本申请涉及一种异常检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取目标店铺的进店客流、历史交易行为数据以及上报交易资源数据；根据进店客流以及历史交易行为数据，计算目标店铺的预测交易资源数据的概率分布特征；根据预测交易资源数据的概率分布特征以及上报交易资源数据，计算目标店铺的异常概率；如果异常概率满足预设异常条件，则确定目标店铺为异常店铺。本发明专利技术实施例所提供的方法，可以通过多种手段采集店铺的交易数据，数据较为完整，可以准确掌握店铺的交易数据，通过统计分布的方式预估店铺的异常概率的方式来及时地判断该店铺是否存在异常。概率的方式来及时地判断该店铺是否存在异常。概率的方式来及时地判断该店铺是否存在异常。
【技术实现步骤摘要】
异常检测方法、装置、计算机设备和存储介质
[0001]本申请涉及计算机
，特别是涉及一种异常检测方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着互联网技术的快速发展，各种与互联网技术相关的支付手段的应用越来越广泛。相关技术可以通过智能终端采集各店铺的销售资源数据，与店铺主动上报的销售资源数据进行比较，从而确定上报销售资源数据存在异常的店铺。
[0003]相关技术中，智能终端是接入到POS(Point of sales，销售点)终端与打印机之间，在目标对象要求打印小票的情况下，智能终端可以自动获取消费资源数据，完成销售资源数据的统计。但是，随着支付手段越来越多，而智能终端的采集方式较为单一，导致销售资源数据的缺失率较高，查找异常店铺的准确性较差。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够准确查找异常店铺的异常检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种异常检测方法。所述方法包括：
[0006]获取目标店铺的进店客流、历史交易行为数据以及上报交易资源数据；
[0007]根据所述进店客流以及所述历史交易行为数据，计算所述目标店铺的预测交易资源数据的概率分布特征；
[0008]根据所述预测交易资源数据的概率分布特征以及所述上报交易资源数据，计算所述目标店铺的异常概率；
[0009]如果所述异常概率满足预设异常条件，则确定所述目标店铺为异常店铺。
[0010]在其中一个实施例中，在所述历史交易行为数据包括所述目标店铺的转化率的概率分布函数以及平均消费资源的概率分布函数的情况下，所述根据所述进店客流以及所述历史交易行为数据，计算所述目标店铺的预测交易资源数据的概率分布特征，包括：
[0011]根据所述目标店铺的进店客流、所述目标店铺的转化率的概率分布函数以及平均消费资源的概率分布函数，计算所述目标店铺的预测交易资源数据的概率分布函数、期望以及方差，所述概率分布函数、所述期望以及所述方差为所述概率分布特征。
[0012]在其中一个实施例中，在所述历史交易行为数据包括所述进店客流在目标区域的行为数据以及所述进店客流的平均消费资源的概率分布函数，所述目标区域包括多个店铺的情况下，所述根据所述进店客流以及所述历史交易行为数据，计算所述目标店铺的预测交易资源数据的概率分布特征，包括：
[0013]将所述目标店铺的进店客流以及所述进店客流在目标区域的行为数据，输入至预先训练的消费预测模型，得到所述目标店铺的预测消费数量；
[0014]根据所述预测消费数量以及所述平均消费资源的概率分布函数，计算所述目标店
铺的预测交易资源数据的概率分布函数、期望以及方差，所述概率分布函数、所述期望以及所述方差为所述概率分布特征。
[0015]在其中一个实施例中，所述进店客流包括至少一个目标对象；
[0016]所述将所述目标店铺的进店客流以及所述进店客流在目标区域的行为数据，输入至预先训练的消费预测模型，得到所述目标店铺的预测消费数量，包括：
[0017]将所述目标店铺的进店客流以及所述进店客流在目标区域的行为数据，输入至预先训练的消费预测模型，得到所述进店客流中各目标对象的预测消费概率；
[0018]对所述进店客流中各目标对象的预测消费概率进行求和处理，得到所述目标店铺的预测消费数量。
[0019]在其中一个实施例中，在所述历史交易行为数据包括所述目标店铺的转化率的概率分布函数、平均消费资源的概率分布函数、以及所述进店客流在目标区域的行为数据的情况下，所述目标店铺的预测交易资源数据的概率分布特征包括根据所述转化率的概率分布函数和平均消费资源的概率分布函数得到的第一概率分布特征，以及根据所述进店客流在目标区域的行为数据和所述平均消费资源的概率分布函数得到的第二概率分布特征。
[0020]在其中一个实施例中，所述根据所述预测交易资源数据的概率分布特征以及所述上报交易资源数据，计算所述目标店铺的异常概率，包括：
[0021]对所述第一概率分布特征和所述第二概率分布特征进行加权计算，得到合并概率分布特征；
[0022]根据所述合并概率分布特征以及所述上报交易资源数据，计算所述目标店铺的异常概率。
