CN115292081B - 信息发送方法、装置、电子设备和介质 - Google Patents

信息发送方法、装置、电子设备和介质 Download PDF

Info

Publication number
CN115292081B
CN115292081B CN202210954159.1A CN202210954159A CN115292081B CN 115292081 B CN115292081 B CN 115292081B CN 202210954159 A CN202210954159 A CN 202210954159A CN 115292081 B CN115292081 B CN 115292081B
Authority
CN
China
Prior art keywords
user
characteristic data
data interface
user characteristic
preset
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
Application number
CN202210954159.1A
Other languages
English (en)
Other versions
CN115292081A (zh
Inventor
赵子龙
吴谦
康业猛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Park Road Credit Information Co ltd
Original Assignee
Park Road Credit Information Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Park Road Credit Information Co ltd filed Critical Park Road Credit Information Co ltd
Priority to CN202210954159.1A priority Critical patent/CN115292081B/zh
Publication of CN115292081A publication Critical patent/CN115292081A/zh
Application granted granted Critical
Publication of CN115292081B publication Critical patent/CN115292081B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0709—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a distributed system consisting of a plurality of standalone computer nodes, e.g. clusters, client-server systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0793—Remedial or corrective actions
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本公开的实施例公开了信息发送方法、装置、电子设备、介质和计算机程序产品。该方法的一具体实施方式包括：响应于接收到查询请求，调用各个用户特征数据接口，以获取用户特征数据集合；执行第一处理步骤：对用户特征数据接口进行异常识别处理，以生成第一异常识别信息；确定第一异常识别信息是否满足预设异常条件；响应于不满足预设异常条件，生成用户属性信息；响应于满足预设异常条件，切换为备用用户特征数据接口，将备用用户特征数据接口作为用户特征数据接口、将预设备用用户属性识别模型作为预设用户属性识别模型，再次执行第一处理步骤；生成融合属性信息；将融合属性信息发送至客户端。该实施方式提高了风控效率和线上风控的可持续性。

