为授信用户)。模型的标识可以包括值模型、率模型，值模型用于标识指标的数据形式为数值。率模型用于标识指标的形式为比率。维度标识用于标识对应的维度，例如，维度标识可以是“qudao_tag”、“large_tag”、“If_whitelist”等，“qudao_tag”用于标识渠道维度，“large_tag”用于标识大区维度，“If_whitelist”用于标识是否为白名单维度。
第一时间用于指示异常事件的发生时间段，第一时间可以使用一天为时间单位，第一时间可以记为分析日期，例如参见图3，第一时间可以是2019年07月13日。第二时间用于指示样本数据对应的时间段，第二时间可以使用一天为时间单位，第二时间可以包括多天。第二时间可以记为数据日期，例如参见图3，第二时间可以是2019年07月6日至2019年07月12日。
在一些实施例中，步骤201可以包括以下方式一至方式三中任一项或多项的组合：
方式一、终端在界面中显示第一控件。
第一控件用于输入异常事件的发生时间段。例如参见图3，第一控件可以是“选择分析日期”之后的输入框。终端可以检测用户对第一控件的操作，获取用户在第一控件中输入的第一时间，向服务器发送携带第一时间的分析请求。
方式二、终端在界面中显示第二控件。
第二控件用于输入样本数据对应的时间段。例如参见图3，第二控件可以是“选择数据日期”之后的输入框。终端可以检测用户对第二控件的操作，获取用户在第二控件中输入的第二时间，向服务器发送携带第二时间的分析请求。
方式三、终端在界面中显示第三控件。
第三控件用于输入维度标识。例如参见图3，第三控件可以是“选择维度”之后的输入框。终端可以检测用户对第三控件的操作，终端获取用户在第三控件中输入的至少一个维度标识，向服务器发送携带至少一个维度标识的分析请求。通过这种方式，用户可以指定要分析的维度组合，保证分析结果全面客观。
其中，第三控件可以包括多种形态。例如，终端可以检测对第三控件的填写操作，获取用户在第三控件中填写的维度标识。又如，终端可以检测对第三控件的选中操作后，显示弹出框，弹出框包括至少一个标签，每个标签包含一个维度标识，用户可以从弹出框中的至少一个标签中，选择待分析的维度对应的标签，终端可以确定用户在弹出框中选中的标签，将被选中的标签包含的维度标识携带在分析请求中，发送给服务器。
例如，参见图3，用户选中了标签“qudao_tag”、“large_tag”、“If_whitelist”，终端可以将“qudao_tag”、“large_tag”、“If_whitelist”携带在分析请求中，发送给服务器。
此外，终端还可以在界面中显示第四控件，终端可以获取用户在第四控件中输入的指标标识，向服务器发送携带指标标识的分析请求。其中，第四控件用于输入指标标识。例如参见图3，第四控件可以是“选择指标”之后的输入框。通过第四控件，选择了if_shouxin_d作为要分析的指标，后续即可分析该指标相关的异常事件。
此外，终端还可以在界面中显示第五控件，终端可以获取用户在第五控件中输入的模型标识，向服务器发送携带模型标识的分析请求。其中，第五控件用于输入模型标识。例如参见图3，第五控件可以是“选择模型”之后的输入框。通过第五控件，选择了值模型作为要分析的指标。
需要说明的是，本实施例涉及的术语“维度”以及可以“子维度”可以对应于其他名称，例如根据厂商、标准或应用场景的不同，而具有不同的称呼。例如，维度这一术语也可以称为维度组或大类维度，子维度这一术语也可以称为维度值或子类维度。
202、服务器响应于分析请求，获取异常事件发生时至少一个维度的特征。
服务器接收分析请求后，可以解析分析请求，得到分析请求中的指标的标识、模型的标识、第一时间或者第二时间中的至少一项，响应于分析请求，执行归因分析的流程。
具体地，服务器可以获取***存在异常日期的数据。例如，服务器从分析请求，获取第一时间，服务器可以查询第一时间对应的至少一个维度的特征。例如参见图3，如果用户选择了分析日期2019-07-13，可以获取***在2019-07-13时每个维度的特征。
其中，服务器可以从分析请求，获取至少一个维度标识。服务器可以查询至少一个维度标识中每个维度标识对应的维度的特征。例如，参见图3，如果用户选择了“qudao_tag”、“large_tag”、“If_whitelist”，可以获取***在“qudao_tag”维度的特征、“large_tag”维度的特征、“If_whitelist”维度的特征。其中，维度的特征可以是***在维度上的参数。此外，如果一个维度包括多个子维度，例如是否为白名单维度可以包括为白名单、不为白名单、无法识别等多个子维度，服务器可以查询每个维度的每个子维度的特征。
此外，服务器还可以获取***运行稳定一段时间内的数据，作为样本数据来进行对比分析。具体来说，服务器可以从分析请求，获取第二时间，服务器可以查询第二时间对应的样本数据。例如，参见图3，如果用户选择了“2019-07-6至2019-07-12”，服务器可以查询***在2019-07-6至2019-07-12的数据。
在一个实施例中，服务器可以根据终端发来的分析请求，得到用户选择的参数，查询用户选择的参数对应的历史数据，自动计算统计得到以下统计结果：
分析日期段的按子维度明细统计结果F(Dtn)；
待校验日期按子维度明细统计结果F(dn)；
分析日期段按天的统计结果F(Dt)；
待检验日期按天的统计结果F(d)；
分析日期段的平均统计值V＝avg(F(Dt))；
分析日期段每个子维度的平均统计值Vn＝avg(F(Dtn))。
其中，m为维度，m为正整数，n为所有的子维度数量，n为正整数，t为一段日期内的每个日期，t为正整数，D表示有日期序列的日期集合，d为单个日期
V为常量，Vn为常量。avg表示取平均值。
203、服务器对每个维度的特征进行处理，得到每个维度的贡献值。