[0023]在其中一个实施例中，所述异常概率包括所述第一概率分布特征对应的第一异常概率，以及所述第二概率分布特征对应的第二异常概率；所述如果所述异常概率满足预设异常条件，则确定所述目标店铺为异常店铺，包括：
[0024]如果所述第一异常概率满足预设异常条件，且所述第二异常概率满足预设异常条件，则确定所述目标店铺为异常店铺。
[0025]在其中一个实施例中，所述方法还包括：
[0026]获取训练数据，所述训练数据包括所述目标店铺的样本进店客流的样本行为特征数据以及所述样本进店客流的样本消费标注数据；
[0027]将所述样本进店客流的样本行为特征数据输入至待训练的消费预测模型，得到所述样本进店客流对应的预测消费数据；
[0028]根据所述样本消费标注数据以及预测消费数据，计算损失值；
[0029]根据所述损失值更新所述待训练的消费预测模型的网络参数，并返回执行所述获取训练数据的步骤，直到所述损失值满足预设训练完成条件，得到训练完成的消费预测模型。
[0030]在其中一个实施例中，在所述获取训练数据的步骤之前，所述方法还包括：
[0031]获取所述样本进店客流在目标区域的行为数据以及所述样本进店客流在目标店铺的样本视频数据；
[0032]对所述样本进店客流在目标区域的行为数据进行特征提取处理，得到所述样本进店客流对应的样本行为特征数据；
[0033]对所述样本进店客流在目标店铺的样本视频数据进行标注，得到所述样本进店客流的样本消费标注数据。
[0034]第二方面，本申请还提供了一种异常检测装置。所述装置包括：
[0035]获取模块，用于获取目标店铺的进店客流、历史交易行为数据以及上报交易资源数据；
[0036]第一计算模块，用于根据所述进店客流以及所述历史交易行为数据，计算所述目标店铺的预测交易资源数据的概率分布特征；
[0037]第二计算模块，用于根据所述预测交易资源数据的概率分布特征以及所述上报交易资源数据，计算所述目标店铺的异常概率；
[0038]确定模块，用于如果所述异常概率满足预设异常条件，则确定所述目标店铺为异常店铺。
[0039]在其中一个实施例中，在所述历史交易行为数据包括所述目标店铺的转化率的概率分布函数以及平均消费资源的概率分布函数的情况下，所述第一计算模块具体用于：
[0040]根据所述目标店铺的进店客流、所述目标店铺的转化率的概率分布函数以及平均消费资源的概率分布函数，计算所述目标店铺的预测交易资源数据的概率分布函数、期望以及方差，所述概率分布函数、所述期望以及所述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种异常店铺的检测方法，其特征在于，所述方法包括：获取目标店铺的进店客流、历史交易行为数据以及上报交易资源数据；根据所述进店客流以及所述历史交易行为数据，计算所述目标店铺的预测交易资源数据的概率分布特征；根据所述预测交易资源数据的概率分布特征以及所述上报交易资源数据，计算所述目标店铺的异常概率；如果所述异常概率满足预设异常条件，则确定所述目标店铺为异常店铺。2.根据权利要求1所述的方法，其特征在于，在所述历史交易行为数据包括所述目标店铺的转化率的概率分布函数以及平均消费资源的概率分布函数的情况下，所述根据所述进店客流以及所述历史交易行为数据，计算所述目标店铺的预测交易资源数据的概率分布特征，包括：根据所述目标店铺的进店客流、所述目标店铺的转化率的概率分布函数以及平均消费资源的概率分布函数，计算所述目标店铺的预测交易资源数据的概率分布函数、期望以及方差，计算出的概率分布函数、期望以及方差为所述概率分布特征。3.根据权利要求1所述的方法，其特征在于，在所述历史交易行为数据包括所述进店客流在目标区域的行为数据以及所述进店客流的平均消费资源的概率分布函数，所述目标区域包括多个店铺的情况下，所述根据所述进店客流以及所述历史交易行为数据，计算所述目标店铺的预测交易资源数据的概率分布特征，包括：将所述目标店铺的进店客流以及所述进店客流在目标区域的行为数据，输入至预先训练的消费预测模型，得到所述目标店铺的预测消费数量；根据所述预测消费数量以及所述平均消费资源的概率分布函数，计算所述目标店铺的预测交易资源数据的概率分布函数、期望以及方差，计算出的概率分布函数、期望以及方差为所述概率分布特征。4.根据权利要求3所述的方法，其特征在于，所述进店客流包括至少一个目标对象；所述将所述目标店铺的进店客流以及所述进店客流在目标区域的行为数据，输入至预先训练的消费预测模型，得到所述目标店铺的预测消费数量，包括：将所述目标店铺的进店客流以及所述进店客流在目标区域的行为数据，输入至预先训练的消费预测模型，得到所述进店客流中各目标对象的预测消费概率；对所述进店客流中各目标对象的预测消费概率进行求和处理，得到所述目标店铺的预测消费数量。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，在所述历史交易行为数据包括所述目标店铺的...
【专利技术属性】
技术研发人员：郑镇镇，何雨轩，莫栖，赵龙，
申请(专利权)人：北京爱笔科技有限公司，
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。