Description

信息发送方法、装置、电子设备和介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及信息发送方法、装置、电子设备和介质。
背景技术
风控业务需要线上实时进行，对风控数据的准确性和稳定性要求极高，稳定的风控数据才能保证业务连续性。目前，在线上业务发生异常时，通常采用的方式是：在数据接口发生异常时，运营人员手动切换备用接口。
然而，发明人发现，当采用上述方式处理异常的线上业务时，经常会存在如下技术问题：
第一，当数据接口发生异常时，需要运营人员发现异常后手动切换备用接口，运营人员没有进行处理时无应急方案，导致风控效率较低、线上风控的可持续性较差；
第二，当数据接口发生异常时，对于获取的原始风控数据中的缺失值直接利用默认值进行填充，与原始风控数据无关联，使得利用默认值填充方法得到的风控模型的预测结果与通过原始风控数据得到的风控模型的预测结果相差较大，导致风控模型的预测结果的准确性较低；
第三，无法快速识别到原来发生异常的数据接口是否恢复正常，导致切换为备用接口后，无法快速切换回原来的数据接口。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了信息发送方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种信息发送方法，该方法包括：响应于接收到客户端发送的针对目标用户的属性信息的查询请求，调用用户特征数据接口集合中的各个用户特征数据接口，以获取上述目标用户的用户特征数据集合，其中，上述用户特征数据接口集合中的用户特征数据接口对应上述用户特征数据集合中的用户特征数据；基于用户特征数据接口集合中的每个用户特征数据接口，执行以下第一处理步骤：对用户特征数据接口进行异常识别处理，以生成第一异常识别信息；确定上述第一异常识别信息是否满足预设异常条件；响应于上述第一异常识别信息不满足上述预设异常条件，基于用户特征数据接口对应的预设用户属性识别模型和用户特征数据接口对应的用户特征数据，生成上述目标用户的用户属性信息；响应于上述第一异常识别信息满足上述预设异常条件，将上述用户特征数据接口切换为对应的备用用户特征数据接口，以获取备用用户特征数据作为用户特征数据，以及将上述备用用户特征数据接口作为用户特征数据接口、将预设备用用户属性识别模型作为预设用户属性识别模型，再次执行上述第一处理步骤；基于所生成的各个用户属性信息，生成对应上述目标用户的融合属性信息；将上述融合属性信息发送至上述客户端。
第二方面，本公开的一些实施例提供了一种信息发送装置，装置包括：调用单元，被配置成响应于接收到客户端发送的针对目标用户的属性信息的查询请求，调用用户特征数据接口集合中的各个用户特征数据接口，以获取上述目标用户的用户特征数据集合，其中，上述用户特征数据接口集合中的用户特征数据接口对应上述用户特征数据集合中的用户特征数据；执行单元，被配置成基于用户特征数据接口集合中的每个用户特征数据接口，执行以下第一处理步骤：对用户特征数据接口进行异常识别处理，以生成第一异常识别信息；确定上述第一异常识别信息是否满足预设异常条件；响应于上述第一异常识别信息不满足上述预设异常条件，基于用户特征数据接口对应的预设用户属性识别模型和用户特征数据接口对应的用户特征数据，生成上述目标用户的用户属性信息；切换单元，被配置成响应于上述第一异常识别信息满足上述预设异常条件，将上述用户特征数据接口切换为对应的备用用户特征数据接口，以获取备用用户特征数据作为用户特征数据，以及将上述备用用户特征数据接口作为用户特征数据接口、将预设备用用户属性识别模型作为预设用户属性识别模型，再次执行上述第一处理步骤；生成单元，被配置成基于所生成的各个用户属性信息，生成对应上述目标用户的融合属性信息；发送单元，被配置成将上述融合属性信息发送至上述客户端。
第三方面，本公开的一些实施例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，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的信息发送方法，能够提高风控效率和线上风控的可持续性。具体来说，造成风控效率较低、可持续性较差的原因在于：当数据接口发生异常时，需要运营人员发现异常后手动切换备用接口，运营人员没有进行处理时无应急方案，导致风控效率较低、线上风控的可持续性较差。基于此，本公开的一些实施例的信息发送方法包括：首先，响应于接收到客户端发送的针对目标用户的属性信息的查询请求，调用用户特征数据接口集合中的各个用户特征数据接口，以获取上述目标用户的用户特征数据集合。其中，上述用户特征数据接口集合中的用户特征数据接口对应上述用户特征数据集合中的用户特征数据。由此，可以通过各个用户特征数据接口获取到用于风控业务开展的用户特征数据。然后，基于用户特征数据接口集合中的每个用户特征数据接口，执行以下第一处理步骤：对用户特征数据接口进行异常识别处理，以生成第一异常识别信息；确定上述第一异常识别信息是否满足预设异常条件。由此，可以及时识别用户特征数据接口是否发生异常。响应于上述第一异常识别信息不满足上述预设异常条件，基于用户特征数据接口对应的预设用户属性识别模型和用户特征数据接口对应的用户特征数据，生成上述目标用户的用户属性信息。由此，在用户特征数据接口不存在异常的情况下，得到了上述目标用户的用户属性信息。再然后，响应于上述第一异常识别信息满足上述预设异常条件，将上述用户特征数据接口切换为对应的备用用户特征数据接口，以获取备用用户特征数据作为用户特征数据，以及将上述备用用户特征数据接口作为用户特征数据接口、将预设备用用户属性识别模型作为预设用户属性识别模型，再次执行上述第一处理步骤。由此，在用户特征数据接口存在异常的情况下，可以立刻切换备用用户特征数据接口应急，无需运营人员发现异常后手动切换。接着，基于所生成的各个用户属性信息，生成对应上述目标用户的融合属性信息。由此，无论用户特征数据接口是否发生异常，都可以得到用户的融合属性信息。最后，将上述融合属性信息发送至上述客户端。由此，及时地将融合属性信息反馈给了用户。由此，能够提高风控效率和线上风控的可持续性。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的信息发送方法的一些实施例的流程图；
