[发明专利]一种业务问题的识别方法、装置、设备和介质

权利要求书

1.一种业务问题的识别方法，其特征在于，包括：

按照设定的多类型特征提取方式，从原始时序数据中提取时序特征；

基于各所述时序特征与业务场景的业务问题的相关性，从所述时序特征中筛选出与所述业务场景匹配的目标时序特征；

利用所述目标时序特征分析所述业务问题对应的结果。

2.根据权利要求1所述的业务问题的识别方法，其特征在于，所述按照设定的多类型特征提取方式，从原始时序数据中提取时序特征包括：

基于设定的统计类型，获取所述原始时序数据的各统计量；

将所述原始时序数据转换为频域数据，并提取设定频率各自对应的频域系数；

利用所述原始时序数据对设定的时间序列预测模型进行训练，以得到所述时间序列预测模型满足平稳化要求的参数；

将各所述统计量、所述频域系数以及所述参数作为所述原始时序数据的时序特征。

3.根据权利要求1所述的业务问题的识别方法，其特征在于，所述基于各所述时序特征与业务场景的业务问题的相关性，从所述时序特征中筛选出与所述业务场景匹配的目标时序特征包括：

利用卡方校验确定出各所述时序特征与所述业务场景的业务问题的关联度；

选取出满足关联度要求的N个时序特征作为目标时序特征。

4.根据权利要求3所述的业务问题的识别方法，其特征在于，所述基于各所述时序特征与业务场景的业务问题的相关性，从所述时序特征中筛选出与所述业务场景匹配的目标时序特征包括：

利用特征筛选模型对所述时序特征与所述业务问题进行相关性分析，以得到各所述时序特征对应的特征分值；

选取出特征分值满足相关性要求的N个时序特征作为目标时序特征。

5.根据权利要求4所述的业务问题的识别方法，其特征在于，还包括：

将所述满足关联度要求的N个时序特征与所述特征分值满足相关性要求的N个时序特征的交集作为最终的目标时序特征。

6.根据权利要求4所述的业务问题的识别方法，其特征在于，在所述利用特征筛选模型对所述时序特征与所述业务问题进行相关性分析，以得到各所述时序特征对应的特征分值之前还包括：

根据所述业务场景的业务问题所属的类别，选择相对应的特征筛选模型；其中，所述类别包括预测类别和分类类别；所述特征筛选模型包括用于数据分类的筛选模型和用于数据预测的筛选模型。

7.根据权利要求1所述的业务问题的识别方法，其特征在于，所述基于各所述时序特征与业务场景的业务问题的相关性，从所述时序特征中筛选出与所述业务场景匹配的目标时序特征包括：

基于所述业务场景的业务需求选取数据分析模型；

采用依次添加时序特征的方式得到训练子集；

利用所述训练子集对所述数据分析模型进行训练，得到模型评分；将模型评分满足预设要求时对应的训练子集作为目标时序特征。

8.一种业务问题的识别装置，其特征在于，包括提取单元、筛选单元和分析单元；

所述提取单元，用于按照设定的多类型特征提取方式，从原始时序数据中提取时序特征；

所述筛选单元，用于基于各所述时序特征与业务场景的业务问题的相关性，从所述时序特征中筛选出与所述业务场景匹配的目标时序特征；

所述分析单元，用于利用所述目标时序特征分析所述业务问题对应的结果。

9.一种业务问题的识别设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序以实现如权利要求1至7任意一项所述业务问题的识别方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述业务问题的识别方法的步骤。