[发明专利]激活数据异常检测与分析的方法和装置

权利要求书

1.一种激活数据异常检测的方法，其特征在于，包括：

根据渠道的当前激活数据与历史激活数据，确定当前特征向量；

确定所述当前特征向量与特征向量库中的参考特征向量之间的相似度；

根据所述相似度，确定所述当前激活数据是否出现异常；

根据渠道的当前激活数据与历史激活数据，确定当前特征向量，包括：

根据所述渠道的当前激活数据中的每个指标数据与历史激活数据中对应的指标数据，确定当前特征向量中的每个元素。

2.根据权利要求1所述的方法，其特征在于，所述当前特征向量中的每个元素的计算公式为：

其中，X_1k为当前特征向量X₁的第k个元素；A(k)为历史激活数据中第k个指标数据的数值；B(k)是当前激活数据中与A(k)对应的第k个指标数据的数值；

M为放大整数倍，M的取值为10的整数倍。

3.根据权利要求2所述的方法，其特征在于，确定所述当前特征向量与特征向量库中的参考特征向量之间的相似度的计算公式，包括：

其中，X_1k代表当前特征向量X₁的第k个元素，X_2k代表参考特征向量X₂的第k个元素；cosθ为当前特征向量X₁和参考特征向量X₂的夹角余弦值；n代表的是当前特征向量X₁或参考特征向量X₂的维数。

4.根据权利要求3所述的方法，其特征在于，根据所述相似度，确定所述当前激活数据是否出现异常，包括：

判定相似度的计算公式中cosθ是否不小于相似预设值；

当相似度cosθ不小于相似预设值，则确定当前激活数据出现异常；

当相似度cosθ小于相似预设值，则确定当前激活数据正常。

5.根据权利要求4所述的方法，其特征在于，所述相似预设值为cos45或0.717。

6.根据权利要求5所述的方法，其特征在于，所述渠道的当前激活数据包括以下至少两个指标数据：正常激活数量、作弊激活数量、常见品牌设备的激活数量、每个运营商激活数量、激活IP地址分布、WiFi环境下的激活数量、非WiFi环境下的激活数量、渠道状态、软件发版状态、渠道发版状态、次日留存量、CPD渠道的下载量、CPC渠道的点击量。

7.根据权利要求1-6中之一所述的方法，其特征在于，确定所述当前激活数据是否出现异常之后，还包括：

获取与当前特征向量相似的参考特征向量；

将所述相似的参考特征向量按相似度降序排列；

根据降序排列后排名靠前的参考特征向量的异常原因合并，确定为当前激活数据的异常原因。

8.根据权利要求7所述的方法，其特征在于，确定当前激活数据的异常原因之后，还包括：

将所述当前激活数据对应的当前特征向量作为参考特征向量；

将所述参考特征向量与当前激活数据的异常原因关联存储到特征向量库中。

9.一种激活数据异常检测的装置，其特征在于，包括：

特征向量确定模块，用于根据渠道的当前激活数据与历史激活数据，确定当前特征向量；

相似度确定模块，用于确定所述当前特征向量与特征向量库中的参考特征向量之间的相似度；

异常判断模块，用于根据所述相似度，确定所述当前激活数据是否出现异常；

根据渠道的当前激活数据与历史激活数据，确定当前特征向量，包括：

根据所述渠道的当前激活数据中的每个指标数据与历史激活数据中对应的指标数据，确定当前特征向量中的每个元素。