CN117056782A - 一种数据异常识别方法、装置、设备及其存储介质 - Google Patents
一种数据异常识别方法、装置、设备及其存储介质 Download PDFInfo
- Publication number
- CN117056782A CN117056782A CN202311037408.1A CN202311037408A CN117056782A CN 117056782 A CN117056782 A CN 117056782A CN 202311037408 A CN202311037408 A CN 202311037408A CN 117056782 A CN117056782 A CN 117056782A
- Authority
- CN
- China
- Prior art keywords
- data
- model
- test
- anomaly identification
- sample 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 59
- 238000012360 testing method Methods 0.000 claims abstract description 160
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000000605 extraction Methods 0.000 claims abstract description 44
- 238000012549 training Methods 0.000 claims abstract description 41
- 230000003247 decreasing effect Effects 0.000 claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 22
- 230000006870 function Effects 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 230000007787 long-term memory Effects 0.000 claims abstract description 15
- 230000006403 short-term memory Effects 0.000 claims abstract description 10
- 230000015654 memory Effects 0.000 claims description 24
- 238000012952 Resampling Methods 0.000 claims description 22
- 238000005070 sampling Methods 0.000 claims description 16
- 238000012795 verification Methods 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 13
- 238000013473 artificial intelligence Methods 0.000 abstract description 9
- 238000013528 artificial neural network Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000011835 investigation Methods 0.000 description 9
- 238000009795 derivation Methods 0.000 description 8
- 238000012550 audit Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 208000025174 PANDAS Diseases 0.000 description 3
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 3
- 240000004718 Panda Species 0.000 description 3
- 235000016496 Panda oleosa Nutrition 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- 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
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Accounting & Taxation (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请实施例属于人工智能及金融科技技术领域,应用于理赔风险预测业务中,涉及一种数据异常识别方法、装置、设备及其存储介质,包括获取待进行识别的测试数据;对测试数据进行时序处理和特征提取,获取测试特征集;对测试特征集进行更新处理;将更新后的测试特征集输入到训练完成的数据异常识别模型,根据训练完成的数据异常识别模型预测测试数据是否为异常数据。引入长短期记忆网络解决传统车辆理赔时相关业务数据涉及多个环节,不利于时序化训练的问题。同时,引入梯度递减算法,筛选出代价函数递减速度最快的模型超参数组合,保证了训练收敛速度和预测速度,快速预测出理赔数据异常与否,便于对理赔数据进行异常智能分析。
