一种异常算法的识别方法及设备与流程

本发明属于数据处理技术领域，尤其涉及一种异常算法的识别方法及设备。

背景技术：

随着产品数量的不断增加，每个产品具有对应的计费算法，而计费算法内包含有与用户相关的自定义项，随着用户属性的增加，产品的计费算法也趋向复杂化，开发人员不仅需要为每个产品配置对应的计费算法，还需要根据用户属性的不同，调整计费算法内的自定义参量生成与用户相匹配的计费模型。现有的产品管理技术，由于计费算法较为复杂，主要依靠管理员定期对产品的算法进行验证，判断各个数据库内目标产品的计费结果是否与预期结果吻合，上述方式依赖人为对数据库内的产品数据进行抽检，该方式检测效率较低，且消耗大量的人力成本，提高了异常算法的检测难度。

技术实现要素：

有鉴于此，本发明实施例提供了一种异常算法的识别方法及设备，以解决现有的产品管理技术，依赖人为对数据库内的产品数据进行抽检，该方式检测效率较低，且消耗大量的人力成本，异常算法的检测难度高的问题。

本发明实施例的第一方面提供了一种异常算法的识别方法，包括：

获取关于待检测的目标产品的测试任务；所述测试任务包括所述目标产品的标准计费算法以及测试场景信息；

从产品数据库中提取与所述测试场景信息匹配的已购产品记录；

解析所述标准计费算法，确定所述标准计费算法包含的输入参量以及输出参量，并根据所述输入参量以及输出参量，生成计费展示页面；

分别从各个已购产品记录中提取各个所述输入参量的参量值，并将所述参量值导入所述标准计费算法，计算各个所述已购产品记录的标准计费信息；

将所述已购产品记录的实际计费信息以及所述标准计费信息导入到所述计费展示页面内的各个输出参量，生成计费比对页面；

根据所述计费比对页面输出关于所述目标产品的线上计费算法的异常识别结果。

本发明实施例的第二方面提供了一种异常算法的识别设备，包括：

测试任务获取单元，用于获取关于待检测的目标产品的测试任务；所述测试任务包括所述目标产品的标准计费算法以及测试场景信息；

已购产品记录获取单元，用于从产品数据库中提取与所述测试场景信息匹配的已购产品记录；

计费展示页面生成单元，用于解析所述标准计费算法，确定所述标准计费算法包含的输入参量以及输出参量，并根据所述输入参量以及输出参量，生成计费展示页面；

标准计费信息计算单元，用于分别从各个已购产品记录中提取各个所述输入参量的参量值，并将所述参量值导入所述标准计费算法，计算各个所述已购产品记录的标准计费信息；

计费比对页面生成单元，用于将所述已购产品记录的实际计费信息以及所述标准计费信息导入到所述计费展示页面内的各个输出参量，生成计费比对页面；

异常识别结果输出单元，用于根据所述计费比对页面输出关于所述目标产品的线上计费算法的异常识别结果。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面的各个步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现第一方面的各个步骤。

实施本发明实施例提供的一种异常算法的识别方法及设备具有以下有益效果：

本发明实施例通过获取用户所需测试的目标产品的测试任务，从产品数据库中提取与测试场景相关的已购产品记录，并通过标准计费算法生成目标产品对应的计费展示页面，根据已购产品记录中的各个输入参量的参量值，计算得到标准计费信息，将标准计费信息以及实际计费信息导入到计费展示页面内，输出计费比对页面，从而能够清晰确定实际计费与标准计费之间是否存在差异，并通过对计费比对页面进行解析，输出关于目标产品的线上计费算法的异常识别结果，实现了自动判断目标产品的线上计费算法的准确性。与现有的产品管理技术相比，根据测试任务自动提取与用户测试需求匹配的已购产品记录，实现了自定义测试任务的目的，提高了测试过程的灵活性，并且在计费比对页面中输出实际计费信息与标准计费信息，方便维护人员比对两者之间的差异，提高了异常识别过程的可读性，并基于计费比对页面输出异常识别结果，实现了自动识别异常算法目的，提高了异常算法的识别效率，以及降低了识别难度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明第一实施例提供的一种异常算法的识别方法的实现流程图；

