[發(fā)明專利]一種業(yè)務(wù)數(shù)據(jù)的監(jiān)測方法及裝置

在審

• 申請?zhí)枺?/td>: 202110597265.4
• 申請日: 2021-05-31
• 公開（公告）號: CN113326879A
• 公開（公告）日: 2021-08-31
• 發(fā)明（設(shè)計）人: 伍日杰;王志遠(yuǎn)
• 申請（專利權(quán)）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q40/00;G06Q40/04;G06T3/40
• 代理公司: 北京同達(dá)信恒知識產(chǎn)權(quán)代理有限公司 11291
• 代理人: 宋正偉

1.一種業(yè)務(wù)數(shù)據(jù)的監(jiān)測方法，其特征在于，包括：

獲取預(yù)設(shè)時段內(nèi)的第一業(yè)務(wù)數(shù)據(jù)以及與所述預(yù)設(shè)時段關(guān)聯(lián)的歷史時段的第二業(yè)務(wù)數(shù)據(jù)；所述第一業(yè)務(wù)數(shù)據(jù)和所述第二業(yè)務(wù)數(shù)據(jù)針對同一業(yè)務(wù)指標(biāo)；

生成表征所述第一業(yè)務(wù)數(shù)據(jù)和所述第二業(yè)務(wù)數(shù)據(jù)的待識別圖像；

將所述待識別圖像輸入至卷積神經(jīng)網(wǎng)絡(luò)模型中，確定所述預(yù)設(shè)時段內(nèi)的業(yè)務(wù)數(shù)據(jù)在所述業(yè)務(wù)指標(biāo)下的監(jiān)測結(jié)果；所述卷積神經(jīng)網(wǎng)絡(luò)模型是根據(jù)具有歷史監(jiān)測結(jié)果標(biāo)簽的歷史識別圖像訓(xùn)練得到的；所述歷史監(jiān)測結(jié)果是根據(jù)歷史識別圖像中第一業(yè)務(wù)數(shù)據(jù)與第二業(yè)務(wù)數(shù)據(jù)的關(guān)系確定的。

2.如權(quán)利要求1所述的方法，其特征在于，所述業(yè)務(wù)指標(biāo)為以下至少一種：業(yè)務(wù)交易量、業(yè)務(wù)平均耗時和業(yè)務(wù)成功率；

所述歷史時段包括所述預(yù)設(shè)時段的環(huán)比時段和/或所述預(yù)設(shè)時段的同比時段。

3.如權(quán)利要求1所述的方法，其特征在于，生成表征所述第一業(yè)務(wù)數(shù)據(jù)和所述第二業(yè)務(wù)數(shù)據(jù)的待識別圖像，包括：

以時間為橫坐標(biāo)、業(yè)務(wù)指標(biāo)為縱坐標(biāo)生成坐標(biāo)系；

確定所述第一業(yè)務(wù)數(shù)據(jù)在所述坐標(biāo)系下的第一曲線和所述第二業(yè)務(wù)數(shù)據(jù)在所述坐標(biāo)系下的第二曲線，得到曲線圖；

將所述曲線圖進(jìn)行預(yù)處理，確定所述待識別圖像。

4.如權(quán)利要求1所述的方法，其特征在于，將所述曲線圖進(jìn)行預(yù)處理，確定所述待識別圖像，包括：

將所述曲線圖生成圖片；

將所述圖片的分辨率縮放為預(yù)設(shè)分辨率，根據(jù)下述公式(1)確定所述待識別圖像中任一像素點(diǎn)的像素值，得到所述待識別圖像；

其中，f(P)為所述待識別圖像內(nèi)任一像素點(diǎn)P的像素值，(x，y)為像素點(diǎn)P的坐標(biāo)值，(x1，y1)為所述圖片中位于像素點(diǎn)P左下角的相鄰像素點(diǎn)Q11的坐標(biāo)值；(x1，y2)為所述圖片中位于像素點(diǎn)P左上角的相鄰像素點(diǎn)Q12的坐標(biāo)值；(x2，y1)為所述圖片中位于像素點(diǎn)P右下角Q21的相鄰像素點(diǎn)的坐標(biāo)值；(x2，y2)為所述圖片中位于像素點(diǎn)P右上角的相鄰像素點(diǎn)Q22的坐標(biāo)值；f(Q11)為像素點(diǎn)Q11的像素值，f(Q12)為像素點(diǎn)Q12的像素值，f(Q21)為像素點(diǎn)Q21的像素值，f(Q22)為像素點(diǎn)Q22的像素值。