Description
技术领域
本申请涉及人工智能及金融科技技术领域,应用于理赔风险预测业务中,尤其涉及一种数据异常识别方法、装置、设备及其存储介质。
背景技术
随着计算机行业的发展,传统的金融业务也逐步向金融科技业务方向转型,尤其是在金融行业里的保险理赔业务中,较为普遍的保险理赔业务多发生在车险业务领域。保险行业中,车险的数量是最多最大的,赔付的金额也是最大的。显而易见,保险理赔业务的风控也是最重要的,无论是保前的核保规则,还是理赔事中的风控模型,或者事后企业图谱等等,都是为了更好的解决风险渗漏。
现有的车险风控中,使用深度学习的模型大多是RNN(Recurrent NeuralNetwork)模型,RNN模型擅长处理连续型特征,即上一个业务的输出是下一个业务的输入,每一环都是紧紧相扣,上一个结果直接影响下一个结果,适合对具备连贯性的业务进行处理。但是,对于保险理赔业务来说,各个环节相对独立,无法连接起来,或者上个环节的输出并非下个环节的输入,而且理赔业务对应的时序数据过多过长,梯度衰减极度严重,继续采用RNN模型会严重影响模型预测效果,降低了预测的准确性。
发明内容
本申请实施例的目的在于提出一种数据异常识别方法、装置、设备及其存储介质,以解决现有技术在理赔业务预测时,采用RNN模型会严重影响模型预测效果,降低预测准确性的问题。
为了解决上述技术问题,本申请实施例提供一种数据异常识别方法,采用了如下所述的技术方案:
一种数据异常识别方法,包括下述步骤:
获取待进行识别的测试数据;
对所述测试数据进行时序处理和特征提取,获取测试特征集;
对所述测试特征集进行特征工程处理,获取衍生的特征;
将所述衍生的特征并入到所述测试特征集中,以对所述测试特征集进行更新;
将更新后的测试特征集输入到训练完成的数据异常识别模型,根据所述训练完成的数据异常识别模型预测所述测试数据是否为异常数据。
进一步的,所述对所述测试数据进行时序处理和特征提取,获取测试特征集的步骤,具体包括:
按照预设的排列规则,将所述测试数据整理为时间序列数据;
根据预设的特征关键词表,提取所述时间序列数据中的特征数据,获取测试特征集;
所述根据预设的特征关键词表,提取所述时间序列数据中的特征数据,获取测试特征集,获取测试特征集,具体包括:
判断根据所述特征关键词表提取的特征数据是否都为目标提取结果;
若存在非目标提取结果,则对所述非目标提取结果进行缺失值填充处理,将填充数据作为相应的目标提取结果;
获取所有的目标提取结果,并将所有的目标提取结果按照所述时间序列数据的排列顺序,加入到预设的有序集合内,生成测试特征集。
进一步的,在执行所述将更新后的测试特征集输入到训练完成的数据异常识别模型的步骤之前,所述方法还包括:
获取全量样本数据,其中,所述全量样本数据包括正样本数据和反样本数据,所述正样本数据为理赔案件中的异常结案数据,所述反样本数据为理赔案件中的正常结案数据;
按照预设的采样方式,对所述正样本数据进行重采样处理,获取重采样结果,并根据所述重采样结果获取新的正样本数据;
将所述反样本数据和所述新的正样本数据一并输入预构建的数据异常识别模型,进行模型训练,获取预训练完成的数据异常识别模型,其中,所述数据异常识别模型由长短期记忆网络和梯度递减算法共同架构而成;
将所述全量样本数据输入所述预训练完成的数据异常识别模型,获取模型输出结果;
根据所述全量样本数据的标注结果和所述模型输出结果,对所述预训练完成的数据异常识别模型进行输出验证;
若验证失败,则对所述预构建的数据异常识别模型进行超参数调优,并进行迭代训练,直到模型损失值满足预设的损失阈值,则验证成功,停止迭代训练,获得训练成功的数据异常识别模型。
进一步的,所述按照预设的采样方式,对所述正样本数据进行重采样处理,获取重采样结果,并根据所述重采样结果获取新的正样本数据的步骤,具体包括:
根据预先设定的采样频率对所述正样本数据中每一条数据分别进行向上采样,获取重采样结果;
将所述重采样结果合并到所述正样本数据中,共同构成新的正样本数据;
所述将所述反样本数据和所述新的正样本数据一并输入预构建的数据异常识别模型,进行模型训练,获取预训练完成的数据异常识别模型的步骤,具体包括:
将所述反样本数据和所述新的正样本数据一并输入预构建的数据异常识别模型,进行模型训练;
根据预设的筛选规则,筛选出目标识别模型,将所述目标识别模型作为所述预训练完成的数据异常识别模型。
进一步的,所述根据预设的筛选规则,筛选出目标识别模型,将所述目标识别模型作为所述预训练完成的数据异常识别模型的步骤,具体包括:
初始化模型超参数,其中,所述模型参数指模型外部的配置参数,包括学习速率、迭代次数、批量大小和所述长短期记忆网络的隐层层数;
随机组合模型超参数,获取所有的模型超参数组合,并将所述所有的模型超参数组合分别设置给所述预构建的数据异常识别模型;
根据所述梯度递减算法计算在模型训练过程中每个模型超参数组合对应的代价函数递减速度;
筛选出代价函数递减速度最快的模型超参数组合作为目标超参数组合;
获取所述目标超参数组合对应的数据异常识别模型作为目标模型,并将所述目标识别模型作为所述预训练完成的数据异常识别模型。
进一步的,所述根据所述全量样本数据的标注结果和所述模型输出结果,对所述预训练完成的数据异常识别模型进行输出验证的步骤,具体包括:
根据所述模型输出结果,统计模型输出的正反样本数据的数量;
根据所述全量样本数据的标注结果,统计所述全量样本数据中实际的正反样本数据的数量;
将所述模型输出的正反样本数据的数量和所述全量样本数据中实际的正反样本数据的数量作为方法参数输入到预设的损失函数中,获取模型损失值;
将所述模型损失值与预设的损失阈值进行大小关系比较;