贡献值表示对应维度的特征对异常事件的影响程度，贡献值与影响程度正相关。贡献值可以记为贡献度或贡献分。例如，参见图3，维度If_whitelist的贡献值为99.000，维度qudao_tag的贡献值为58.7763，维度large_tagt的贡献值为0.3232，这3个维度中If_whitelist的贡献值最大，可以表明If_whitelist对异常事件的影响程度最大，是异常事件的根因的概率最高。
本实施例中，服务器可以通过自动化计算异常事件涉及的维度，根据每个维度值的不同贡献值，得到分析结果。在一些实施例中，服务器可以对每个维度的特征与样本数据中对应维度的样本特征进行对比分析，得到每个维度的贡献值。如此，可以将预设时间段内的样本数据作为参考数据，以对比的手段来校验检测日期的数据是否异常。
对比分析的方式可以包括多种。在一些实施例中，可以考虑每个维度值的维度值差异量以进行对比分析。具体地，服务器可以获取每个维度的特征与对应维度的样本特征之间的差异值；服务器可以根据每个维度对应的差异值，获取每个维度的贡献值。其中，贡献值与差异值正相关。维度对应的差异值可以记为{F(dn)-Vn}，F(dn)和Vn的差值为差异值。可以为校验子维度统计结果的差异量，可以表明每个子维度对事件的影响大小。
在一些实施例中，可以考虑每个子维度的总量占比以进行对比分析。具体地，服务器获取每个维度对应的总量占比，总量占比表示对应维度的每个子维度对异常事件的影响程度；服务器可以根据每个维度对应的总量占比，对每个维度对应的差异值进行加权。其中，总量占比可以记为
可以为校验日期子维度统计结果在整个异常事件中权重占比，通过根据总量占比进行加权，能够按权重控制对整体事件影响大小，F(dn)和V的概念还请参见上文。
在一些实施例中，可以考虑按天统计差异量以进行对比分析。具体地，服务器根据样本数据在单位时间段的平均值，获取时间比重，时间比重表示异常事件的发生时间段对异常事件的影响程度；服务器可以根据时间比重，对每个维度对应的差异值进行加权。其中，时间比重可以记为
可以为校验日期在分析日期统计结果的影响比重，通过根据时间比重进行加权，能够按权重控制对整体事件影响大小。
在一些实施例中，可以从每个子维度的总量占比、子维度差异量及按天统计差异量综合考虑，按以下公式一，计算维度下所有子维度对异常事件的贡献值，考虑到异常事件可以是指标上升的事件，也可以是指标下降的事件，可以将结果取绝对值。
其中，tmn表示贡献值，abs表示取绝对值，*表示相乘，F(dn)、F(d)和V的概念还请参见上文。
在一些实施例中，为方便理解贡献值，可以从至少一个维度的贡献值中，获取贡献值的最大值以及贡献值的最小值；根据最大值以及最小值，将每个维度的贡献值均映射至目标取值范围。其中，目标取值范围可以是0-100。例如，可以按以下公式二，对公式一得到的贡献值进行计算。
其中，Tm表示维度对异常事件的贡献值。V1＝max(tmn)，表示子维度的统计结果的最大值。V2＝min(tmn)，表示子维度的统计结果的最小值，vm为每个维度下每个子维度的统计结果的最大值vm。
204、服务器根据每个维度的贡献值，确定目标维度。
目标维度的贡献值满足条件。例如，目标维度可以是至少一个维度中贡献值最大的维度，例如，目标维度可以是至少一个维度中贡献值排在前预设位数的维度。
205、服务器根据目标维度，向终端发送分析结果。
分析结果表示目标维度是引起异常事件的原因。例如，服务器可以生成携带了目标维度的维度标识以及目标维度的贡献值的分析结果，发送给终端，以便终端从分析结果中，得到目标维度的维度标识以及目标维度的贡献值，呈现在界面中。例如，参见图3，服务器可以发送3个维度的维度标识以及3个维度中每个维度的贡献值，例如发送：If_whitelist以及99.000、qudao_tag以及58.7763，large_tag以及0.3232。
其中，服务器可以对目标维度的每个子维度的特征进行处理，得到每个子维度的贡献值，服务器可以根据每个子维度的贡献值，确定目标子维度，服务器向终端发送携带了目标子维度的维度标识以及目标子维度的贡献值的分析结果。其中，目标子维度的贡献值满足条件。例如，目标子维度可以是目标维度的至少一个子维度中贡献值最大的子维度，例如，目标子维度可以是目标维度的至少一个子维度中贡献值排在前预设位数的子维度。
其中，目标子维度的确定过程与目标维度的确定过程同理，在此不做赘述。例如，服务器可以根据每个维度对异常事件的贡献值Tm以及维度Tm的每个子维度对异常事件的贡献值tmn，得到分析结果。例如，参见图4，服务器可以发送每个维度对应的子维度的标识以及子维度的贡献值，例如发送白名单以及340.831284、支付后弹窗以及202.351534、MGM以及6.158767、我的以及2.078862等等。
206、终端接收分析结果，在界面中显示分析结果。
终端显示分析结果的方式可以包括多种实现方式。例如，终端可以在界面的第一区域中显示目标维度的维度标识，在第一区域对应的第二区域中显示目标维度的贡献值。其中，第一区域和第二区域可以是两个不同的区域，例如，参见图3，第一区域和第二区域可以如图3排布。
此外，终端可以在界面的第三区域中显示目标子维度的维度标识，在第三区域对应的第四区域中显示目标子维度的贡献值。例如，参见图4，第三区域和第四区域可以如图4排布。
以下通过一个示例性案例进行说明。参见图5，在2019年07月12日生活费渠道的申请量大概在14.5万左右，申请量日常平均数量在15万左右，在2019年07月13日时申请量激增至17.2万，通过执行上述方法实施例进行自动分析，发现引起该异常该事件的主要因素是来自白名单的用户申请数量增多。
参见图6，分析异常事件的流程可以如下所示：
步骤一、选取***运行稳定时间段的数据，之后，执行步骤三。
步骤二、获取异常日期的数据，之后，执行步骤四。其中，步骤二和步骤一可以并行执行。
步骤三、将用户选择的所有维度的结果作为样本数据，之后，执行步骤五。
步骤四、计算用户选择的所有维度的结果数据，之后，执行步骤五。其中，步骤四和步骤三可以并行执行。
步骤五、对样本数据和待分析的结果数据进行分析，之后，执行步骤六。
