基于智能的业务场景识别方法、装置以及灰度引流方法、装置制造方法及图纸

本申请实施例公开了一种基于智能的业务场景识别方法、装置以及灰度引流方法、装置，其中，本申请实施例可以获取业务数据，并对所述业务数据进行解析，得到业务参数以及所述业务参数对应的取值；对所述业务参数进行数据预过滤处理，得到包含业务语义的初筛参数，所述初筛参数包括连续型参数和枚举型参数；根据预设统计分布模型对所述连续型参数的分布拟合结果，生成枚举型的量化参数；采用预先训练得到的目标语义识别模型，识别所述枚举型参数和所述量化参数中的有效参数，所述有效参数为含有业务语义的参数；对所述有效参数进行聚类运算，识别出所述业务数据对应的业务场景。可以形成通用业务场景的自动识别流程。形成通用业务场景的自动识别流程。形成通用业务场景的自动识别流程。

【技术实现步骤摘要】
基于智能的业务场景识别方法、装置以及灰度引流方法、装置


[0001]本说明书涉及人工智能的
，尤其涉及一种基于智能的业务场景识别方法、装置以及灰度引流方法、装置。

技术介绍

[0002]一些大型网站服务体系包含巨量的业务场景，在研发过程中，比如，当服务有新版本要发布上线时，通过引流一小部分流量到新版本进行测试，可以及时发现程序问题，有效阻止大面积故障的发生，这种发布方式称为灰度发布。如何进行灰度发布，取决于业务场景。需要根据业务场景填写灰度引流规则，然后向系统中的一部分机器引流，将这些机器作为灰度环境，然后在灰度环境中进行测试。
[0003]更进一步地，一些服务涉及到不仅涉及到单一的业务场景，而是多个业务关联的场景组合产生的链路调用集合，例如购物平台中添加购物车、提交订单、支付这个场景，所以包含多个业务关联场景涉及的调用链路的全链路测试对于业务场景的。
[0004]如何分辨大型网站服务体系中的业务场景一直是一个比较重要但没有充分解决的问题。由于无法确保业务场景分配的质量，在实际测试过程中，就会产生很多的疑问，比如，测试用例包含的业务场景是否充分？灰度阶段的引流场景是否充分？还有哪些小流量场景没有覆盖？自动化测试覆盖的全不全？是不是代码覆盖率达到100％就可以了？线上业务管理所包含的业务场景是否涵盖了所有的业务场景？等等。
[0005]以上这些问题都依赖一个比较客观的业务场景分母来解答。目前，该业务产场景分母通常由负责业务的业务Owner根据其专家经验进行人工梳理，这种梳理往往是基于特定条件、特定业务日志或离线表进行一次性加工得到，只能得到特定的业务场景分母，并没有形成通用业务场景分母的自动分析推导流程。而特定的业务场景分母的求解并非通过一种系统化并尽量减少人工干预的方式来求解的，这样就不能保证数据的时效准确和统计客观，而且依赖高强度的人工专家经验，还会导致出现时间范围上和个体范围上的偏差。
[0006]由于目前没有形成通用业务场景分母的自动分析推导过程，因此，在一些大型网站服务系统中，需要根据业务场景来进行灰度引流等时，往往只能通过强人工专家经验来实现，因此会出现效率低、成本高、统计不全面的问题。