图2是本发明第二实施例提供的一种异常算法的识别方法s101具体实现流程图；

图3是本发明第三实施例提供的一种异常算法的识别方法s1014具体实现流程图；

图4是本发明第四实施例提供的一种异常算法的识别方法s102具体实现流程图；

图5是本发明第五实施例提供的一种异常算法的识别方法s106具体实现流程图；

图6是本发明第六实施例提供的一种异常算法的识别方法具体实现流程图；

图7是本发明第七实施例提供的一种异常算法的识别方法s105具体实现流程图；

图8是本发明一实施例提供的一种异常算法的识别设备的结构框图；

图9是本发明另一实施例提供的一种终端设备的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例通过获取用户所需测试的目标产品的测试任务，从产品数据库中提取与测试场景相关的已购产品记录，并通过标准计费算法生成目标产品对应的计费展示页面，根据已购产品记录中的各个输入参量的参量值，计算得到标准计费信息，将标准计费信息以及实际计费信息导入到计费展示页面内，输出计费比对页面，从而能够清晰确定实际计费与标准计费之间是否存在差异，并通过对计费比对页面进行解析，输出关于目标产品的线上计费算法的异常识别结果，实现了自动判断目标产品的线上计费算法的准确性，解决了现有的产品管理技术，依赖人为对数据库内的产品数据进行抽检，该方式检测效率较低，且消耗大量的人力成本，异常算法的检测难度高的问题。

在本发明实施例中，流程的执行主体为终端设备。该终端设备包括但不限于：服务器、计算机、智能手机以及平板电脑等能够执行异常计算识别的设备。图1示出了本发明第一实施例提供的异常算法的识别方法的实现流程图，详述如下：

在s101中，获取关于待检测的目标产品的测试任务；所述测试任务包括所述目标产品的标准计费算法以及测试场景信息。

在本实施例中，终端设备可以接收其他终端发送的测试任务，在该情况下，用户终端可以将携带有目标产品的产品标识的测试指令发送给终端设备，继而终端设备在接收到该测试指令后，可以从产品数据库中获取该目标产品的标准计费算法，并生成与测试指令对应的测试任务。可选地，用户终端还可以指定测试场景信息，不同的测试场景可以用于限定监控时间段内的目标产品的计费情况、购买目标产品的特定用户群的计费情况或特定推广活动销售的目标产品的计费情况等。标准计费算法内配置有多个自定义参量，而不同的测试场景所对应的自定义参量的取值不同，从而可以通过制定测试场景信息，来检测自定义参量在不同取值情况下的计费情况是否与预期的计费情况一致。在用户终端没有指定测试场景信息时，终端设备可以将测试场景信息配置为默认场景信息。优选地，为了提高测试的准确性，终端设备可以预配置测试覆盖率，并根据测试覆盖率以及随机参量生成算法，为每个自定义参量配置多个随机参数值，从而根据各个自定义参量的随机参量值，生成本次测试所使用的测试场景信息，从而能够在兼顾覆盖率的同时，通过随机参量生成算法能够提高测试场景信息的多样性。

可选地，在本实施例中，终端设备可以为每个目标产品配置有检测周期，并基于该检测周期检测各个目标产品的线上计费算法是否存在异常，即终端设备周期性地生成目标产品的测试任务。优选地，该检测周期是可以动态调整的，若该目标产品的购买记录越多，则对应的检测周期越短；反之，若该目标产品的购买记录越少，则对应的检测周期越长。因此，终端设备在检测到目标产品的购买记录发生变更时，可以对应调整该目标产品的检测周期，以使检测周期与目标产品的购买情况相匹配。

在本实施例中，每个目标产品配置有标准计费算法，该标准计费算法可以由目标产品的管理用户手动输入，即在发起测试任务时，管理用户可以在本地的用户终端上配置有标准计费算法，并将该标准计费算法封装于测试任务中，并发送给终端设备。该标准计费算法还可以存储于云端服务器，终端设备可以根据目标产品的产品表示从云端服务器中下载该目标产品的标准计费算法。由于目标产品的线上计费算法在使用的过程中，可能由于服务器更新或其他算法调整等变更操作，误调整了线上计费算法中的部分参量，或者对于自定义参量的取值范围或映射关系等产生影响，从而使得线上计费算法与标准计费算法不一致，基于此，终端设备需要对线上计费算法的准确性进行校验。

在s102中，从产品数据库中提取与所述测试场景信息匹配的已购产品记录。

在本实施例中，产品数据库中存储有各个目标产品的所有已购产品记录。每个已购产品记录可以存储有所购买目标产品的购买时间、购买用户标识、购买金额、购买渠道、购买地址等与购买相关的信息。测试场景信息中可以配置有关于各个购买参量所对应的参数范围或参数特征值，终端设备可以判断已购产品记录中的各个购买参量是否在测试场景信息的参量范围或与参数特征值一致，若是，则识别该已购产品记录为测试场景相匹配的已购产品记录，并从产品数据库中进行提取。

