数据处理方法及装置、计算机可读存储介质、电子设备与流程

本发明实施例涉及大数据处理
技术领域：
，具体而言，涉及一种数据处理方法、数据处理装置、计算机可读存储介质以及电子设备。
背景技术：
：随着电子商务的发展，人们的网购行为也越来越广泛，因此对于一些购物平台来说，每时每刻都在产生大量订单流。为了及时发现业务异常，有必要对某些业务指标(如有效订单、有效金额等)进行实时监测。由于异常检测系统的不同层级之间属于下钻关系，如一级品类下钻到二级品类，所以单个异常sku(stockkeepingunit，单品)的异常可能会触发多个告警同时发生。因此，如何快速而准确地从检测出的多个冗余且耦合的告警信息中定位到根本原因十分关键。现有交易数据异常检测原因定位方法主要包括如下两种方法，一种是：高级告警实时地在多个低级告警中寻找异常分数最大的一个子节点，形成信息链，将子节点的信息作为定位到的异常原因，用子节点信息去查询sku，从而查找到符合条件的sku；另一种是：等各项指标沉淀结束，数据存入数据库后，再去查找异常sku。但是，上述方法存在如下缺陷：在第一种方法中，由于忽略了各个低级告警之间可能的相关性，只选择了其中的一条告警作为输出，因此只暴露了局部信息，因此会使得查找到的符合条件的sku的准确率较低；并且，该方法需要计算异常分数，而如何正确地度量异常分数又是一个难点，因此增加了对符合条件的sku的查找流程的繁琐程度；在第二种方法中，由于是通过离线检测的，无法实时定位原因，时效性不强，进而导致查找到的异常sku的准确率较低。因此，需要提供一种新的数据处理方法及装置。需要说明的是，在上述
背景技术：
部分发明的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。技术实现要素：本发明的目的在于提供一种数据处理方法、数据处理装置、计算机可读存储介质以及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的查找到的异常sku的准确率较低的问题。根据本公开的一个方面，提供一种数据处理方法，包括：获取多个异常数据，并根据各所述异常数据的数据级别对各所述异常数据进行分类得到多个父节点数据以及多个子节点数据；根据各所述父节点数据以及与各所述父节点数据具有相同特征信息的子节点数据构建多个初始特征树；对各所述初始特征树中的所有节点的非空特征信息进行融合得到各所述初始特征树的属性信息；对具有相同属性信息的初始特征树进行筛选得到多个目标特征树，并根据各所述目标特征树的属性信息查找产生各所述异常数据的目标对象。在本公开的一种示例性实施例中，获取多个异常数据包括：获取同一时刻、具有相同数据标识，且由同一数据生成平台输出的多个所述异常数据。在本公开的一种示例性实施例中，所述数据级别分为第一数据级别以及第二数据级别；所述第一数据级别高于第二数据级别；其中，根据各所述异常数据的数据级别对各所述异常数据进行分类得到多个父节点数据以及多个子节点数据包括：将所述第一数据级别对应的各异常数据作为各所述父节点数据，将各所述第二数据级别对应的异常数据作为子节点数据。在本公开的一种示例性实施例中，根据各所述父节点数据以及与各所述父节点数据具有相同特征信息的子节点数据构建多个初始特征树包括：确定各所述父节点数据的告警特征，并确定与各所述父节点数据具有相同告警特征的子节点数据；根据各所述父节点数据，以及与各所述父节点数据具有相同告警特征的子节点数据，构建多个初始特征树。在本公开的一种示例性实施例中，对具有相同属性信息的初始特征树进行筛选，得到多个目标特征树包括：根据各所述初始特征树构建特征树集合，并根据所述特征树集合中的各所述初始特征树的属性信息判断各所述初始特征树之间是否存在包含与被包含的关系；如果任意两个初始特征树之间存在包含与被包含的关系，则对具有被包含关系的初始特征树进行删除；将所述特征树集合中删除了具有被包含关系的初始特征树之后剩余的各所述初始特征树，作为多个所述目标特征树；其中，任意两个所述目标特征树之间，均不存在包含与被包含的关系。在本公开的一种示例性实施例中，所述属性信息包括各所述初始特征树对应的目标对象所属的品类级别以及事业群、所述目标对象的来源、产生各所述初始特征树对应的各所述异常数据的地理位置以及产生各所述初始特征树对应的各所述异常数据的渠道级别中的多种。