[发明专利]核对异常原因的识别方法、装置、服务器和存储介质

权利要求书

1.一种核对异常原因的识别方法，其特征在于，包括：

获取核对异常时产生的异常数据；

根据预设分类器对所述异常数据进行预测得到异常原因；

将所述异常原因通知用户。

2.如权利要求1所述的核对异常原因的识别方法，其特征在于，在所述根据预设分类器对所述异常数据进行预测得到异常原因之前，包括：

获取至少一组历史异常数据；

标识每一组历史异常数据对应的历史异常原因；

将标识后的历史异常数据作为训练数据；

基于所述训练数据对分类器进行训练得到所述预设分类器。

3.如权利要求2所述的核对异常原因的识别方法，其特征在于，分类器包括多个子分类器，所述基于所述训练数据对分类器进行训练得到所述预设分类器，包括：

基于所述训练数据对所述多个子分类器进行训练；

对训练好的多个子分类器进行交叉验证，确定每一个子分类器的预测准确程度；

将所述预测准确程度最高的子分类器作为所述预设分类器对所述异常数据进行预测。

4.如权利要求1所述的核对异常原因的识别方法，其特征在于，所述获取核对异常时产生的异常数据，包括：

获取不同业务场景下核对异常产生的异常数据。

5.如权利要求2所述的核对异常原因的识别方法，其特征在于，所述历史异常数据包括业务场景标识、发生时间、异常时间间隔和/或异常频率，所述标识每一组历史异常数据对应的历史异常原因，包括：

标识业务场景ID、发生时间、异常时间间隔和/或异常频率对应的历史异常原因。

6.如权利要求1-5任一项所述的核对异常原因的识别方法，其特征在于，所述预设分类器通过监督学习模型进行训练。

7.如权利要求1-5任一项所述的核对异常原因的识别方法，其特征在于，所述预设分类器包括决策树、逻辑回归、朴素贝叶斯、机器学习等其中的一项或多项。

8.一种核对异常原因的识别装置，其特征在于，包括：

获取模块，用于获取核对异常时产生的异常数据；

预测模块，用于根据预设分类器对所述异常数据进行预测得到异常原因；

通知模块，用于将所述异常原因通知用户。

9.一种服务器，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的核对异常原因的识别方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的核对异常原因的识别方法。