买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国农业银行股份有限公司

摘要：本申请提供了一种KPI异常数据检测方法及装置、存储介质及电子设备，将待检测时间点、待检测时间点的前一个时间点、以及待检测时间点的后一个时间点各自对应的KPI向量序列分别输入至特征模型中，得到每个KPI向量序列对应的上下文特征；基于各个上下文特征，计算待检测时间点的数据异常概率；若数据异常概率大于异常阈值，则确定待检测时间点对应的KPI数据中存在异常的KPI数据，否则，不存在异常的KPI数据。可见，本技术方案，基于待检测时间点、待检测时间点的前一个时间点以及待检测时间点的后一个时间点各自对应的上下文特征，确定待检测时间点是否存在异常的KPI数据，提高了KPI异常数据检测的准确性。

主权项：1.一种KPI异常数据检测方法，其特征在于，包括：获取待检测数据序列；所述待检测数据序列中包括待检测时间点对应KPI向量序列、所述待检测时间点的前一个时间点对应的KPI向量序列、以及所述待检测时间点的后一个时间点对应的KPI向量序列，每个KPI向量序列中包括多个KPI向量，每个所述KPI向量依据自身的参考时间点对应的KPI数据进行向量化处理所得到，每个所述KPI向量的参考时间点依据所述KPI向量在所述KPI向量所属的KPI向量序列中的位置确定；将所述待检测数据序列中包含的各个KPI向量序列分别输入至预先构建的特征模型中，得到每个KPI向量序列对应的上下文特征；基于每个KPI向量序列对应的上下文特征，计算所述待检测时间点的数据异常概率；若所述数据异常概率大于预设的异常阈值，则确定所述待检测时间点对应的KPI数据中存在异常的KPI数据；若所述数据异常概率不大于所述异常阈值，则确定所述待检测时间点对应的KPI数据中不存在异常的KPI数据；所述基于每个KPI向量序列对应的上下文特征，计算所述待检测时间点的数据异常概率，包括：基于所述待检测时间点的KPI向量序列对应的上下文特征和所述待检测时间点的前一个时间点的KPI向量序列对应的上下文特征，计算所述待检测时间点与所述待检测时间点的前一个时间点之间的第一数据相似度；基于所述待检测时间点的KPI向量序列对应的上下文特征和所述待检测时间点的后一个时间点的KPI向量序列对应的上下文特征，计算所述待检测时间点与所述待检测时间点的后一个时间点之间的第二数据相似度；基于所述第一数据相似度和所述第二数据相似度，计算所述待检测时间点的数据异常概率；所述基于所述第一数据相似度和所述第二数据相似度，计算所述待检测时间点的数据异常概率，包括：将所述第一数据相似度和所述第二数据相似度中，数值最大的数据相似度确定最大相似度；将所述第一数据相似度和所述第二数据相似度中，将数值最小的数据相似度确定最小相似度；计算所述最小相似度和所述最大相似度的比值，得到所述待检测时间点的数据异常概率。

全文数据：

权利要求：

百度查询： 中国农业银行股份有限公司 KPI异常数据检测方法及装置、存储介质及电子设备