[发明专利]一种基于大数据的业务指标监测方法及装置

权利要求书

1.一种基于大数据的业务指标监测方法，其特征在于，包括：

在广告业务投放后，实时获取业务指标的待监控数据；

将所述待监控数据进行拆解，获取用户的待分析数据及用户常量特征；

将所述用户的待分析数据输入至多粒度时间序列监测模型，获取所述用户在不同时期的异常数据情况；

将所述不同时期的异常数据情况进行数据合并及归一化，输出最终异常情况；

基于所述最终异常数据情况，结合所述用户常量特征，对所述广告业务进行调整。

2.根据权利要求1所述的方法，其特征在于，多粒度时间序列监测模型包括短期环比模型及长期环比模型，则将所述用户的待分析数据输入至多粒度时间序列监测模型，获取所述用户在不同时期的异常数据情况，包括：

分别采用短期环比模型及长期环比模型对所述用户的待分析数据进行处理，其中，采用短期环比模型对所述用户的待分析数据进行处理，包括：

设置计数器，将当前的待分析数据与历史N个待分析数据分别进行比较，若所述当前的待分析数据与第i个待分析数据的差值大于第一阈值，则计数器加1操作，若所述计数器的最终数值大于第二阈值，则确定所述当前的待分析数据为异常数据，其中i为大于等于1且小于等于N的正整数；

采用长期环比模型对所述用户的待分析数据进行处理，包括：

将不同周期的待分析数据设置在一个集合M中，并获取第T周期的指数移动平均值EMA_T及集合M中的整体平均值mean，若EMA_T与mean的差值大于3σ，则认定第T周期的待分析数据为异常数据，其中，σ为sigma标准差。

3.根据权利要求2所述的方法，其特征在于，多粒度时间序列监测模型还包括阿特曼Z得分公式z-score模型，则将所述用户的待分析数据输入至多粒度时间序列监测模型，获取所述用户在不同时期的异常数据情况，包括：

将不同周期的待分析数据设置在一个集合M中；

计算所述集合M中所有待分析数据的平均值；

计算所述所有待分析数据的标准差；

将所述集合M中待分析数据按照升序或降序排序，并获取排序后的中位数；

将所述中位数与所述平均值的差值与所述标准差相比，若大于第三预设阈值，则确定所述集合M中存在异常数据。

4.根据权利要求2或3所述的方法，其特征在于，多粒度时间序列监测模型还包括同比振幅模型，则将所述用户的待分析数据输入至多粒度时间序列监测模型，获取所述用户在不同时期的异常数据情况，包括：

根据如下条件确定第t周期的待分析数据为异常数据：

(a_t+1-a_t)/a_tthreshold₄

其中(a_t+1-a_t)/a_t表示振幅，a为待分析数据，a_t为第t周期的待分析数据，threshold ₄表示第四阈值。

5.根据权利要求1所述的方法，其特征在于，所述将所述不同时期的异常数据情况进行数据合并及归一化，包括：

设置多个自适应权重值，将不同时期的异常数据进行分别乘以对应的自适应权重进行加权，获取最终的异常数据。

6.根据权利要求1所述的方法，其特征在于，所述将所述不同时期的异常数据情况进行数据合并及归一化，包括：

输出的异常检测结果进行归一化处理，以用户ID为主键进行合并，输出特征宽表。

7.根据权利要求1所述的方法，其特征在于，基于所述异常数据情况，结合所述用户常量特征，对所述广告业务进行调整，包括：

基于所述用户的自然属性特征及行为习惯特征，对所述异常数据进行分类，并基于分类结果，自适应调整不同用户的定向广告业务投放。

8.根据权利要求1所述的方法，其特征在于，所述用户的待分析数据包括点击率、单次点击收益及千次曝光收益。