若所述模型损失值小于所述预设的损失阈值,则验证成功;
若所述模型损失值不小于所述预设的损失阈值,则验证失败。
进一步的,所述根据所述训练完成的数据异常识别模型预测所述测试数据是否为异常数据的步骤,具体包括:
获取所述训练完成的数据异常识别模型的输出结果;
若所述输出结果显示所述测试数据为正样本数据,则所述测试数据为异常数据;
若所述输出结果显示所述测试数据为反样本数据,则所述测试数据为正常数据。
为了解决上述技术问题,本申请实施例还提供一种数据异常识别装置,采用了如下所述的技术方案:
一种数据异常识别装置,包括:
测试数据获取模块,用于获取待进行识别的测试数据;
特征提取模块,用于对所述测试数据进行时序处理和特征提取,获取测试特征集;
特征工程模块,用于对所述测试特征集进行特征工程处理,获取衍生的特征;
特征更新模块,用于将所述衍生的特征并入到所述测试特征集中,以对所述测试特征集进行更新;
模型识别模块,用于将更新后的测试特征集输入到训练完成的数据异常识别模型,根据所述训练完成的数据异常识别模型预测所述测试数据是否为异常数据。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现上述所述的数据异常识别方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
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有计算机可读指令,所述计算机可读指令被处理器执行时实现如上述所述的数据异常识别方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例所述数据异常识别方法,通过获取待进行识别的测试数据;对所述测试数据进行时序处理和特征提取,获取测试特征集;对所述测试特征集进行特征工程处理,获取衍生的特征;将所述衍生的特征并入到所述测试特征集中,以对所述测试特征集进行更新;将更新后的测试特征集输入到训练完成的数据异常识别模型,根据所述训练完成的数据异常识别模型预测所述测试数据是否为异常数据。考虑引入长短期记忆网络解决预测时时间序列数据涉及多个环节,采用普通的RNN处理模型会导致模型预测效果大幅度下降的问题。同时,结合LSTM神经网络预测出车险理赔业务中各个环节的特征数据与正反输出节点之间的对应关系,在LSTM神经网络中引入梯度递减算法,通过所述梯度递减算法筛选出代价函数递减速度最快的模型超参数组合,进一步保证了模型的训练收敛速度和预测速度,紧密连接理赔各个环节,快速预测出理赔数据是否存在异常,便于对理赔数据进行异常智能分析。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图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是本申请可以应用于其中的示例性***架构图;
图2是根据本申请的数据异常识别方法的一个实施例的流程图;
图3是图2所示步骤202的一个具体实施例的流程图;
图4是根据本申请实施例所述的数据异常识别方法对预构建的数据异常识别模型进行训练的一个具体实施例的流程图;
图5是图4所示步骤402的一个具体实施例的流程图;
图6是图4所示步骤403的一个具体实施例的流程图;
图7是图6所示步骤602的一个具体实施例的流程图;
图8是图4所示步骤405的一个具体实施例的流程图;
图9是根据本申请的数据异常识别装置的一个实施例的结构示意图;
图10是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的数据异常识别方法一般由服务器执行,相应地,数据异常识别装置一般设置于服务器中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的数据异常识别方法的一个实施例的流程图。所述的数据异常识别方法,包括以下步骤:
步骤201,获取待进行识别的测试数据。
本实施例中,所述待进行识别的测试数据包括车险事故发生后,与理赔业务相关的所有审核数据,包括报案环节数据、勘验环节数据、事故定责环节数据、保单审核环节数据等。
本实施例中,所述待进行识别的测试数据指用于进行造假识别的一系列时序性数据,例如,上述报案环节数据、勘验环节数据、事故定责环节数据、保单审核环节数据在整个理赔事件中具备一定的时序性。
步骤202,对所述测试数据进行时序处理和特征提取,获取测试特征集。
继续参考图3,图3是图2所示步骤202的一个具体实施例的流程图,包括:
步骤301,按照预设的排列规则,将所述测试数据整理为时间序列数据;
本实施例中,所述按照预设的排列规则,将所述测试数据整理为时间序列数据,即按照整个理赔业务流程中,报案环节数据、勘验环节数据、事故定责环节数据、保单审核环节数据的时序性,将所述测试数据整理为时间序列数据。
其中,所述时间序列数据是指按照时间顺序排列的数据,相应的,在整个理赔业务流程中,报案环节数据、勘验环节数据、事故定责环节数据、保单审核环节数据具备一定的前后时序性,因此,将报案环节数据、勘验环节数据、事故定责环节数据、保单审核环节数据按照时间顺序排列,将所述测试数据整理为时间序列数据。
步骤302,根据预设的特征关键词表,提取所述时间序列数据中的特征数据,获取测试特征集;
具体的,预先根据整个理赔业务流程,分别为报案环节数据、勘验环节数据、事故定责环节数据、保单审核环节数据设置特征关键词,并根据报案环节数据、勘验环节数据、事故定责环节数据、保单审核环节数据分别对应的特征关键词,构建特征关键词表。其中,所述特征关键词的设置可以将批量的历史理赔数据作为经验数据,采用词频计算的方式确定报案环节数据、勘验环节数据、事故定责环节数据、保单审核环节数据分别对应的特征关键词。
