【技术实现步骤摘要】
业务指标异常检测方法及装置、电子设备、存储介质
[0001]本专利技术涉及人工智能与智慧医疗领域，具体而言，涉及一种业务指标异常检测方法及装置、电子设备、存储介质。
技术介绍
[0002]随着公司业务的高速发展，各种业务系统之间的交互越来越复杂，加上越来越多的业务系统采用微服务架构的模式部署，不仅单一业务系统出现的异常业务难以及时感知，跨多个业务系统出现的异常业务行为更是难以发现和定位，以致于不能及时对异常业务做出及时反馈。为了解决此问题，目前采用的是业务指标阈值检测方法，然而，该检测方法比较繁琐，不太适用在复杂的微服务业务场景下中，且检测准确率低。
技术实现思路
[0003]本专利技术实施例提供了一种业务指标异常检测方法及装置、电子设备、存储介质，以至少解决相关技术中业务指标检测方法存在检测效率及检测准确率较低的技术问题。
[0004]根据本专利技术的一个实施例，提供了一种业务指标异常检测方法，该方法包括：获取目标业务指标对应的时序数据；其中，所述时序数据包括所述目标业务指标在当前评估周期内的多个时...
【技术保护点】
【技术特征摘要】
1.一种业务指标异常检测方法，其特征在于，包括：获取目标业务指标对应的时序数据；其中，所述时序数据包括所述目标业务指标在当前评估周期内的多个时刻对应的指标值；将所述时序数据输入预先训练至收敛状态的指标异常检测模型进行特征学习，得到所述目标业务指标对应的异常检测结果；其中，所述指标异常检测模型为利用多个业务指标训练聚类模型和多个长短期记忆模型得到。2.根据权利要求1所述的方法，其特征在于，在将所述时序数据输入预先训练的指标异常检测模型进行特征学习之前，所述方法还包括：从预设时序数据库中提取所述多个业务指标对应的多个历史时序数据；其中，每个历史时序数据包括对应的业务指标在历史评估周期内的多个历史时刻对应的指标值；将所述多个历史时序数据输入指标异常检测基础模型；利用所述指标异常检测基础模型中的聚类模型对多个历史时序数据进行聚类，得到业务类型不同的多个类别簇；将所述多个类别簇分别输入与所述多个类别簇个数相同的多个长短期记忆模型进行训练，生成所述指标异常检测模型；其中，每个类别簇关联一个长短期记忆模型。3.根据权利要求2所述的方法，其特征在于，在从预设时序数据库中提取所述多个业务指标对应的多个历史时序数据之后，所述方法还包括：利用数据清洗规则对所述历史时序数据进行数据清洗；将清洗后的历史时序数据输入所述指标异常检测基础模型。4.根据权利要求1所述的方法，其特征在于，所述将所述时序数据输入预先训练的指标异常检测模型进行特征学习，得到所述目标业务指标对应的异常检测结果包括：利用所述聚类模型对所述时序数据进行业务类型分析，确定所述时序数据对应的目标业务类型；确定与所述目标业务类型对应的目标长短期记忆模型；利用所述目标长短期记忆模型对所述时序数据进行指标值检测，得到所述目标业务指标对应的异常检测结果。5.根据权利要求4所述的方法，其特征在于，所述利用所述目标长...
【专利技术属性】
技术研发人员：王辉，樊双贵，
申请(专利权)人：平安医疗健康管理股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。