一種事件告警方法、裝置、終端設備及存儲介質與流程

本技術屬于數據處理，尤其涉及一種事件告警方法、裝置、終端設備及存儲介質。

背景技術：

1、隨著深度學習算法的發展，機器學習模型得到不斷的優化和迭代，使得模型能夠理解和分析人們的行為事件，進而能夠對不同領域的行為事件進行智能化管理，如智能城市領域、工業生產領域等領域。

2、目前，可采用統計模型分析行為事件并對需要優先處理的行為事件進行告警。然而，由于行為事件往往是與其它一系列的行為事件相關聯的，而統計模型難以結合與其它行為事件之間的關聯性進行分析，存在告警的準確性較低的問題。而且，行為事件具有非結構化、事件復雜等特點，還需依賴人工對行為事件的優先程度進行判斷，以對需要優先處理的行為事件進行告警，存在告警效率低下的問題。

技術實現思路

1、本技術實施例提供一種事件告警方法、裝置、終端設備及存儲介質，旨在解決現有的目標事件的處理和告警依賴人工進行判斷，存在告警效率低下的問題。

2、第一方面，本技術實施例提供一種事件告警方法，所述方法包括：

3、獲取目標事件的第一事件數據；

4、根據所述第一事件數據確定與所述目標事件對應的事件流，并將所述目標事件融合至與所述目標事件對應的事件流中，得到目標事件流；

5、確定所述目標事件流中每個事件的事件特征，并根據所述目標事件流中每個事件的事件特征計算所述目標事件流的融合特征；

6、在根據所述融合特征確定所述目標事件流為高危事件流的情況下，觸發高危事件告警。

7、在上述第一方面的一種可能實現方式中，在所述獲取目標事件的第一事件數據之前，還包括：

8、根據歷史事件的第二事件數據，確定所述歷史事件中的訴求主體信息，并生成所述歷史事件的訴求類別信息；

9、計算每兩個所述第二事件數據之間的語義相似度；

10、根據所述訴求主體信息、所述訴求類別信息以及所述語義相似度對所述歷史事件進行分類，得到至少一個事件流。

11、在上述第一方面的一種可能實現方式中，所述根據所述目標事件流中每個事件的事件特征計算所述目標事件流的融合特征，包括：

12、提取所述目標事件流中每個所述事件的事件特征，并確定每個所述事件的事件特征對應的事件特征權重；其中，不同的事件特征對應不同的事件特征權重；

13、確定所述目標事件流中每個所述事件的時間衰減系數；

14、根據所述事件特征權重以及所述時間衰減系數，計算所述目標事件流的融合特征。

15、在上述第一方面的一種可能實現方式中，在所述事件特征包括語氣特征的情況下，所述提取所述目標事件流中每個所述事件的事件特征，包括：

16、提取所述目標事件流中每個所述事件的語氣文本描述；

17、根據所述語氣文本描述，生成所述每個所述事件對應的情緒系數，并基于所述情緒系數，生成每個所述事件的語氣特征。

18、在上述第一方面的一種可能實現方式中，在所述根據所述目標事件流中每個事件的事件特征計算所述目標事件流的融合特征之前，還包括：

19、獲取歷史高危事件對應的樣本數據以及歷史非高危事件對應的樣本數據；

20、構建初始檢測模型；其中，所述初始檢測模型的模型參數包括初始時間衰減系數以及初始事件特征權重；

21、根據所述樣本數據對所述初始檢測模型進行訓練，得到目標檢測模型，以基于所述目標檢測模型執行所述根據所述目標事件流中每個事件的事件特征計算所述目標事件流的融合特征的步驟；其中，所述目標檢測模型的模型參數包括目標時間衰減系數以及目標事件特征權重。

22、在上述第一方面的一種可能實現方式中，所述根據所述樣本數據對所述初始檢測模型進行訓練，得到目標檢測模型，包括：

23、根據所述樣本數據，生成所述樣本數據對應的樣本特征，并將所述樣本特征輸入至所述初始檢測模型中，得到與所述樣本數據對應的檢測結果；

24、確定所述檢測結果與高危事件之間的事件損失信息，在所述事件損失信息大于或等于損失閾值的情況下，基于所述事件損失信息更新所述初始時間衰減系數以及所述初始事件特征權重，并根據更新后的初始事件特征權重以及更新后的初始時間衰減系數重復執行所述得到與所述樣本數據對應的檢測結果的步驟，直至所述事件損失信息小于所述損失閾值；

25、在所述事件損失信息小于所述損失閾值的情況下，確定訓練后的初始檢測模型為目標預警模型。

26、在上述第一方面的一種可能實現方式中，所述在根據所述融合特征確定所述目標事件流為高危事件流的情況下，觸發高危事件告警，包括：

27、將所述融合特征輸入至所述目標檢測模型，得到所述目標事件流的緊急程度信息；

28、在所述緊急程度信息滿足預設的告警條件的情況下，確定所述目標事件流為高危事件流，并生成針對高危事件的告警信息，以基于所述告警信息進行告警；其中，所述告警信息包括目標事件列表，所述目標事件列表包括所述目標事件流中所有事件。

29、在上述第一方面的一種可能實現方式中，在所述根據所述第一事件數據確定與所述目標事件對應的事件流之前，還包括：

30、根據所述第一事件數據，識別所述目標事件的事件特征；

31、確定每個所述目標事件的事件特征的告警相關性，根據所述告警相關性對所述第一事件數據進行篩選，得到篩選后的第一事件數據，以基于篩選后的第一事件數據執行所述根據所述第一事件數據確定與所述目標事件對應的事件流的步驟。

32、第二方面，本技術實施例提供一種事件告警裝置，所述裝置包括：

33、獲取模塊，用于獲取目標事件的第一事件數據；

34、確定模塊，用于根據所述第一事件數據確定與所述目標事件對應的事件流，并將所述目標事件融合至與所述目標事件對應的事件流中，得到目標事件流；

35、融合模塊，用于確定所述目標事件流中每個事件的事件特征，并根據所述目標事件流中每個事件的事件特征計算所述目標事件流的融合特征；

36、告警模塊，用于在根據所述融合特征確定所述目標事件流為高危事件流的情況下，觸發高危事件告警。

37、第三方面，本技術實施例提供一種終端設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如上述第一方面提供的所述事件告警方法。

38、第四方面，本技術實施例提供一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現如上述第一方面提供的所述事件告警方法。

39、可以理解的是，上述第二方面至第四方面的有益效果可以參見上述第一方面中的相關描述，在此不再贅述。

40、本技術實施例與現有技術相比存在的有益效果是：

41、在本技術實施例中，通過獲取目標事件的第一事件數據，根據第一事件數據確定與目標事件對應的事件流，并將目標事件融合至與目標事件對應的事件流中，得到目標事件流，確定目標事件流中每個事件的事件特征，并根據目標事件流中每個事件的事件特征計算目標事件流的融合特征，進而能夠在根據融合特征確定目標事件流為高危事件流的情況下，觸發高危事件告警，無需依賴人工判斷，提高了告警的效率，而且，還能結合目標事件流中的事件進行告警，提高了告警的準確性。