上线行为风险评估方法、装置、设备和可读存储介质制造方法及图纸

本公开的实施例提供了一种上线行为风险评估方法、装置、设备和可读存储介质。所述方法包括：获取所述上线行为的一个或多个特征；将所述特征输入预先生成的风险评估模型，所述风险评估模型包括采取多目标子群发现算法训练得到的多个规则；获取所述风险评估模型按照所述多个规则分别计算出的多个结果值；根据所述多个结果值计算得到所述上线行为的风险值。以此方式，可以准确、高效地对上线行为进行风险评估和控制，提高了软件迭代更新效率，优化了用户体验。

【技术实现步骤摘要】
上线行为风险评估方法、装置、设备和可读存储介质
本公开的实施例一般地涉及在线服务领域，并且更具体地，涉及一种上线行为风险评估方法、装置、设备和可读存储介质。
技术介绍
随着移动互联网的发展，基于应用软件的在线服务的用户人数日益增加。为了满足用户不断出现的新需求，开发人员需要不断对应用软件进行开发和迭代。虽然应用软件的新版本在上线之前都会进行测试，但是考虑到测试环境与最终实际运行情况存在区别，上线行为仍然存在引发服务故障的风险。为了控制上线的频率、减少上线时对服务和用户的影响，每个公司都会进行相应的控制管理，比如在用户高峰期时段进行封线、上线需走特殊流程审批、节假日操作上线需专员操作等。以上管理手段虽然能够一定程度上减少相应的风险，但是同时也会造成时间和人力的浪费，降低了软件迭代和更新的效率，影响用户体验。
技术实现思路
为此，根据本公开的实施例，提供了一种上线行为风险评估的方案。在本公开的第一方面，提供了一种上线行为风险评估方法，包括：获取所述上线行为的一个或多个特征；将所述特征输入预先生成的风险评估模型，所述风险评估模型包括采取多目标子群发现算法训练得到的多个规则；获取所述风险评估模型按照所述多个规则分别计算出的多个结果值；根据所述多个结果值计算得到所述上线行为的风险值。在一些实施例中，所述风险评估模型按照以下步骤生成：获取历史上线行为的特征样本集；根据所述特征样本集，采取多目标子群发现算法训练得到多个规则；根据规则质量对所述多个规则进行筛选；将筛选后的多个规则组成规则库，生成所述风险评估模型。在一些实施例中，所述根据规则质量对所述多个规则进行筛选包括：评定所述多个规则的规则质量；根据所述规则质量计算所述多个规则中每个规则的权重；将所述每个规则的权重与预设质量阈值比较，筛选得到权重大于预设质量阈值的多个规则。在一些实施例中，所述规则质量包括规则的准确度Acc(R)和覆盖率Cov(R)。在一些实施例中，按照下式计算所述多个规则中每个规则的权重：其中，Fitness(R)表示规则R的权重，w1是覆盖率Cov(R)的权重，w2是准确度Acc(R)的权重。在一些实施例中，按照下式计算得到所述上线行为的风险值：其中，X为风险值，Yi是第i个规则的结果值，αi为第i个规则的权重，n为规则的数量。在一些实施例中，方法还包括：将所述风险值与预设的风险阈值相比较，得到风险评价结果；根据所述风险评价结果控制所述上线行为。在一些实施例中，方法还包括：在所述上线行为的操作界面上展示所述风险评估模型中的多个规则的规则描述。在本公开的第二方面，提供了一种上线行为风险评估装置，包括：特征获取模块，用于获取所述上线行为的一个或多个特征；特征输入模块，用于将所述特征输入预先生成的风险评估模型，所述风险评估模型包括采取多目标子群发现算法训练得到的多个规则；结果获取模块，用于获取所述风险评估模型按照所述多个规则分别计算出的多个结果值；计算模块，用于根据所述多个结果值计算得到所述上线行为的风险值。在本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和一个或多个处理器，所述存储器上存储有一个或多个计算机程序，所述处理器执行所述程序时实现如以上所述的方法。在本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如以上所述的方法。本公开的实施例提供的上线行为风险评估方法、装置、设备和可读存储介质，利用多目标子群发现算法生成风险评估模型，基于风险评估模型对上线行为进行风险评估，从而能够准确、高效地对上线行为进行风险评估和控制，提高了软件迭代更新效率，优化了用户体验；而且，通过采用多目标子群发现算法来生成风险评估模型，训练得到的规则具备高的准确性和可解释性，从而可以生成和展示规则描述，为上线行为操作人员提供直观可视化的知识。应当理解，
技术实现思路
部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。附图说明结合附图并参考以下详细说明，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。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：图1示出了能够在其中实现本公开的实施例的示例性运行环境的示意图；图2示出了根据本公开的实施例的上线行为风险评估方法的流程图；图3示出了根据本公开的实施例的生成上线行为风险评估模型的流程图；图4示出了根据本公开的实施例的上线行为风险评估装置的结构图；图5示出了能够实施本公开的实施例的示例性电子设备的方框图。具体实施方式为使本公开实施例的目的、技术方案和优点更加清楚，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全部其他实施例，都属于本公开保护的范围。另外，本文中术语“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，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。不同的上线行为对于服务具有不同的影响，其风险性存在差异，而一些风险小的上线可以不受封线影响。同时，从历史的上线事故中，可以总结一些可借鉴的经验，训练生成风险评估模型，后面上线的时候就可以尽量规避历史出现的风险。基于此，本公开提出了一种上线行为风险评估方法和设备。图1示出了能够在其中实现本公开的实施例的示例性运行环境100的示意图。在运行环境100中包括终端设备101、102、103，网络104，服务器105和后台计算设备106。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。终端设备101、102、103上安装有客户端应用，服务器105提供所述应用的服务器端，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。后台计算设备106与服务器105通过有线或无线的内部链路连接，操作人员使用后台计算设备106以执行上线行为，即将应用的新代码上传至服务器105，从而实现应用的迭代更新。终端设备101、102、103和后台计算设备106包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等。需要说明的是，本公开实施例所提供的上线行为风险评估模型生成方法、风险评估方法一般由服务器105执行，相应地，风险评估设备一般设置于服务器105中。本文档来自技高网...