所述根据预设的特征关键词表,提取所述时间序列数据中的特征数据,获取测试特征集,获取测试特征集,具体包括:
步骤3021,判断根据所述特征关键词表提取的特征数据是否都为目标提取结果;
步骤3022,若存在非目标提取结果,则对所述非目标提取结果进行缺失值填充处理,将填充数据作为相应的目标提取结果;
具体的,所述若存在关键词对应的特征数据无法被提取到或者提取数据出错,则说明该关键词对应的特征数据不是目标提取结果,则对所述非目标提取结果进行缺失值填充处理,将填充数据作为相应的目标提取结果,即进行特征提取时,某些特征数据无法被提取到,存在缺失值,此时,可以获取历史测试数据中该目标特征数据对应的众数数据,以所述众数数据进行所述缺失值填充,其中,众数数据指在历史理赔数据中,该目标特征数据对应的频率最高的数据内容。
步骤3023,获取所有的目标提取结果,并将所有的目标提取结果按照所述时间序列数据的排列顺序,加入到预设的有序集合内,生成测试特征集。
本实施例中,通过将将所有特征数据按照所述时间序列数据的排列顺序,加入到预设的有序集合内,生成测试特征集,使得在进行测试时,无需在输入整个待识别的数据文本,一定程度上减少了输入的数据量,剔除了大多非特征性数据,更加节省了计算机的算力资源消耗。
步骤203,对所述测试特征集进行特征工程处理,获取衍生的特征。
具体的,所述对所述测试特征集进行特征工程处理,获取衍生的特征,包括:根据所述测试特征集中已有的特征创建出新的特征,例如,所述测试特征集中包括报案时间和出险时间,根据报案时间和出险时间创建衍生出新的特征数据如报案时间与出险时间的间隔时间。再譬如,所述测试特征集中包括出险日,根据出险日创建衍生出新的特征数据如出险日是否为节假日。再譬如,所述测试特征集中包括出险地点,根据出险地点创建衍生出新的特征数据如出险地点是否为酒吧。再譬如,所述测试特征集中包括出险时间,根据出险时间创建衍生出新的特征数据如出险时间是否为夜晚等。
具体的,可以采用不同的衍生规则对所述测试特征集进行特征衍生,获取衍生的特征,此外,对于数值化的特征数据,也可以采用多项式衍生方式获取衍生的特征,特征衍生的方法包括但不限于单变量特征衍生、双变量特征衍生、多变量特征衍生,其中所述单变量、双变量和多变量指对特征数据进行衍生所根据的变量个数,或者,采用文本特征衍生方法,包括分析所述测试特征集中特征数据的语义信息,根据分析出的语义信息进行特征衍生。
步骤204,将所述衍生的特征并入到所述测试特征集中,以对所述测试特征集进行更新。
通过将所述衍生的特征并入到所述测试特征集中,以对所述测试特征集进行更新,进一步的丰富了测试特征集中数据,提升特征数据的维度,通过提升特征数据的维度,从而进一步的提升模型识别的准确性。
步骤205,将更新后的测试特征集输入到训练完成的数据异常识别模型,根据所述训练完成的数据异常识别模型预测所述测试数据是否为异常数据。
本实施例中,在执行所述将更新后的测试特征集输入到训练完成的数据异常识别模型的步骤之前,所述方法还包括:对预构建的数据异常识别模型进行训练。
继续参考图4,图4示出了根据本申请实施例所述的数据异常识别方法对预构建的数据异常识别模型进行训练的一个具体实施例的流程图,包括:
步骤401,获取全量样本数据,其中,所述全量样本数据包括正样本数据和反样本数据,所述正样本数据为理赔案件中的异常结案数据,所述反样本数据为理赔案件中的正常结案数据;
具体的,所述获取全量样本数据,指获取车险事故理赔业务***中所有的理赔业务已结案数据,其中,所述全量样本数据包括已标记真假的正反样本数据,所述正样本数据为理赔案件中的异常结案数据,所述反样本数据为理赔案件中的正常结案数据,即所述车险事故理赔业务***中所有的理赔业务已结案数据包括了通过理赔程序正常结案的数据和被识别出理赔造假的非正常结案的数据,其中,所述反样本数据即通过理赔程序正常结案的数据,所述正样本数据即被识别出理赔造假的非正常结案的数据。
步骤402,按照预设的采样方式,对所述正样本数据进行重采样处理,获取重采样结果,并根据所述重采样结果获取新的正样本数据;
由于车险事故理赔业务***中所有的理赔业务已结案数据中,通过理赔程序正常结案的数据往往较多,可能占到总数据量的98%,而被识别出理赔造假的非正常结案的数据可能仅仅只占1%左右,因此,正反样本数据的比例极为不均衡,考虑对所述正样本数据进行重采样处理,以增加所述正样本数据的数据量,使得正反样本数据的比例均衡。
继续参考图5,图5是图4所示步骤402的一个具体实施例的流程图,包括:
步骤501,根据预先设定的采样频率对所述正样本数据中每一条数据分别进行向上采样,获取重采样结果;
本实施例中,向上采样即提高采样频率,对低纬度的数据往高纬度采集,也即是对稀疏数据往高维度采集获取稠密数据。
其中,所述重采样处理包括采用Pandas数据分析工具中的resample函数对所述正样本数据进行重采样,具体的,Pandas库是一个免费、开源的第三方Python库,是一个Python数据分析工具,Pandas数据分析工具包括了对于时间序列数据,由于正样本数据的数据量较少,可以将其看作存在数据缺失,通过设置采样频率作为resample函数入参参数,采用resample函数进行向上采样,丰富正样本数据的数据量。
步骤502,将所述重采样结果合并到所述正样本数据中,共同构成新的正样本数据。
步骤403,将所述反样本数据和所述新的正样本数据一并输入预构建的数据异常识别模型,进行模型训练,获取预训练完成的数据异常识别模型,其中,所述数据异常识别模型由长短期记忆网络和梯度递减算法共同架构而成;
