[發明專利]模型訓練方法、基于預測模型的報警方法和相關裝置

有效

• 申請號: 202010071729.3
• 申請日: 2020-01-21
• 公開（公告）號: CN111258854B
• 公開（公告）日: 2023-10-03
• 發明（設計）人: 于敬延
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06F11/32
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 柳欣

一種模型訓練方法包括：基于在時間分割點之前的第一時間分段中的多個訓練時間點以及至少兩個時間間隔確定訓練時間點序列；從全部監測數據中基于訓練時間點序列選取監測數據；基于訓練時間點序列中各時間點的監測數據和訓練時間點的監測數據確定預測模型的輸入權值；基于在時間分割點之后的第二時間分段中的測試時間點以及至少兩個時間間隔確定測試時間點序列；基于測試時間點序列獲取監測數據；基于測試時間點序列中各時間點的監測數據和輸入權值確定在測試時間點的預測值；將預測值與在測試時間點的監測數據進行比對；如比對結果滿足模型收斂條件，則完成模型訓練。本發明還提供一種可以實現上述模型訓練方法的相關裝置。

技術領域

本申請涉及信息處理領域，尤其涉及模型訓練方法、基于預測模型的報警方法以及相關裝置。

背景技術

隨著網絡技術的發展，網絡服務為日常生活提供了很多便利。為了保證網絡服務的可靠性，需要對提供網絡服務的服務器進行監控。

現有監控方法大致如下：對于每種服務器數據配置對應的預設閾值。若檢測到服務器數據與預設閾值的關系滿足預設的報警規則，則進行報警。例如，用戶登錄服務的預設閾值為99.8％。當用戶登錄的成功率達到99.8％以下時報警。

在實際應用中，由于不同時段對服務器的訪問量相差很大，對登錄服務成功率的閾值也存在不同要求，按照上述固定閾值難以滿足上述要求，因此難以根據實際需求進行準確報警。

發明內容

本申請提供了一種模型訓練方法、基于預測模型的報警方法以及相關裝置，能夠預測在不同時刻的服務器數據閾值，根據動態的服務器數據閾值對異常事件進行報警，由此能夠適用于動態報警場景，也可以提高報警的準確度。

第一方面提供一種模型訓練方法，包括：

確定時間分割點；

基于第一時間分段中的多個訓練時間點以及至少兩個時間間隔確定每個訓練時間點對應的訓練時間點序列，第一時間分段為早于時間分割點的時間分段；

從全部監測數據中基于訓練時間點序列選取監測數據；

基于訓練時間點序列中各時間點的監測數據和所述訓練時間點的監測數據確定預測模型的輸入權值；

基于第二時間分段中的測試時間點以及所述至少兩個時間間隔確定測試時間點對應的測試時間點序列，所述第二時間分段為所述時間分割點之后的時間分段；

基于測試時間點序列獲取監測數據；

基于所述測試時間點序列中各時間點的監測數據和所述輸入權值確定在所述測試時間點的預測值；

將所述預測值與在所述測試時間點的監測數據進行比對；

如比對結果滿足模型收斂條件，則完成模型訓練。

在一種可能的實現方式中，在所述從全部監測數據中基于所述訓練時間點序列選取監測數據之前，所述方法還包括：

對所述全部監測數據進行數據去噪；

對去噪后的全部監測數據進行歸一化處理。

在另一種可能的實現方式中，所述基于所述訓練時間點序列中各時間點的監測數據和所述訓練時間點的監測數據確定預測模型的輸入權值包括：

獲取預設的輸入權值，每個所述監測數據對應一個輸入權值；

基于所述訓練時間點序列中各時間點的監測數據、所述輸入權值和所述訓練時間點的監測數據確定損失值；

基于所述損失值更新所述輸入權值，觸發執行所述基于所述訓練時間點序列中各時間點的監測數據、所述輸入權值和所述訓練時間點的監測數據確定損失值的步驟；