步骤六、输出每个子维度的贡献值分析结果，之后，执行步骤七和步骤八。
步骤七、根据子维度的结果计算整体维度对该事件的影响，之后，执行步骤九。
步骤八、根据分析结果得到影响事件的最大子维度，之后，执行步骤九。其中，步骤八和步骤七可以并行执行。
步骤九、得到分析结果报告。
相关技术中，分析异常事件通常需要消耗比较长的时间和人力，同时效率低，重复性的环节较多，此外，异常事件的分析结果会因人工判断的原因导致分析结果准度下降。而上述方法的过程采用自动计算，因此提高了计算效率。并且，分析过程自动化，效果高效，计算方式灵活，数据结果可复用。并且，分析过程减少人工判断，全量维度参与分析，结果客观。
本实施例提供了一种识别出异常事件原因的方法，利用事件涉及的每个维度的特征，计算每个维度对异常事件的贡献值，依据不同维度的贡献值大小，来找到对异常事件影响程度最大的维度，即引起异常事件的主要因素，由此得出分析结果。通过该方法，能够自动化的计算和推理出异常事件的主要原因，免去了人工计算和推理的繁琐流程，因而极大地节省了分析异常事件的耗时，提高了分析异常事件的效率。
上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。
图7是本申请实施例提供的一种异常事件的分析装置的结构示意图。参见图7，该装置包括：
发送模块701，用于向服务器发送分析请求，分析请求用于指示服务器分析引起异常事件的原因；
接收模块702，用于接收服务器发送的分析结果；
显示模块703，用于在界面中显示分析结果，分析结果表示目标维度是引起异常事件的原因，目标维度的贡献值满足条件，贡献值表示异常事件发生时目标维度的特征对异常事件的影响程度。
本实施例提供了一种识别出异常事件原因的装置，利用事件涉及的每个维度的特征，计算每个维度对异常事件的贡献值，依据不同维度的贡献值大小，来找到对异常事件影响程度最大的维度，即引起异常事件的主要因素，由此得出分析结果。通过该方法，能够自动化的计算和推理出异常事件的主要原因，免去了人工计算和推理的繁琐流程，因而极大地节省了分析异常事件的耗时，提高了分析异常事件的效率。
可选地，显示模块703，用于在界面中显示第一控件；
装置还包括：第一获取模块，用于获取用户在第一控件中输入的第一时间；
发送模块701，用于向服务器发送携带第一时间的分析请求，第一时间用于指示异常事件的发生时间段。
可选地，显示模块703，用于在界面中显示第二控件；
装置还包括：第二获取模块，用于获取用户在第二控件中输入的第二时间；
发送模块701，用于向服务器发送携带第二时间的分析请求，第二时间用于指示样本数据对应的时间段，样本数据中每个维度的样本特征用于与异常事件发生时对应维度的特征进行对比分析。
可选地，显示模块703，用于在界面中显示第三控件；
装置还包括：第三获取模块，用于获取用户在第三控件中输入的至少一个维度标识；
发送模块701，用于向服务器发送携带至少一个维度标识的分析请求。
可选地，显示模块703，用于在界面的第一区域中显示目标维度的维度标识，在第一区域对应的第二区域中显示目标维度的贡献值；
可选地，显示模块703，用于在界面的第三区域中显示目标子维度的维度标识，在第三区域对应的第四区域中显示目标子维度的贡献值，目标子维度的贡献值满足条件。
需要说明的是：上述实施例提供的异常事件的分析装置在分析异常事件时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将异常事件的分析装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的异常事件的分析装置与异常事件的分析方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图8是本申请实施例提供的一种异常事件的分析装置的结构示意图。参见图8，该装置包括：
接收模块801，用于接收终端的分析请求，分析请求用于指示服务器分析引起异常事件的原因；
获取模块802，用于响应于分析请求，获取异常事件发生时至少一个维度的特征；
处理模块803，用于对每个维度的特征进行处理，得到每个维度的贡献值，贡献值表示对应维度的特征对异常事件的影响程度；
确定模块804，用于根据每个维度的贡献值，确定目标维度，目标维度的贡献值满足条件；
发送模块805，用于根据目标维度，向终端发送分析结果，分析结果表示目标维度是引起异常事件的原因。
本实施例提供了一种识别出异常事件原因的装置，利用事件涉及的每个维度的特征，计算每个维度对异常事件的贡献值，依据不同维度的贡献值大小，来找到对异常事件影响程度最大的维度，即引起异常事件的主要因素，由此得出分析结果。通过该方法，能够自动化的计算和推理出异常事件的主要原因，免去了人工计算和推理的繁琐流程，因而极大地节省了分析异常事件的耗时，提高了分析异常事件的效率。
可选地，获取模块802，用于从分析请求，获取第一时间，第一时间用于指示异常事件的发生时间段；查询第一时间对应的至少一个维度的特征。
可选地，处理模块803，用于从分析请求，获取第二时间，第二时间用于指示样本数据对应的时间段；查询第二时间对应的样本数据；对每个维度的特征与样本数据中对应维度的样本特征进行对比分析，得到每个维度的贡献值。
可选地，处理模块803，用于获取每个维度的特征与对应维度的样本特征之间的差异值；根据每个维度对应的差异值，获取每个维度的贡献值，贡献值与差异值正相关。
可选地，获取模块802，用于获取每个维度对应的总量占比，总量占比表示对应维度的每个子维度对异常事件的影响程度；根据每个维度对应的总量占比，对每个维度对应的差异值进行加权。
可选地，获取模块802，用于根据样本数据在单位时间段的平均值，获取时间比重，时间比重表示异常事件的发生时间段对异常事件的影响程度；根据时间比重，对每个维度对应的差异值进行加权。
可选地，获取模块802，用于从分析请求，获取至少一个维度标识；查询至少一个维度标识中每个维度标识对应的维度的特征。
