一种数据处理方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种数据处理方法、装置、设备及存储介质，包括：在第一阶段，从数据处理系统的数据集中调用M个关联变量的取值以及N个目标变量在不同时刻的原始数据；在所述第一阶段，基于所述M个关联变量的取值，对所述N个目标变量的在不同时刻的原始数据进行映射变换，以去除所述M个关联变量对目标变量的影响，得到与所述N个目标变量一一对应的N个目标特征；在第二阶段，将所述N个目标特征输入至因果发现模型，基于所述因果发现模型的处理得到所述N个目标变量之间的因果关系。对于本申请的方案在确定目标变量的因果关系时，具有较高的准确度。确度。确度。

【技术实现步骤摘要】
一种数据处理方法、装置、设备及存储介质


[0001]本申请涉及数据处理
，涉及但不限于数据处理方法、装置、设备及存储介质。

技术介绍

[0002]随着数据处理技术的不断发展，工业、以及各种大型设备的应用也得到广泛发展。
[0003]在大型应用程序、自动化设备或者大型通讯网络中，由于网络规模巨大，设备类型多样，出现故障的概率较大，且单点故障极易引发规模相关故障事件。对于存在多处故障的情况下，通过人工难以对大量故障事件进行及时定位归因、响应。

技术实现思路

[0004]本申请提供一种数据处理方法及装置、设备、存储介质，对于本申请的方案，在确定目标变量的因果关系时，具有较高的准确度。
[0005]本申请的技术方案是这样实现的：
[0006]本申请提供了一种数据处理方法，所述方法包括：
[0007]在第一阶段，从数据处理系统的数据集中调用M个关联变量的取值以及N个目标变量在不同时刻的原始数据；其中，所述N为大于或等于2的整数；所述M大于或等于1的整数；所述目标变量为待确定因果关系的变量；所述关联变量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，所述方法包括：在第一阶段，从数据处理系统的数据集中调用M个关联变量的取值以及N个目标变量在不同时刻的原始数据；其中，所述N为大于或等于2的整数；所述M大于或等于1的整数；所述目标变量为待确定因果关系的变量；所述关联变量为与所述目标变量相关的非目标变量；在所述第一阶段，基于所述M个关联变量的取值，对所述N个目标变量的在不同时刻的原始数据进行映射变换，以去除所述M个关联变量对目标变量的影响，得到与所述N个目标变量一一对应的N个目标特征；在第二阶段，将所述N个目标特征输入至因果发现模型，基于所述因果发现模型的处理得到所述N个目标变量之间的因果关系。2.根据权利要求1所述的方法，所述在所述第一阶段，基于所述M个关联变量的取值，对所述N个目标变量的在不同时刻的原始数据进行映射变换，以去除所述M个关联变量对目标变量的影响，得到与所述N个目标变量一一对应的N个目标特征，包括：在所述第一阶段，针对所述N个目标变量中的每个所述目标变量，执行下述第一处理，得到与所述目标变量对应的目标特征；其中，所述第一处理包括：将所述M个关联变量的取值，输入至与所述目标变量对应的预测网络，通过所述预测网络的预测处理，得到所述目标变量在不同时刻的预测数据；基于所述目标变量的在不同时刻的原始数据以及所述目标变量在不同时刻的预测数据，确定与所述目标变量对应的目标特征。3.根据权利要求2所述的方法，所述基于所述目标变量的在不同时刻的原始数据以及所述目标变量在不同时刻的预测数据，确定与所述目标变量对应的目标特征，包括：将所述目标变量的在不同时刻的原始数据与所述目标变量在不同时刻的预测数据对应作差，得到所述目标变量对应的目标特征；或者，基于所述目标变量在不同时刻的预测数据确定所述目标变量的预测平均值；将所述目标变量的在不同时刻的原始数据与所述目标变量的预测平均值作差，得到所述目标变量对应的目标特征。4.根据权利要求2所述的方法，所述N个目标变量对应一个所述预测网络；或者，对于所述N个目标变量对应N个所述预测网络。5.根据权利要求1所述的方法，所述将所述N个目标特征输入至因果发现模型，通过所述因果发现模型的处理得到所述N个目标变量之间的因果关系，包括：将所述N个目标特征输入至因果发现模型，基于所述N个目标特征训练因果发现模型，得到目标因果发现模型；获得所述目标因果发现模型的第一层卷积核的输出向量；将所述输出向量进行标准化处理，得到N
×
N的因果矩阵；所述因果矩阵中的取值用于表征所述N个目标...

【专利技术属性】
技术研发人员：范晨晨，汪益新，欧阳文理，
申请(专利权)人：联想北京有限公司，
类型：发明
国别省市：