5.如權(quán)利要求1所述的方法，其特征在于，其特征在于，所述將所述待識別圖像輸入至卷積神經(jīng)網(wǎng)絡(luò)模型中，確定所述預(yù)設(shè)時段內(nèi)的業(yè)務(wù)數(shù)據(jù)在所述業(yè)務(wù)指標(biāo)下的監(jiān)測結(jié)果之后，還包括：

根據(jù)各業(yè)務(wù)指標(biāo)的預(yù)設(shè)權(quán)重和所述預(yù)設(shè)時段內(nèi)的業(yè)務(wù)數(shù)據(jù)在各業(yè)務(wù)指標(biāo)下的監(jiān)測結(jié)果，確定所述預(yù)設(shè)時段內(nèi)的業(yè)務(wù)數(shù)據(jù)的綜合監(jiān)測結(jié)果。

6.如權(quán)利要求1所述的方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)模型用于進(jìn)行N分類；

將所述待識別圖像輸入至卷積神經(jīng)網(wǎng)絡(luò)模型中，確定所述預(yù)設(shè)時段內(nèi)業(yè)務(wù)數(shù)據(jù)的監(jiān)測結(jié)果，包括：

將所述待識別圖像輸入至卷積神經(jīng)網(wǎng)絡(luò)模型得到分類結(jié)果；

根據(jù)N分類與M類監(jiān)測結(jié)果的對照關(guān)系，確定所述分類結(jié)果對應(yīng)的監(jiān)測結(jié)果，其中，N大于M。

7.如權(quán)利要求1至6任一項(xiàng)所述的方法，其特征在于，還包括：

在確定誤異常的監(jiān)測結(jié)果的數(shù)量大于數(shù)量閾值時，根據(jù)各誤異常對應(yīng)的待識別圖像及矯正標(biāo)簽對所述卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到更新后的卷積神經(jīng)網(wǎng)絡(luò)模型。

8.一種業(yè)務(wù)數(shù)據(jù)的監(jiān)測裝置，其特征在于，包括：

獲取模塊，用于獲取預(yù)設(shè)時段內(nèi)的第一業(yè)務(wù)數(shù)據(jù)以及與所述預(yù)設(shè)時段關(guān)聯(lián)的歷史時段的第二業(yè)務(wù)數(shù)據(jù)；所述第一業(yè)務(wù)數(shù)據(jù)和所述第二業(yè)務(wù)數(shù)據(jù)針對同一業(yè)務(wù)指標(biāo)；

處理模塊，用于生成表征所述第一業(yè)務(wù)數(shù)據(jù)和所述第二業(yè)務(wù)數(shù)據(jù)的待識別圖像；

將所述待識別圖像輸入至卷積神經(jīng)網(wǎng)絡(luò)模型中，確定所述預(yù)設(shè)時段內(nèi)的業(yè)務(wù)數(shù)據(jù)在所述業(yè)務(wù)指標(biāo)下的監(jiān)測結(jié)果；所述卷積神經(jīng)網(wǎng)絡(luò)模型是根據(jù)具有歷史監(jiān)測結(jié)果標(biāo)簽的歷史識別圖像訓(xùn)練得到的；所述歷史監(jiān)測結(jié)果是根據(jù)歷史識別圖像中第一業(yè)務(wù)數(shù)據(jù)與第二業(yè)務(wù)數(shù)據(jù)的關(guān)系確定的。