System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本文件涉及数据处理,尤其涉及一种异常检测模型训练方法及装置。
技术介绍
1、随着互联网技术的不断发展,越来越多的机构存在向用户透出机构标签数据的需求,比如在机构存在员工招聘的需求时,向用户透出机构标签数据,使得用户能够多方位地了解机构,便于用户选择意向机构进行进一步深入了解。
2、机构标签数据代表机构形象,利用简短的标签数据对机构的属性特征进行描述,所以机构标签数据的重要性不言而喻,在此过程中,对于机构标签数据的管理和完善,向机构标签数据的管理方提出了更高的要求。
技术实现思路
1、本说明书一个或多个实施例提供了一种异常检测模型训练方法,包括:获取在预设机构分类下进行模型训练的第一机构描述数据。根据所述预设机构分类以及所述第一机构描述数据的数据类型与描述类型至少一者,在异常检测单元集合中选择异常检测单元,并基于所述异常检测单元构建待训练模型。根据所述第一机构描述数据对所述待训练模型进行模型训练获得异常检测模型,以通过所述异常检测模型对所述预设机构分类下的第二机构描述数据进行异常检测处理。其中,所述异常检测单元集合中的各异常检测单元在预训练检测模型中提取获得。
2、本说明书一个或多个实施例提供了一种异常检测处理方法,包括:获取待检测的机构描述数据。将所述机构描述数据输入所述机构描述数据的机构分类以及数据类型与描述类型至少一者匹配的异常检测模型进行异常检测处理,获得所述机构描述数据的异常检测结果。其中,所述异常检测模型,在根据所述机构分类以及所述数据类型与所述描
3、本说明书一个或多个实施例提供了一种异常检测模型训练装置,包括:数据获取模块,被配置为获取在预设机构分类下进行模型训练的第一机构描述数据。模型构建模块,被配置为根据所述预设机构分类以及所述第一机构描述数据的数据类型与描述类型至少一者,在异常检测单元集合中选择异常检测单元,并基于所述异常检测单元构建待训练模型。模型训练模块,被配置为根据所述第一机构描述数据对所述待训练模型进行模型训练获得异常检测模型,以通过所述异常检测模型对所述预设机构分类下的第二机构描述数据进行异常检测处理。其中,所述异常检测单元集合中的各异常检测单元在预训练检测模型中提取获得。
4、本说明书一个或多个实施例提供了一种异常检测处理装置,包括:描述数据获取模块,被配置为获取待检测的机构描述数据。异常处理模块,被配置为将所述机构描述数据输入所述机构描述数据的机构分类以及数据类型与描述类型至少一者匹配的异常检测模型进行异常检测处理,获得所述机构描述数据的异常检测结果。其中,所述异常检测模型,在根据所述机构分类以及所述数据类型与所述描述类型至少一者,在异常检测单元集合中选择异常检测单元,并基于所述异常检测单元构建待训练模型,基于机构描述数据样本对所述待训练模型进行模型训练后获得。
5、本说明书一个或多个实施例提供了一种异常检测模型训练设备,包括:处理器;以及,被配置为存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器:获取在预设机构分类下进行模型训练的第一机构描述数据。根据所述预设机构分类以及所述第一机构描述数据的数据类型与描述类型至少一者,在异常检测单元集合中选择异常检测单元,并基于所述异常检测单元构建待训练模型。根据所述第一机构描述数据对所述待训练模型进行模型训练获得异常检测模型,以通过所述异常检测模型对所述预设机构分类下的第二机构描述数据进行异常检测处理。其中,所述异常检测单元集合中的各异常检测单元在预训练检测模型中提取获得。
6、本说明书一个或多个实施例提供了一种异常检测处理设备,包括:处理器;以及,被配置为存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器:获取待检测的机构描述数据。将所述机构描述数据输入所述机构描述数据的机构分类以及数据类型与描述类型至少一者匹配的异常检测模型进行异常检测处理,获得所述机构描述数据的异常检测结果。其中,所述异常检测模型,在根据所述机构分类以及所述数据类型与所述描述类型至少一者,在异常检测单元集合中选择异常检测单元,并基于所述异常检测单元构建待训练模型,基于机构描述数据样本对所述待训练模型进行模型训练后获得。
7、本说明书一个或多个实施例提供了一种存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现以下流程:获取在预设机构分类下进行模型训练的第一机构描述数据。根据所述预设机构分类以及所述第一机构描述数据的数据类型与描述类型至少一者,在异常检测单元集合中选择异常检测单元,并基于所述异常检测单元构建待训练模型。根据所述第一机构描述数据对所述待训练模型进行模型训练获得异常检测模型,以通过所述异常检测模型对所述预设机构分类下的第二机构描述数据进行异常检测处理。其中,所述异常检测单元集合中的各异常检测单元在预训练检测模型中提取获得。
