一种异常检测模型的训练方法、装置、电子设备制造方法及图纸

本申请实施例公开了一种异常检测模型的训练方法、装置、电子设备及存储介质，属于核心网技术领域，包括：获取专网预设时间段内的样本原始数据，对样本原始数据进行预处理，得到预处理后的样本原始数据向量；基于预训练的无监督学习的数据标注模型，对样本原始数据向量进行数据标注处理，得到标注处理后的异常值；对性能数据进行时序分析和特征向量的提取，得到样本时序特征向量；将样本时序特征向量输入异常检测模型中的神经网络模块，通过神经网络模块提取样本时序特征向量中的样本异常特征向量，并基于样本异常特征向量输出样本异常数据；基于样本异常数据和异常值，对异常检测模型进行训练，解决待检测数据的标注困难、检测精度不足的问题。

【技术实现步骤摘要】

本申请涉及核心网，尤其涉及一种异常检测模型的训练方法、装置、电子设备及存储介质。

技术介绍

1、当前专网性能数据记录了网络的运行状态，通过运行性能指标分析可以检测专网是否出现异常。当检测到异常时，先于用户投诉进行修复，能够降低用户投诉量，提升用户网络体验。

2、相关技术中，5g专网异常的检测方法通常采用统计的方法或者基于机器学习的方法进行异常识别，依旧不能解决待检测数据的标注困难、检测精度不足的问题。

技术实现思路

1、本申请实施例的目的是提供一种异常检测模型的训练方法、装置、电子设备及存储介质，用以解决待检测数据的标注困难、检测精度不足的问题。

2、为解决上述技术问题，本申请实施例是这样实现的：

3、第一方面，本申请实施例提供一种异常检测模型的训练方法，包括：获取专网预设时间段内的样本原始数据，并对所述样本原始数据进行预处理，得到预处理后的样本原始数据向量，其中，所述样本原始数据包括所述专网中网元运行状态的性能数据和/或告警数据；基于预训练的无监督学习的数据标注模型，对所本文档来自技高网...

【技术保护点】

1.一种异常检测模型的训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述性能数据进行时序分析和特征向量的提取，得到样本时序特征向量，包括：

3.根据权利要求1所述的方法，其特征在于，所述将所述样本时序特征向量输入所述异常检测模型中的神经网络模块，通过所述神经网络模块提取所述样本时序特征向量中的样本异常特征向量，并基于所述样本异常特征向量输出样本异常数据，包括：

4.根据权利要求1所述的方法，其特征在于，所述对所述样本原始数据进行预处理，得到预处理后的样本原始数据向量，包括：

5.根据权利要求1所述的方...

【技术特征摘要】

1.一种异常检测模型的训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述性能数据进行时序分析和特征向量的提取，得到样本时序特征向量，包括：

3.根据权利要求1所述的方法，其特征在于，所述将所述样本时序特征向量输入所述异常检测模型中的神经网络模块，通过所述神经网络模块提取所述样本时序特征向量中的样本异常特征向量，并基于所述样本异常特征向量输出样本异常数据，包括：

4.根据权利要求1所述的方法，其特征在于，所述对所述样本原始数据进行预处理，得到预处理后的样本原始数据向量，包括：

5.根据权利要求1所述的方法，其特征在于，所述数据标注模型的训练，包括：

6.一种专网异...

【专利技术属性】
技术研发人员：宋明泽，林文英，赵宇翔，范胡磊，闵霏霞，余立，邹昊森，周斌，胡绩辉，高虹桥，周航，王一帆，
申请(专利权)人：中国移动通信集团浙江有限公司，
类型：发明
国别省市：