[发明专利]一种指标波动分析方法，存储介质和电子设备

权利要求书

1.一种指标波动分析方法，其特征在于，包括：

将企业数字中台中服务应用平台生成的日志数据，确定为待分析样本数据；其中，至少一条待分析样本数据包括至少两个维度数据的维度组合，以及与所述维度组合对应的指标数据；

根据设置的第一关联要求，对所述待分析样本数据中所述维度组合的指标数据进行解析，获取异常样本数据；

根据设置的第二关联要求，挖掘所述异常样本数据中所述维度组合的频繁项集；

根据设置的第三关联要求，确定所述频繁项集中维度组合对应的波动数据。

2.根据权利要求1所述的指标波动分析方法，其特征在于，所述根据设置的第一关联要求，对所述待分析样本数据中所述维度组合的指标数据进行解析，获取异常样本数据，包括：

将设置的指标变化量阈值，确定为所述第一关联要求；

根据所述待分析样本数据基准日期的指标数据，以及设置的所述待分析样本数据参考日期的指标数据，确定所述待分析样本数据的指标变化量；

根据所述指标变化量和所述指标变化量阈值，确定所述异常样本数据。

3.根据权利要求2所述的指标波动分析方法，其特征在于，所述指标变化量阈值根据所述待分析样本数据中指标数据的变化量分布状态进行设置。

4.根据权利要求1所述的指标波动分析方法，其特征在于，所述根据设置的第二关联要求，挖掘所述异常样本数据中所述维度组合的频繁项集，包括：

将设置的支持度确定为所述第二关联要求的要求条件；

根据所述支持度，获取目标异常样本数据；

根据所述目标异常样本数据构建的频繁模式树，确定所述频繁项集。

5.根据权利要求4所述的指标波动分析方法，其特征在于，所述根据所述支持度，获取目标异常样本数据，包括：

根据所述维度数据中相同的维度值出现次数，对所述异常样本数据进行统计，获取候选异常样本数据；

根据选取的所述候选异常样本数据中大于或等于所述支持度阈值的所述维度值，确定所述目标异常样本数据。

6.根据权利要求5所述的指标波动分析方法，其特征在于，所述根据所述目标异常样本数据构建的频繁模式树，确定所述频繁项集，包括：

对所述目标异常样本数据按照所述维度值出现次数进行排序；

根据排序后的所述目标异常本数据，构建所述频繁模式树；

根据所述频繁模式树，查找符合条件频繁项集和/或频繁项要求的所述频繁项集。

7.根据权利要求1所述的指标波动分析方法，其特征在于，所述根据设置的第三关联要求，确定所述频繁项集中维度组合对应的波动数据，包括：

将设置的置信度阈值确定为所述第三关联要求；

根据获取的所述频繁项集中维度组合的波动分数与所述置信度阈值的比较，确定所述频繁项集中维度组合对应的波动数据。

8.根据权利要求7所述的指标波动分析方法，其特征在于，所述根据获取的所述频繁项集中维度组合的波动分数与所述置信度阈值的比较，确定所述频繁项集中维度组合对应的波动数据，包括：

根据所述维度组合的贡献度和异常度，确定所述波动分数；

将所述波动分数大于或等于所述置信度阈值的维度组合，确定为所述频繁项集中维度组合对应的波动数据。

9.根据权利要求8所述的指标波动分析方法，其特征在于，所述根据所述维度组合的贡献度和异常度，确定所述波动分数，包括：

根据所述频繁项集中维度组合的对照日期指标值之和、所有维度组合对照日期指标值之和、所述频繁项集中维度组合的基准日期指标值之和，以及所有维度组合基准日期指标值之和，确定所述贡献度的分值；

根据所述频繁项集中维度组合的先验概率，以及所述频繁项集中维度组合的后验概率，确定所述异常度的分值；

根据所述贡献度分值和所述异常度分值加权和，确定所述波动分数。