[发明专利]一种投产数据异常检测方法及相关装置

说明书

本申请公开了一种投产数据异常检测方法，包括：基于异常单位特征信息对获取到的原始投产数据进行预处理，得到待检测投产数据；基于训练数据对构建的投产数据关系映射模型进行训练，得到浅层神经网络模型；基于所述浅层神经网络模型对所述待检测投产数据进行检测，得到异常投产数据。通过先对原始投产数据进行预处理，以便剔除原始数据中存在异常的数据，然后训练得到浅层神经网络模型，最后进行检测得到异常投产数据，实现确定出正常投产数据和异常投产数据之间的差距，而不是采用历史数据进行判断，提高异常数据检测的准确性。本申请还公开了一种投产数据异常检测装置、服务器以及计算机可读存储介质，具有以上有益效果。

技术领域

本申请涉及数据处理技术领域，特别涉及一种投产数据异常检测方法、投产数据异常检测装置、服务器以及计算机可读存储介质。

背景技术

随着信息技术的不断发展，使用数据处理手段对各行各业的数据进行处理，以提高数据处理的效率，提前发现数据中存在的问题。

相关技术中，将数据处理技术用于预警企业虚开发票，该技术方案中将企业当月的相关数据与该企业前三个月的数据进行对比，针对超过异常阈值的企业，定义风险纳税企业，提高发现异常数据的效率和准确性。但是，该技术方案中所使用的方法着眼于企业的历史数据，对于长期存在异常经营的企业并不能很好的检出，同时，该技术方案中异常阈值过于依赖技术人员经验，从而导致难以设定阈值的问题，降低方法的可用性。降低了对投产数据进行检测的准确性和精度。

因此，如何提高投产数据进行检测的准确性是本领域技术人员关注的重点问题。

发明内容

本申请的目的是提供一种投产数据异常检测方法、投产数据异常检测装置、服务器以及计算机可读存储介质，以提高投产异常数据检测的准确性。

为解决上述技术问题，本申请提供一种投产数据异常检测方法，包括：

基于异常单位特征信息对获取到的原始投产数据进行预处理，得到待检测投产数据；

基于训练数据对构建的投产数据关系映射模型进行训练，得到浅层神经网络模型；

基于所述浅层神经网络模型对所述待检测投产数据进行检测，得到异常投产数据。

可选的，基于异常单位特征信息对获取到的原始投产数据进行预处理，得到待检测投产数据，包括：

将所述原始投产数据中标注有异常单位的数据进行剔除，得到待聚类数据；

基于密度聚类算法对所述待聚类数据进行分类，得到正常单位数据；

基于数据矩阵形式对所述正常单位数据进行归一化处理，得到所述待检测投产数据。

可选的，基于训练数据对构建的投产数据关系映射模型进行训练，得到浅层神经网络模型，包括：

基于预设模型结构进行模型构建处理，得到投产数据关系映射模型；

基于训练数据对所述投产数据关系映射模型进行训练，得到所述浅层神经网络模型。

可选的，基于所述浅层神经网络模型对所述待检测投产数据进行检测，得到异常投产数据，包括：

基于所述浅层神经网络模型对所述待检测投产数据的投入数据进行预测，得到预测产出数据；

对所述待检测投产数据的产出数据与所述预测产出数据进行差值计算，得到嫌疑值；

将所述嫌疑值大于预设数值的数据标记为所述异常投产数据。

可选的，还包括：

基于所述异常投产数据发送提示信息。

本申请还提供一种投产数据异常检测装置，包括：