可选地，在本实施例中，若某一目标产品的已购产品记录较多，为了提高异常检测的效率，终端设备可以设置有最大记录个数，终端设备可以根据各个已购产品记录的创建时间，从创建时间最新的已购产品记录开始提取，在检测到与测试场景信息匹配的已购产品记录的记录个数大于或等于最大记录个数，则停止提取操作，并跳转至s103的操作。优选地，终端设备可以获取提取已购产品记录时刻本地的资源占用率，基于所述资源占用率配置上述最大记录个数，若当前的资源占用率较低，则可以用于进行异常检测的资源较多，此时最大记录个数的数值越大；反之，若当前的资源占用率越高，则对应的最大记录个数的数值越小，从而能够实现异常识别操作与终端设备的负载情况相匹配的目的。

在s103中，解析所述标准计费算法，确定所述标准计费算法包含的输入参量以及输出参量，并根据所述输入参量以及输出参量，生成计费展示页面。

在本实施例中，终端设备可以从测试任务中提取目标产品的标准计费算法，并对标准计费算法进行解析，该标准计费算法可以包含多个输入参量以及输出参量，通过各个输入参量的参量值进行对应的运算后，可以得到与之关联的输出参量的参量值。举例性地，输入参量可以包括有投保金额、关联用户年龄、投保年限三项信息，则关联的输出参量可以为保费金额，而输入参量与关联的输出参量之间的转换算法则记录于标准计费算法中。

在本实施例中，终端设备在确定了标准计费算法内包含的输入参量以及输出参量后，可以生成目标产品对应的计费展示页面，该计费展示页面中可以通过表格的方式为各个输入参量以及输出参量配置对应的项目，并基于输入参量以及输出参量之间的转换算法，生成对应的转换曲线。用户可以查看该计费展示页面直观确定目标产品的计费算法，提高了标准计费算法的可读性。

在s104中，分别从各个已购产品记录中提取各个所述输入参量的参量值，并将所述参量值导入所述标准计费算法，计算各个所述已购产品记录的标准计费信息。

在本实施例中，用户终端在获取了各个已购产品记录并生成了计费展示页面后，可以将已购产品记录填入到计费展示页面中，以方便用户查看各个已购产品记录的实际计费情况与预期计费情况是否一致。基于此，终端设备需要计算得到标准计费信息，因此可以从已购产品记录中识别各个输入参量的参量值，并将各个参量值导入到标准计费算法中对应的输入参量，从而通过标准计费算法可以计算得到基于各个参量值输出的关于各个输出参量的标准输出值，并将所有标准输出值进行封装，得到标准计费信息。

在s105中，将所述已购产品记录的实际计费信息以及所述标准计费信息导入到所述计费展示页面内的各个输出参量，生成计费比对页面。

在本实施例中，终端设备在计算得到各个已购产品记录对应的标准计费信息后，可以从已购产品记录中提取通过线上计费算法计算得到的实际计费信息。由于实际计费信息以及标准计费信息均记录有目标产品的各个输出参量对应的参数值，终端设备可以将实际计费信息以及标准计费信息导入到计费展示页面内各个输出参量所对应的显示区域内，从而生成关于各个已购产品记录的计费比对页面。

举例性地，参见表1，表1示出了本实施例提供的一种计费比对页面，该计费比对页面中包含有10个已购产品记录，且标准计费算法中包含投保收益以及投保利率两个输出参量，终端设备可以根据各个已购产品记录中各个输入参量的参数值，计算出标准计费信息，该标准计费信息包含投保收益的标准计费值以及投保利率的标注你计费值，终端终端设备可以将标准计费信息以及实际计费信息导入到计费展示页面，从而生成计费比对页面，方便用于查看差异的计费项目以及已购产品记录。

表1

可选地，终端设备可以通过预设的显示方式将实际计费信息与标准计费信息存在差异的已购产品记录在计费比对界面上进行标记，以便用户快速确定异常的已购产品记录的个数以及存在差异的已购产品记录。

