[发明专利]设备使用异常判定方法、装置以及计算机存储介质

说明书

一种设备使用异常判定方法、装置以及计算机存储介质，所述方法包括：获取用户标记数据；使用异常检测数学模型计算各个用户标记数据对应的异常检测评分；将异常检测评分与用户标准阈值进行比较，确定异常的用户标记数据；将异常的用户标记数据对应的设备判定为使用异常设备。采用上述方案，可以实现在无人监控的情况下，依靠数据计算结果判定出现异常使用情况的设备以及用户，在减少了人工监控设备的经济成本的同时，降低了时间成本。

技术领域

本发明涉及无人监控领域，尤其涉及一种设备使用异常判定方法、装置以及计算机存储介质。

背景技术

随着自助化服务的日益普及，线下消费场景当中有许多无人监测的自助服务类机器。该类设备在工作过程中通常处于无人监控的状态，因此用户在使用设备时是否遵守相关使用准则以及相关约定是管理者着重关注的问题。

现有技术中，通常通过人工对设备以及用户进行逐个排查。

然而，现有技术中的方案成本较高，且耗时较长。

发明内容

本发明解决的技术问题是设备监控成本较高，耗时较长。

为解决上述技术问题，本发明实施例提供一种设备使用异常判定方法，包括：获取用户标记数据；将所述用户标记数据输入异常检测数学模型，获取各个用户标记数据对应的异常检测评分；将异常检测评分与用户标准阈值进行比较，确定异常的用户标记数据；将所述异常的用户标记数据对应的设备判定为使用异常设备。

可选的，将所述用户标记数据输入异常检测分类数学模型，所述异常检测分类数学模型将用户标记数据进行类别划分；将各个类别内的用户标记数据分别输入异常检测评分数学模型，所述异常检测评分数学模型计算各个类别的用户标记数据的异常检测评分。

可选的，所述异常检测分类数学模型为knn算法构建的数学模型。

可选的，所述异常检测评分数学模型为iforest算法构建的数学模型。

可选的，将异常检测评分高于所述用户标准阈值的用户标记数据确定为异常的用户标记数据。

可选的，若选定设备对应的异常的用户标记数据的数量高于其他设备对应的异常的用户标记数据的平均数量，判定所述选定设备为使用异常设备。

可选的，所述用户标记数据包括以下至少一种：设备使用时长、商品种类、商品购买金额、商品购买历史。

本发明还提供一种设备使用异常判定装置，包括：获取单元，用于获取用户标记数据；计算单元，用于将所述用户标记数据输入异常检测数学模型，获取各个用户标记数据对应的异常检测评分；比较单元，用于将异常检测评分与用户标准阈值进行比较，确定异常的用户标记数据；判定单元，用于将所述异常的用户标记数据对应的设备判定为使用异常设备。

可选的，所述计算单元，还用于将所述用户标记数据输入异常检测分类数学模型，所述异常检测分类数学模型将用户标记数据进行类别划分；将各个类别内的用户标记数据分别输入异常检测评分数学模型，所述异常检测评分数学模型计算各个类别的用户标记数据的异常检测评分。

可选的，所述异常检测分类数学模型为knn算法构建的数学模型。

可选的，所述异常检测评分数学模型为iforest算法构建的数学模型。

可选的，所述比较单元，还用于将异常检测评分高于所述用户标准阈值的用户标记数据确定为异常的用户标记数据。

可选的，所述判定单元，还用于若选定设备对应的异常的用户标记数据的数量高于其他设备对应的异常的用户标记数据的平均数量，判定所述选定设备为使用异常设备。

可选的，所述用户标记数据包括以下至少一种：设备使用时长、商品种类、商品购买金额、商品购买历史。