其中,所述长短期记忆网络可以为LSTM(Long-Short Term Memory)神经网络,LSTM神经网络是一种时间循环神经网络,结合整个理赔业务流程包括报案环节、勘验环节、事故定责环节、保单审核环节等不同的环节,因此,会涉及到对多个环节的数据进行训练,考虑引入长短期记忆网络解决预测时时间序列数据涉及多个环节,采用普通的RNN处理模型会导致模型预测效果大幅度下降的问题。同时,在所述长短期记忆网络中引入梯度递减算法,便于在模型训练时通过对长短期记忆网络的处理结果进行计算,确定模型的代价函数变化速度。
继续参考图6,图6是图4所示步骤403的一个具体实施例的流程图,包括:
步骤601,将所述反样本数据和所述新的正样本数据一并输入预构建的数据异常识别模型,进行模型训练;
本实施例中,在执行所述将所述反样本数据和所述新的正样本数据一并输入预构建的数据异常识别模型,进行模型训练的步骤之前,所述方法还包括:对所述反样本数据和所述新的正样本数据进行时序处理和特征提取,分别获取反样本特征集和正样本特征集;对所述反样本特征集和正样本特征集进行特征工程处理,获取衍生的特征;将所述衍生的特征并入到对应的样本特征集中,以对所述反样本特征集和正样本特征集进行更新。
具体的,测试时的时序处理、特征提取、特征工程方式与训练时的时序处理、特征提取、特征工程方式一致。
步骤602,根据预设的筛选规则,筛选出目标识别模型,将所述目标识别模型作为所述预训练完成的数据异常识别模型。
继续参考图7,图7是图6所示步骤602的一个具体实施例的流程图,包括:
步骤701,初始化模型超参数,其中,所述模型参数指模型外部的配置参数,包括学习速率、迭代次数、批量大小和所述长短期记忆网络的隐层层数;
步骤702,随机组合模型超参数,获取所有的模型超参数组合,并将所述所有的模型超参数组合分别设置给所述预构建的数据异常识别模型;
步骤703,根据所述梯度递减算法计算在模型训练过程中每个模型超参数组合对应的代价函数递减速度;
步骤704,筛选出代价函数递减速度最快的模型超参数组合作为目标超参数组合;
步骤705,获取所述目标超参数组合对应的数据异常识别模型作为目标模型,并将所述目标识别模型作为所述预训练完成的数据异常识别模型。
通过所述梯度递减算法筛选出代价函数递减速度最快的模型超参数组合作为目标超参数组合,从而确定出目标模型,进一步保证了模型的训练收敛速度和预测速度。
步骤404,将所述全量样本数据输入所述预训练完成的数据异常识别模型,获取模型输出结果;
步骤405,根据所述全量样本数据的标注结果和所述模型输出结果,对所述预训练完成的数据异常识别模型进行输出验证;
继续参考图8,图8是图4所示步骤405的一个具体实施例的流程图,包括:
步骤801,根据所述模型输出结果,统计模型输出的正反样本数据的数量;
步骤802,根据所述全量样本数据的标注结果,统计所述全量样本数据中实际的正反样本数据的数量;
步骤803,将所述模型输出的正反样本数据的数量和所述全量样本数据中实际的正反样本数据的数量作为方法参数输入到预设的损失函数中,获取模型损失值;
步骤804,将所述模型损失值与预设的损失阈值进行大小关系比较;
步骤805,若所述模型损失值小于所述预设的损失阈值,则验证成功;
步骤806,若所述模型损失值不小于所述预设的损失阈值,则验证失败。
本实施例中,所述损失函数在被调用执行时,即能够计算出验证样本,即所述全量样本数据中未被识别的样本量在所述全量样本数据中的占比,也能够计算出正反样本数据的识别度,其中,所述正反样本数据的识别度,根据模型输出的正反样本数据的数量和所述全量样本数据中的正反样本数据的数量,进行比例计算而获得。
步骤406,若验证失败,则对所述预构建的数据异常识别模型进行超参数调优,并进行迭代训练,直到模型损失值满足预设的损失阈值,则验证成功,停止迭代训练,获得训练成功的数据异常识别模型。
本实施例中,所述对预构建的数据异常识别模型进行训练,其目的主要是为了结合LSTM神经网络预测出车险理赔业务中各个环节的特征数据与正反输出节点之间的对应关系。
本实施例中,所述根据所述训练完成的数据异常识别模型预测所述测试数据是否为异常数据的步骤,具体包括:获取所述训练完成的数据异常识别模型的输出结果;若所述输出结果显示所述测试数据为正样本数据,则所述测试数据为异常数据;若所述输出结果显示所述测试数据为反样本数据,则所述测试数据为正常数据。
本申请通过获取待进行识别的测试数据;对所述测试数据进行时序处理和特征提取,获取测试特征集;对所述测试特征集进行特征工程处理,获取衍生的特征;将所述衍生的特征并入到所述测试特征集中,以对所述测试特征集进行更新;将更新后的测试特征集输入到训练完成的数据异常识别模型,根据所述训练完成的数据异常识别模型预测所述测试数据是否为异常数据。考虑引入长短期记忆网络解决预测时时间序列数据涉及多个环节,采用普通的RNN处理模型会导致模型预测效果大幅度下降的问题。同时,结合LSTM神经网络预测出车险理赔业务中各个环节的特征数据与正反输出节点之间的对应关系,在LSTM神经网络中引入梯度递减算法,通过所述梯度递减算法筛选出代价函数递减速度最快的模型超参数组合,进一步保证了模型的训练收敛速度和预测速度,紧密连接理赔各个环节,快速预测出理赔数据是否存在异常,便于对理赔数据进行异常智能分析。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例中,通过获取待进行识别的测试数据;对所述测试数据进行时序处理和特征提取,获取测试特征集;对所述测试特征集进行特征工程处理,获取衍生的特征;将所述衍生的特征并入到所述测试特征集中,以对所述测试特征集进行更新;将更新后的测试特征集输入到训练完成的数据异常识别模型,根据所述训练完成的数据异常识别模型预测所述测试数据是否为异常数据。考虑引入长短期记忆网络解决预测时时间序列数据涉及多个环节,采用普通的RNN处理模型会导致模型预测效果大幅度下降的问题。同时,在所述长短期记忆网络中引入梯度递减算法,通过所述梯度递减算法筛选出代价函数递减速度最快的模型超参数组合,进一步保证了模型的训练收敛速度和预测速度。