在s106中，根据所述计费比对页面输出关于所述目标产品的线上计费算法的异常识别结果。

在本实施例中，终端设备可以根据计费比对页面，判定该目标产品的线上计费算法是否为异常算法，并输出对应的异常识别结果。具体地，终端设备可以设置有异常个数阈值，若检测到该计费比对页面中实际计费信息与标准计费信息存在差异的已购产品记录的个数小于或等于异常个数阈值，则输出算法正常的异常识别结果；反之，若该个数大于异常个数阈值，则输出算法异常的异常识别结果，以便管理员对异常的线上计费算法进行调整。

以上可以看出，本发明实施例提供的一种异常算法的识别方法通过获取用户所需测试的目标产品的测试任务，从产品数据库中提取与测试场景相关的已购产品记录，并通过标准计费算法生成目标产品对应的计费展示页面，根据已购产品记录中的各个输入参量的参量值，计算得到标准计费信息，将标准计费信息以及实际计费信息导入到计费展示页面内，输出计费比对页面，从而能够清晰确定实际计费与标准计费之间是否存在差异，并通过对计费比对页面进行解析，输出关于目标产品的线上计费算法的异常识别结果，实现了自动判断目标产品的线上计费算法的准确性。与现有的产品管理技术相比，根据测试任务自动提取与用户测试需求匹配的已购产品记录，实现了自定义测试任务的目的，提高了测试过程的灵活性，并且在计费比对页面中输出实际计费信息与标准计费信息，方便维护人员比对两者之间的差异，提高了异常识别过程的可读性，并基于计费比对页面输出异常识别结果，实现了自动识别异常算法目的，提高了异常算法的识别效率，以及降低了识别难度。

图2示出了本发明第二实施例提供的一种异常算法的识别方法s101的具体实现流程图。参见图2，相对于图1所述实施例，本实施例提供的一种异常算法的识别方法中s101包括：s1011～s1015，具体详述如下：

进一步地，所述获取关于待检测的目标产品的测试任务，包括：

在s1011中，接收用户终端发送的所述目标产品的产品标识，基于所述产品标识从产品数据库内提取目标产品的产品信息。

在本实施例中，终端设备可以自动创建与目标产品对应的测试任务。在该情况下，用户终端可以指定所需要测试的目标产品，并将包含有目标产品的产品标识的测试启动指令发送给终端设备，终端设备在接收到该测试指令后，可以提取得到产品标识，并从产品数据库中提取该产品标识对应的产品信息。该产品信息可以为产品描述信息，也可以为目标产品对应的产品购买记录表。产品数据库可以存储于终端设备内，还可以存储于云端服务器。

在s1012中，对所述产品信息进行解析，提取所述目标产品的产品关键词。

在本实施例中，终端设备可以配置有关键词库，终端设备对产品信息进行语义分析，确定该产品信息是否包含有关键词库内的预设的关键词，例如可以将用户信息中常规的输入信息对应的关键词添加到关键词库内，举例性地，“性别”、“年龄”等关键词。并且，与产品输出参量相关的关键词也可以添加到关键词库内，例如包括有“年利率”“收益”等关键词。可选地，终端设备可以提取该产品信息内的所有候选关键词，并识别各个候选关键词的词性，若该候选关键词的词性与产品特征词性相匹配，则识别该候选关键词为产品关键词，反之，则识别为无效关键词。

在s1013中，为每个所述产品关键词配置一个产品接口，确定所述产品接口对应的接口类型；所述接口类型包括输入接口类型以及输出接口类型。

在本实施例中，终端设备在确定了该产品信息中包含的产品关键词后，可以为每个产品关键词配置一个产品接口，根据该产品关键词的词语属性，识别该产品接口的接口类型，该接口类型具体指的是，输入接口类型或是输出接口类型，其中输入接口类型对应标准计费算法中的输入参量；而输出接口类型对应标准计费算法中的输出参量。终端设备可以预先为不同的关键词配置对应的接口类型，例如上述的“姓名”“性别”“年龄”等可以直接从用户信息或者产品信息中获取的，则识别为输入参量接口，而对于需要计算进行转换的，例如“年利率”“收益”等关键词，则可以识别为输出参量接口。

在s1014中，基于所述接口类型，建立所述目标产品内所述产品接口之间的关联关系；每个所述关联关系对应至少一个输入接口以及至少一个输出接口。

在本实施例中，在确定了各个产品接口的接口类型后，可以建立不同的产品接口之间的关联关系。具体地，终端设备在确定了一个输出接口类型的产品接口后，可以确定输出该接口所需输入的参数，并从各个输入接口类型中查询是否存在与该参数相匹配的产品接口，若存在，则识别该输入接口为该输出接口的关联接口，并建立输入接口与输出接口之间的关联关系。因此，每个关联关系至少包含有一个输入接口以及一个输出接口。需要说明的是，一个输出接口可以对应多个输入接口，即需要采集多个用户信息和/或产品信息以得到对应的输出参量；当然，若一个输入参量用于计算多个不同的输出参量，即一个输入接口也可以对应多个不同的输出接口。