图2是根据本公开的信息发送装置的一些实施例的结构示意图；
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
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。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。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的信息发送方法的一些实施例的流程100。该信息发送方法，包括以下步骤：
步骤101，响应于接收到客户端发送的针对目标用户的属性信息的查询请求，调用用户特征数据接口集合中的各个用户特征数据接口，以获取目标用户的用户特征数据集合。
在一些实施例中，信息发送方法的执行主体(例如，计算设备)可以响应于接收到客户端发送的针对目标用户的属性信息的查询请求，调用用户特征数据接口集合中的各个用户特征数据接口，以获取上述目标用户的用户特征数据集合。其中，上述目标用户可以是需要评估属性信息的用户。上述属性信息可以是用于表征风控结果的信息。例如，上述属性信息可以是信用评分、欺诈评分等。上述查询请求可以是查询上述目标用户的属性信息的请求。上述用户特征数据接口集合中的用户特征数据接口一一对应上述用户特征数据集合中的用户特征数据。上述用户特征数据接口集合中的用户特征数据接口可以是用于获取用户特征数据的接口。上述用户特征数据集合中的用户特征数据可以是目标用户的行为特征数据。例如，用户特征数据可以是目标用户的学历信息。学历信息可以包括但不限于目标用户的最高学历。
需要说明的是，上述计算设备可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，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，根据实现需要，可以具有任意数目的计算设备。
步骤102，基于用户特征数据接口集合中的每个用户特征数据接口，执行以下第一处理步骤：
步骤1021，对用户特征数据接口进行异常识别处理，以生成第一异常识别信息。
在一些实施例中，上述执行主体可以对用户特征数据接口进行异常识别处理，以生成第一异常识别信息。
在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤对用户特征数据接口进行异常识别处理，以生成第一异常识别信息：
第一步，确定目标时间窗口内调用上述用户特征数据接口的连续失败次数。其中，上述目标时间窗口可以表征时间段。例如，上述目标时间窗口可以是接收到上述查询请求时过去的最近一分钟的时间段。上述连续失败次数可以是调用上述用户特征数据接口时连续调用失败的次数。
第二步，确定上述目标时间窗口内调用上述用户特征数据接口的失败比例。其中，上述失败比例可以是上述目标时间窗口内调用上述用户特征数据接口失败的次数与调用上述用户特征数据接口的总次数的比例。
第三步，将上述目标时间窗口内调用上述用户特征数据接口的次数确定为总调用次数。
第四步，确定上述用户特征数据接口对应的预设用户属性识别模型的因子信息。其中，上述预设用户属性识别模型可以是以用户特征数据为输入、以用户属性分值为输出的风控模型。实践中，上述执行主体可以根据上述用户特征数据接口获取的历史用户特征数据，利用逻辑回归方法预先构建上述预设用户属性识别模型。这里，用户特征数据接口与预设用户属性识别模型相对应可以是：用户特征数据接口与利用该用户特征数据接口获取的历史用户特征数据构建得到的预设用户属性识别模型相对应。上述因子信息可以包括但不限于以下至少一种：上述预设用户属性识别模型的PSI(Population Stability Index，稳定度指标)、边界值、缺失率、标准分数、移动平均因子和分位数。
第五步，确定上述用户特征数据接口的响应约束信息。其中，上述响应约束信息可以是SLA(Service Level Agreement，服务级别协议)的执行结果。例如，与用户约定在1秒内返回数据。若在1秒内未返回则响应约束信息可以为异常，否则响应约束信息可以为正常。
第六步，将上述连续失败次数、上述失败比例、上述总调用次数、上述因子信息和上述响应约束信息组合为第一异常识别信息。其中，组合方式可以为合并处理。
步骤1022，确定第一异常识别信息是否满足预设异常条件。
在一些实施例中，上述执行主体可以确定上述第一异常识别信息是否满足预设异常条件。其中，上述预设异常条件可以是预先设定的、用于识别用户特征数据接口是否发生异常的条件。实践中，上述预设异常条件可以包括但不限于以下至少一种：第一异常识别信息包括的连续失败次数大于第一预设阈值、失败比例大于第二预设阈值、总调用次数大于第三预设阈值、因子信息包括的任一值大于该值对应的预设阈值、响应约束信息为异常。其中，上述第一预设阈值、上述第二预设阈值、上述第三预设阈值和上述预设阈值可以是提前预设的、用于识别用户特征数据接口是否发生异常的阈值。例如，因子信息包括的任一值与该值对应的预设阈值可以是PSI与PSI对应的预设阈值。PSI对应的预设阈值可以是0.25。
步骤1023，响应于第一异常识别信息不满足预设异常条件，基于用户特征数据接口对应的预设用户属性识别模型和用户特征数据接口对应的用户特征数据，生成目标用户的用户属性信息。
在一些实施例中，上述执行主体可以响应于上述第一异常识别信息不满足上述预设异常条件，基于用户特征数据接口对应的预设用户属性识别模型和用户特征数据接口对应的用户特征数据，生成上述目标用户的用户属性信息。这里，用户特征数据接口和用户特征数据相对应可以是：用户特征数据是通过该用户特征数据接口获取的。
在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤基于用户特征数据接口对应的预设用户属性识别模型和用户特征数据接口对应的用户特征数据，生成上述目标用户的用户属性信息：
