申请/专利权人：腾讯科技(深圳)有限公司

申请日：2021-04-07

公开（公告）日：2021-07-23

公开（公告）号：CN112800115B

主分类号：G06F16/2458(20190101)

分类号：G06F16/2458(20190101);G06F16/28(20190101);G06K9/62(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.07.23#授权;2021.06.01#实质审查的生效;2021.05.14#公开

摘要：本申请实施例提出一种数据处理方法及数据处理装置，应用于人工智能技术领域。该方法具体是：获取样本数据集合，样本数据集合包括的每一组样本数据由标注数据和标注数据对应的同比数据组成；对样本数据集合中的样本数据进行聚类处理，得到聚类处理结果，聚类处理结果用于指示每一组样本数据所属的聚类类别；根据聚类处理结果，确定属于目标聚类类别的样本数据所对应的属性参数，目标聚类类别为聚类处理结果中满足特定条件的任一聚类类别；根据各个目标聚类类别所对应的属性参数，确定样本数据集合对应的目标上限阈值和目标下限阈值，目标上限阈值和所述目标下限阈值用于筛选异常数据。通过本方案，可以提高上限阈值和下限阈值选取的效率和准确性。

主权项：1.一种数据处理方法，其特征在于，所述方法包括：获取样本数据集合，所述样本数据集合包括多组样本数据，每一组样本数据为标注数据和所述标注数据对应的同比数据组成的数据对；对所述样本数据集合中的多组样本数据进行聚类处理，得到聚类处理结果，所述聚类处理结果用于指示每一组样本数据所属的聚类类别；根据所述聚类处理结果，确定属于目标聚类类别的样本数据所对应的属性参数，所述目标聚类类别为所述聚类处理结果中满足特定条件的任一聚类类别，满足特定条件的聚类类别是指按照所包括样本数据组数从低到高对各个聚类类别进行排序后非排在前M位的聚类类别；根据各个目标聚类类别所对应的属性参数，确定所述样本数据集合对应的目标上限阈值和目标下限阈值，所述目标上限阈值和所述目标下限阈值用于筛选异常数据；其中，所述获取样本数据集合，包括：获取待检测时间序列以及同比时间序列，所述待检测时间序列由N个标注数据组成，所述同比时间序列由N个同比数据组成，所述待检测时间序列中的N个标注数据与所述同比时间序列中的N个同比数据一一对应，N为正整数；根据所述待检测时间序列以及所述同比时间序列，确定样本数据集合；其中，所述对所述样本数据集合中的样本数据进行聚类处理，得到聚类处理结果，包括：获取扫描半径和参考样本数；根据所述扫描半径和所述参考样本数，针对所述样本数据集合创建一个或多个样本簇，其中，每个样本簇对应一个核心对象，针对每个样本簇，所述样本簇所包括的样本数据的组数大于或者等于所述参考样本数，且所述样本簇所包括的样本数据均处于所述样本簇所对应的区域范围内，所述区域范围以所述样本簇对应的核心对象为中心且半径为所述扫描半径；基于聚类算法对各个样本簇进行迭代聚类处理，得到聚类处理结果；其中，所述核心对象的确定方式包括：分别将所述样本数据集合中的各组样本数据作为各个样本数据点；针对每个样本数据点，当在以所述样本数据点为中心、所述扫描半径为半径的圆内所包含的样本数据点的数量大于或等于所述参考样本数时，将所述样本数据点确定为一个核心对象。

全文数据：

权利要求：

百度查询： 腾讯科技(深圳)有限公司 数据处理方法及数据处理装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD