技术特征：
1.一种短消息下发异常检测方法，其特征在于，包括：通过接收短消息推送任务的反馈数据，所述反馈数据包括若干运营商的短消息下发成功数据；通过多元线性预测模型对所述反馈数据进行处理，获取期望成功数据；所述多元线性预测模型包括常数项、维度因子，一个维度参数对应一个维度因子；获取与短消息推送任务匹配的预设正常区间，判断期望成功数据是否处于预设正常区间之外；若期望成功数据处于预测正常区间之外，则发出异常提醒。2.如权利要求1所述的短消息下发异常检测方法，其特征在于，所述通过多元线性预测模型对反馈数据进行处理，获取期望成功数据之前，还包括：获取指定时间跨度的短信下发历史数据；根据预设数据提取规则将所述短信下发历史数据处理为多维数组集合，所述多维数组集合包括多个多维数组，一个所述多维数组对应一个单位时间区间，所述指定时间跨度划分出多个所述单位时间区间，所述多维数组包括多个维度在所述单位时间区间的短信下单成功数量，以及期望数量；根据所述多维数组集合构建多元线性回归模型，并求解所述多元线性回归模型的模型参数，所述模型参数包括常数项、维度因子及残差项；使用预设显著性校验方法对所述多元线性回归模型进行校验和修正，生成多元线性修正模型；使用预设模型诊断方法对所述多元线性修正模型进行验证，将通过验证的多元线性修正模型确定为所述多元线性预测模型。3.如权利要求2所述的短消息下发异常检测方法，其特征在于，所述预设显著性校验方法包括t检验法、f检验法和r平方检验法；所述使用预设显著性校验方法对所述多元线性回归模型进行校验和修正，生成多元线性修正模型，包括：根据所述t检验法对所述多元线性回归模型进行校验，生成第一校验结果；根据所述f检验法对所述多元线性回归模型进行校验，生成第二校验结果；根据所述r平方检验法对所述多元线性回归模型进行校验，生成第三校验结果；若所述第一校验结果、所述第二校验结果和所述第三校验结果均为显著结果，则根据所述第一校验结果、所述第二校验结果和所述第三校验结果对所述多元线性回归模型进行修正，获得所述多元线性修正模型。4.如权利要求2所述的短消息下发异常检测方法，其特征在于，所述预设模型诊断方法包括残差分析法和异常点检测法；所述使用预设模型诊断方法对所述多元线性修正模型进行验证，将通过验证的多元线性修正模型确定为所述多元线性预测模型，包括：根据所述残差分析法对所述多元线性修正模型进行验证，生成第一验证结果；根据所述异常点检测法对所述多元线性修正模型进行验证，生成第二验证结果；若所述第一验证结果和所述第二验证结果均符合预设验证要求，则判定所述多元线性修正模型通过验证。
5.如权利要求4所述的短消息下发异常检测方法，其特征在于，所述根据所述残差分析法对所述多元线性修正模型进行验证，生成第一验证结果，包括：获取所述多元线性修正模型的残差和拟合值，将所述残差和所述拟合值填充至第一图像，分析所述残差和所述拟合值在所述第一图像中的第一点分布形态，生成第一分析数据；获取所述多元线性修正模型的标准化残差和理论分位数，将所述标准化残差和所述理论分位数填充至第二图像，分析所述标准化残差和所述理论分位数在所述第二图像中的第二点分布形态，生成第二分析数据；获取所述多元线性修正模型的标准化残差平方根，将所述标准化残差平方根和所述拟合值填充至第三图像，分析所述标准化残差平方根和所述拟合值在所述第三图像中的第三点分布形态，生成第三分析数据；根据所述第一分析数据、所述第二分析数据和所述第三分析数据生成所述第一验证结果。6.如权利要求1所述的短消息下发异常检测方法，其特征在于，所述获取与所述短消息推送任务匹配的预设正常区间，包括：提取所述短消息推送任务的推送关键词；根据所述推送关键词在任务数据库中查找出相应的正常任务数据，所述正常任务数据包括多个历史正常推送任务的任务数据；根据所述正常任务数据计算执行所述短消息推送任务时各个时间点的下发上限和下发下限，形成所述预设正常区间。7.如权利要求6所述的短消息下发异常检测方法，其特征在于，所述判断所述期望成功数据是否处于预设正常区间之外，包括：判断所述期望成功数据中的各个预测值是否大于对应的所述下发上限或小于所述下发下限；当所述期望成功数据中的预测值大于对应的所述下发上限时，计算所述预测值与所述下发上限之间的第一差值，同时超标累计值加一；或，当所述预测值小于对应的所述下发下限时，计算所述下发下限与所述预测值之间的第二差值，同时所述超标累计值加一；所述超标累计值的初始值为零；当所述超标累计值大于预设累计阈值，或，所述第一差值大于第一比较阈值，或，所述第二差值大于第二比较阈值，判定所述期望成功数据处于预设正常区间之外。8.一种短消息下发异常检测装置，其特征在于，包括：接收反馈数据模块，用于通过接收短消息推送任务的反馈数据，所述反馈数据包括若干运营商的短消息下发成功数据；预测期望模块，用于通过多元线性预测模型对所述反馈数据进行处理，获取期望成功数据；所述多元线性预测模型包括常数项、维度因子，一个维度参数对应一个维度因子；匹配正常区间模块，用于获取与短消息推送任务匹配的预设正常区间，判断期望成功数据是否处于预设正常区间之外；异常提醒模块，用于若期望成功数据处于预测正常区间之外，则发出异常提醒。9.一种计算机设备，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可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如权
利要求1至7中任一项所述短消息下发异常检测方法。10.一个或多个存储有计算机可读指令的可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1至7中任一项所述短消息下发异常检测方法。
技术总结
本发明涉及运营过程优化领域，公开了一种短消息下发异常检测方法、装置、计算机设备及存储介质，其方法包括：通过接收短消息推送任务的反馈数据，反馈数据包括若干运营商的短消息下发成功数据；通过多元线性预测模型对反馈数据进行处理，获取期望成功数据；多元线性预测模型包括常数项、维度因子，一个维度参数对应一个维度因子；获取与短消息推送任务匹配的预设正常区间，判断期望成功数据是否处于预设正常区间之外；若期望成功数据处于预测正常区间之外，则发出异常提醒。本发明可以快速检测反馈数据的波动是否处于预测正常区间，进而及时判断当前的短消息推送任务是否存在异常。时判断当前的短消息推送任务是否存在异常。时判断当前的短消息推送任务是否存在异常。
技术研发人员：王永泉
受保护的技术使用者：平安壹钱包电子商务有限公司
技术研发日：2022.01.14
技术公布日：2022/4/26