【技術實現步驟摘要】
本公開涉及數據處理領域，尤其涉及深度學習等人工智能。
技術介紹
1、在軟件系統的日常運行過程中，存在可能出現事件導致系統的資源出現損失，其中，可以對導致系統出現資源損失的事件進行及時的止損處理，在該場景下，可以對事件的止損處理效果進行分析以及評估。
2、相關技術中，可以對損失問題進行級別劃分，根據劃分后的各等級下的損失問題進行數量統計，以達到評估的目的，評估準確率欠佳。
技術實現思路
1、本公開提出了一種損失處理評估方法、損失參數預測模型的訓練方法和裝置。
2、根據本公開的第一方面，提出了一種損失處理評估方法，包括：獲取待評估的第一損失事件以及所述第一損失事件的第一止損策略；獲取所述第一損失事件在所述第一止損策略下的第一損失參數；獲取訓練好的目標損失參數預測模型，并通過所述目標損失參數預測模型獲取所述第一損失事件的第二損失參數；根據所述第一損失參數和所述第二損失參數，獲取所述第一損失事件的第一目標止損評估結果。
3、根據本公開的第二方面，提出了一種損失參數預測模型的訓練方法，包括：獲取待訓練的候選損失參數預測模型；獲取樣本損失事件、所述樣本損失事件所屬的樣本損失事件桶、所述樣本損失事件桶對應的樣本分桶策略，以及所述樣本損失事件桶對應的樣本資源損失門限值；根據所述樣本損失事件、所述樣本分桶策略以及所述樣本資源損失門限值，生成所述候選損失參數預測模型的訓練樣本；基于所述訓練樣本對所述候選損失參數預測模型進行模型訓練，直至訓練結束，得到訓練好的目標損失
4、根據本公開的第三方面，提出了一種損失處理評估裝置，包括：第一獲取模塊，用于獲取待評估的第一損失事件以及所述第一損失事件的第一止損策略；第二獲取模塊，用于獲取所述第一損失事件在所述第一止損策略下的第一損失參數；預測模塊，用于獲取訓練好的目標損失參數預測模型，并通過所述目標損失參數預測模型獲取所述第一損失事件的第二損失參數；評估模塊，用于根據所述第一損失參數和所述第二損失參數，獲取所述第一損失事件的第一目標止損評估結果。
5、根據本公開的第四方面，提出了一種損失參數預測模型的訓練裝置，包括：第三獲取模塊，用于獲取待訓練的候選損失參數預測模型；第四獲取模塊，用于獲取樣本損失事件、所述樣本損失事件所屬的樣本損失事件桶、所述樣本損失事件桶對應的樣本分桶策略，以及所述樣本損失事件桶對應的樣本資源損失門限值；生成模塊，用于根據所述樣本損失事件、所述樣本分桶策略以及所述樣本資源損失門限值，生成所述候選損失參數預測模型的訓練樣本；訓練模塊，用于基于所述訓練樣本對所述候選損失參數預測模型進行模型訓練，直至訓練結束，得到訓練好的目標損失參數預測模型，其中，所述目標損失參數預測模型用于實現上述提出的損失處理評估裝置。
6、根據本公開的第五方面，提出了一種電子設備，包括：至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行上述第一方面提出的損失處理評估方法和/或上述第二方面提出的損失參數預測模型的訓練方法。
7、根據本公開的第六方面，提出了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，所述計算機指令用于使所述計算機執行上述第一方面提出的損失處理評估方法和/或上述第二方面提出的損失參數預測模型的訓練方法。
8、根據本公開的第七方面，提出了一種計算機程序產品，包括計算機程序，所述計算機程序在被處理器執行時實現上述第一方面提出的損失處理評估方法和/或上述第二方面提出的損失參數預測模型的訓練方法。
9、應當理解，本部分所描述的內容并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。
本文檔來自技高網...【技術保護點】
1.一種損失處理評估方法，其中，所述方法包括：
2.根據權利要求1所述的方法，其中，所述獲取訓練好的目標損失參數預測模型，并通過所述目標損失參數預測模型獲取所述第一損失事件的第二損失參數，包括：