在s1015中，从预设的公式库中提取关于各个所述关联关系的计费公式，并基于所有所述计费公式生成所述标准计费算法。

在本实施例中，终端设备可以预先为每个关联关系预先配置对应的计费公式，并将各个计费公式导入到公式库内。在确定目标产品包含的输入接口以及输出接口之间的关联关系后，可以从公式库内提取包含上述接口关联有的不同的计费公式，并将各个计费公式进行组合，得到目标产品的标准计费算法。由于大量的产品对于同一类型的输出量，其计算方式都是通用的，通过预先配置公式库，可以减少用户重复设置公式，提高了标准计费算法的生成效率。当然，若目标产品具有自定义的权重等，终端设备可以根据用户的自定义参量，对计费公式进行调整，并基于调整后的计费公式生成标准计费算法。

在本发明实施例中，解析产品信息并生成与之对应的标准计费算法，能够实现自动输出标准计费算法，无需用户手动配置，从而提高标准计费算法生成效率，减少用户的配置操作。

图3示出了本发明第三实施例提供的一种异常算法的识别方法s1014的具体实现流程图。参见图3，相对于图2所述的实施例，本实施例提供的一种异常算法的识别方法s1014包括：s301～s304，具体详述如下：

进一步地，所述基于所述接口类型，建立所述目标产品内所述产品接口之间的关联关系，包括：

在s301中，识别所述各个所述产品接口所属的产品项目，并基于所述产品项目，将所述产品接口划分为多个项目接口组。

在本实施例中，终端设备在识别得到各个产品接口的接口类型后，还可以基于该产品接口对应的产品关键词，确定该产品接口所述的产品项目。不同的产品项目用于计算该目标产品不同维度的输出参量，例如将“年利率”以及“收益”划分为两个不同的产品项目，用于计算上述两个不通过维度的输出参量。终端设备可以为不同的产品关键词预先配置有关联的产品项目，在确定了产品接口的接口类型后，可以根据与该接口对应的产品关键词的产品项目，将产品接口划分为多个不同的项目接口组。相同的项目接口组内的产品接口所述的产品项目相同。

在s302中，根据各个所述产品接口对应的所述产品关键词，在预设的词性坐标轴内确定所述产品关键词的词性向量。

在本实施例中，终端设备可以配置有多个词性维度，并识别该产品关键词在各个词性维度对应的维度值，从而根据所有词性维度的维度值，输出该产品关键词对应的词性向量，并在预设的坐标轴内进行标注。

在s303中，计算所述项目接口组内各个所述产品接口对应的所述词性向量之间的向量距离，并识别所述向量距离小于预设的距离阈值的所述产品接口为关联接口。

在本实施例中，终端设备可以通过欧氏距离计算公式，计算处于同一项目接口组内任意两个产品接口的词性向量之间的向量距离，若该向量距离越小，则两个产品关键词之间的关联性越大，当该向量距离小于预设的距离阈值时，则可以识别该产品关键词对应的产品接口之间属于互为关联接口。

在s304中，基于所述关联接口建立所述关联关系。

在本实施例中，终端设备在识别得到所有产品接口所对应的关联接口后，可以建立产品接口之间的关联关系。

在本发明实施例中，首先将产品接口基于产品项目进行组别划分，并计算该组别内的所有产品接口之间的关联度，实现了自动识别关联关系的目的，并且通过产品项目分组，能够减少大量无效关联度计算的过程，提高了识别的效率。

图4示出了本发明第四实施例提供的一种异常算法的识别方法s102的具体实现流程图。参见图4，相对于图1所述实施例，本实施例提供的一种异常算法的识别方法s102包括：s1021～s1023，具体详述如下：

进一步地，所述从产品数据库中提取与所述测试场景信息匹配的已购产品记录，包括：

在s1021中，基于所述测试场景信息内的测试时间段，从产品数据库中提取创建时间在所述测试时间段内的产品记录作为候选产品记录。

在本实施例中，测试场景信息内限定有所需检测的测试时间段，即需要判断该测试时间段内创建的已购产品记录所得的计费情况是否符合标准计费情况。基于此，终端设备可以识别数据库内所有产品记录的创建时间，并判断该创建时间是否在上述的测试时间段内，若创建时间在测试时间段内，则识别该产品记录为候选产品记录。