8、本说明书一个或多个实施例提供了另一种存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现以下流程:获取待检测的机构描述数据。将所述机构描述数据输入所述机构描述数据的机构分类以及数据类型与描述类型至少一者匹配的异常检测模型进行异常检测处理,获得所述机构描述数据的异常检测结果。其中,所述异常检测模型,在根据所述机构分类以及所述数据类型与所述描述类型至少一者,在异常检测单元集合中选择异常检测单元,并基于所述异常检测单元构建待训练模型,基于机构描述数据样本对所述待训练模型进行模型训练后获得。
本文档来自技高网...【技术保护点】
1.一种异常检测模型训练方法,包括:
2.根据权利要求1所述的异常检测模型训练方法,所述根据所述第一机构描述数据对所述待训练模型进行模型训练,包括:
3.根据权利要求2所述的异常检测模型训练方法,所述待训练模型,采用如下方式进行异常检测处理:
4.根据权利要求2所述的异常检测模型训练方法,所述待训练模型,采用如下方式进行异常检测处理:
5.根据权利要求4所述的异常检测模型训练方法,所述计算所述中间机构描述数据的质量异常指标,并将所述空值指标和所述质量异常指标作为所述异常检测结果操作执行之后,还包括:
6.根据权利要求1所述的异常检测模型训练方法,所述根据所述预设机构分类以及所述第一机构描述数据的数据类型与描述类型至少一者,在异常检测单元集合中选择异常检测单元,包括:
7.根据权利要求6所述的异常检测模型训练方法,所述根据所述预设机构分类以及所述第一机构描述数据的数据类型与描述类型至少一者,在异常检测单元集合中选择异常检测单元,还包括:
8.根据权利要求1所述的异常检测模型训练方法,所述进行异常检测
9.根据权利要求1所述的异常检测模型训练方法,所述进行异常检测处理,包括:
10.根据权利要求9所述的异常检测模型训练方法,所述根据所述当前机构描述数据与所述剩余机构描述数据的关联度,对所述质量异常指标进行加权计算,获得所述当前机构描述数据的目标质量异常指标操作执行之后,还包括:
11.一种异常检测处理方法,包括:
12.根据权利要求11所述的异常检测处理方法,所述进行异常检测处理,包括:
13.根据权利要求12所述的异常检测处理方法,所述将所述机构描述数据输入所述机构描述数据的机构分类以及数据类型与描述类型至少一者匹配的异常检测模型进行异常检测处理,获得所述机构描述数据的异常检测结果步骤执行之后,还包括:
14.根据权利要求11所述的异常检测处理方法,所述进行异常检测处理,包括:
15.根据权利要求14所述的异常检测处理方法,所述将所述机构描述数据输入所述机构描述数据的机构分类以及数据类型与描述类型至少一者匹配的异常检测模型进行异常检测处理,获得所述机构描述数据的异常检测结果步骤执行之后,还包括:
16.一种异常检测模型训练装置,包括:
17.一种异常检测处理装置,包括:
18.一种异常检测模型训练设备,包括:
19.一种异常检测处理设备,包括:
20.一种存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现以下流程:
21.一种存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现以下流程:
...【技术特征摘要】
1.一种异常检测模型训练方法,包括:
2.根据权利要求1所述的异常检测模型训练方法,所述根据所述第一机构描述数据对所述待训练模型进行模型训练,包括:
3.根据权利要求2所述的异常检测模型训练方法,所述待训练模型,采用如下方式进行异常检测处理:
4.根据权利要求2所述的异常检测模型训练方法,所述待训练模型,采用如下方式进行异常检测处理:
5.根据权利要求4所述的异常检测模型训练方法,所述计算所述中间机构描述数据的质量异常指标,并将所述空值指标和所述质量异常指标作为所述异常检测结果操作执行之后,还包括:
6.根据权利要求1所述的异常检测模型训练方法,所述根据所述预设机构分类以及所述第一机构描述数据的数据类型与描述类型至少一者,在异常检测单元集合中选择异常检测单元,包括:
7.根据权利要求6所述的异常检测模型训练方法,所述根据所述预设机构分类以及所述第一机构描述数据的数据类型与描述类型至少一者,在异常检测单元集合中选择异常检测单元,还包括:
8.根据权利要求1所述的异常检测模型训练方法,所述进行异常检测处理,包括:
9.根据权利要求1所述的异常检测模型训练方法,所述进行异常检测处理,包括:
10.根据权利要求9所述的异常检测模型训练方法,所述根据所述当前机构描述数据与所述剩余机构描述数据的关联...
【专利技术属性】
技术研发人员:何冬悦,
申请(专利权)人:支付宝杭州信息技术有限公司,
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。