在本公开的一种示例性实施例中，根据各所述目标特征树的属性信息查找产生各所述异常数据的目标对象包括：根据各所述目标特征树的对应的所述目标对象所属的品类级别以及事业群、所述目标对象的来源、产生各所述目标特征树对应的各所述异常数据的地理位置以及产生各所述目标特征树对应的各所述异常数据的渠道级别，查找产生各所述异常数据的目标对象。根据本公开的一个方面，提供一种数据处理装置，包括：数据分类模块，用于获取多个异常数据，并根据各所述异常数据的数据级别对各所述异常数据进行分类得到多个父节点数据以及多个子节点数据；初始特征树构建模块，用于根据各所述父节点数据以及与各所述父节点数据具有相同特征信息的子节点数据构建多个初始特征树；特征信息整合模块，用于对各所述初始特征树中的所有节点的非空特征信息进行整合得到各所述初始特征树的属性信息；目标对象查找模块，对具有相同属性信息的初始特征树进行筛选得到多个目标特征树，并根据各所述目标特征树的属性信息查找产生各所述异常数据的目标对象。根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的数据处理方法。根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的数据处理方法。本发明实施例提供的一种数据处理方法及装置，一方面，通过根据各异常数据的数据级别对各异常进行分类得到多个父节点数据以及多个子节点数据；并根据各父节点数据以及与各父节点数据具有相同特征信息的子节点数据构建多个初始特征树；再对各初始特征树中的所有节点的非空特征信息进行融合得到各初始特征树的属性信息；最后对具有相同属性信息的初始特征树进行筛选得到多个目标特征树，并根据各目标特征树的属性信息查找产生各异常数据的目标对象，解决了现有技术中由于忽略了各个低级告警之间可能的相关性，只选择了其中的一条告警作为输出，因此只暴露了局部信息，因此会使得查找到的符合条件的sku的准确率较低的问题，提高了查找的产生各异常数据的目标对象的准确；另一方面，解决了现有技术中由于需要计算异常分数，而如何正确地度量异常分数又是一个难点，因此增加了对符合条件的sku的查找流程的繁琐程度的问题，简化了对产生各异常数据的目标对象进行查找的繁琐程度，进而提高了查找速度；再一方面，解决了现有技术中由于是通过离线检测的，无法实时定位原因，时效性不强，进而导致查找到的异常sku的准确率较低的问题；进一步的，通过对具有相同属性信息的初始特征树进行筛选得到多个目标特征树，并根据各目标特征树的属性信息查找产生各异常数据的目标对象，减少了目标特征树的数量，进而进一步的提高了查找速度。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。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的前提下，还可以根据这些附图获得其他的附图。图1示意性示出根据本发明示例实施例的一种数据处理方法的流程图；图2示意性示出根据本发明示例实施例的一种根据各所述父节点数据以及与各所述父节点数据具有相同特征信息的子节点数据构建多个初始特征树的方法流程图；图3、图4、图5以及图6示意性示出根据本发明示例实施例的一种初始特征树的示例图；图7示意性示出根据本发明示例实施例的一种对具有相同属性信息的初始特征树进行筛选，得到多个目标特征树的方法流程图；图8示意性示出根据本发明示例实施例的一种数据处理装置的框图；图9示意性示出根据本发明示例实施例的一种用于实现上述数据处理方法的电子设备。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本发明的各方面变得模糊。此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。本示例实施方式中首先提供了一种数据处理方法，该方法可以运行于服务器、服务器集群或云服务器等，也可以运行于终端设备；当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例性实施例中对此不做特殊限定。参考图1所示，该数据处理方法可以包括以下步骤：步骤s110.