在s1022中，根据所述测试场景信息内的测试覆盖率，将所述目标产品的有效产品取值划分为多个取值区间。

在本实施例中，测试场景信息还包含测试覆盖率，该测试覆盖率的数值越大，则所需要划分的取值区间的个数越多，反之，该测试覆盖率的数值越小，则所需划分的取值区域的个数越少。基于此，终端设备可以获取目标产品在不同产品维度上的有效产品取值范围，并基于该测试覆盖率，对该有效产品取值范围进行划分，得到多个取值区间。

在s1023中，选取历史产品取值在各个所述取值区间内的所述候选产品记录作为与所述测试场景信息匹配的所述已购产品记录。

在本实施例中，终端设备检测候选产品记录中在各个产品维度上对应的历史产品取值，判断该历史产品取值是否在预设的取值区间内，若是，则识别该候选产品记录为已购产品记录。终端设备需要为每个取值区间选取至少一个已购产品记录，以测试在该取值区间内的线上计费算法是否能够正常计费。

在本发明实施例中，通过配置测试时间段以及测试覆盖率，配置测试场景信息，从而能够从产品数据库中提取与之对应的已购产品记录，实现了不同测试场景的测试任务，提高了测试操作的灵活性。

图5示出了本发明第五实施例提供的一种异常算法的识别方法s106的具体实现流程图。参见图5，相对于图1至图4所述实施例，本实施例提供的一种异常算法的识别方法s106包括：s1061～s1064，具体详述如下：

进一步地，所述根据所述计费比对页面输出所述目标产品的线上计费算法的异常识别结果，包括：

在s1061中，将所述计费比对页面中所述实际计费信息与所述标准计费信息之间存在差异的输出参量作为风险参量，并确定所述风险参量的偏差值。

在本实施例中，终端设备在生成计费比对页面后，可以标记出实际计费信息与标准计费信息之间存在差异的输出参量，例如通过标红或加粗等方式进行突出显示，并将该输出参量识别为风险参量，以执行进一步的异常识别。

在本实施例中，若实际计费信息中风险参量的参数值与标准计费信息中风险参量的参数值不同，则计算两个参数值之间的差值，从而得到关于风险参量的偏差值。具体地，不同的已购产品记录中该风险参量的偏差值可以不同，根据各个已购产品记录中该风险参量的偏差值，可以计算出偏差特征值。该偏差特征值可以为偏差平均值、偏差标准差等。

在s1062中，统计所述风险参量在所有所述已购风险产品记录中的出现次数。

在本实施例中，若该风险参量在多个不同的已购产品记录中均存在实际计费与标准计费不一致的情况，则可以统计存在差异的已购产品记录的个数，并将该个数识别为风险参量的出现次数。

在s1063中，根据所述偏差值以及所述出现次数，计算所述风险参量的异常确信率。

在本实施例中，终端设备可以将偏差值以及出现次数导入预设的异常确信率转换模型，具体地，若该偏差值越大，则异常确信率的数值越大；若该出现次数越大，则异常确定率的数值越大。若所有风险参量的异常确信率均小于或等于异常阈值，则可以识别上述误差属于正常误差，并识别该线上计费算法不存在异常，输出算法正常的异常识别结果；反之，若任一风险参量的异常确信率大于异常阈值，则执行s1064。

在s1064中，若任一所述风险参量的异常确信率大于预设的异常阈值，则识别所述目标产品的所述线上计费算法为异常算法，输出算法异常的所述异常识别结果。

在本实施例中，由于目标产品中存在一个输出参量的异常确信率大于异常阈值，则可以表示该输出参量在多个已购产品记录中均存在计费异常的情况，或计费异常的差异度较大，此时可以判定该输出参量对应的线上计费算法存在异常，并输出算法异常的异常识别报告。

在本发明实施例中，通过统计出现计费异常的输出参量的出现次数以及偏差率，从而确定该输出参量的异常情况是否为偶发性，从而判定对应的线上计费算法是否为异常算法，提高了异常算法识别的准确率。

图6示出了本发明第六实施例提供的一种异常算法的识别方法的具体实现流程图。参见图6，相对于图1至图4任一所述实施例，本实施例提供的一种异常算法的识别方法在所述根据所述计费比对页面输出关于所述目标产品的线上计费算法的异常识别结果之后，还包括：s601～s602，具体详述如下：