第一步，响应于上述用户特征数据接口未进行切换，将上述目标用户的用户特征数据输入至上述预设用户属性识别模型，得到用户属性分值作为用户属性信息。实践中，上述执行主体可以响应于上述用户特征数据接口对应的切换标识表征上述用户特征数据接口未进行切换，确定上述用户特征数据接口未进行切换。其中，上述切换标识可以是表征上述用户特征数据接口是否进行切换的标识。
第二步，响应于上述用户特征数据接口进行了切换，执行以下校验步骤：
第一子步骤，将上述用户特征数据接口对应的用户特征数据输入至上述预设用户属性识别模型，得到用户属性分值。实践中，上述执行主体可以响应于上述用户特征数据接口对应的切换标识表征上述用户特征数据接口进行了切换，确定上述用户特征数据接口进行了切换。
第二子步骤，将所得到的用户属性分值输入数据校验函数，得到用户属性校验分值作为用户属性信息。
在一些实施例的一些可选的实现方式中，上述数据校验函数可以通过以下构造步骤得到：
第一步，获取用户样本信息集合。其中，上述用户样本信息集合中的用户样本信息包括用户特征数据和上述用户特征数据对应的备用用户特征数据。实践中，上述执行主体可以通过用户特征数据接口和备用用户特征数据接口获取用户特征数据和备用用户特征数据，得到用户样本信息集合。上述备用用户特征数据接口可以是用于获取用户特征数据的备用的用户特征数据接口。上述备用用户特征数据可以是通过备用用户特征数据接口得到的用户特征数据。这里，用户特征数据和备用用户特征数据相对应可以是：用户特征数据和可以用于替换该用户特征数据的备用用户特征数据相对应。
第二步，对于上述用户样本信息集合中的每个用户样本信息，执行以下子步骤：
第一子步骤，将上述用户样本信息包括的用户特征数据输入对应的预设用户属性识别模型，得到上述用户样本信息对应的用户属性分值。这里，用户特征数据和预设用户属性识别模型相对应可以是：用户特征数据和预设用户属性识别模型对应的用户特征数据接口相同。
第二子步骤，将上述用户样本信息包括的备用用户特征数据输入对应的预设备用用户属性识别模型，得到上述用户样本信息对应的备用用户属性分值。其中，上述预设备用用户属性识别模型可以是以备用用户特征数据为输入、以备用用户属性分值为输出的风控模型。实践中，上述执行主体可以根据上述备用用户特征数据接口获取的历史备用用户特征数据，利用逻辑回归方法预先构建上述预设备用用户属性识别模型。这里，备用用户特征数据和预设备用用户属性识别模型相对应可以是：备用用户特征数据和预设备用用户属性识别模型对应的备用用户特征数据接口相同。备用用户特征数据接口与预设备用用户属性识别模型相对应可以是：备用用户特征数据接口与利用该备用用户特征数据接口获取的历史备用用户特征数据构建得到的预设备用用户属性识别模型相对应。
第三步，将所得到的各个备用用户属性分值作为自变量、各个用户属性分值作为因变量，构建一元线性回归方程作为数据校验函数。
上述构造步骤及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“当数据接口发生异常时，对于获取的原始风控数据中的缺失值直接利用默认值进行填充，与原始风控数据无关联，使得利用默认值填充方法得到的风控模型的预测结果与通过原始风控数据得到的风控模型的预测结果相差较大，导致风控模型的预测结果的准确性较低”的问题。导致风控结果的准确性较低的因素往往如下：当数据接口发生异常时，对于获取的原始风控数据中的缺失值直接利用默认值进行填充，与原始风控数据无关联，使得利用默认值填充方法得到的风控模型的预测结果与通过原始风控数据得到的风控模型的预测结果相差较大，导致风控模型的预测结果的准确性较低。如果解决了上述因素，就能达到提高风控结果的准确性的效果。为了达到这一效果，本公开在用户特征数据接口发生异常时，将异常的用户特征数据接口切换为正常的备用用户特征数据接口，以获取备用用户特征数据作为用户特征数据，以及将备用用户特征数据接口作为用户特征数据接口、将预设备用用户属性识别模型作为预设用户属性识别模型。为了使预设备用用户属性识别模型的输出结果与预设用户属性识别模型的输出结果效果相近，本公开利用用户样本信息预先构造数据校验函数，用以确定预设备用用户属性识别模型的输出结果与预设用户属性识别模型的输出结果之间的线性关系。进而，在用户特征数据接口切换至备用用户特征数据接口后，将备用用户特征数据经过预设备用用户属性识别模型的输出结果进行数据检验，以使得检验后的分值分布与原始输出分布相近，输出分值量化客户风险的能力不发生显著变化，切换备用用户特征数据接口后得到的结果与利用原来的用户特征数据接口得到的结果功能相近，提高了风控结果的准确性。
步骤103，响应于第一异常识别信息满足预设异常条件，将用户特征数据接口切换为对应的备用用户特征数据接口，以获取备用用户特征数据作为用户特征数据，以及将备用用户特征数据接口作为用户特征数据接口、将预设备用用户属性识别模型作为预设用户属性识别模型，再次执行第一处理步骤。
在一些实施例中，上述执行主体可以响应于上述第一异常识别信息满足上述预设异常条件，将上述用户特征数据接口切换为对应的备用用户特征数据接口，以获取备用用户特征数据作为用户特征数据，以及将上述备用用户特征数据接口作为用户特征数据接口、将预设备用用户属性识别模型作为预设用户属性识别模型，再次执行上述第一处理步骤。实践中，上述执行主体在将用户特征数据接口切换为对应的备用用户特征数据接口作为用户特征数据接口时，可以生成对应切换后的用户特征数据接口的切换标识，用以表征用户特征数据接口是切换后的接口。
步骤104，基于所生成的各个用户属性信息，生成对应目标用户的融合属性信息。
在一些实施例中，上述执行主体可以基于所生成的各个用户属性信息，生成对应上述目标用户的融合属性信息。
在一些实施例的一些可选的实现方式中，上述执行主体可以将上述各个用户属性信息输入至预设用户属性融合模型，得到用户属性融合分值作为融合属性信息。其中，上述预设用户属性融合模型可以是以各个用户属性识别模型输出的用户属性分值为输入、以用户属性融合分值为输出的模型。可以基于各个用户属性识别模型训练得到预设用户属性融合模型。训练方法可以包括但不限于Bagging(Bootstrap aggregating)算法。
步骤105，将融合属性信息发送至客户端。
在一些实施例中，上述执行主体可以将上述融合属性信息发送至上述客户端。