获取多个异常数据，并根据各所述异常数据的数据级别对各所述异常数据进行分类得到多个父节点数据以及多个子节点数据。步骤s120.根据各所述父节点数据以及与各所述父节点数据具有相同特征信息的子节点数据构建多个初始特征树。步骤s130.对各所述初始特征树中的所有节点的非空特征信息进行融合得到各所述初始特征树的属性信息。步骤s140.对具有相同属性信息的初始特征树进行筛选得到多个目标特征树，并根据各所述目标特征树的属性信息查找产生各所述异常数据的目标对象。上述数据处理方法中，一方面，通过根据各异常数据的数据级别对各异常进行分类得到多个父节点数据以及多个子节点数据；并根据各父节点数据以及与各父节点数据具有相同特征信息的子节点数据构建多个初始特征树；再对各初始特征树中的所有节点的非空特征信息进行融合得到各初始特征树的属性信息；最后对具有相同属性信息的初始特征树进行筛选得到多个目标特征树，并根据各目标特征树的属性信息查找产生各异常数据的目标对象，解决了现有技术中由于忽略了各个低级告警之间可能的相关性，只选择了其中的一条告警作为输出，因此只暴露了局部信息，因此会使得查找到的符合条件的sku的准确率较低的问题，提高了查找到的产生各异常数据的目标对象的准确；另一方面，解决了现有技术中由于需要计算异常分数，而如何正确地度量异常分数又是一个难点，因此增加了对符合条件的sku的查找流程的繁琐程度的问题，简化了对产生各异常数据的目标对象进行查找的繁琐程度，进而提高了对产生各异常数据的目标对象的查找速度；再一方面，解决了现有技术中由于是通过离线检测的，无法实时定位原因，时效性不强，进而导致查找到的异常sku的准确率较低的问题；进一步的，通过对具有相同属性信息的初始特征树进行筛选得到多个目标特征树，并根据各目标特征树的属性信息查找产生各异常数据的目标对象，减少了目标特征树的数量，进而进一步的提高了对产生各异常数据的目标对象的查找速度。以下，将结合附图对本发明示例实施例数据处理方法中涉及的各步骤进行详细的解释以及说明。首先，对本发明示例实施例的目的以及背景进行说明。具体的，本发明示例实施例的目的包括如下两个方面：一方面，为了尽可能多的曝光某个异常点不同维度的信息，本发明示例实施例将同时出现的相关告警串联起来，并且形成了多维度的统一结构，再去寻找异常sku；另一方面，为了实现快速定位并及时止损，系统采用实时定位。进一步的，异常sku打标的输出分为不同的层级，共有level0(第一数据级别)，level1(第二数据级别)和level2(第三数据级别)的告警信息。譬如，level＝0的某一条异常数据可以如下表1所示：表1日期时刻平台指标告警内容level标记dtp有效金额{}0偏高又譬如，level＝2的某一条异常数据可以如下表2所示：表2日期时刻平台指标告警内容level标记dtb有效订单{事业群：a，一级品类：b}2偏高异常检测系统将每一条时间序列独立地进行判断，因此异常打标的输出(各异常数据)也是独立的。即使这些告警中包含某一些下钻关系的报警，告警的输出过程也不会考虑到这些关联信息。如下表3中显示的两条告警信息，其时刻、平台、指标都一致，第一条告警属于level1，其告警内容为{事业群a-偏高}；第二条告警属于level2，其告警内容为{事业群a，一级品类b-偏高}。之所以会同时出现这两条报警，是因为告警1和告警2都由事业群a下属的一级品类b中的某一个或者某一些异常sku所导致。表3日期时刻平台指标告警内容level标记告警1dtb有效订单{事业群：a}1偏高告警2dtb有效订单{事业群：a，一级品类：b}2偏高在步骤s110中，获取多个异常数据，并根据各所述异常数据的数据级别对各所述异常数据进行分类得到多个父节点数据以及多个子节点数据。在本示例实施例中，首先，获取多个异常数据；具体的，可以获取同一时刻、具有相同数据标识，且由同一数据生成平台输出的多个所述异常数据。通过获取同一时刻、具有相同数据标识(指标，譬如可以是是否为有效订单或者是否为有效金额等等)且由同一数据生成平台的多个有效数据，可以保证数据的实时性，避免现有技术中由于是通过离线检测的，无法实时定位原因，时效性不强，进而导致查找到的异常sku的准确率较低的问题。其中，为了便于理解，提供如下表4所示的多个异常数据进行举例说明。譬如，在同一日期d，同一数据生成平台p以及同一时刻t，对于相同数据标识(有效金额)，一共有以下12条告警信息同时产生。