3.根據權利要求2所述的方法，其中，所述獲取所述第一損失事件所屬的目標損失事件桶，包括：
4.根據權利要求2所述的方法，其中，所述根據所述第一損失事件.所述分桶策略.所述資源損失門限值以及所述第一損失參數，生成所述目標損失參數預測模型的目標輸入數據集，包括：
5.根據權利要求1所述的方法，其中，所述根據所述第一損失參數和所述第二損失參數，獲取所述第一損失事件的第一目標止損評估結果，包括：
6.根據權利要求1所述的方法，其中，所述獲取待評估的第一損失事件以及所述第一損失事件的第一止損策略，包括：
7.根據權利要求1所述的方法，其中，所述獲取所述第一損失事件在所述第一止損策略下的第一損失參數，包括：
8.根據權利要求1所述的方法，其中，所述方法還包括：
9.根據權利要求8所述的方法，其中，所述根據
10.根據權利要求1-9中任一項所述的方法，其中，所述方法還包括：
11.根據權利要求10所述的方法，其中，所述方法還包括：
12.一種損失參數預測模型的訓練方法，其中，所述方法包括：
13.一種損失處理評估裝置，其中，所述裝置包括：
14.根據權利要求13所述的裝置，其中，所述預測模塊，還包括：
15.根據權利要求14所述的裝置，其中，所述預測模塊，還包括：
16.根據權利要求14所述的裝置，其中，所述預測模塊，還包括：
17.根據權利要求13所述的裝置，其中，所述評估模塊，還包括：
18.根據權利要求13所述的裝置，其中，所述第一獲取模塊，還包括：
19.根據權利要求13所述的裝置，其中，所述第二獲取模塊，還包括：
20.根據權利要求13所述的裝置，其中，所述裝置還包括，更新模塊，用于：
21.根據權利要求20所述的裝置，其中，所述更新模塊，還用于：
22.根據權利要求13-21中任一項所述的裝置，其中，所述更新模塊，還用于：
23.根據權利要求22所述的裝置，其中，所述更新模塊，還用于：
24.一種損失參數預測模型的訓練裝置，其中，所述裝置包括：
25.一種電子設備，包括：
26.一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，所述計算機指令用于使所述計算機執行根據權利要求1-11和/或權利要求12中任一項所述的方法。
27.一種計算機程序產品，包括計算機程序，所述計算機程序在被處理器執行時實現根據權利要求1-11和/或權利要求12中任一項所述的方法。
...【技術特征摘要】
1.一種損失處理評估方法，其中，所述方法包括：
2.根據權利要求1所述的方法，其中，所述獲取訓練好的目標損失參數預測模型，并通過所述目標損失參數預測模型獲取所述第一損失事件的第二損失參數，包括：
3.根據權利要求2所述的方法，其中，所述獲取所述第一損失事件所屬的目標損失事件桶，包括：
4.根據權利要求2所述的方法，其中，所述根據所述第一損失事件.所述分桶策略.所述資源損失門限值以及所述第一損失參數，生成所述目標損失參數預測模型的目標輸入數據集，包括：
5.根據權利要求1所述的方法，其中，所述根據所述第一損失參數和所述第二損失參數，獲取所述第一損失事件的第一目標止損評估結果，包括：
6.根據權利要求1所述的方法，其中，所述獲取待評估的第一損失事件以及所述第一損失事件的第一止損策略，包括：
7.根據權利要求1所述的方法，其中，所述獲取所述第一損失事件在所述第一止損策略下的第一損失參數，包括：
8.根據權利要求1所述的方法，其中，所述方法還包括：
9.根據權利要求8所述的方法，其中，所述根據各第二目標止損評估結果，識別所述目標損失事件桶對應的所述第一止損策略是否存在策略更新需求，包括：
10.根據權利要求1-9中任一項所述的方法，其中，所述方法還包括：
11.根據權利要求10所述的方法，其中，所述方法還包括：
12.一種損失參數預測模型的訓練方法，其中...
【專利技術屬性】
技術研發人員：楊方方，郝澤東，
申請(專利權)人：百度時代網絡技術北京有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。