在一些实施例的一些可选的实现方式中，在上述步骤105之后，上述执行主体还可以将所生成的各个用户属性信息和上述融合属性信息存储至目标数据库中，以用于后续工作人员的数据分析工作。其中，上述目标数据库可以是存储目标用户的用户属性信息和融合属性信息的数据库。
在一些实施例的一些可选的实现方式中，上述执行主体还可以执行以下步骤：
第一步，将满足上述预设异常条件的第一异常识别信息对应的用户特征数据接口确定为异常用户特征数据接口，得到异常用户特征数据接口集合。
第二步，对于上述异常用户特征数据接口集合中的每个异常用户特征数据接口，执行以下第二处理步骤：
第一子步骤，响应于异常用户特征数据接口对应的备用用户特征数据接口满足第一预设接口恢复条件，对异常用户特征数据接口进行异常识别处理，生成第二异常识别信息。其中，上述第一预设接口恢复条件包括第一数量条件或第一时间条件。上述第一数量条件可以是调用上述备用用户特征数据接口的次数达到第一数量阈值。上述第一数量阈值可以是预先设定的、用于恢复用户特征数据接口的数量维度的阈值。上述第一时间条件可以是从首次调用上述备用用户特征数据接口的时刻至当前的时长达到第一时长阈值。上述第一时长阈值可以是预先设定的、用于恢复用户特征数据接口的时间维度的阈值。上述异常识别处理方法与生成第一异常识别信息时的异常识别处理方法相同。上述第二异常识别信息可以包括上述异常用户特征数据接口对应的连续失败次数、失败比例、总调用次数、因子信息和响应约束信息。
第二子步骤，响应于第二异常识别信息不满足上述预设异常条件，将上述备用用户特征数据接口切换为对应上述备用用户特征数据接口的用户特征数据接口，以利用上述用户特征数据接口获取后续各个目标用户的用户特征数据。这里，对应上述备用用户特征数据接口的用户特征数据接口可以是满足上述预设异常条件的第一异常识别信息对应的用户特征数据接口。
第三子步骤，响应于第二异常识别信息满足上述预设异常条件，确定是否存在对应上述备用用户特征数据接口的第二预设接口恢复条件。其中，上述第二预设接口恢复条件包括第二数量条件或第二时间条件。上述第二数量条件可以是调用上述备用用户特征数据接口的次数达到第二数量阈值。上述第二数量阈值可以是预先设定的、用于恢复用户特征数据接口的数量维度的阈值，且上述第二数量阈值大于上述第一数量阈值。上述第一时间条件可以是调用上述备用用户特征数据接口的时长达到第二时长阈值。上述第二时长阈值可以是预先设定的、用于恢复用户特征数据接口的时间维度的阈值，且上述第二时长阈值大于上述第一时长阈值。
第四子步骤，响应于确定不存在对应上述备用用户特征数据接口的第二预设接口恢复条件，将异常服务信息发送至目标客户端。其中，上述异常服务信息可以是用于提示服务发生异常的信息。例如，上述异常服务信息可以是“抱歉，出错了”。上述目标客户端可以是发送上述后续各个目标用户的用户属性信息的查询请求的各个客户端。
第三步，响应于确定存在对应上述备用用户特征数据接口的第二预设接口恢复条件，将第二预设接口恢复条件确定为第一预设接口恢复条件，再次执行上述第二处理步骤。
上述第一步-第三步及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题三“无法快速识别到原来发生异常的数据接口是否恢复正常，导致切换为备用接口后，无法快速切换回原来的数据接口”的问题。导致无法快速切换回原来的数据接口的因素往往如下：无法快速识别到原来发生异常的数据接口是否恢复正常，导致切换为备用接口后，无法快速切换回原来的数据接口。如果解决了上述因素，就能达到快速切换回原来的数据接口的效果。为了达到这一效果，本公开在调用备用用户特征数据接口后，先以较小的阈值识别原来发生异常的用户特征数据接口是否恢复正常。如果原来发生异常的用户特征数据接口恢复正常，则可以立即切换回原来的用户特征数据接口。如果原来发生异常的用户特征数据接口未恢复正常，则以一个较大的阈值继续识别，当接口恢复正常时，可以立即切换回原来的用户特征数据接口。由此，可以快速识别到原来发生异常的用户特征数据接口是否恢复正常，快速切换回原来的用户特征数据接口。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的信息发送方法，能够提高风控效率和线上风控的可持续性。具体来说，造成风控效率较低、可持续性较差的原因在于：当数据接口发生异常时，需要运营人员发现异常后手动切换备用接口，运营人员没有进行处理时无应急方案，导致风控效率较低、线上风控的可持续性较差。基于此，本公开的一些实施例的信息发送方法包括：首先，响应于接收到客户端发送的针对目标用户的属性信息的查询请求，调用用户特征数据接口集合中的各个用户特征数据接口，以获取上述目标用户的用户特征数据集合。其中，上述用户特征数据接口集合中的用户特征数据接口对应上述用户特征数据集合中的用户特征数据。由此，可以通过各个用户特征数据接口获取到用于风控业务开展的用户特征数据。然后，基于用户特征数据接口集合中的每个用户特征数据接口，执行以下第一处理步骤：对用户特征数据接口进行异常识别处理，以生成第一异常识别信息；确定上述第一异常识别信息是否满足预设异常条件。由此，可以及时识别用户特征数据接口是否发生异常。响应于上述第一异常识别信息不满足上述预设异常条件，基于用户特征数据接口对应的预设用户属性识别模型和用户特征数据接口对应的用户特征数据，生成上述目标用户的用户属性信息。由此，在用户特征数据接口不存在异常的情况下，得到了上述目标用户的用户属性信息。再然后，响应于上述第一异常识别信息满足上述预设异常条件，将上述用户特征数据接口切换为对应的备用用户特征数据接口，以获取备用用户特征数据作为用户特征数据，以及将上述备用用户特征数据接口作为用户特征数据接口、将预设备用用户属性识别模型作为预设用户属性识别模型，再次执行上述第一处理步骤。由此，在用户特征数据接口存在异常的情况下，可以立刻切换备用用户特征数据接口应急，无需运营人员发现异常后手动切换。接着，基于所生成的各个用户属性信息，生成对应上述目标用户的融合属性信息。由此，无论用户特征数据接口是否发生异常，都可以得到用户的融合属性信息。最后，将上述融合属性信息发送至上述客户端。由此，及时地将融合属性信息反馈给了用户。由此，能够提高风控效率和线上风控的可持续性。