在这12条告警中，其中1条属于level0，4条属于level1，7条属于level2，如下表4所示。表4进一步的，当获取到多个异常数据后，可以根据各异常数据的数据级别对各异常数据进行分类得到多个父节点数据以及子节点数据，其中，该数据级别可以包括第一数据级别以及第二数据级别，且第一数据级别高于第二数据级别。具体的，可以将所述第一数据级别对应的各异常数据作为各所述父节点数据，将各所述第二数据级别对应的异常数据作为子节点数据。譬如，可以根据分类规则，将上述表4中的4条level1的告警分别作为父节点，将7条leve2的告警按照特征属性分别赋值为子节点。此处需要进一步补充说明的是，上述数据级别还可以包括level0数据级别；但是为了便于解释说明，并未将其进行特殊说明，但是该数据级别也属于本发明实施例的保护范围。并且，本发明示例实施例始终要表达的思想是：将数据级别较高的数据作为父节点数据，数据级别较低的数据作为子节点数据；当出现某一个子节点数据不能被包含在任意一个父节点数据中时，可以将该子节点数据作为父节点数据。在步骤s120中，根据各所述父节点数据以及与各所述父节点数据具有相同特征信息的子节点数据构建多个初始特征树。在本示例实施例中，参考图2所示，根据各所述父节点数据以及与各所述父节点数据具有相同特征信息的子节点数据构建多个初始特征树可以包括步骤s210以及步骤s220，以下进行详细说明。在步骤s210中，确定各所述父节点数据的告警特征，并确定与各所述父节点数据具有相同告警特征的子节点数据。在步骤s220中，根据各所述父节点数据，以及与各所述父节点数据具有相同告警特征的子节点数据，构建多个初始特征树。以下，将对步骤s210以及步骤s220进行解释以及说明。具体的，首先，确定各父节点数据的告警特征，然后将level2中包含同样特征的告警设置为该level1告警的子节点，从而形成多个初始特征树。譬如，参考图3所示，图3中示出的父节点为：{一级品类：c}；对应的子节点为：{二级品类：s，一级品类：c}、{事业群：b，一级品类：c}、{是否自营：o，一级品类：c}以及{省份：p，一级品类：c}等等；进一步的，参考图4所示，图4中示出的父节点为：{事业群：b}；对应的子节点为：{事业群：b，一级品类：c}、{是否自营：o，事业群：b}以及{省份：p，事业群：b}等等；更进一步的，参考图5所示，图5中示出的父节点为：{是否自营：o}；对应的子节点为：{是否自营：o，一级品类：c}、{是否自营：o，事业群：b}以及{省份：p，是否自营：o}等等；最后，图6中示出的父节点为：{省份：p}；对应的子节点为：{省份：p，一级品类：c}、{省份：p，是否自营：o}以及{省份：p，事业群：b}等等。在步骤s130中，对各所述初始特征树中的所有节点的非空特征信息进行融合得到各所述初始特征树的属性信息。在本示例实施例中，该属性信息包括各所述初始特征树对应的目标对象所属的品类级别以及事业群、所述目标对象的来源、产生各所述初始特征树对应的各所述异常数据的地理位置以及产生各所述初始特征树对应的各所述异常数据的渠道级别等等。具体的，每一初始特征颗树的属性都包括一级品类、二级品类、事业群、是否自营、省份、一级渠道、二级渠道和城市。进一步的，对于每一颗初始特征树，将其所有节点(包括父节点和子节点)的所有非空特征信息进行融合，形成其特征树的属性。子节点和父节点都没有的属性依然为空。具体的，根据融合规则，对于每一颗特征树，都单独进行特征融合，融合后结果如下表5所示：表5在步骤s140中，对具有相同属性信息的初始特征树进行筛选得到多个目标特征树，并根据各所述目标特征树的属性信息查找产生各所述异常数据的目标对象。在本示例实施例中，首先，对具有相同属性信息的初始特征树进行筛选，得到多个目标特征树。具体的，参考图7所示，对具有相同属性信息的初始特征树进行筛选，得到多个目标特征树可以包括步骤s710-步骤s730，以下进行详细说明。在步骤s710中，根据各所述初始特征树构建特征树集合，并根据所述特征树集合中的各所述初始特征树的属性信息判断各所述初始特征树之间是否存在包含与被包含的关系。在步骤s720中，如果任意两个初始特征树之间存在包含与被包含的关系，则对具有被包含关系的初始特征树进行删除。