基于时序关联的传导路径分析方法、装置、设备及介质与流程
本发明涉及智能决策,尤其涉及一种基于时序关联的传导路径分析方法、装置、设备及介质。
背景技术:
1、现有异常分析技术通常针对单一对象的状态变化进行独立判断,难以同时反映多个对象之间随时间变化的关联关系。当异常状态由多个关联对象逐步传导形成时,现有技术往往只能识别当前出现异常的对象,难以沿对象之间的时序关联关系追溯异常的传导过程,导致异常传导路径及其起始原因难以确定。
2、在金融科技业务领域,财务科目、账户、交易事项和业务事件之间通常存在连续的关联关系,某一科目的异常波动可能由其他关联科目或业务事件逐步传导形成。现有财务异常分析方式多依据单一科目的余额变化或预设阈值进行判断,难以反映不同科目之间随时间变化的关联强度,因此在出现跨科目异常传导时,难以从大量关联科目和业务事件中识别异常传导路径并定位异常源头。
3、在医疗健康业务领域,生命体征、检验指标、诊疗行为和用药事件之间同样存在连续的时序关联关系,某一异常指标可能由其他健康状态变化或诊疗事件逐步影响形成。现有异常监测方式通常分别判断单项指标是否出现异常,难以反映不同健康状态数据及诊疗事件之间的动态关联,因此在复杂异常状态出现时,难以追溯异常状态的传导路径并确定异常起始原因。
技术实现思路
1、本发明的主要目的在于提供一种基于时序关联的传导路径分析方法、装置、设备及存储介质,旨在解决现有技术难以基于多对象之间随时间变化的关联关系对异常影响进行连续追溯,导致异常传导路径及异常源头难以准确确定的技术问题。
2、为实现上述目的,本发明提供一种基于时序关联的传导路径分析方法,包括:
3、获取节点状态序列、节点关联信息和关联事件信息,基于所述节点状态序列、所述节点关联信息和所述关联事件信息构建包含实体节点、事件节点和关联边的时序关联图谱;
4、基于滑动窗口从所述节点状态序列中提取所述实体节点之间的时序关联特征,并基于所述时序关联特征更新所述实体节点之间的关联边权重,生成动态时序关联图谱;
5、提取所述节点状态序列的时间信息,将所述时间信息融入图注意力网络,得到时间感知图注意力网络,并基于所述时间感知图注意力网络处理所述动态时序关联图谱,生成异常节点和图注意力权重数据;
6、基于所述异常节点和所述图注意力权重数据在所述动态时序关联图谱中进行逆向关联追溯,生成异常传导路径;
7、获取历史正常状态序列和异常模式库,从所述节点状态序列中提取当前节点状态序列,基于所述历史正常状态序列和所述当前节点状态序列进行对比学习处理,生成异常表征数据,并基于所述异常表征数据和所述异常模式库进行异常模式分析,生成未知异常模式;
8、基于所述异常传导路径从所述动态时序关联图谱中提取目标事件节点,并基于所述异常节点、所述异常传导路径、所述目标事件节点和所述未知异常模式进行分阶段根因推理,生成可解释性分析报告。
9、进一步地,为实现上述目的,本发明提供一种基于时序关联的传导路径分析装置,包括:
10、图谱构建模块,用于获取节点状态序列、节点关联信息和关联事件信息,基于所述节点状态序列、所述节点关联信息和所述关联事件信息构建包含实体节点、事件节点和关联边的时序关联图谱;
11、权重更新模块,用于基于滑动窗口从所述节点状态序列中提取所述实体节点之间的时序关联特征,并基于所述时序关联特征更新所述实体节点之间的关联边权重,生成动态时序关联图谱;
12、图注意力分析模块,用于提取所述节点状态序列的时间信息,将所述时间信息融入图注意力网络,得到时间感知图注意力网络,并基于所述时间感知图注意力网络处理所述动态时序关联图谱,生成异常节点和图注意力权重数据;
13、路径追溯模块,用于基于所述异常节点和所述图注意力权重数据在所述动态时序关联图谱中进行逆向关联追溯,生成异常传导路径;
14、异常模式发现模块,用于获取历史正常状态序列和异常模式库,从所述节点状态序列中提取当前节点状态序列,基于所述历史正常状态序列和所述当前节点状态序列进行对比学习处理,生成异常表征数据,并基于所述异常表征数据和所述异常模式库进行异常模式分析,生成未知异常模式;
15、根因推理模块,用于基于所述异常传导路径从所述动态时序关联图谱中提取目标事件节点,并基于所述异常节点、所述异常传导路径、所述目标事件节点和所述未知异常模式进行分阶段根因推理,生成可解释性分析报告。
