[发明专利]一种实例处理方法及其装置

权利要求书

1.一种实例处理方法，其特征在于，包括：

获取与实例对应的诊断单；

获取所述实例的诊断数据，包括：将所述诊断单中的诊断规则匹配信息按照诊断规则转换为等时间间隔的各个诊断时间点上的诊断结果构成的诊断数据，其中，所述诊断规则匹配信息包括诊断规则、诊断类型、诊断结果以及诊断匹配时间；

将所述诊断数据输入到经过训练的实例异常检测组件，获取所述实例是否发生异常的诊断信息，其中，所述实例异常检测组件是利用时序信息建模处理的机器学习模型组件，其中，

将所述诊断单中的诊断规则匹配信息按照诊断规则转换为等时间间隔的各个诊断时间点上的诊断结果构成的诊断数据包括：

针对每个诊断规则匹配信息，确定在诊断窗口时间内等时间间隔的各个时间点上的诊断结果；利用各个诊断规则匹配信息对应的诊断结果生成的向量生成所述诊断数据。

2.如权利要求1所述的方法，其特征在于，所述诊断单包括所述实例的标识信息、异常信息、诊断窗口时间以及诊断规则匹配信息。

3.如权利要求1所述的方法，其特征在于，所述实例异常检测组件包括循环网络层、全连接层、逻辑层以及聚合层，其中，循环网络层包括与每个时间间隔上的诊断时间点对应的门控循环单元。

4.如权利要求3所述的方法，其特征在于，所述实例异常检测组件是按照如下方式进行训练：

获取训练实例集中的每个训练实例的训练诊断规则匹配信息以及每个训练实例的训练诊断信息；

构建所述实例异常检测组件，所述实例异常检测组件设置有全网络参数；

利用每个训练实例的训练诊断规则匹配信息以及训练诊断信息之间的对应关系对所述实例异常检测组件进行训练，调整所述全网络参数，直到所述实例异常检测组件达到预设要求。

5.如权利要求1所述的方法，其特征在于，所述诊断类型包括指标类型和事件类型。

6.如权利要求5所述的方法，其特征在于，针对每个诊断规则匹配信息，确定在诊断窗口时间内等时间间隔内的各个时间点上的诊断结果包括：

在诊断规则匹配信息的诊断类型为事件类型的情况下，将该诊断规则的诊断结果赋值给从诊断匹配时间的开始时刻至诊断窗口时间的结束时刻之间的各个时间点。

7.如权利要求2所述的方法，其特征在于，还包括：

根据所述诊断信息确定所述实例发生异常的情况下，所述实例异常检测组件输出发生异常的诊断时间点；

将与所述诊断时间点匹配的诊断规则匹配信息确定为所述实例发生异常的异常匹配信息。

8.如权利要求7所述的方法，其特征在于，还包括：

将所述异常匹配信息输出到经过训练的实例异常分析组件，确定所述异常匹配信息所包括的各个诊断规则与所述实例发生异常的相关程度。

9.如权利要求8所述的方法，其特征在于，所述实例异常分析组件是具有全连接层、逻辑层以及聚合层的多实例学习神经网络组件。

10.如权利要求9所述的方法，其特征在于，所述实例异常分析组件是按照以下方式进行训练：

获取训练实例集中的每个训练实例出现异常的时间点对应的训练异常匹配信息以及训练异常匹配信息中各个训练诊断规则的训练相关程度；

构建所述实例异常分析组件，所述实例异常分析组件设置有全网络参数；

利用每个训练实例的训练异常匹配信息以及训练相关程度之间的对应关系对所述实例异常分析组件进行训练，调整所述全网络参数，直到所述实例异常分析组件达到预设要求。

11.一种实例处理装置，其特征在于，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行权利要求1至10中的任一权利要求所述的方法。

12.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述指令被执行时实现权利要求1至10中的任一权利要求所述的方法。