在步骤s730中，将所述特征树集合中删除了具有被包含关系的初始特征树之后剩余的各所述初始特征树，作为多个所述目标特征树；其中，任意两个所述目标特征树之间，均不存在包含与被包含的关系。以下，将对步骤s710-步骤s730进行解释以及说明。具体的，根据上述筛除规则(如果任意两个初始特征树之间存在包含与被包含的关系，则对具有被包含关系的初始特征树进行删除)可以得知，初始特征树2、初始特征树3以及初始特征树4的属性都包含于初始特征树1，因此特征树2、特征树3、特征树4被筛除，特征树1被保留。具体可以如下表6所示。表6最后，最终的输出为特征树1的全部属性，具体可以如下表7所示：表7特征树1属性一级品类：c二级品类：s事业群b是否自营：o省份：p以及渠道：二级渠道：城市：此处需要进一步补充说明的是，通过构建上述特征树集合，可以进一步的提高得到目标特征树的准确率，进而提高查找到的产生异常数据的目标对象的准确率。进一步的，当得到上述目标特征树以后，可以根据各所述目标特征树的属性信息查找产生各所述异常数据的目标对象。具体的可以包括：根据各所述目标特征树的对应的所述目标对象所属的品类级别以及事业群、所述目标对象的来源、产生各所述目标特征树对应的各所述异常数据的地理位置以及产生各所述目标特征树对应的各所述异常数据的渠道级别，查找产生各所述异常数据的目标对象。通过该方法对产生各异常数据的目标对象进行查找，相较于现有技术的采用信息链去寻找异常sku的方法来说，信息链的方法最终只输出了两个特征，本发明示例实施例所采用的方法可以找出的属性特征更多，因此结果也能更加准确。本公开还提供了一种数据处理装置。参考图8所示，该数据处理装置可以包括数据分类模块810、初始特征树构建模块820、特征信息整合模块830以及目标对象查找模块840。其中：数据分类模块810可以用于获取多个异常数据，并根据各所述异常数据的数据级别对各所述异常数据进行分类得到多个父节点数据以及多个子节点数据。初始特征树构建模块820可以用于根据各所述父节点数据以及与各所述父节点数据具有相同特征信息的子节点数据构建多个初始特征树。特征信息整合模块830可以用于对各所述初始特征树中的所有节点的非空特征信息进行整合得到各所述初始特征树的属性信息。目标对象查找模块840可以对具有相同属性信息的初始特征树进行筛选得到多个目标特征树，并根据各所述目标特征树的属性信息查找产生各所述异常数据的目标对象。在本公开的一种示例性实施例中，获取多个异常数据包括：获取同一时刻、具有相同数据标识，且由同一数据生成平台输出的多个所述异常数据。在本公开的一种示例性实施例中，所述数据级别分为第一数据级别以及第二数据级别；所述第一数据级别高于第二数据级别；其中，根据各所述异常数据的数据级别对各所述异常数据进行分类得到多个父节点数据以及多个子节点数据包括：将所述第一数据级别对应的各异常数据作为各所述父节点数据，将各所述第二数据级别对应的异常数据作为子节点数据。在本公开的一种示例性实施例中，根据各所述父节点数据以及与各所述父节点数据具有相同特征信息的子节点数据构建多个初始特征树包括：确定各所述父节点数据的告警特征，并确定与各所述父节点数据具有相同告警特征的子节点数据；根据各所述父节点数据，以及与各所述父节点数据具有相同告警特征的子节点数据，构建多个初始特征树。在本公开的一种示例性实施例中，对具有相同属性信息的初始特征树进行筛选，得到多个目标特征树包括：根据各所述初始特征树构建特征树集合，并根据所述特征树集合中的各所述初始特征树的属性信息判断各所述初始特征树之间是否存在包含与被包含的关系；如果任意两个初始特征树之间存在包含与被包含的关系，则对具有被包含关系的初始特征树进行删除；将所述特征树集合中删除了具有被包含关系的初始特征树之后剩余的各所述初始特征树，作为多个所述目标特征树；其中，任意两个所述目标特征树之间，均不存在包含与被包含的关系。在本公开的一种示例性实施例中，所述属性信息包括各所述初始特征树对应的目标对象所属的品类级别以及事业群、所述目标对象的来源、产生各所述初始特征树对应的各所述异常数据的地理位置以及产生各所述初始特征树对应的各所述异常数据的渠道级别中的多种。在本公开的一种示例性实施例中，根据各所述目标特征树的属性信息查找产生各所述异常数据的目标对象包括：根据各所述目标特征树的对应的所述目标对象所属的品类级别以及事业群、所述目标对象的来源、产生各所述目标特征树对应的各所述异常数据的地理位置以及产生各所述目标特征树对应的各所述异常数据的渠道级别，查找产生各所述异常数据的目标对象。