【技術實現步驟摘要】
本專利技術涉及計算機，尤其是一種異常業務分析方法、裝置及電子設備。
技術介紹
1、目前，越來越多的業務平臺能夠提供豐富的業務服務，例如：社交業務平臺能夠提供社交業務服務；電子商務業務平臺能夠提供電子商務業務服務，等等。但是，對象在使用不同業務場景下的業務平臺時，會遇到不同的平臺問題，而這些分別處于不同業務平臺的問題通常是跨領域的，很難通過一個公用的日志分析模型來覆蓋所有業務平臺，以實現對所有平臺問題的異常分析以及解答。因此，相關技術通常需要由人工對相關問題進行收集分類，然后基于不同業務平臺訓練的不同日志分析模型進行后續識別，導致效率低且單個模型的適用范圍小、通用性較差。
技術實現思路
1、有鑒于此，本專利技術實施例提供一種異常業務分析方法、裝置及電子設備，能夠實現多場景下的問題分析，提高了分析效率以及適用性。
2、本專利技術實施例的一方面提供了一種異常業務分析方法，包括：
3、獲取待分析的異常信息集合，并生成異常信息集合中各個異常信息對應的描述性語言；
4、將描述性語言輸入預訓練得到的語言模型進行場景識別，確定每個描述性語言對應的第一場景信息；
5、根據第一場景信息確定對應的場景日志需求；
6、根據場景日志需求從對應的業務平臺獲取日志信息，并根據日志信息確定異常信息在對應業務場景下的異常分析結果。
7、本專利技術實施例的另一方面提供了一種異常業務分析裝置，包括：
8、第一模塊，用于獲取待分析的異常信
9、第二模塊，用于將描述性語言輸入預訓練得到的語言模型進行場景識別，確定每個描述性語言對應的第一場景信息；
10、第三模塊，用于根據第一場景信息確定對應的場景日志需求；
11、第四模塊，用于根據場景日志需求從對應的業務平臺獲取日志信息，并根據日志信息確定異常信息在對應業務場景下的異常分析結果。
12、可選地，上述第一模塊具體用于：
13、響應于各個業務平臺的問題反饋請求，觸發問題反饋請求對應的網絡鉤子，以通過網絡鉤子從問題反饋請求所屬的各個業務平臺中獲取異常信息；其中，異常信息用于表征各個業務平臺發生異常問題時的實時數據；
14、收集各個業務平臺在解決平臺問題時的歷史解決方案；
15、生成異常信息和歷史解決方案的描述性語言。
16、可選地，上述第一模塊具體還用于：
17、對各個業務平臺中獲取的異常信息進行關鍵信息提取；
18、計算同時出現相同關鍵信息的業務平臺的異常平臺數量；
19、當異常平臺數量滿足聚集性反饋的閾值條件時，將各個業務平臺的異常信息進行匯總，得到聚集性反饋信息。
20、可選地，上述第二模塊具體用于：
21、將選定的多個場景名字與每個場景名字所對應的場景描述詞進行映射關聯，構建場景映射表；
22、通過語言模型對描述性語言集合中各個描述性語言進行識別轉換，得到描述性語言的關鍵詞；
23、根據關鍵詞與場景映射表中的各個場景描述詞之間的關聯程度，確定每個描述性語言對應的一個或多個候選場景名字，作為第一場景信息。
24、可選地，上述第二模塊具體用于：
25、收集用于解決業務異常的經驗文檔，并對所述經驗文檔進行數據清洗；
26、將數據清洗后的經驗文檔輸入語言模型，得到滿足預設格式要求的問答數據集；
27、對問答數據集進行數據過濾以及格式化處理，構建預訓練數據集；
28、根據預訓練數據集對語言模型進行參數調整，向語言模型中加入經驗文檔的信息。
29、可選地，上述第三模塊具體用于：
30、根據第一場景信息從場景映射表中確定一個或多個場景標識；
31、將從第一場景信息中確定得到的場景標識對應的各個場景日志需求進行匯總；
32、其中，場景日志需求用于表征各個業務平臺所要收集的日志信息。
33、可選地，上述第四模塊具體用于：：
34、根據場景日志需求從對應的業務平臺獲取日志信息；其中，日志信息包括日志收集時間戳、業務對象賬號和異常日志段；
35、根據預設的分析腳本對日志信息的異常日志段進行正則匹配，確定目標日志行；
36、根據異常分析庫的經驗數據對目標日志行進行異常分析，確定對應業務場景下的異常分析結果。
37、可選地，上述第四模塊具體還用于：
38、在通用場景下，對目標日志行進行信息提取，得到業務平臺版本信息和業務對象賬號，以確定業務對象在通用場景下的異常分析結果；
39、在音視頻使用場景下，對目標日志行進行信息提取，得到業務對象的界面操作信息、音頻設備故障信息，以確定業務對象在音視頻使用場景下的異常分析結果；
40、在共享畫面觀看場景下，對目標日志行進行信息提取，得到共享操作信息、業務對象的虛擬位置信息，以確定業務對象在共享畫面觀看場景下的異常分析結果。
41、可選地，異常業務分析裝置還包括第五模塊，第五模塊具體用于：
42、將異常信息集合中各個異常信息對應的描述性語言進行向量化處理，得到問題向量；
43、將解決異常的經驗文檔進行向量化處理，得到經驗向量集合；
44、根據經驗向量集合對問題向量進行向量匹配，獲取近似度高于目標閾值的多個經驗向量作為問題向量的上下文信息；
45、將問題向量和上下文信息組合后生成異常信息對應的描述性語言。
46、可選地，上述將異常信息集合中各個異常信息對應的描述性語言進行向量化處理，得到問題向量，具體包括：
47、根據預設的字段集合，對所述描述性語言中的處于所述字段集合的各個字段進行序列化處理，得到結構化的描述性語言；
48、對每個字段進行分塊處理，得到多個子塊的塊值；
49、根據各個子塊的塊值確定當前字段的峰值塊，并獲取峰值塊的字符串；
50、對峰值塊的字符串進行關鍵詞提取，并用提取到的關鍵詞對字符串中各個分詞的使用頻率進行壓縮，得到歸一化后的字符串；
51、根據歸一化后的字符串對結構化的描述性語言進行更新；
52、對更新后的結構化的描述性語言進行向量化處理后，得到問題向量。
53、可選地，異常業務分析裝置還包括第六模塊，第六模塊具體用于：
54、對異常分析結果進行結構拆分，確定異常分析結果中的多個信息組成要素；
55、將各個信息組成要素進行映射，得到異常分析結果對應的描述性語言。
56、可選地，異常業務分析裝置還包括第七模塊，第七模塊具體用于：
57、并行獲取多個業務場景下的異常分析結果；
58、根據各個異常分析結果的時間戳信息，對各本文檔來自技高網...
