[发明专利]数据监控方法、装置、计算机设备和存储介质

说明书

本申请涉及机器学习，提供一种数据监控方法、装置、计算机设备和存储介质。该方法包括：接收数据监控指令，数据监控指令中携带有初始监控账号标识、初始监控维度和初始监控周期；根据初始监控维度在初始监控周期内获取初始账号标识对应的初始监控数据；根据初始监控数据确定未预警账号标识，将未预警账号标识对应的初始监控数据输入到已训练的评分卡模型中，得到未预警账号标识对应的评分结果；将未预警账号标识对应的初始监控数据和评分结果输入到已训练的朴素贝叶斯模型中，得到输出结果；根据输出结果确定目标监控周期和目标监控维度，根据目标监控维度在目标监控周期内获取未预警账号标识对应的目标监控数据。采用本方法能够节省监控资源。

技术领域

本申请涉及计算机技术领域，特别是涉及一种数据监控方法、装置、计算机设备和存储介质。

背景技术

目前，由于大数据的发展，各种网站都需要采集用户的数据来对用户的行为进行分析。基本上都是周期性的监控来获取用户的数据并进行分析。这种较为固定的监控方式，容易浪费监控资源。例如：银行在贷款发放后，都是通过周期性的监控来及时发现用户逾期风险，比如一个月采集贷款用户数据一次，分析贷款用户逾期风险概率。而这种较为固定的监控方式进行监控，如果监控周期较大，不利于及时发现逾期风险，数据分析效率低下，如果监控周期较为频繁，则会浪费监控资源。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高监控效率，节省监控资源的数据监控方法、装置、计算机设备和存储介质。

一种数据监控方法，所述方法包括：

接收数据监控指令，数据监控指令中携带有初始监控账号标识、初始监控维度和初始监控周期；

根据初始监控维度在初始监控周期内获取初始账号标识对应的初始监控数据；

根据初始监控数据确定未预警账号标识，将未预警账号标识对应的初始监控数据输入到已训练的评分卡模型中，得到未预警账号标识对应的评分结果，评分结果用于表示所述未预警账号标识对应的逾期可能性大小；

将未预警账号标识对应的初始监控数据和评分结果输入到已训练的朴素贝叶斯模型中，得到输出结果；

根据输出结果确定目标监控周期和目标监控维度，根据目标监控维度在目标监控周期内获取未预警账号标识对应的目标监控数据。

在其中一个实施例中，已训练的评分卡模型的生成步骤，包括：

获取历史监控数据和对应的逾期结果，根据历史监控数据生成监控数据向量，根据逾期结果生成对应的评分结果向量；

将监控数据向量作为输入，将监控数据向量对应的评分结果向量作为标签使用逻辑回归算法进行训练，当达到预设条件时，得到已训练的评分卡模型。

在其中一个实施例中，已训练的朴素贝叶斯模型的生成步骤，包括：

获取历史监控维度、对应的监控周期和评分结果，根据历史监控维度、对应的监控周期和评分结果计算出未预警概率参数和逾期概率参数；

根据历史监控维度和评分结果计算历史监控维度的条件概率参数，根据监控周期和评分结果计算监控周期的条件概率参数，得到已训练的朴素贝叶斯模型。

在其中一个实施例中，根据初始监控维度在初始监控周期内获取初始监控账号标识对应的初始监控数据，包括：

根据初始监控维度在初始监控周期内从各个预设数据源获取初始监控数据报文；

解析各个预设数据源对应的初始监控数据报文得到解析结果；

将解析结果转换为目标字段对应的数据，得到初始监控数据。