【技术保护点】
1.一种上线行为风险评估方法，其特征在于，包括：/n获取所述上线行为的一个或多个特征；/n将所述特征输入预先生成的风险评估模型，所述风险评估模型包括采取多目标子群发现算法训练得到的多个规则；/n获取所述风险评估模型按照所述多个规则分别计算出的多个结果值；/n根据所述多个结果值计算得到所述上线行为的风险值。/n

【技术特征摘要】
1.一种上线行为风险评估方法，其特征在于，包括：
获取所述上线行为的一个或多个特征；
将所述特征输入预先生成的风险评估模型，所述风险评估模型包括采取多目标子群发现算法训练得到的多个规则；
获取所述风险评估模型按照所述多个规则分别计算出的多个结果值；
根据所述多个结果值计算得到所述上线行为的风险值。


2.根据权利要求1所述的方法，其特征在于，所述风险评估模型按照以下步骤生成：
获取历史上线行为的特征样本集；
根据所述特征样本集，采取多目标子群发现算法训练得到多个规则；
根据规则质量对所述多个规则进行筛选；
将筛选后的多个规则组成规则库，生成所述风险评估模型。


3.根据权利要求2所述的方法，其特征在于，所述根据规则质量对所述多个规则进行筛选包括：
评定所述多个规则的规则质量；
根据所述规则质量计算所述多个规则中每个规则的权重；
将所述每个规则的权重与预设质量阈值比较，筛选得到权重大于预设质量阈值的多个规则。


4.根据权利要求3所述的方法，其特征在于，所述规则质量包括规则的准确度Acc(R)和覆盖率Cov(R)。


5.根据权利要求4所述的方法，其特征在于，按照下式计算所述多个规则中每个规则的权重：



其中，Fitness(R)表示规则R的权重，w1是覆盖率Cov(R)的权重，w2是准确度Acc(R)的权重。
...

【专利技术属性】
技术研发人员：张同新，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京;11