[发明专利]实时检测新闻量异常的方法、设备和存储介质

权利要求书

1.一种实时检测新闻量异常的方法，其特征在于，所述方法包括：

以第一时段的平均历史新闻量为参数，构建所述第一时段的泊松模型；

连续获取第二时段内每分钟的新闻量作为样本，通过KS检验，计算所述样本与所述第二时段所属第一时段的泊松模型的最大偏离度；

若所述最大偏离度的绝对值大于或等于偏离度阈值的绝对值，判定所述第二时段的新闻量出现异常。

2.根据权利要求1所述实时检测新闻量异常的方法，其特征在于，所述“通过KS检验，计算所述样本与所述第二时段所属第一时段的泊松模型的最大偏离度”具体包括：

以所述第二时段所属第一时段的泊松模型为基准，通过KS检验计算所有所述样本出现的概率；

在所有所述概率中选取最小值，求所述最小值的对数，作为最大偏离度。

3.根据权利要求1所述实时检测新闻量异常的方法，其特征在于，确定所述偏离度阈值的方法包括：

从筛选系统中获取历史新闻量记录；

查找所述记录中系统故障时的异常新闻量；

计算所述异常新闻量的偏离度，选取绝对值最小的偏离度作为偏离度阈值。

4.根据权利要求1所述实时检测新闻量异常的方法，其特征在于：

所述第二时段的时长在10-30分钟内。

5.根据权利要求1所述实时检测新闻量异常的方法，其特征在于，所述方法还包括：

根据历史记录中筛选系统出现的故障类型，设置对应的偏离度区间；

在判定所述时段的新闻量出现异常后，根据所述最大偏离度，找到对应的偏离度区间，从而预测所述筛选系统出现的故障类型。

6.根据权利要求1所述实时检测新闻量异常的方法，其特征在于，所述“以第一时段的平均历史新闻量为参数，构建所述第一时段的泊松模型”具体包括：

将一个星期分成多个第一时段，以每个第一时段的平均历史新闻量为参数，构建每个第一时段的泊松模型。

7.根据权利要求6所述实时检测新闻量异常的方法，其特征在于，所述“将一个星期分成多个第一时段，以每个第一时段的平均历史新闻量为参数，构建每个第一时段的泊松模型”具体包括：

从筛选系统中获取多个星期的历史新闻量记录；

将一个星期分成多个第一时段，计算所述记录中每个第一时段对应的历史新闻量的平均值，得到每个第一时段的平均历史新闻量；

根据所述每个第一时段的平均历史新闻量，构建一个星期内每个第一时段的泊松模型。

8.根据权利要求6所述实时检测新闻量异常的方法，其特征在于，所述“将一个星期分成多个第一时段”具体包括：

以1小时时长为第一时段，将一个星期分成168个第一时段。

9.一种电子设备，包括存储器和处理器，所述存储器存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-8任意一项所述实时检测新闻量异常的方法中的步骤。

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，所述计算机程序被处理器执行时实现权利要求1-8任意一项所述实时检测新闻量异常的方法中的步骤。