进一步地，在所述根据所述计费比对页面输出关于所述目标产品的线上计费算法的异常识别结果之后，还包括：

在s601中，若所述异常识别结果为算法异常，基于所述标准计费算法调整所述线上计费算法。

在本实施例中，终端设备若检测到该目标产品的异常识别结果为算法异常，则判定该目标产品的线上计费算法为异常算法，并通过标准计费算法重新配置该目标产品在线上计费服务器的线上计费算法。

在s602中，通过调整后的所述线上计费算法确定所述产品数据库中所述目标产品的所有已购产品记录的实际计费信息。

在本实施例中，终端设备可以通过调整后的线上计费算法对目标产品的各个已购产品记录的实际计费信息进行调整，从而保证了实际计费信息的准确性，实现了异常自检以及自修复的目的。

在本发明实施例中，在识别线上计费算法异常后，通过标准计费算法对线上计费算法以及异常的已购产品记录进行调整，实现了异常自检以及自修复的目的。

图7示出了本发明第七实施例提供的一种异常算法的识别方法s105的具体实现流程图。参见图7，相对于图1至图4任一所述实施例，本实施例提供的一种异常算法的识别方法s105包括：s1051～s1053，具体详述如下：

在s1051中，根据各个已购产品记录的创建时间，确定所述已购产品记录的记录次序。

在本实施例中，基于创建时间的先后次序，确定已购产品记录的记录次序，若创建时间越前，则对应的记录次序也越靠前；反之，若创建时间越晚，则对应的记录次序也越靠后。

在s1052中，在预设的计费坐标上基于所述记录次序依次标记各个所述实际计费信息以及所述标准计费信息，生成所述实际计费信息对应的实际计费曲线以及所述标准计费信息对应的标准计费曲线。

在本实施例中，终端设备可以将计费数值作为纵坐标，将记录次数作为横坐标，从而根据各个已购产品记录的实际计费信息以及标准计费信息，确定在计费坐标上对应的坐标点，并依此连接各个坐标点，生成标准计费曲线以及实际计费曲线。

在s1053中，基于所述实际计费曲线以及所述标准计费曲线生成所述计费比对页面。

在本实施例中，终端设备可以将上述两个曲线添加到计费展示页面内，从而生成计费比对页面。

在本发明实施例中，通过生成标准计费曲线以及实际计费曲线，方便用户快速确定实际计费与标准计费之间的差异，提高了计费比对页面的可读性。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

图8示出了本发明一实施例提供的一种异常算法的识别设备的结构框图，该异常算法的识别设备包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1与图1所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。