进一步参考图9,作为对上述图2所示方法的实现,本申请提供了一种数据异常识别装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图9所示,本实施例所述的数据异常识别装置900包括:测试数据获取模块901、特征提取模块902、特征工程模块903、特征更新模块904和模型识别模块905。其中:
测试数据获取模块901,用于获取待进行识别的测试数据;
特征提取模块902,用于对所述测试数据进行时序处理和特征提取,获取测试特征集;
特征工程模块903,用于对所述测试特征集进行特征工程处理,获取衍生的特征;
特征更新模块904,用于将所述衍生的特征并入到所述测试特征集中,以对所述测试特征集进行更新;
模型识别模块905,用于将更新后的测试特征集输入到训练完成的数据异常识别模型,根据所述训练完成的数据异常识别模型预测所述测试数据是否为异常数据。
本申请通过获取待进行识别的测试数据;对所述测试数据进行时序处理和特征提取,获取测试特征集;对所述测试特征集进行特征工程处理,获取衍生的特征;将所述衍生的特征并入到所述测试特征集中,以对所述测试特征集进行更新;将更新后的测试特征集输入到训练完成的数据异常识别模型,根据所述训练完成的数据异常识别模型预测所述测试数据是否为异常数据。考虑引入长短期记忆网络解决预测时时间序列数据涉及多个环节,采用普通的RNN处理模型会导致模型预测效果大幅度下降的问题。同时,结合LSTM神经网络预测出车险理赔业务中各个环节的特征数据与正反输出节点之间的对应关系,在LSTM神经网络中引入梯度递减算法,通过所述梯度递减算法筛选出代价函数递减速度最快的模型超参数组合,进一步保证了模型的训练收敛速度和预测速度,紧密连接理赔各个环节,快速预测出理赔数据是否存在异常,便于对理赔数据进行异常智能分析。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图10,图10为本实施例计算机设备基本结构框图。
所述计算机设备10包括通过***总线相互通信连接存储器10a、处理器10b、网络接口10c。需要指出的是,图中仅示出了具有组件10a-10c的计算机设备10,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器10a至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器10a可以是所述计算机设备10的内部存储单元,例如该计算机设备10的硬盘或内存。在另一些实施例中,所述存储器10a也可以是所述计算机设备10的外部存储设备,例如该计算机设备10上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器10a还可以既包括所述计算机设备10的内部存储单元也包括其外部存储设备。本实施例中,所述存储器10a通常用于存储安装于所述计算机设备10的操作***和各类应用软件,例如数据异常识别方法的计算机可读指令等。此外,所述存储器10a还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器10b在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器10b通常用于控制所述计算机设备10的总体操作。本实施例中,所述处理器10b用于运行所述存储器10a中存储的计算机可读指令或者处理数据,例如运行所述数据异常识别方法的计算机可读指令。
所述网络接口10c可包括无线网络接口或有线网络接口,该网络接口10c通常用于在所述计算机设备10与其他电子设备之间建立通信连接。
本实施例提出的计算机设备,属于人工智能及金融科技技术领域,应用于理赔风险预测业务中。本申请通过获取待进行识别的测试数据;对所述测试数据进行时序处理和特征提取,获取测试特征集;对所述测试特征集进行特征工程处理,获取衍生的特征;将所述衍生的特征并入到所述测试特征集中,以对所述测试特征集进行更新;将更新后的测试特征集输入到训练完成的数据异常识别模型,根据所述训练完成的数据异常识别模型预测所述测试数据是否为异常数据。考虑引入长短期记忆网络解决预测时时间序列数据涉及多个环节,采用普通的RNN处理模型会导致模型预测效果大幅度下降的问题。同时,在所述长短期记忆网络中引入梯度递减算法,通过所述梯度递减算法筛选出代价函数递减速度最快的模型超参数组合,进一步保证了模型的训练收敛速度和预测速度。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被处理器执行,以使所述处理器执行如上述的数据异常识别方法的步骤。
本实施例提出的计算机可读存储介质,属于人工智能及金融科技技术领域,应用于理赔风险预测业务中。本申请通过获取待进行识别的测试数据;对所述测试数据进行时序处理和特征提取,获取测试特征集;对所述测试特征集进行特征工程处理,获取衍生的特征;将所述衍生的特征并入到所述测试特征集中,以对所述测试特征集进行更新;将更新后的测试特征集输入到训练完成的数据异常识别模型,根据所述训练完成的数据异常识别模型预测所述测试数据是否为异常数据。考虑引入长短期记忆网络解决预测时时间序列数据涉及多个环节,采用普通的RNN处理模型会导致模型预测效果大幅度下降的问题。同时,在所述长短期记忆网络中引入梯度递减算法,通过所述梯度递减算法筛选出代价函数递减速度最快的模型超参数组合,进一步保证了模型的训练收敛速度和预测速度。
