一种异常识别方法和装置制造方法及图纸

本申请公开了一种异常识别方法和装置，该方法包括：获取多个机构的业务数据；基于所述业务数据对所述多个机构进行分组，得到多组机构，至少一组机构中机构的数量大于1，且每组机构中机构的数量不大于设定值；基于每组机构的业务指标，确定每组机构中是否存在业务异常的机构。

A Method and Device for Abnormal Recognition

【技术实现步骤摘要】
一种异常识别方法和装置
本申请涉及计算机
，尤其涉及一种异常识别方法和装置。
技术介绍
现有的机构管理中，可以由监控平台对多个机构进行监控，以确定每个机构的业务是否异常，进而避免在业务出现异常时，给机构带来损失。例如，监控平台可以对多个金融机构进行监控，以确定多个金融机构的各项金融业务是否异常，进而避免给金融机构带来资金损失。通常，监控平台在监控多个机构的业务是否异常时，可以通过监控多个机构的业务指标(例如，KPI(KeyPerformanceIndicator，关键绩效指标))来实现。具体地，监控平台可以针对每个机构的业务指标分别构建对应的预测模型，基于预测模型判断机构的业务指标是否异常，进而确定机构的业务是否异常。然而，当机构数量比较多时，监控平台需要构建的预测模型也比较多，从而不易实现对多个机构的监控。
技术实现思路
本申请实施例提供一种异常识别方法和装置，用于解决现有技术中监控平台在基于业务指标对多个机构进行监控时，如果机构的数量比较多，那么需要构建的用于判断机构的业务指标是否异常的预测模型也比较多，导致不易实现对多个机构的监控的问题。为解决上述技术问题，本申请实施例是这样实现的：第一方面，提出一种异常识别方法，包括：获取多个机构的业务数据；基于所述业务数据对所述多个机构进行分组，得到多组机构，至少一组机构中机构的数量大于1，且每组机构中机构的数量不大于设定值；基于每组机构的业务指标，确定每组机构中是否存在业务异常的机构。第二方面，提出一种异常识别装置，包括：获取单元，获取多个机构的业务数据；分组单元，基于所述业务数据对所述多个机构进行分组，得到多组机构，至少一组机构中机构的数量大于1，且每组机构中机构的数量不大于设定值；识别单元，基于每组机构的业务指标，确定每组机构中是否存在业务异常的机构。第三方面，提出一种电子设备，该电子设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，该可执行指令在被执行时使该处理器执行以下操作：获取多个机构的业务数据；基于所述业务数据对所述多个机构进行分组，得到多组机构，至少一组机构中机构的数量大于1，且每组机构中机构的数量不大于设定值；基于每组机构的业务指标，确定每组机构中是否存在业务异常的机构。第四方面，提出一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下方法：获取多个机构的业务数据；基于所述业务数据对所述多个机构进行分组，得到多组机构，至少一组机构中机构的数量大于1，且每组机构中机构的数量不大于设定值；基于每组机构的业务指标，确定每组机构中是否存在业务异常的机构。本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例提供的技术方案，监控平台在对多个机构进行监控时，可以将多个机构进行分组，并基于每组机构的业务指标对多个机构进行监控，因此，在构建预测模型时，可以将一组机构作为一个整体，构建每组机构的业务指标对应的预测模型，相较于基于每个机构构建预测模型而言，构建的预测模型的数量较少，易于实现对多个机构的监控。此外，由于对多个机构进行分组时，限定了每组机构的机构数量上限，因此，针对一组机构中的多个机构而言，每个机构的业务是否异常的特征不会被淹没，这样，当分组内某个机构的业务出现异常时，能够有效识别到该分组内存在业务异常的机构，从而提高对异常机构的识别准确度。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请的一个实施例异常识别方法的流程示意图；图2是本申请的一个实施例异常识别方法的流程示意图；图3是本申请的一个实施例电子设备的结构示意图；图4是本申请的一个实施例异常识别装置的结构示意图。具体实施方式监控平台在对多个机构的业务进行监控时，可以通过监控多个机构的业务指标实现。具体地，以一个机构为例，可以针对机构的业务指标构建对应的预测模型，利用预测模型判断机构的业务指标是否异常，若机构的业务指标异常，则可以确定该机构的业务异常，若机构的业务指标正常，则可以确定该机构的业务正常。通常，一个机构的业务指标可以包括多个(例如，多个KPI指标)，监控平台在对机构进行监控时，可以针对多个业务指标构建对应的多个预测模型，基于多个预测模型对机构的多个业务指标进行监控，以便最精细化地发现机构的业务是否异常。例如，假设机构的数量为N个，每个机构的业务指标均为M个，那么，在通过M个业务指标对N个机构进行监控时，针对每个机构需要构建M个预测模型，针对N个机构需要构建M*N个预测模型。然而，当机构的数量较多时，基于上述记载的方法将需要构建大量的预测模型，不仅不现实，而且还会增加构建预测模型的复杂度，导致不易实现对多个机构的监控。现有技术中，为了解决上述问题，在对多个机构进行监控时，可以将多个机构中业务量较少的机构合并为一组，并将一组机构作为一个整体，构建一组机构的业务指标对应的预测模型，从而减少需要构建的预测模型的数量，使得对多个机构的监控简单化。仍以上述N个机构，每个机构具有M个指标为例，若将N个机构中业务量较少的x(x大于1)个机构合并为一组，那么，针对这x个机构，在构建预测模型时只需要构建M个预测模型，相较于原有的需要构建x*M个预测模型而言，减少了需要构建的模型数量。然而，在实际应用中，虽然上述将业务量较少的机构进行合并的方案可以减少预测模型的数量，但是，准确度较低，原因在于：这些业务量较少的机构数量通常比较多，在将这些机构合并后，机构的业务是否异常的特征容易被淹没，这样，当其中某个机构的业务出现异常时，将无法有效地识别异常机构，导致对异常机构的识别准确度较低。有鉴于此，本申请实施例提供一种异常识别方法和装置，该异常识别方法包括：获取多个机构的业务数据；基于所述业务数据对所述多个机构进行分组，得到多组机构，至少一组机构中机构的数量大于1，且每组机构中机构的数量不大于设定值；基于每组机构的业务指标，确定每组机构中是否存在业务异常的机构。本申请实施例提供的技术方案，监控平台在对多个机构进行监控时，可以将多个机构进行分组，并基于每组机构的业务指标对多个机构进行监控，因此，在构建预测模型时，可以将一组机构作为一个整体，构建每组机构的业务指标对应的预测模型，相较于基于每个机构构建预测模型而言，构建的预测模型的数量较少，易于实现对多个机构的监控。此外，由于对多个机构进行分组时，限定了每组机构的机构数量上限，因此，针对一组机构中的多个机构而言，每个机构的业务是否异常的特征不会被淹没，这样，当分组内某个机构的业务出现异常时，能够有效识别到该分组内存在业务异常的机构，从而提高对异常机构的识别准确度。为了使本
的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没本文档来自技高网...