进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种信息发送装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图2所示，一些实施例的信息发送装置200包括：调用单元201、执行单元202、切换单元203、生成单元204和发送单元205。其中，获取单元201被配置成响应于接收到客户端发送的针对目标用户的属性信息的查询请求，调用用户特征数据接口集合中的各个用户特征数据接口，以获取上述目标用户的用户特征数据集合，其中，上述用户特征数据接口集合中的用户特征数据接口对应上述用户特征数据集合中的用户特征数据；执行单元202被配置成基于用户特征数据接口集合中的每个用户特征数据接口，执行以下第一处理步骤：对用户特征数据接口进行异常识别处理，以生成第一异常识别信息；确定上述第一异常识别信息是否满足预设异常条件；响应于上述第一异常识别信息不满足上述预设异常条件，基于用户特征数据接口对应的预设用户属性识别模型和用户特征数据接口对应的用户特征数据，生成上述目标用户的用户属性信息；切换单元203被配置成响应于上述第一异常识别信息满足上述预设异常条件，将上述用户特征数据接口切换为对应的备用用户特征数据接口，以获取备用用户特征数据作为用户特征数据，以及将上述备用用户特征数据接口作为用户特征数据接口、将预设备用用户属性识别模型作为预设用户属性识别模型，再次执行上述第一处理步骤；生成单元204被配置成基于所生成的各个用户属性信息，生成对应上述目标用户的融合属性信息；发送单元205被配置成将上述融合属性信息发送至上述客户端。
可以理解的是，该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元，在此不再赘述。
下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备(例如，计算设备)300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，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，本公开的一些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。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载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***、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。在本公开的一些实施例中，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***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读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，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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电子设备执行时，使得该电子设备：响应于接收到客户端发送的针对目标用户的属性信息的查询请求，调用用户特征数据接口集合中的各个用户特征数据接口，以获取上述目标用户的用户特征数据集合，其中，上述用户特征数据接口集合中的用户特征数据接口对应上述用户特征数据集合中的用户特征数据；基于用户特征数据接口集合中的每个用户特征数据接口，执行以下第一处理步骤：对用户特征数据接口进行异常识别处理，以生成第一异常识别信息；确定上述第一异常识别信息是否满足预设异常条件；响应于上述第一异常识别信息不满足上述预设异常条件，基于用户特征数据接口对应的预设用户属性识别模型和用户特征数据接口对应的用户特征数据，生成上述目标用户的用户属性信息；响应于上述第一异常识别信息满足上述预设异常条件，将上述用户特征数据接口切换为对应的备用用户特征数据接口，以获取备用用户特征数据作为用户特征数据，以及将上述备用用户特征数据接口作为用户特征数据接口、将预设备用用户属性识别模型作为预设用户属性识别模型，再次执行上述第一处理步骤；基于所生成的各个用户属性信息，生成对应上述目标用户的融合属性信息；将上述融合属性信息发送至上述客户端。
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一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，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***、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***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中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：一种处理器包括获取单元、执行单元和发送单元。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，发送单元还可以被描述为“将上述融合属性信息发送至上述客户端的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些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，本公开的实施例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的实施例中公开的(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 (8)