可选地，发送模块805，用于向终端发送携带了目标维度的维度标识以及目标维度的贡献值的分析结果。
可选地，处理模块803，用于对目标维度的每个子维度的特征进行处理，得到每个子维度的贡献值；确定模块804，用于根据每个子维度的贡献值，确定目标子维度，目标子维度的贡献值满足条件；
发送模块805，用于向终端发送携带了目标子维度的维度标识以及目标子维度的贡献值的分析结果。
需要说明的是：上述实施例提供的异常事件的分析装置在分析异常事件时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将异常事件的分析装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的异常事件的分析装置与异常事件的分析方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图9示出了本申请一个示例性实施例提供的终端900的结构框图。该终端900可以是：智能手机、平板电脑、MP3(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group Audio LayerIV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端900还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端900包括有：一个或多个处理器901和一个或多个存储器902。
处理器901可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器901可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器901也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器901可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器901还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器902可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器902还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器902中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器901所执行以实现本申请中方法实施例提供的异常事件的分析方法。
在一些实施例中，终端900还可选包括有：***设备接口903和至少一个***设备。处理器901、存储器902和***设备接口903之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口903相连。具体地，***设备包括：射频电路904、触摸显示屏905、摄像头组件906、音频电路907、定位组件908和电源909中的至少一种。
***设备接口903可被用于将I/O(Input/Output，输入/输出)相关的至少一个***设备连接到处理器901和存储器902。在一些实施例中，处理器901、存储器902和***设备接口903被集成在同一芯片或电路板上；在一些其他实施例中，处理器901、存储器902和***设备接口903中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路904用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路904通过电磁信号与通信网络以及其他通信设备进行通信。射频电路904将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路904包括：天线***、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路904可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路904还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏905用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏905是触摸显示屏时，显示屏905还具有采集在显示屏905的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器901进行处理。此时，显示屏905还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏905可以为一个，设置终端900的前面板；在另一些实施例中，显示屏905可以为至少两个，分别设置在终端900的不同表面或呈折叠设计；在再一些实施例中，显示屏905可以是柔性显示屏，设置在终端900的弯曲表面上或折叠面上。甚至，显示屏905还可以设置成非矩形的不规则图形，也即异形屏。显示屏905可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件906用于采集图像或视频。可选地，摄像头组件906包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件906还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路907可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器901进行处理，或者输入至射频电路904以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端900的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器901或射频电路904的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路907还可以包括耳机插孔。
定位组件908用于定位终端900的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件908可以是基于美国的GPS(GlobalPositioning System，全球定位***)、中国的北斗***或俄罗斯的伽利略***的定位组件。
