[发明专利]一种企业业务情景自适应度量方法及系统在审
申请号: | 202110334619.6 | 申请日: | 2021-03-29 |
公开(公告)号: | CN112905487A | 公开(公告)日: | 2021-06-04 |
发明(设计)人: | 王军平 | 申请(专利权)人: | 北京赛博云睿智能科技有限公司 |
主分类号: | G06F11/36 | 分类号: | G06F11/36 |
代理公司: | 北京冠和权律师事务所 11399 | 代理人: | 田春龙 |
地址: | 100089 北京市海淀*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 企业 业务 情景 自适应 度量 方法 系统 | ||
1.一种企业业务情景自适应度量方法,其特征在于,包括:
获取待测试的企业业务情景;
解析所述待测试的企业业务情景,获取待测模型;
解析所述待测模型,获取模型标识;
基于模型标识,从服务器获取模型测试库;
基于模型测试库对所述待测模型进行测试。
2.如权利要求1所述的企业业务情景自适应度量方法,其特征在于,所述解析所述待测试的企业业务情景,获取待测模型;包括:
获取预设的情景测试组;所述情景测试组包括多组情景测试数据;
将所述情景测试数据分别输入到所述企业业务情景中,获取多个输出数据;
基于所述情景测试数据和所述输出数据构建分解向量;
获取预设的分解库,所述分解库中数据向量与业务模型一一对应;
计算所述分解向量与所述分解库中的数据向量的相似度,计算公式如下:
其中,T为所述分解向量与所述数据向量的相似度,n为所述分解向量的数据个数或所述数据向量的数据个数;xi为所述分解向量的第i个数据的值;yi为所述数据向量的第i个数据的值;
获取所述分解库中与所述分解向量的相似度最大的所述数据向量对应的业务模型,将获取的业务模型作为所述待测模型。
3.如权利要求1所述的企业业务情景自适应度量方法,其特征在于,所述基于模型测试库对所述待测模型进行测试,包括:
解析所述模型测试库,获取正向测试例集合和反向测试例集合;
按照N个预设的提取比例,分别从所述正向测试例集合和所述反向测试例集合中提取正向测试例和反向测试例,构建N个测试组;
分别采用每个测试组对所述待测模型进行M次测试,获取M个测试结果;
基于M个测试结果,确定每个测试组的组准确率,计算公式如下:
其中,PGj为第j组测试组的所述组准确值,TP为正向测试例被所述待测模型判定为正向结果的数量;TN为反向测试例被所述待测模型判定为反向结果的数量;K为第j组测试组的测试例总数;
基于N个测试组的所述组准确率,获取所述待测模型的准确值,计算公式如下:
其中,Z为所述准确值,αj为预设的第j组测试组对应的权重,
4.如权利要求3所述的企业业务情景自适应度量方法,其特征在于,还包括:
解析所述测试结果,确定每个正向测试例被判为反向结果的第一概率或每个反向测试例被判为正向结果的第二概率;
当所述第一概率或所述第二概率大于预设的概率阈值时,将所述正向测试例或所述反向测试例公布并接收预设数量的用户对于所述正向测试例或所述反向测试例的判断结果;
基于所述判断结果对所述正向测试例或所述反向测试例的真实性进行验证,当验证为非真实时,重新计算所述准确值;
其中,所述基于所述判断结果对所述正向测试例或所述反向测试例的真实性进行验证,包括:
获取所述判断结果为真实时,所述判断结果对应的第一用户的第一判定值及第一判定权重;
基于所述第一判定值与所述第一判定权重,确定正向置信值;计算公式如下:
其中,X为所述正向置信值,βc为第c个所述第一用户的所述第一判定权重;Ac为第c个所述第一用户的所述第一判定值;
获取所述判断结果为非真实时,所述判断结果对应的第二用户的第二判定值及第二判定权重;
基于所述第二判定值与所述第二判定权重,确定反向置信值;计算公式如下:
其中,Y为所述反向置信值,δd为第d个所述第二用户的所述第二判定权重;Bd为第d个所述第二用户的所述第二判定值;
当所述正向置信值大于预设的第一阈值且所述反向置信值小于预设的第二阈值时,验证为真实;否则,验证为非真实。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京赛博云睿智能科技有限公司,未经北京赛博云睿智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110334619.6/1.html,转载请声明来源钻瓜专利网。