16、进一步地,为实现上述目的,本发明还提供一种计算机设备,所述计算机设备包括存储器、处理器以及存储至所述存储器上并可在所述处理器上运行的基于时序关联的传导路径分析程序,所述基于时序关联的传导路径分析程序被所述处理器执行时实现如上述所述的基于时序关联的传导路径分析方法的步骤。
17、进一步地,为实现上述目的,本发明还提供一种计算机可读存储介质,所述存储介质上存储有基于时序关联的传导路径分析程序,所述基于时序关联的传导路径分析程序被处理器执行时实现如上所述的基于时序关联的传导路径分析方法的步骤。
18、有益效果:本发明涉及智能决策技术领域,公开了一种基于时序关联的传导路径分析方法、装置、设备及介质,包括:获取节点状态序列、节点关联信息和关联事件信息,构建时序关联图谱;基于滑动窗口更新关联边权重,生成动态时序关联图谱;将时间信息融入图注意力网络,生成异常节点和图注意力权重数据;基于异常节点和图注意力权重数据生成异常传导路径;通过对比学习和异常模式分析生成未知异常模式;结合异常传导路径、目标事件节点和未知异常模式进行分阶段根因推理,生成可解释性分析报告。本发明可应用于金融科技及医疗健康等业务场景中,通过动态表征实体节点之间随时间变化的关联关系,并利用图注意力权重进行逆向关联追溯,能够识别异常传导路径;结合未知异常模式和关联事件进行分阶段根因推理,从而提高异常源头分析的准确性和结果的可解释性。
1.一种基于时序关联的传导路径分析方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于时序关联的传导路径分析方法,其特征在于,获取节点状态序列、节点关联信息和关联事件信息,基于所述节点状态序列、所述节点关联信息和所述关联事件信息构建包含实体节点、事件节点和关联边的时序关联图谱,包括:
3.如权利要求1所述的基于时序关联的传导路径分析方法,其特征在于,基于滑动窗口从所述节点状态序列中提取所述实体节点之间的时序关联特征,并基于所述时序关联特征更新所述实体节点之间的关联边权重,生成动态时序关联图谱,包括:
4.如权利要求1所述的基于时序关联的传导路径分析方法,其特征在于,提取所述节点状态序列的时间信息,将所述时间信息融入图注意力网络,得到时间感知图注意力网络,并基于所述时间感知图注意力网络处理所述动态时序关联图谱,生成异常节点和图注意力权重数据,包括:
5.如权利要求1所述的基于时序关联的传导路径分析方法,其特征在于,基于所述异常节点和所述图注意力权重数据在所述动态时序关联图谱中进行逆向关联追溯,生成异常传导路径,包括:
6.如权利要求1所述的基于时序关联的传导路径分析方法,其特征在于,获取历史正常状态序列和异常模式库,从所述节点状态序列中提取当前节点状态序列,基于所述历史正常状态序列和所述当前节点状态序列进行对比学习处理,生成异常表征数据,并基于所述异常表征数据和所述异常模式库进行异常模式分析,生成未知异常模式,包括:
7.如权利要求1所述的基于时序关联的传导路径分析方法,其特征在于,基于所述异常传导路径从所述动态时序关联图谱中提取目标事件节点,并基于所述异常节点、所述异常传导路径、所述目标事件节点和所述未知异常模式进行分阶段根因推理,生成可解释性分析报告,包括:
8.一种基于时序关联的传导路径分析装置,其特征在于,所述基于时序关联的传导路径分析装置包括:
9.一种计算机设备,其特征在于,所述计算机设备包括存储器、处理器以及存储至所述存储器上并可以在所述处理器上运行的基于时序关联的传导路径分析程序,所述基于时序关联的传导路径分析程序被所述处理器执行时实现如权利要求1-7中任一项所述的基于时序关联的传导路径分析方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有基于时序关联的传导路径分析程序,所述基于时序关联的传导路径分析程序被处理器执行时实现如权利要求1-7中任一项所述的基于时序关联的传导路径分析方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com