电源909用于为终端900中的各个组件进行供电。电源909可以是交流电、直流电、一次性电池或可充电电池。当电源909包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中，终端900还包括有一个或多个传感器910。该一个或多个传感器910包括但不限于：加速度传感器911、陀螺仪传感器912、压力传感器913、指纹传感器914、光学传感器915以及接近传感器916。
加速度传感器911可以检测以终端900建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器911可以用于检测重力加速度在三个坐标轴上的分量。处理器901可以根据加速度传感器911采集的重力加速度信号，控制触摸显示屏905以横向视图或纵向视图进行用户界面的显示。加速度传感器911还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器912可以检测终端900的机体方向及转动角度，陀螺仪传感器912可以与加速度传感器911协同采集用户对终端900的3D动作。处理器901根据陀螺仪传感器912采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器913可以设置在终端900的侧边框和/或触摸显示屏905的下层。当压力传感器913设置在终端900的侧边框时，可以检测用户对终端900的握持信号，由处理器901根据压力传感器913采集的握持信号进行左右手识别或快捷操作。当压力传感器913设置在触摸显示屏905的下层时，由处理器901根据用户对触摸显示屏905的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器914用于采集用户的指纹，由处理器901根据指纹传感器914采集到的指纹识别用户的身份，或者，由指纹传感器914根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器901授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器914可以被设置终端900的正面、背面或侧面。当终端900上设置有物理按键或厂商Logo时，指纹传感器914可以与物理按键或厂商Logo集成在一起。
光学传感器915用于采集环境光强度。在一个实施例中，处理器901可以根据光学传感器915采集的环境光强度，控制触摸显示屏905的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏905的显示亮度；当环境光强度较低时，调低触摸显示屏905的显示亮度。在另一个实施例中，处理器901还可以根据光学传感器915采集的环境光强度，动态调整摄像头组件906的拍摄参数。
接近传感器916，也称距离传感器，通常设置在终端900的前面板。接近传感器916用于采集用户与终端900的正面之间的距离。在一个实施例中，当接近传感器916检测到用户与终端900的正面之间的距离逐渐变小时，由处理器901控制触摸显示屏905从亮屏状态切换为息屏状态；当接近传感器916检测到用户与终端900的正面之间的距离逐渐变大时，由处理器901控制触摸显示屏905从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图9中示出的结构并不构成对终端900的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
图10是本申请实施例提供的一种服务器的结构示意图，该服务器1000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处理器(Central ProcessingUnits，CPU)1001和一个或一个以上的存储器1002，其中，该存储器1002中存储有至少一条指令，该至少一条指令由该处理器1001加载并执行以实现上述各个方法实施例提供的异常事件的分析方法。当然，该服务器还可以具有有线或无线网络接口以及输入输出接口等部件，以便进行输入输出，该服务器还可以包括其他用于实现设备功能的部件，在此不做赘述。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端的处理器执行以完成上述实施例中的异常事件的分析方法。例如，计算机可读存储介质可以是只读存储器(Read-Only Memory，简称：ROM)、随机存取存储器(Random Access Memory，简称：RAM)、只读光盘(Compact Disc Read-Only Memory，简称：CD-ROM)、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由服务器对应的处理器执行以完成上述实施例中的异常事件的分析方法。例如，计算机可读存储介质可以是只读存储器(Read-Only Memory，简称：ROM)、随机存取存储器(Random Access Memory，简称：RAM)、只读光盘(Compact Disc Read-Only Memory，简称：CD-ROM)、磁带、软盘和光数据存储设备等。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其它信息确定B。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，该的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的可选实施例，并不用以限制本申请，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。