上述数据处理装置中各模块的具体细节已经在对应的数据处理方法中进行了详细的描述，因此此处不再赘述。应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。此外，尽管在附图中以特定顺序描述了本发明中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。在本发明的示例性实施例中，还提供了一种能够实现上述方法的电子设备。所属
技术领域：
的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。下面参照图9来描述根据本发明的这种实施方式的电子设备600。图9显示的电子设备900仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图9所示，电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于：上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件(包括存储单元920和处理单元910)的总线930。其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元910执行，使得所述处理单元910执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元910可以执行如图1中所示的步骤s110：获取多个异常数据，并根据各所述异常数据的数据级别对各所述异常数据进行分类得到多个父节点数据以及多个子节点数据；步骤s120：根据各所述父节点数据以及与各所述父节点数据具有相同特征信息的子节点数据构建多个初始特征树；步骤s130：对各所述初始特征树中的所有节点的非空特征信息进行融合得到各所述初始特征树的属性信息；步骤s140：对具有相同属性信息的初始特征树进行筛选得到多个目标特征树，并根据各所述目标特征树的属性信息查找产生各所述异常数据的目标对象。存储单元920可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)9201和/或高速缓存存储单元9202，还可以进一步包括只读存储单元(rom)9203。存储单元920还可以包括具有一组(至少一个)程序模块9205的程序/实用工具9204，这样的程序模块9205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线930可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。电子设备900也可以与一个或多个外部设备1000(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备900交互的设备通信，和/或与使得该电子设备900能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口950进行。并且，电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器960通过总线930与电子设备900的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备900使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本发明实施方式的方法。在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。根据本发明的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其他实施例。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本
技术领域：
中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。当前第1页12