1.一种信息发送方法，包括：
响应于接收到客户端发送的针对目标用户的属性信息的查询请求，调用用户特征数据接口集合中的各个用户特征数据接口，以获取所述目标用户的用户特征数据集合，其中，所述用户特征数据接口集合中的用户特征数据接口对应所述用户特征数据集合中的用户特征数据；
基于用户特征数据接口集合中的每个用户特征数据接口，执行以下第一处理步骤：
对用户特征数据接口进行异常识别处理，以生成第一异常识别信息；
确定所述第一异常识别信息是否满足预设异常条件；
响应于所述第一异常识别信息不满足所述预设异常条件，基于用户特征数据接口对应的预设用户属性识别模型和用户特征数据接口对应的用户特征数据，生成所述目标用户的用户属性信息；
响应于所述第一异常识别信息满足所述预设异常条件，将所述用户特征数据接口切换为对应的备用用户特征数据接口，以获取备用用户特征数据作为用户特征数据，以及将所述备用用户特征数据接口作为用户特征数据接口、将预设备用用户属性识别模型作为预设用户属性识别模型，再次执行所述第一处理步骤；
基于所生成的各个用户属性信息，生成对应所述目标用户的融合属性信息；
将所述融合属性信息发送至所述客户端。
2.根据权利要求1所述的方法，其中，所述基于用户特征数据接口对应的预设用户属性识别模型和用户特征数据接口对应的用户特征数据，生成所述目标用户的用户属性信息，包括：
响应于所述用户特征数据接口未进行切换，将所述目标用户的用户特征数据输入至所述预设用户属性识别模型，得到用户属性分值作为用户属性信息；
响应于所述用户特征数据接口进行了切换，执行以下校验步骤：
将所述用户特征数据接口对应的用户特征数据输入至所述预设用户属性识别模型，得到用户属性分值；
将所得到的用户属性分值输入数据校验函数，得到用户属性校验分值作为用户属性信息。
3.根据权利要求1所述的方法，其中，所述基于所生成的各个用户属性信息，生成对应所述目标用户的融合属性信息，包括：
将所述各个用户属性信息输入至预设用户属性融合模型，得到用户属性融合分值作为融合属性信息。
4.根据权利要求1所述的方法，其中，所述对用户特征数据接口进行异常识别处理，以生成第一异常识别信息，包括：
确定目标时间窗口内调用所述用户特征数据接口的连续失败次数；
确定所述目标时间窗口内调用所述用户特征数据接口的失败比例；
将所述目标时间窗口内调用所述用户特征数据接口的次数确定为总调用次数；
确定所述用户特征数据接口对应的预设用户属性识别模型的因子信息；
确定所述用户特征数据接口的响应约束信息；
将所述连续失败次数、所述失败比例、所述总调用次数、所述因子信息和所述响应约束信息组合为第一异常识别信息。
5.根据权利要求1所述的方法，其中，所述方法还包括：
将所生成的各个用户属性信息和所述融合属性信息存储至目标数据库中。
6.一种信息发送装置，包括：
调用单元，被配置成响应于接收到客户端发送的针对目标用户的属性信息的查询请求，调用用户特征数据接口集合中的各个用户特征数据接口，以获取所述目标用户的用户特征数据集合，其中，所述用户特征数据接口集合中的用户特征数据接口对应所述用户特征数据集合中的用户特征数据；
执行单元，被配置成基于用户特征数据接口集合中的每个用户特征数据接口，执行以下第一处理步骤：对用户特征数据接口进行异常识别处理，以生成第一异常识别信息；确定所述第一异常识别信息是否满足预设异常条件；响应于所述第一异常识别信息不满足所述预设异常条件，基于用户特征数据接口对应的预设用户属性识别模型和用户特征数据接口对应的用户特征数据，生成所述目标用户的用户属性信息；
切换单元，被配置成响应于所述第一异常识别信息满足所述预设异常条件，将所述用户特征数据接口切换为对应的备用用户特征数据接口，以获取备用用户特征数据作为用户特征数据，以及将所述备用用户特征数据接口作为用户特征数据接口、将预设备用用户属性识别模型作为预设用户属性识别模型，再次执行所述第一处理步骤；
生成单元，被配置成基于所生成的各个用户属性信息，生成对应所述目标用户的融合属性信息；
发送单元，被配置成将所述融合属性信息发送至所述客户端。
7.一种电子设备，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；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
8.一种计算机可读介质，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1-5中任一所述的方法。
CN202210954159.1A 2022-08-10 2022-08-10 信息发送方法、装置、电子设备和介质 Active CN115292081B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210954159.1A CN115292081B (zh) 2022-08-10 2022-08-10 信息发送方法、装置、电子设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210954159.1A CN115292081B (zh) 2022-08-10 2022-08-10 信息发送方法、装置、电子设备和介质