Claims (20)
1.一种异常事件的分析方法，其特征在于，所述方法包括：
终端向服务器发送分析请求，所述分析请求用于指示所述服务器分析引起异常事件的原因；
所述终端接收所述服务器发送的分析结果，在界面中显示所述分析结果，所述分析结果表示目标维度是引起所述异常事件的原因，所述目标维度的贡献值满足条件，所述贡献值表示所述异常事件发生时所述目标维度的特征对所述异常事件的影响程度。
2.根据权利要求1所述的方法，其特征在于，所述终端向服务器发送分析请求，包括：
所述终端在界面中显示第一控件；
所述终端获取用户在所述第一控件中输入的第一时间，向所述服务器发送携带所述第一时间的分析请求，所述第一时间用于指示所述异常事件的发生时间段。
3.根据权利要求1所述的方法，其特征在于，所述终端向服务器发送分析请求，包括：
所述终端在界面中显示第二控件；
所述终端获取用户在所述第二控件中输入的第二时间，向所述服务器发送携带所述第二时间的分析请求，所述第二时间用于指示样本数据对应的时间段，所述样本数据中每个维度的样本特征用于与异常事件发生时对应维度的特征进行对比分析。
4.根据权利要求1所述的方法，其特征在于，所述终端向服务器发送分析请求，包括：
所述终端在界面中显示第三控件；
所述终端获取用户在所述第三控件中输入的至少一个维度标识，向所述服务器发送携带所述至少一个维度标识的分析请求。
5.根据权利要求1所述的方法，其特征在于，所述终端在界面中显示所述分析结果，包括以下至少一项：
所述终端在所述界面的第一区域中显示所述目标维度的维度标识，在所述第一区域对应的第二区域中显示所述目标维度的贡献值；
所述终端在界面的第三区域中显示目标子维度的维度标识，在所述第三区域对应的第四区域中显示所述目标子维度的贡献值，所述目标子维度的贡献值满足条件。
6.一种异常事件的分析方法，其特征在于，所述方法包括：
服务器接收终端的分析请求，所述分析请求用于指示所述服务器分析引起异常事件的原因；
所述服务器响应于所述分析请求，获取所述异常事件发生时至少一个维度的特征；
所述服务器对每个维度的特征进行处理，得到每个维度的贡献值，贡献值表示对应维度的特征对所述异常事件的影响程度；
所述服务器根据每个维度的贡献值，确定目标维度，所述目标维度的贡献值满足条件；
所述服务器根据所述目标维度，向所述终端发送分析结果，所述分析结果表示所述目标维度是引起所述异常事件的原因。
7.根据权利要求6所述的方法，其特征在于，所述获取所述异常事件发生时至少一个维度的特征，包括：
所述服务器从所述分析请求，获取第一时间，所述第一时间用于指示所述异常事件的发生时间段；
所述服务器查询所述第一时间对应的所述至少一个维度的特征。
8.根据权利要求6所述的方法，其特征在于，所述服务器对每个维度的特征进行处理，得到每个维度的贡献值，包：
所述服务器从所述分析请求，获取所述第二时间，所述第二时间用于指示样本数据对应的时间段；
所述服务器查询所述第二时间对应的所述样本数据；
所述服务器对每个维度的特征与样本数据中对应维度的样本特征进行对比分析，得到每个维度的贡献值。
9.根据权利要求8所述的方法，其特征在于，所述服务器对每个维度的特征与样本数据中对应维度的样本特征进行对比分析，得到每个维度的贡献值，包括：
所述服务器获取所述每个维度的特征与对应维度的样本特征之间的差异值；
所述服务器根据每个维度对应的差异值，获取每个维度的贡献值，贡献值与差异值正相关。
10.根据权利要求9所述的方法，其特征在于，所述服务器根据每个维度对应的差异值，获取每个维度的贡献值，包括：
所述服务器获取每个维度对应的总量占比，所述总量占比表示对应维度的每个子维度对所述异常事件的影响程度；
所述服务器根据每个维度对应的总量占比，对每个维度对应的差异值进行加权。
11.根据权利要求9所述的方法，其特征在于，所述服务器根据每个维度对应的差异值，获取每个维度的贡献值，包括：
所述服务器根据所述样本数据在单位时间段的平均值，获取时间比重，所述时间比重表示所述异常事件的发生时间段对所述异常事件的影响程度；
所述服务器根据所述时间比重，对每个维度对应的差异值进行加权。
12.根据权利要求6所述的方法，其特征在于，所述获取所述异常事件发生时至少一个维度的特征，包括：
所述服务器从所述分析请求，获取所述至少一个维度标识；
所述服务器查询所述至少一个维度标识中每个维度标识对应的维度的特征。
13.根据权利要求6所述的方法，所述服务器根据所述目标维度，向所述终端发送分析结果，包括：
所述服务器向所述终端发送携带了所述目标维度的维度标识以及所述目标维度的贡献值的分析结果。
14.根据权利要求6所述的方法，其特征在于，所述服务器接收终端的分析请求之后，所述方法还包括：
所述服务器对所述目标维度的每个子维度的特征进行处理，得到每个子维度的贡献值；
所述服务器根据每个子维度的贡献值，确定目标子维度，所述目标子维度的贡献值满足条件；
所述服务器根据所述目标维度，向所述终端发送分析结果，包括：
所述服务器向所述终端发送携带了所述目标子维度的维度标识以及所述目标子维度的贡献值的分析结果。
15.一种异常事件的分析装置，其特征在于，所述装置包括：
发送模块，用于向服务器发送分析请求，所述分析请求用于指示所述服务器分析引起异常事件的原因；
接收模块，用于接收所述服务器发送的分析结果；