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,本申请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终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上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,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种数据异常识别方法,其特征在于,包括下述步骤:
获取待进行识别的测试数据;
对所述测试数据进行时序处理和特征提取,获取测试特征集;
对所述测试特征集进行特征工程处理,获取衍生的特征;
将所述衍生的特征并入到所述测试特征集中,以对所述测试特征集进行更新;
将更新后的测试特征集输入到训练完成的数据异常识别模型,根据所述训练完成的数据异常识别模型预测所述测试数据是否为异常数据。
2.根据权利要求1所述的数据异常识别方法,其特征在于,所述对所述测试数据进行时序处理和特征提取,获取测试特征集的步骤,具体包括:
按照预设的排列规则,将所述测试数据整理为时间序列数据;
根据预设的特征关键词表,提取所述时间序列数据中的特征数据,获取测试特征集;
所述根据预设的特征关键词表,提取所述时间序列数据中的特征数据,获取测试特征集,获取测试特征集,具体包括:
判断根据所述特征关键词表提取的特征数据是否都为目标提取结果;
若存在非目标提取结果,则对所述非目标提取结果进行缺失值填充处理,将填充数据作为相应的目标提取结果;
获取所有的目标提取结果,并将所有的目标提取结果按照所述时间序列数据的排列顺序,加入到预设的有序集合内,生成测试特征集。
3.根据权利要求1所述的数据异常识别方法,其特征在于,在执行所述将更新后的测试特征集输入到训练完成的数据异常识别模型的步骤之前,所述方法还包括:
获取全量样本数据,其中,所述全量样本数据包括正样本数据和反样本数据,所述正样本数据为理赔案件中的异常结案数据,所述反样本数据为理赔案件中的正常结案数据;
按照预设的采样方式,对所述正样本数据进行重采样处理,获取重采样结果,并根据所述重采样结果获取新的正样本数据;
将所述反样本数据和所述新的正样本数据一并输入预构建的数据异常识别模型,进行模型训练,获取预训练完成的数据异常识别模型,其中,所述数据异常识别模型由长短期记忆网络和梯度递减算法共同架构而成;
将所述全量样本数据输入所述预训练完成的数据异常识别模型,获取模型输出结果;
根据所述全量样本数据的标注结果和所述模型输出结果,对所述预训练完成的数据异常识别模型进行输出验证;
若验证失败,则对所述预构建的数据异常识别模型进行超参数调优,并进行迭代训练,直到模型损失值满足预设的损失阈值,则验证成功,停止迭代训练,获得训练成功的数据异常识别模型。
4.根据权利要求3所述的数据异常识别方法,其特征在于,所述按照预设的采样方式,对所述正样本数据进行重采样处理,获取重采样结果,并根据所述重采样结果获取新的正样本数据的步骤,具体包括:
根据预先设定的采样频率对所述正样本数据中每一条数据分别进行向上采样,获取重采样结果;
将所述重采样结果合并到所述正样本数据中,共同构成新的正样本数据;
所述将所述反样本数据和所述新的正样本数据一并输入预构建的数据异常识别模型,进行模型训练,获取预训练完成的数据异常识别模型的步骤,具体包括:
将所述反样本数据和所述新的正样本数据一并输入预构建的数据异常识别模型,进行模型训练;
根据预设的筛选规则,筛选出目标识别模型,将所述目标识别模型作为所述预训练完成的数据异常识别模型。
5.根据权利要求4所述的数据异常识别方法,其特征在于,所述根据预设的筛选规则,筛选出目标识别模型,将所述目标识别模型作为所述预训练完成的数据异常识别模型的步骤,具体包括:
初始化模型超参数,其中,所述模型参数指模型外部的配置参数,包括学习速率、迭代次数、批量大小和所述长短期记忆网络的隐层层数;
随机组合模型超参数,获取所有的模型超参数组合,并将所述所有的模型超参数组合分别设置给所述预构建的数据异常识别模型;
根据所述梯度递减算法计算在模型训练过程中每个模型超参数组合对应的代价函数递减速度;
筛选出代价函数递减速度最快的模型超参数组合作为目标超参数组合;
获取所述目标超参数组合对应的数据异常识别模型作为目标模型,并将所述目标识别模型作为所述预训练完成的数据异常识别模型。
6.根据权利要求3所述的数据异常识别方法,其特征在于,所述根据所述全量样本数据的标注结果和所述模型输出结果,对所述预训练完成的数据异常识别模型进行输出验证的步骤,具体包括:
根据所述模型输出结果,统计模型输出的正反样本数据的数量;
根据所述全量样本数据的标注结果,统计所述全量样本数据中实际的正反样本数据的数量;
将所述模型输出的正反样本数据的数量和所述全量样本数据中实际的正反样本数据的数量作为方法参数输入到预设的损失函数中,获取模型损失值;
将所述模型损失值与预设的损失阈值进行大小关系比较;
若所述模型损失值小于所述预设的损失阈值,则验证成功;
若所述模型损失值不小于所述预设的损失阈值,则验证失败。
7.根据权利要求1所述的数据异常识别方法,其特征在于,所述根据所述训练完成的数据异常识别模型预测所述测试数据是否为异常数据的步骤,具体包括:
获取所述训练完成的数据异常识别模型的输出结果;
若所述输出结果显示所述测试数据为正样本数据,则所述测试数据为异常数据;
