CN119474041A 基于人工智能的业务日志信息处理方法及服务器 （创域智能(常熟)网联科技有限公司）

基于人工智能的业务日志信息处理方法及提供一种基于人工智能的业务日志信息处理方息有助于精准定位可能存在风险或不符合正常2基于所述交互事件识别报告生成所述各个电商业务交互事件的基于所述各个电商业务交互事件的异常模式属性信息提取所述目标应用程序日志中基于所述异常模式属性信息和所述交互事件关联属性信息，判断各个电商业务交互事件的异常模式属性信息提取所述目标应用程序日志中所包含的各个基于所述各个电商业务交互事件的异常模式属性信息，对所述各个基于所述各个电商业务交互事件在所述目标应用程序日志中的个电商业务交互事件的事件实体信息，生成所述目标应用程序日志对应的事件知识关系从所述事件知识关系谱中提取所述交互事件关获取若干个关键属性信息，所述关键属性信息是对历史应用程基于所述各个电商业务交互事件的异常模式属性信息与所述若干个关键属性信息之根据与各个电商业务交互事件的异常模式属性信息之间的差异最小关键属性信息所获取先验电商业务交互事件的数目和所述先验电商业务交互事件的上下游业务交互基于所述先验电商业务交互事件的数目和所述上下游业务交互事件的数目确定关键基于所述关键属性信息的数目，对所述历史应用程序日志中所包含基于所述各个电商业务交互事件在所述目标应用程序日志中的个电商业务交互事件的事件实体信息更新所述各个电商业务交互事件所对应分布特征的3将所述目标应用程序日志中除所述各个电商业务交互事件所对应分布特征以外的语将所述事件知识关系谱输入至事件知识挖掘算法中，所述事件知识将所述若干个特征金字塔分支中至少两个特征金字塔分支的输出分别通过知识特征获取用于对所述事件知识挖掘算法进行调试的训练数据集，所将所述训练数据集输入至所述事件知识挖掘算法，以获得所述事件知基于所述第一异常模式训练信息与所述第二异常模式训练信息之别指标不小于预设指标为调试终止要求，对所述事件知识挖掘算法的算法权重进行优化，基于所述判别指标和所述预设指标生成所述训练数据集对应的将设定数目个训练数据集分别对应的训练误差进行求和，以确定一个调依据所述周期误差优化所述事件知识挖掘算获取多个事件知识关系谱及每个事件知识关系谱对应的交互事件标事件标注清单是按照预设规则对所述事件知识关系谱中所包含电商业务交互事件的事件从所述多个事件知识关系谱中筛选目标事件知识关系谱，基于所述目标事件注清单与所述目标交互事件标注清单相同或者包含了所述目标交互事件标注清单的第一将所述目标事件知识关系谱作为初始应用程序日志、将所述第一事4除所述目标事件知识关系谱及所述第一事件知识关系谱以外的剩余事件知识关系谱作为在所述初始应用程序日志中的业务关联特征没有更新的基础上更新所述初始应用程序日志中的电商业务交互事件或者，基于所述异常模式属性信息和所述交互事件关联属性信互事件关联属性信息与所述指定历史应用程序日志对应的交互事件关联属性信息不满足5用程序日志与应用程序日志池中的历史应用程序日志述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执6[0012]图2是本发明实施例示出的一种基于人工智能的业务日志信息处理方法的流程示[0014]图1为本发明实施例提供的业务日志信息处理服务器10的结构示意图，包括处理发明实施例的基于人工智能的业务日志信息个典型的电商应用程序日志为例，其中可能包含了用户在某个时间段内的一系列操作记7息的生成是基于对电商业务交互事件正常模式的理解和对可能出现异常情况的判断。仍以上述电商业务交互事件为例，在正常情况下，下单操作通常会在商品添加到购物车之后进任何折扣或优惠标识这也可能是异常模式。业务日志信息处理服务器会通过对大量正常将交互事件识别报告中的各个交互事件与这个正常模式模型或规则集进行对比，从而确定每个交互事件是否存在异常模式属性。例如，服务器可能会发现某个用户在极短的时间内商业务交互事件生成了异常模式属性信息，这些信息有助于进一步分析和处理目标应用程序日志。信息提取所述目标应用程序日志中所包含的各个电商业务交互事件之间的业务关联标签，属性信息提取目标应用程序日志中所包含的各个电商业务交互事件之间的业务关联标签，单金额与购物车中商品总金额不匹配那么服务器就会为这两个交互事件之间标记一个属性信息，判断所述目标应用程序日志与应用程序日志池中的历史应用程序日志是否匹8志信息处理服务器会将目标应用程序日志中的异常模式属性信息和交互事件关联属性信历史应用程序日志中很少或者几乎没有出现与目标应用程序日志中类似的异常模式和交配判断有助于业务日志信息处理服务器进一步确定目标应用程序日志中的异常情况是否[0024]业务日志信息处理服务器通过S101_S104的操作，能够有效地对目标应用程序日[0027]随着用户操作的进行，9：05时用户登录了账号，服务器通过查找日志中包含9模式属性信息提取目标应用程序日志中所包含的各个电商业务交互事件之间的业务关联如添加的商品数量是1000件，远远超出了正常的购买限制（标记为“购物车商品数量异[0037]通过对整个目标应用程序日志中所有电商业务交互事件之间关系的这种分析和[0039]应用程序日志池中的历史应用程序日志包含了过去众多用户的电商业务操作记动期间，出现了频繁登录异常（每天登录次数超过10次并且伴随着大量浏览高价值商品量浏览高价值商品（在45分钟内浏览了60个高价值商品并且下单率极低的情况时，业务日志信息处理服务器就会认为目标应用程序日志与历史应用程序日志在一定程度上是匹配的。