显示模块，用于在界面中显示所述分析结果，所述分析结果表示目标维度是引起所述异常事件的原因，所述目标维度的贡献值满足条件，所述贡献值表示所述异常事件发生时所述目标维度的特征对所述异常事件的影响程度。
16.一种异常事件的分析装置，其特征在于，所述装置包括：
接收模块，用于接收终端的分析请求，所述分析请求用于指示所述服务器分析引起异常事件的原因；
获取模块，用于响应于所述分析请求，获取所述异常事件发生时至少一个维度的特征；
处理模块，用于对每个维度的特征进行处理，得到每个维度的贡献值，贡献值表示对应维度的特征对所述异常事件的影响程度；
确定模块，用于根据每个维度的贡献值，确定目标维度，所述目标维度的贡献值满足条件；
发送模块，用于根据所述目标维度，向所述终端发送分析结果，所述分析结果表示所述目标维度是引起所述异常事件的原因。
17.一种终端，其特征在于，所述终端包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条指令，所述至少一条指令由所述一个或多个处理器加载并执行以实现如权利要求1至权利要求5任一项所述的异常事件的分析方法所执行的操作。
18.一种服务器，其特征在于，所述服务器包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条指令，所述至少一条指令由所述一个或多个处理器加载并执行以实现如权利要求6至权利要求14任一项所述的异常事件的分析方法所执行的操作。
19.一种异常事件的分析***，其特征在于，所述***包括终端以及服务器；
所述终端包括一个或多个处理器和一个或多个存储器，所述终端的存储器中存储有至少一条指令，所述至少一条指令由所述终端的处理器加载并执行以实现如权利要求1至权利要求5任一项所述的异常事件的分析方法所执行的操作；
所述服务器包括一个或多个处理器和一个或多个存储器，所述服务器的存储器中存储有至少一条指令，所述至少一条指令由所述服务器的处理器加载并执行以实现如权利要求6至权利要求14任一项所述的异常事件的分析方法所执行的操作。
20.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述至少一条指令由终端的处理器加载并执行以实现如权利要求1至权利要求5任一项所述的方法，或者由服务器的处理器加载并执行以实现权利要求6至权利要求14任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911310769.2A CN111078521A (zh) | 2019-12-18 | 2019-12-18 | 异常事件的分析方法、装置、设备、***及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911310769.2A CN111078521A (zh) | 2019-12-18 | 2019-12-18 | 异常事件的分析方法、装置、设备、***及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111078521A true CN111078521A (zh) | 2020-04-28 |
Family
ID=70315672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911310769.2A Withdrawn CN111078521A (zh) | 2019-12-18 | 2019-12-18 | 异常事件的分析方法、装置、设备、***及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111078521A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112286772A (zh) * | 2020-10-14 | 2021-01-29 | 北京易观智库网络科技有限公司 | 归因分析方法、装置和电子设备 |
| CN112702198A (zh) * | 2020-12-18 | 2021-04-23 | 北京达佳互联信息技术有限公司 | 异常根因定位方法、装置、电子设备及存储介质 |
| CN113469519A (zh) * | 2021-06-29 | 2021-10-01 | 平安银行股份有限公司 | 业务事件的归因分析方法、装置、电子设备及存储介质 |
| CN113516518A (zh) * | 2021-07-28 | 2021-10-19 | 阳光保险集团股份有限公司 | 参数异常原因的确定方法、装置、电子设备及存储介质 |
| CN113569944A (zh) * | 2021-07-26 | 2021-10-29 | 北京奇艺世纪科技有限公司 | 一种异常用户识别方法、装置、电子设备及存储介质 |
| CN113792087A (zh) * | 2021-08-26 | 2021-12-14 | 唯品会(广州)软件有限公司 | 数据分析方法、装置、电子设备以及计算机可读存储介质 |
| CN114547133A (zh) * | 2022-01-17 | 2022-05-27 | 北京元年科技股份有限公司 | 基于多维数据集的对话式归因分析方法、装置及设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108346011A (zh) * | 2018-05-15 | 2018-07-31 | 阿里巴巴集团控股有限公司 | 指标波动分析方法及装置 |
| CN108829638A (zh) * | 2018-06-01 | 2018-11-16 | 阿里巴巴集团控股有限公司 | 一种业务数据波动处理方法及装置 |
-
2019