若所述输出结果显示所述测试数据为反样本数据,则所述测试数据为正常数据。
8.一种数据异常识别装置,其特征在于,包括:
测试数据获取模块,用于获取待进行识别的测试数据;
特征提取模块,用于对所述测试数据进行时序处理和特征提取,获取测试特征集;
特征工程模块,用于对所述测试特征集进行特征工程处理,获取衍生的特征;
特征更新模块,用于将所述衍生的特征并入到所述测试特征集中,以对所述测试特征集进行更新;
模型识别模块,用于将更新后的测试特征集输入到训练完成的数据异常识别模型,根据所述训练完成的数据异常识别模型预测所述测试数据是否为异常数据。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的数据异常识别方法的步骤。
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有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的数据异常识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311037408.1A CN117056782A (zh) | 2023-08-16 | 2023-08-16 | 一种数据异常识别方法、装置、设备及其存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311037408.1A CN117056782A (zh) | 2023-08-16 | 2023-08-16 | 一种数据异常识别方法、装置、设备及其存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117056782A true CN117056782A (zh) | 2023-11-14 |
Family
ID=88662228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311037408.1A Pending CN117056782A (zh) | 2023-08-16 | 2023-08-16 | 一种数据异常识别方法、装置、设备及其存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117056782A (zh) |
-
2023
- 2023-08-16 CN CN202311037408.1A patent/CN117056782A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109743311B (zh) | 一种WebShell检测方法、装置及存储介质 | |
US11520993B2 (en) | Word-overlap-based clustering cross-modal retrieval | |
CN112863683A (zh) | 基于人工智能的病历质控方法、装置、计算机设备及存储介质 | |
CN112468658B (zh) | 语音质量检测方法、装置、计算机设备及存储介质 | |
CN115757075A (zh) | 任务异常检测方法、装置、计算机设备及存储介质 | |
CN117093477A (zh) | 一种软件质量评估方法、装置、计算机设备及存储介质 | |
CN115936895A (zh) | 基于人工智能的风险评估方法、装置、设备及存储介质 | |
CN112417886A (zh) | 意图实体信息抽取方法、装置、计算机设备及存储介质 | |
CN116703466A (zh) | 基于改进灰狼算法的***访问量预测方法及其相关设备 | |
CN116843395A (zh) | 一种业务***的告警分级方法、装置、设备及存储介质 | |
CN117034230A (zh) | 一种数据校验方法、装置、设备及其存储介质 | |
CN117056782A (zh) | 一种数据异常识别方法、装置、设备及其存储介质 | |
CN112069807A (zh) | 文本数据的主题提取方法、装置、计算机设备及存储介质 | |
CN116662160B (zh) | 基于代价敏感宽度学习的软件缺陷预测方法及处理装置 | |
CN117172632B (zh) | 一种企业异常行为检测方法、装置、设备及存储介质 | |
CN116611432A (zh) | 一种酒驾风险识别方法、装置、计算机设备及存储介质 | |
CN118041977A (zh) | 微服务组件的处理方法、装置、计算机设备及存储介质 | |
CN116824600A (zh) | 一种公司***识别方法及其相关设备 | |
CN117932082A (zh) | 一种文本内容指代消解方法、装置、设备及其存储介质 | |
CN117493563A (zh) | 一种会话意图分析方法、装置、设备及其存储介质 | |
CN116167872A (zh) | 异常医疗数据检测方法、装置及设备 | |
CN117407750A (zh) | 基于元数据的数据质量监控方法、装置、设备及存储介质 | |
CN117034875A (zh) | 一种文本数据生成方法、装置、设备及其存储介质 | |
CN117609013A (zh) | 基于模糊加权宽度学习的软件缺陷预测方法及装置 | |
CN117114894A (zh) | 一种理赔结果预测方法、装置、设备及其存储介质 |
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 |