Publications (2)

Publication Number Publication Date
CN115292081A CN115292081A (zh) 2022-11-04
CN115292081B true CN115292081B (zh) 2023-10-20

Family

ID=83827597

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210954159.1A Active CN115292081B (zh) 2022-08-10 2022-08-10 信息发送方法、装置、电子设备和介质

Country Status (1)

Country Link
CN (1) CN115292081B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101094525A (zh) * 2007-07-26 2007-12-26 华为技术有限公司 生成用户属性信息的方法和装置
CN108520324A (zh) * 2018-04-13 2018-09-11 北京京东金融科技控股有限公司 用于生成信息的方法和装置
CN109447048A (zh) * 2018-12-25 2019-03-08 苏州闪驰数控***集成有限公司 一种人工智能预警***
CN110445637A (zh) * 2019-07-05 2019-11-12 深圳壹账通智能科技有限公司 事件监控方法、***、计算机设备和存储介质
CN110489307A (zh) * 2019-08-27 2019-11-22 中国工商银行股份有限公司 接口异常调用监测方法及装置
CN110765280A (zh) * 2019-10-22 2020-02-07 京东数字科技控股有限公司 地址识别方法和装置
CN111222566A (zh) * 2020-01-02 2020-06-02 平安科技（深圳）有限公司 用户属性识别方法、装置及存储介质
CN112363941A (zh) * 2020-11-13 2021-02-12 平安普惠企业管理有限公司 接口测试方法、装置、计算机设备及存储介质
CN113835921A (zh) * 2021-09-29 2021-12-24 平安普惠企业管理有限公司 接口服务异常的处理方法、装置、设备和存储介质
CN114490943A (zh) * 2022-02-09 2022-05-13 携程旅游网络技术（上海）有限公司 旅游信息查询方法、装置、设备及存储介质
CN114693461A (zh) * 2020-12-31 2022-07-01 天津幸福生命科技有限公司 基于机器学习的城市普惠保险的风险影响因子获取方法
CN114723481A (zh) * 2022-03-29 2022-07-08 中国建设银行股份有限公司 数据处理方法、装置、电子设备和存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11907990B2 (en) * 2017-09-28 2024-02-20 International Business Machines Corporation Desirability of product attributes
US11475357B2 (en) * 2019-07-29 2022-10-18 Apmplitude, Inc. Machine learning system to predict causal treatment effects of actions performed on websites or applications

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101094525A (zh) * 2007-07-26 2007-12-26 华为技术有限公司 生成用户属性信息的方法和装置
CN108520324A (zh) * 2018-04-13 2018-09-11 北京京东金融科技控股有限公司 用于生成信息的方法和装置
CN109447048A (zh) * 2018-12-25 2019-03-08 苏州闪驰数控***集成有限公司 一种人工智能预警***
CN110445637A (zh) * 2019-07-05 2019-11-12 深圳壹账通智能科技有限公司 事件监控方法、***、计算机设备和存储介质
CN110489307A (zh) * 2019-08-27 2019-11-22 中国工商银行股份有限公司 接口异常调用监测方法及装置
CN110765280A (zh) * 2019-10-22 2020-02-07 京东数字科技控股有限公司 地址识别方法和装置
CN111222566A (zh) * 2020-01-02 2020-06-02 平安科技（深圳）有限公司 用户属性识别方法、装置及存储介质
CN112363941A (zh) * 2020-11-13 2021-02-12 平安普惠企业管理有限公司 接口测试方法、装置、计算机设备及存储介质
CN114693461A (zh) * 2020-12-31 2022-07-01 天津幸福生命科技有限公司 基于机器学习的城市普惠保险的风险影响因子获取方法
CN113835921A (zh) * 2021-09-29 2021-12-24 平安普惠企业管理有限公司 接口服务异常的处理方法、装置、设备和存储介质
CN114490943A (zh) * 2022-02-09 2022-05-13 携程旅游网络技术（上海）有限公司 旅游信息查询方法、装置、设备及存储介质
CN114723481A (zh) * 2022-03-29 2022-07-08 中国建设银行股份有限公司 数据处理方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN115292081A (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
CN111343009B (zh) 服务告警通知方法及装置、存储介质、电子设备
CN115599640B (zh) 异常供应端告警方法、电子设备和介质
CN113704063B (zh) 一种云手机的性能监控方法、装置、设备及存储介质
CN113760674A (zh) 信息生成方法、装置、电子设备和计算机可读介质
CN114328132A (zh) 外部数据源的状态监控方法、装置、设备和介质
CN114928574B (zh) 信息发送方法、装置、电子设备和计算机可读介质
CN116700907B (zh) 服务调用需求文档存储方法、装置、电子设备和可读介质
CN115292081B (zh) 信息发送方法、装置、电子设备和介质
CN110727558A (zh) 信息提示方法、装置、存储介质及电子设备
CN113486968B (zh) 摄像机生命周期的监控方法、装置、设备和介质
CN115169852A (zh) 信息发送方法、装置、电子设备、介质和计算机程序产品
CN111950232B (zh) 一种自动切换号段的方法和装置
CN116541251B (zh) 显示设备状态预警方法、装置、设备和计算机可读介质
CN116881097B (zh) 用户终端告警方法、装置、电子设备和计算机可读介质
CN115204150B (zh) 信息校验方法、装置、电子设备和计算机可读介质
CN116915870B (zh) 任务创建请求处理方法、装置、电子设备和可读介质
CN116702168B (zh) 供应端信息检测方法、装置、电子设备和计算机可读介质
CN118228200B (zh) 基于多模态模型的电力设备异常识别方法、装置与设备
CN116862319B (zh) 电力指标信息生成方法、装置、电子设备和介质
CN110262756B (zh) 用于缓存数据的方法和装置
CN117950949B (zh) 微服务日志存储方法、装置、电子设备和计算机可读介质
CN117424896A (zh) 一种物联网设备的信息展示方法、装置、设备及介质
CN118433175A (zh) 结算设备的数据更新方法、装置、电子设备和可读介质
CN113792072A (zh) 数据发送方法、装置、电子设备和计算机可读介质
CN116719619A (zh) 电力终端请求处理方法、装置、电子设备和计算机介质

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
GR01 Patent grant
GR01 Patent grant