CN111755086B 数据异常检测方法及装置 （平安科技（深圳）有限公司）

道福安社区益田路5033号平安金融中将临床检验数据集作为预设相似度排序模型的2从所述临床数据集中获取多组临床数据，其中，所述多组临床数据从所述检验知识集中获取多组检验知识，其中，所述多组检验知识中任意依据所述多组临床数据与所述多组检验知识按相似度生成临床检将所述多组临床数据作为预设相似度排序模型的第一注意将所述多组检验知识作为所述预设相似度排序模型的第二注意从所述第一注意力层获取所述多组临床数据的临床特征比重向量，从所将所述临床特征比重向量和所述知识特征比重向量输入所述预基于所述嵌入向量对所述预设相似度排序模型进行训练，得到训练好的接收待检数据，将所述待检数据输入到所述训练好的目标相似从所述多组临床数据中获取任意一组临床数据作为目标临床数据，计算获取所述多个杰卡德相似度中的最大值对应的检验知识获取预设杰卡德计算公式，获取所述多组检验知识中任意一按照从大到小的规则对所述相似度矩阵中包含的相似度进行排序，得3获取所述待检数据对应的临床检验结论，判断所述临床检验结论是否包含所述k个检若所述临床检验结论包含所述k个检验知识，判断所述临床检验结论若所述临床检验结论不包含所述k个检验知识中任意一个检验知识，确定所述临床检所述接收单元，用于接收临床数据集和检验知识集，从所述临床数据集所述训练单元，用于将所述多组临床数据作为预设相似度排序模型入所述预设相似度排序模型，得到所述多组临床数据和所述多组检验知识对应的嵌入向所述判断单元，用于接收待检数据，将所述待检数据输入到所述训练好8.一种计算机可读存储介质，其特征在于，456[0028]为了能够更好地理解本申请实施例，下面将对应用本申请实施例的方法进行介[0030]请参见图1A，图1A是本申请实施例提供的一种数据异常式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链7成所述目标临床数据与所述目标检验知识的映射关系作为临床检验数据，重复上述步骤，相同检验检查的个数与两组数据(目标临床数据A与检验知识B)不重复元素个数的商；如8示所述多组临床数据和所述多组检验知识的[0060]具体实现中，服务器可将多组临床数据(例如X1＝(A1i,B1i,E1i,G1i,值，第一向量中任意一个向量元素的取值表示基于DNN的相似度排序模型对任意一个向量[0061]进一步地，可将多组检验知识(例如X2＝(A2i,B2i,E2i,G2i,F29如可选取前5个相似度对应的检验知识作为下述临床检验结论是否处于异常状态的评判标结论不包含k个检验知识中任意一个检验知识，确定该临床检验结论处于异常状态中的漏[0094]207、将所述临床特征比重向量和所述知识特征比重向量输入所述预设相似度排表示所述多组临床数据和所述多组检验知识[0097]其中，上述步骤201-步骤209所描述的数据异常检测方法可参考图1A所描述的数[0106]其中，上述步骤301-步骤306所描述的数据异常检测方法可参考图1A所描述的数目标相似度排序模型确定待检数据对应的相似度靠前的k个检验知识，并通过多个检验知识与上述待检数据对应的临床检验结论进行对比，以判断该临床检验结论是否为异常状[0126]将所述临床特征比重向量和所述知识特征比重向量输入所述预设相似度排序模[0131]确定所述目标相似度矩阵的前k个相似度，得到所述k个相似度对应的k个检验知[0133]获取所述待检数据对应的临床检验结论，判断所述临床检验结论是否包含所述k[0135]若所述临床检验结论不包含所述k个检验知识中任意一个检验知识，确定所述临对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元[0140]所述训练单元502，用于将所述临床检验数据集作为预设相似度排序模型的训练识与上述待检数据对应的临床检验结论进行对比，以判断该临床检验结论是否为异常状[0156]将所述临床特征比重向量和所述知识特征比重向量输入所述预设相似度排序模[0161]确定所述目标相似度矩阵的前k个相似度，得到所述k个相似度对应的k个检验知[0163]获取所述待检数据对应的临床检验结论，判断所述临床检验结论是否包含所述k[0165]若所述临床检验结论不包含所述k个检验知识中任意一个检验知识，确定所述临法实施例中记载的任何一种数据异常检测方法的部分或全的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，[0173]所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体[0174]本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思