参见图8，所述异常算法的识别设备包括：

测试任务获取单元81，用于获取关于待检测的目标产品的测试任务；所述测试任务包括所述目标产品的标准计费算法以及测试场景信息；

已购产品记录获取单元82，用于从产品数据库中提取与所述测试场景信息匹配的已购产品记录；

计费展示页面生成单元83，用于解析所述标准计费算法，确定所述标准计费算法包含的输入参量以及输出参量，并根据所述输入参量以及输出参量，生成计费展示页面；

标准计费信息计算单元84，用于分别从各个已购产品记录中提取各个所述输入参量的参量值，并将所述参量值导入所述标准计费算法，计算各个所述已购产品记录的标准计费信息；

计费比对页面生成单元85，用于将所述已购产品记录的实际计费信息以及所述标准计费信息导入到所述计费展示页面内的各个输出参量，生成计费比对页面；

异常识别结果输出单元86，用于根据所述计费比对页面输出关于所述目标产品的线上计费算法的异常识别结果。

可选地，所述测试任务获取单元81包括：

产品信息获取单元，用于接收用户终端发送的所述目标产品的产品标识，基于所述产品标识从产品数据库内提取目标产品的产品信息；

产品关键词提取单元，用于对所述产品信息进行解析，提取所述目标产品的产品关键词；

接口类型确定单元，用于为每个所述产品关键词配置一个产品接口，确定所述产品接口对应的接口类型；所述接口类型包括输入接口类型以及输出接口类型；

关联关系建立单元，用于基于所述接口类型，建立所述目标产品内所述产品接口之间的关联关系；每个所述关联关系对应至少一个输入接口以及至少一个输出接口；

标准计费算法输出单元，用于从预设的公式库中提取关于各个所述关联关系的计费公式，并基于所有所述计费公式生成所述标准计费算法。

可选地，所述关联关系建立单元包括：

项目接口组划分单元，用于识别所述各个所述产品接口所属的产品项目，并基于所述产品项目，将所述产品接口划分为多个项目接口组；

词性向量确定单元，用于根据各个所述产品接口对应的所述产品关键词，在预设的词性坐标轴内确定所述产品关键词的词性向量；

关联接口识别单元，用于计算所述项目接口组内各个所述产品接口对应的所述词性向量之间的向量距离，并识别所述向量距离小于预设的距离阈值的所述产品接口为关联接口；

关联关系生成单元，用于基于所述关联接口建立所述关联关系。

可选地，所述已购产品记录获取单元82包括：

候选产品记录选取单元，用于基于所述测试场景信息内的测试时间段，从产品数据库中提取创建时间在所述测试时间段内的产品记录作为候选产品记录；

取值区间划分单元，用于根据所述测试场景信息内的测试覆盖率，将所述目标产品的有效产品取值划分为多个取值区间；

候选产品记录筛选单元，用于选取历史产品取值在各个所述取值区间内的所述候选产品记录作为与所述测试场景信息匹配的所述已购产品记录。

可选地，所述异常识别结果输出单元86包括：

偏差值计算单元，用于将所述计费比对页面中所述实际计费信息与所述标准计费信息之间存在差异的输出参量作为风险参量，并确定所述风险参量的偏差值；

出现次数统计单元，用于统计所述风险参量在所有所述已购风险产品记录中的出现次数；

异常确信率计算单元，用于根据所述偏差值以及所述出现次数，计算所述风险参量的异常确信率；

算法异常识别单元，用于若任一所述风险参量的异常确信率大于预设的异常阈值，则识别所述目标产品的所述线上计费算法为异常算法，输出算法异常的所述异常识别结果。

可选地，所述异常算法的识别设备还包括：

线上计费算法调整单元，用于若所述异常识别结果为算法异常，基于所述标准计费算法调整所述线上计费算法；

已购产品记录调整单元，用于通过调整后的所述线上计费算法确定所述产品数据库中所述目标产品的所有已购产品记录的实际计费信息。

可选地，所述计费比对页面生成单元85包括：

记录次序确定单元，用于根据各个已购产品记录的创建时间，确定所述已购产品记录的记录次序；

计费曲线输出单元，用于在预设的计费坐标上基于所述记录次序依次标记各个所述实际计费信息以及所述标准计费信息，生成所述实际计费信息对应的实际计费曲线以及所述标准计费信息对应的标准计费曲线；

计费曲线添加单元，用于基于所述实际计费曲线以及所述标准计费曲线生成所述计费比对页面。

因此，本发明实施例提供的异常算法的识别设备同样可以根据测试任务自动提取与用户测试需求匹配的已购产品记录，实现了自定义测试任务的目的，提高了测试过程的灵活性，并且在计费比对页面中输出实际计费信息与标准计费信息，方便维护人员比对两者之间的差异，提高了异常识别过程的可读性，并基于计费比对页面输出异常识别结果，实现了自动识别异常算法目的，提高了异常算法的识别效率，以及降低了识别难度。

图9是本发明另一实施例提供的一种终端设备的示意图。如图9所示，该实施例的终端设备9包括：处理器90、存储器91以及存储在所述存储器91中并可在所述处理器90上运行的计算机程序92，例如异常算法的识别程序。所述处理器90执行所述计算机程序92时实现上述各个异常算法的识别方法实施例中的步骤，例如图1所示的s101至s106。或者，所述处理器90执行所述计算机程序92时实现上述各装置实施例中各单元的功能，例如图8所示模块81至86功能。

示例性的，所述计算机程序92可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器91中，并由所述处理器90执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序92在所述终端设备9中的执行过程。例如，所述计算机程序92可以被分割成测试任务获取单元、已购产品记录获取单元、计费展示页面生成单元、标准计费信息计算单元、计费比对页面生成单元以及异常识别结果输出单元，各单元具体功能如上所述。

所述终端设备9可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器90、存储器91。本领域技术人员可以理解，图9仅仅是终端设备9的示例，并不构成对终端设备9的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器90可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器91可以是所述终端设备9的内部存储单元，例如终端设备9的硬盘或内存。所述存储器91也可以是所述终端设备9的外部存储设备，例如所述终端设备9上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。进一步地，所述存储器91还可以既包括所述终端设备9的内部存储单元也包括外部存储设备。所述存储器91用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。