[發明專利]模型參數計算方法、數據類型識別方法、裝置和服務器

在審

• 申請號: 201811541467.1
• 申請日: 2018-12-17
• 公開（公告）號: CN109947816A
• 公開（公告）日: 2019-06-28
• 發明（設計）人: 劉向峰;劉穎蓓;錢坤
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 李輝

本說明書實施例提供一種模型參數計算方法、數據類型識別方法、裝置和服務器。所述模型參數計算方法包括：基于時間長度超參數，獲取距離當前時刻最近的多個歷史數據；基于分位位置超參數，獲取所述多個歷史數據的分位數；基于異常程度超參數和所述分位數，計算閾值參數；所述閾值參數用于識別異常數據。本說明書實施例能夠提高異常數據識別的準確性。

技術領域

本說明書實施例涉及計算機技術領域，特別涉及一種模型參數計算方法、數據類型識別方法、裝置和服務器。

背景技術

在實際業務中，經常需要從大量的業務數據中識別出標的業務數據。例如，從大量的交易數據中識別出涉及欺詐等違法內容的交易數據。

在相關技術中，開發人員可以設定識別規則。如此服務器可以根據所述識別規則，識別業務數據的數據類型，以確定所述業務數據是否為標的業務數據。但是一方面，識別規則的設定往往具有較強的主觀性，造成數據類型識別的準確性不高。另一方面，識別規則在設定后往往是固定不變的，不能夠根據業務數據特性的變化而動態調整，從而容易造成數據類型的誤識。

發明內容

本說明書實施例的目的是提供一種模型參數計算方法、數據類型識別方法、裝置和服務器，以提高數據類型識別的準確性，降低誤識率。

為實現上述目的，本說明書實施例提供一種模型參數計算方法，包括：基于時間長度超參數，獲取距離當前時刻最近的多個歷史數據；基于分位位置超參數，獲取所述多個歷史數據的分位數；基于異常程度超參數和所述分位數，計算閾值參數；所述閾值參數用于識別異常數據。

為實現上述目的，本說明書實施例提供一種模型參數計算裝置，包括：獲取單元，用于基于時間長度超參數，獲取距離當前時刻最近的多個歷史數據；確定單元，用于基于分位位置超參數，獲取所述多個歷史數據的分位數；計算單元，用于基于異常程度超參數和所述分位數，計算閾值參數。

為實現上述目的，本說明書實施例提供一種服務器，包括：存儲器，用于存儲計算機指令；處理器，用于執行所述計算機指令實現以下步驟：基于時間長度超參數，獲取距離當前時刻最近的多個歷史數據；基于分位位置超參數，獲取所述多個歷史數據的分位數；基于異常程度超參數和所述分位數，計算閾值參數。

為實現上述目的，本說明書實施例提供一種數據類型識別方法，包括：使用異常數據識別模型，識別業務數據的數據類型；其中，所述異常數據識別模型包括閾值參數；在識別數據類型的過程中，將所述閾值參數與所述業務數據進行比較，以實現數據類型的識別。

為實現上述目的，本說明書實施例提供一種數據類型識別裝置，包括：數據類型識別單元，用于將業務數據輸入至模型，得到所述業務數據的數據類型；其中，所述模型包括閾值參數；在識別數據類型的過程中，將所述閾值參數與所述業務數據進行比較，以實現數據類型的識別。

為實現上述目的，本說明書實施例提供一種服務器，包括：存儲器，用于存儲計算機指令；處理器，用于執行所述計算機指令實現以下步驟：將業務數據輸入至模型，得到所述業務數據的數據類型；其中，所述模型包括閾值參數；在識別數據類型的過程中，將所述閾值參數與所述業務數據進行比較，以實現數據類型的識別。

由以上本說明書實施例提供的技術方案可見，本說明書實施例中，所述服務器可以基于時間長度超參數，獲取距離當前時刻最近的多個歷史數據；可以基于分位位置超參數，獲取所述多個歷史數據的分位數；可以基于異常程度超參數和所述分位數，計算閾值參數。這樣在時間長度超參數、分位位置超參數和異常程度超參數確定以后，所述服務器可以根據近期的歷史數據來確定閾值參數，從而使得閾值參數能夠隨著近期的歷史數據的變化而及時變化，提高了數據類型識別的準確性，降低了誤識率。

附圖說明