- 2019-12-18 CN CN201911310769.2A patent/CN111078521A/zh not_active Withdrawn
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108346011A (zh) * | 2018-05-15 | 2018-07-31 | 阿里巴巴集团控股有限公司 | 指标波动分析方法及装置 |
| CN108829638A (zh) * | 2018-06-01 | 2018-11-16 | 阿里巴巴集团控股有限公司 | 一种业务数据波动处理方法及装置 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112286772A (zh) * | 2020-10-14 | 2021-01-29 | 北京易观智库网络科技有限公司 | 归因分析方法、装置和电子设备 |
| CN112702198A (zh) * | 2020-12-18 | 2021-04-23 | 北京达佳互联信息技术有限公司 | 异常根因定位方法、装置、电子设备及存储介质 |
| CN112702198B (zh) * | 2020-12-18 | 2023-03-14 | 北京达佳互联信息技术有限公司 | 异常根因定位方法、装置、电子设备及存储介质 |
| CN113469519A (zh) * | 2021-06-29 | 2021-10-01 | 平安银行股份有限公司 | 业务事件的归因分析方法、装置、电子设备及存储介质 |
| CN113569944A (zh) * | 2021-07-26 | 2021-10-29 | 北京奇艺世纪科技有限公司 | 一种异常用户识别方法、装置、电子设备及存储介质 |
| CN113569944B (zh) * | 2021-07-26 | 2024-06-04 | 北京奇艺世纪科技有限公司 | 一种异常用户识别方法、装置、电子设备及存储介质 |
| CN113516518A (zh) * | 2021-07-28 | 2021-10-19 | 阳光保险集团股份有限公司 | 参数异常原因的确定方法、装置、电子设备及存储介质 |
| CN113516518B (zh) * | 2021-07-28 | 2024-04-05 | 阳光保险集团股份有限公司 | 参数异常原因的确定方法、装置、电子设备及存储介质 |
| CN113792087A (zh) * | 2021-08-26 | 2021-12-14 | 唯品会(广州)软件有限公司 | 数据分析方法、装置、电子设备以及计算机可读存储介质 |
| CN114547133A (zh) * | 2022-01-17 | 2022-05-27 | 北京元年科技股份有限公司 | 基于多维数据集的对话式归因分析方法、装置及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111078521A (zh) | 异常事件的分析方法、装置、设备、***及存储介质 | |
| CN109784351B (zh) | 行为数据分类方法、分类模型训练方法及装置 | |
| CN111338910B (zh) | 日志数据处理、显示方法、装置、设备及存储介质 | |
| CN111192005A (zh) | 政务业务处理方法、装置、计算机设备及可读存储介质 | |
| CN111462742A (zh) | 基于语音的文本显示方法、装置、电子设备及存储介质 | |
| CN111028071A (zh) | 账单处理方法、装置、电子设备及存储介质 | |
| CN111738365A (zh) | 图像分类模型训练方法、装置、计算机设备及存储介质 | |
| CN110909264A (zh) | 信息处理方法、装置、设备及存储介质 | |
| CN113886609A (zh) | 多媒体资源推荐方法、装置、电子设备及存储介质 | |
| CN110768843B (zh) | 网络问题分析方法、装置、终端及存储介质 | |
| CN111931712A (zh) | 人脸识别方法、装置、抓拍机及*** | |
| CN111563201A (zh) | 内容推送方法、装置、服务器及存储介质 | |
| CN113343709B (zh) | 意图识别模型的训练方法、意图识别方法、装置及设备 | |
| CN111294253B (zh) | 测试数据处理方法、装置、计算机设备及存储介质 | |
| CN110555443B (zh) | 颜色分类方法、装置及存储介质 | |
| CN112132472A (zh) | 资源管理方法、装置、电子设备及计算机可读存储介质 | |
| CN111429106A (zh) | 资源转移凭证的处理方法、服务器、电子设备及存储介质 | |
| CN111159551A (zh) | 用户生成内容的显示方法、装置及计算机设备 | |
| CN112116480A (zh) | 虚拟资源确定方法、装置、计算机设备及存储介质 | |
| CN111159168A (zh) | 数据处理方法和装置 | |
| CN111984738A (zh) | 数据关联方法、装置、设备及存储介质 | |
| CN110807486B (zh) | 类别标签的生成方法、装置、电子设备及存储介质 | |
| CN110134303B (zh) | 操作控件显示方法、装置、终端及存储介质 | |
| CN114071119B (zh) | 资源的测试方法、装置、电子设备及存储介质 | |
| CN112817768B (zh) | 动画处理方法、装置、设备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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200428 |