技术实现思路

[0007]本说明书一个或多个实施例提供一种基于智能的业务场景识别方法、装置、设备以及存储介质，用以解决如下技术问题：
[0008]由于目前没有形成通用业务场景的自动识别过程，因此，在一些大型网站服务系统中，需要根据业务场景来进行灰度引流等时，往往只能通过强人工专家经验来实现，因此会出现效率低、成本高、统计不全面的问题。
[0009]本专利技术实施例提供的基于智能的业务场景识别方法，包括如下步骤：
[0010]获取业务数据，并对所述业务数据进行解析，得到业务参数以及所述业务参数对
应的取值；
[0011]对所述业务参数进行预过滤处理，得到包含业务语义的初筛参数，所述初筛参数包括连续型参数和枚举型参数；
[0012]根据预设统计分布模型对所述连续型参数的分布拟合结果，生成枚举型的量化参数；
[0013]采用预先训练得到的目标语义识别模型，识别所述枚举型参数和所述量化参数中的有效参数，所述有效参数为含有业务语义的参数；
[0014]对所述有效参数进行聚类运算，识别出所述业务数据对应的业务场景。
[0015]本专利技术提供了一种基于智能的业务场景识别装置，包括：
[0016]获取单元，用于获取业务数据，并对所述业务数据进行解析，得到业务参数以及所述业务参数对应的取值；
[0017]预过滤单元，用于对所述业务参数进行数据预过滤处理，得到包含业务语义的初筛参数，所述初筛参数包括连续型参数和枚举型参数；
[0018]生成单元，生产根据预设统计分布模型对所述连续型参数的分布拟合结果，生成枚举型的量化参数；
[0019]参数识别单元，用于采用预先训练得到的目标语义识别模型，识别所述枚举型参数和所述量化参数中含有业务语义的有效参数；
[0020]场景识别单元，用于对所述有效参数进行聚类运算，识别出所述业务数据对应的业务场景。
[0021]本专利技术还提供了一种基于业务场景的灰度引流方法，包括：
[0022]获取灰度引流请求，所述灰度引请求包括业务请求数据；
[0023]根据所述业务请求数据，采用上述基于智能的业务场景识识别所述业务请求数据对应的业务场景；
[0024]根据所述业务场景确定灰度引流规则，并根据所述灰度引流规则进行引流。
[0025]本专利技术还提供了一种基于业务场景的灰度引流装置，包括：
[0026]获取单元，用于获取灰度引流请求，所述灰度引请求包括业务请求数据；
[0027]识别单元，用于根据所述业务请求数据，采用如上述的基于智能的业务场景方法识别所述业务请求数据对应的业务场景；
[0028]引流单元，用于根据所述业务场景确定灰度引流规则，并根据所述灰度引流规则进行引流。
附图说明
[0029]为了更清楚地说明本说明书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说明书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。
[0030]图1为是本说明书一个或多个实施例提供的基于智能的业务场景识别方法的应用场景示意图；
[0031]图2a是本说明书一个或多个实施例提供的基于智能的业务场景识别方法的一种
流程示意图；
[0032]图2b是本说明书一个或多个实施例提供的基于业务场景的灰度引流方法的一种流程示意图；
[0033]图3a是本说明书一个或多个实施例提供的基于智能的业务场景识别装置的一种结构示意图；
[0034]图3b是本说明书一个或多个实施例提供的基于业务场景的灰度引流装置的一种结构示意图；
[0035]图4是本说明书一个或多个实施例提供的基于智能的业务场景识别的终端的架构示意图；
[0036]图5a是本说明书一个或多个实施例提供的基于智能的业务场景识别方法的交互示意图；
[0037]图5b是本说明书一个或多个实施例提供的词库设置示意图；
[0038]图5c是本说明书一个或多个实施例提供的基于智能的业务场景识别方法的另一种流程示意图。
具体实施方式
[0039]本说明书实施例提供一种基于智能的灰度引流方法、装置、设备以及存储介质。
[0040]为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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。基于本说明书实施例，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所有其他实施例，都应当属于本申请保护的范围。
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能的业务场景识别方法，包括：获取业务数据，并对所述业务数据进行解析，得到业务参数以及所述业务参数对应的取值；对所述业务参数进行预过滤处理，得到包含业务语义的初筛参数，所述初筛参数包括连续型参数和枚举型参数；根据预设统计分布模型对所述连续型参数的分布拟合结果，生成枚举型的量化参数；采用预先训练得到的目标语义识别模型，识别所述枚举型参数和所述量化参数中的有效参数，所述有效参数为含有业务语义的参数；对所述有效参数进行聚类运算，识别出所述业务数据对应的业务场景。2.如权利要求1所述的基于智能的业务场景识别方法，所述根据预设统计分布模型对所述连续型参数的分布拟合结果，生成枚举型的量化参数，具体包括：根据预设统计分布模型对所述连续型参数进行分布拟合，得到所述分布拟合结果；根据所述分布拟合结果，确定所述连续型参数的头部取值范围、常规取值范围和尾部取值范围；将所述头部取值范围、所述常规取值范围和所述尾部取值范围作为所述连续型参数对应的量化参数。3.如权利要求2所述的基于智能的业务场景识别方法，所述采用预先训练得到的目标语义识别模型，识别所述枚举型参数和所述量化参数中含有业务语义的有效参数，还包括：根据预设字符，将所述枚举型参数和末端参数，分别划分为原子单元和分子单元，并将所述量化参数作为分子单元，所述末端参数为所述业务参数中的最后一个参数；采用预设映射子模型，将各参数对应的所述原子单元和所述分子单元，以及各参数对应的取值分别映射为不同维度的原子多维向量和分子多维向量；将各参数对应的不同维度的原子多维向量和分子多维向量拼接，得到各参数对应的多维语义向量；采用预设分类树子模型识别所述多维语义特征对应的参数标签，所述参数标签包括有效参数标签和无效参数标签；基于所述参数标签确定所述枚举型参数和所述量化参数中的有效参数。4.如权利要求3所述的基于智能的业务场景识别方法，在所述采用预先训练得到的目标语义识别模型，识别所述枚举型参数和所述量化参数中的有效参数之前，还包括：采集业务数据样本，并对所述业务数据进行解析、预过滤处理和分布拟合处理得到样本参数；根据是否含有业务语义，对所述样本参数分类进行标记，得到训练样本集，所述训练样本集中的样本参数携带预设标签，所述预设标签包括有效参数和无效参数；采用所述训练样本集对初始分类树子模型进行训练，得到预设分类树子模型。5.如权利要求4所述的基于智能的业务场景识别方法，所述采用所述训练样本集对初始分类树子模型进行训练，得到预设分类树子模型，包括：将所述训练样本集输入所述初始分类树子模型中的第一棵树进行训练，得到第一分数值；获取第一分数值与所述预设标签之间的第一残差值；
将所述第一残差值作为第二棵树的预设标签并进行迭代训练处理，直至每一棵树训练完毕，得到训练后的预设分类树子模型。6.如权利要求5所述的基于智能的业务场景识别方法，所述将所述训练样本集输入所述初始分类树子模型中的第一棵树进行训练，包括：根据预设字段，将所述样本参数划分为原子单元和分子单元，将所述原子单元和所述分子单元作为参数词库；统计所述参数词库中各所述原子单元和...

【专利技术属性】
技术研发人员：侯晰月，
申请(专利权)人：支付宝中国网络技术有限公司，
类型：发明
国别省市：