述各个电商业务交互事件进行知识实体转换，得到各个电商业务交互事件的事件实体信个电商业务交互事件的事件实体信息，生成所述目标应用程序日志对应的事件知识关系取目标应用程序日志中各个电商业务交互事件之间的业务关联标签以得到交互事件关联[0052]在接下来的设计思路中，基于所述各个电商业务交互事[0053]在上述设计思路的基础上，所述基于人工智能的业获取先验电商业务交互事件的数目和所述先验电商业务交互事件的上下游业务交互事件所述先验电商业务交互事件的数目和所述上下游业务交互事件的数目确定关键属性信息异常模式属性信息进行知识实体转换以得到事件实体信息的过程有着严谨的逻辑和具体律的深入理解确定关键属性信息的数目为30个。[0057]在得到这些关键属性信息之后，针对各个电商业务交互事件的异常模式属性信联属性信息等操作提供了可靠的基础，有助于整体提升业务日志信息处理的质量和效率，布特征以及各个电商业务交互事件的事件实体信息来生成目标应用程序日志对应的事件电商业务交互事件的事件实体信息更新各个电商业务交互事件所对应分布特征的语义变先于浏览事件发生，这是一种分布特征。例如登录事件的事件实体信息包含登录时间为完成，那么这个时间间隔的语义变量可能被更新为“新用户下单低额服装类商品到支付的[0065]通过这样的方式构建的事件知识关系谱，是一个全面且具有丰富语义信息的结[0066]可见，通过利用各个电商业务交互事件的事件实体信息更新分布特征的语义变练日志的第二异常模式训练信息和针对所述第一应用程序训练日志的第三异常模式训练一差异与所述第二差异确定判别指标；以所述判别指标不小于预设指标为调试终止要求，[0071]从事件知识关系谱中提取交互事件关联属性信息是整个流程中的重要环节。首发物流查询其语义关联强度可能被量化为0.1。[0075]当要将若干个特征金字塔分支中至少两个特征金字塔分支的输出分别通过知识特征下采样处理之后进行集成以得到交互事件关联属性信息时，这个过程需要细致的操版本更新后出现的频繁登录失败但浏览正常的情况，其特征向量数值可能为[0.8，0.1，的周期误差。如果设定数目为10个，每个训练数据集对应的训练误差分别为0.0036、样集成操作来提取交互事件关联属性信息，能够深度挖掘事件知识关系谱中的隐藏信息，[0088]在上述技术思路的基础上，所述基于人工智能的业标注清单是按照预设规则对所述事件知识关系谱中所包含电商业务交互事件的事件实体检索所对应的交互事件标注清单与所述目标交互事件标注清单相同或者包含了所述目标系谱以外的剩余事件知识关系谱作为所述目标事件知识关系谱对应的第二应用程序训练[0090]首先，获取多个事件知识关系谱及每个事件知识关系谱对应的交互事件标注清业务交互事件的事件实体信息进行优先级整理得到的。以电商业务中的订单处理流程为中检索所对应的交互事件标注清单与目标交互事件标注清单相同或者包含了目标交互事事件标注清单中除了包含与目标交互事件标注清单相同的下单和支付事件的特征向量数件知识关系谱及第一事件知识关系谱以外的剩余事件知识关系谱作为目标事件知识关系识关系谱及其交互事件标注清单之间的关系，使得训练数据集具有一定的针对性和代表基于人工智能的业务日志信息处理方法在处理不同类型业务日志时的准确性和泛化能力，[0095]基于上述技术思路，获取用于对所述事件知识挖掘算法[0099]初始应用程序日志包含了众多电商业务交互事件以及它们之间的业务关联特征录与商品浏览之间的关联强度可能被量化为0.6，表示在一定程度上登录后进行浏览的可能性。[0100]在业务关联特征没有更新的基础上对初始应用程序日志进行调整得到第一应用掘算法在面对相似业务关联但交互事件数值特征有变[0104]通过在业务关联特征不变的情况下调整初始应用程序日志得到第一应用程序训性信息，判断所述目标应用程序日志与应用程序日志池中的历史应用程序日志是否匹配，[0108]先看如果异常模式属性信息与指定历史应用程序日志对应的异常模式属性信息属性信息满足对应性条件，则确定目标应用程序日志与指定历史应用程序日志匹配的情数值上看，两者在下单金额过高以及下单金额与商品价值不符这两个因素上具有相似性，[0111]再看如果异常模式属性信息与指定历史应用程序日志对应的异常模式属性信息商品等因素而在指定历史应用程序日志中商品浏览事件对应的异常模式属性信息的特[0114]通过精确地对比目标应用程序日志和历史应用程序日志的异常模式属性信息和交互事件关联属性信息，能够准确地识别目标应用程序日志中的情况是否是历史上已有信息处理方法还包括：如果检测到有历史应用程序日志需容灾到所述应用程序日志池中，事件对应的异常模式属性信息提取所述历史应用程序日志中所