一种用于RPA工作流中分布式跟踪系统的尾部采样方法

本发明公开的一种用于RPA工作流中分布式跟踪系统的尾部采样方法，涉及RPA工作流领域，包括：利用变分图自动编码器模型对跟踪数据进行无监督表征学习，保存训练后的模型；基于预训练的变分图自动编码器模型，获取特征向量；基于变分图自动编码器模型的重构损失，检测并保留所有异常跟踪；采用聚类方法将正常跟踪进行归类并偏好采样；结合异常跟踪和正常跟踪的采样结果，形成最终的采样数据集。本发明通过聚类与特征偏好采样策略对正常跟踪数据进行有偏采样，在降低海量跟踪数据存储成本的同时，提高采样器对异常跟踪的敏感性，并保证采样结果的多样性和可观测性。