【技術保護點】
1.一種異常業務分析方法，其特征在于，包括：
2.根據權利要求1所述的異常業務分析方法，其特征在于，所述獲取待分析的異常信息集合，并生成所述異常信息集合中各個異常信息對應的描述性語言，包括：
3.根據權利要求2所述的異常業務分析方法，其特征在于，所述獲取待分析的異常信息集合的步驟中，還包括：
4.根據權利要求1所述的異常業務分析方法，其特征在于，所述將所述描述性語言輸入預訓練得到的語言模型進行場景識別，確定每個所述描述性語言對應的第一場景信息，包括：
5.根據權利要求4所述的異常業務分析方法，其特征在于，所述將所述描述性語言輸入預訓練得到的語言模型進行場景識別，確定每個所述描述性語言對應的第一場景信息，還包括：
6.根據權利要求4所述的異常業務分析方法，其特征在于，所述場景映射表中每個場景對應配置一個場景標識，每個所述場景標識配置有對應的場景日志需求，所述根據所述第一場景信息確定對應的場景日志需求，包括：
7.根據權利要求1所述的異常業務分析方法，其特征在于，所述根據所述場景日志需求從各個所述業務平臺獲取對應
8.根據權利要求7所述的異常業務分析方法，其特征在于，所述業務場景包括通用場景、音視頻使用場景或共享畫面觀看場景，所述根據異常分析庫的經驗數據對所述目標日志行進行異常分析，確定對應業務場景下的異常分析結果，還包括：
9.根據權利要求1-8任一項所述的異常業務分析方法，其特征在于，所述方法還包括：
10.根據權利要求9所述的異常業務分析方法，其特征在于，所述將所述異常信息集合中各個異常信息對應的描述性語言進行向量化處理，得到問題向量，包括：
11.根據權利要求1-10任一項所述的異常業務分析方法，其特征在于，所述方法還包括：
12.根據權利要求1-10任一項所述的異常業務分析方法，其特征在于，所述根據所述場景日志需求從對應的所述業務平臺獲取日志信息，還包括：
13.根據權利要求1-10任一項所述的異常業務分析方法，其特征在于，所述方法還包括：
14.根據權利要求13所述的異常業務分析方法，其特征在于，所述方法還包括對所述場景標簽模板庫進行更新的步驟，該步驟包括：
15.一種異常業務分析裝置，其特征在于，包括：
...【技術特征摘要】
1.一種異常業務分析方法，其特征在于，包括：
2.根據權利要求1所述的異常業務分析方法，其特征在于，所述獲取待分析的異常信息集合，并生成所述異常信息集合中各個異常信息對應的描述性語言，包括：
3.根據權利要求2所述的異常業務分析方法，其特征在于，所述獲取待分析的異常信息集合的步驟中，還包括：
4.根據權利要求1所述的異常業務分析方法，其特征在于，所述將所述描述性語言輸入預訓練得到的語言模型進行場景識別，確定每個所述描述性語言對應的第一場景信息，包括：
5.根據權利要求4所述的異常業務分析方法，其特征在于，所述將所述描述性語言輸入預訓練得到的語言模型進行場景識別，確定每個所述描述性語言對應的第一場景信息，還包括：
6.根據權利要求4所述的異常業務分析方法，其特征在于，所述場景映射表中每個場景對應配置一個場景標識，每個所述場景標識配置有對應的場景日志需求，所述根據所述第一場景信息確定對應的場景日志需求，包括：
7.根據權利要求1所述的異常業務分析方法，其特征在于，所述根據所述場景日志需求從各個所述業務平臺獲取對應的日志信息，并根據所述日志信息確定所述異常信息在對應業...
【專利技術屬性】
技術研發人員：黃輝煌，劉濤，劉豐富，
申請(專利權)人：騰訊科技深圳有限公司，
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。