【技术保护点】
1.一种异常识别方法，包括：获取多个机构的业务数据；基于所述业务数据对所述多个机构进行分组，得到多组机构，至少一组机构中机构的数量大于1，且每组机构中机构的数量不大于设定值；基于每组机构的业务指标，确定每组机构中是否存在业务异常的机构。

【技术特征摘要】
1.一种异常识别方法，包括：获取多个机构的业务数据；基于所述业务数据对所述多个机构进行分组，得到多组机构，至少一组机构中机构的数量大于1，且每组机构中机构的数量不大于设定值；基于每组机构的业务指标，确定每组机构中是否存在业务异常的机构。2.如权利要求1所述的方法，基于所述业务数据对所述多个机构进行分组，得到多组机构，包括：基于所述业务数据，确定所述多个机构的权重值，所述权重值表征机构的业务量大小；基于所述多个机构的权重值，按照预设规则对所述多个机构进行分组，得到多组机构；其中，所述预设规则表征所述多组机构中，第一分组中机构的权重值之和与第二分组中机构的权重值之和的差值最小，所述第一分组为所述多组机构中机构的权重值之和最大的一组机构，所述第二分组为所述多组机构中机构的权重值之和最小的一组机构。3.如权利要求2所述的方法，基于所述业务数据，确定所述多个机构的权重值，包括：基于所述业务数据，确定所述多个机构的业务量；基于所述多个机构的业务量，确定所述多个机构的权重值。4.如权利要求2所述的方法，基于所述多个机构的权重值，按照预设规则对所述多个机构进行分组，得到多组机构，包括：确定将所述多个机构划分的组数N；将所述多个机构按照权重值从大到小的顺序进行排序，得到机构序列；循环执行以下操作，直至将所述机构序列中最后一个机构划分到N组机构中的一组机构中：将所述机构序列中第i个机构划分到目标分组中，所述目标分组为N组机构中机构的权重值之和最小且机构的数量小于所述设定值的一组机构，i＝1，2，……，m，m为机构的总数量。5.如权利要求1所述的方法，在得到所述多组机构后，所述方法还包括：根据所述多个机构的业务数据，确定所述多个机构的业务指标；基于所述多个机构的业务指标，得到每组机构的业务指标。6.如权利要求1...

【专利技术属性】
技术研发人员：霍扬扬，周扬，杨树波，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY