[发明专利]交易模式类型识别方法及装置

权利要求书

1.一种交易模式类型识别方法，其特征在于，包括：

对目标交易对应的目标运维数据进行字段降维处理，形成包含有字段集指定的各个字段的目标交易样本数据；

将所述目标交易样本数据输入用于识别交易模式类型的分类器；

若所述分类器输出对应的识别结果，则将该识别结果确定为所述目标交易的交易模式类型。

2.根据权利要求1所述的交易模式类型识别方法，其特征在于，还包括：

根据各个历史交易的历史交易运维数据获取各个类型的初始交易模式各自对应的交易样本数据；

基于各个类型的初始交易模式生成多种类型的目标交易模式，其中，所述目标交易模式的类型总数少于所述初始交易模式的类型总数；

应用各个所述目标交易模式各自对应的带有标签的交易样本数据，基于预设的分类算法训练得到用于识别交易模式类型的分类器，其中，所述标签用于表示对应的交易样本数据所属的目标交易模式的类型。

3.根据权利要求2所述的交易模式类型识别方法，其特征在于，所述根据各个历史交易的历史交易运维数据获取各个类型的初始交易模式各自对应的交易样本数据，包括：

获取历史交易运维数据，并对该历史交易运维数据中的各个历史交易分别进行字段降维处理，形成各自均包含有字段集指定的各个字段的各个字段集数据；

将除时间戳字段之外的其他字段中内容均相同的各个所述字段集数据划分至同一组中，且每组分别唯一对应一类初始交易模式；

分别对各类所述初始交易模式各自对应的各个所述字段集数据进行采样，得到各类所述初始交易模式各自对应的交易样本数据。

4.根据权利要求2所述的交易模式类型识别方法，其特征在于，所述基于各个类型的初始交易模式生成多种类型的目标交易模式，其中，所述目标交易模式的类型总数少于所述初始交易模式的类型总数，包括：

对各个类型的初始交易模式分别进行数值化处理，使得各个类型的初始交易模式分别以唯一数值表示；

应用基于密度的聚类算法，将数值化处理后的各个类型的初始交易模式输入聚类器以进行聚类处理，并将聚类后保留的初始交易模式分别确定为目标交易模式；

将各个类型的目标交易模式存储至预设的交易模型库中。

5.根据权利要求4所述的交易模式类型识别方法，其特征在于，所述应用各个所述目标交易模式各自对应的带有标签的交易样本数据，基于预设的分类算法训练得到用于识别交易模式类型的分类器，其中，所述标签用于表示对应的交易样本数据所属的目标交易模式的类型，包括：

将各个所述目标交易模式各自对应的所述唯一数值分别作为各个目标交易模式的分类标识；

为各个所述目标交易模式各自对应的交易样本数据分别标注对应的分类标识以作为标签；

应用标注有标签的各个所述交易样本数据，基于CatBoost算法训练得到用于识别交易模式类型的分类器。

6.根据权利要求4所述的交易模式类型识别方法，其特征在于，在所述将所述目标交易样本数据输入用于识别交易模式类型的分类器之后，还包括：

若所述分类器未输出对应的识别结果，则将所述目标交易样本数据对应的交易模式类型确定为新增交易模式；

为新增交易模式设置唯一数值以作为其分类标识，并将该新增交易模式及其分类标识存储至所述交易模型库中。

7.根据权利要求6所述的交易模式类型识别方法，其特征在于，还包括：

根据所述交易模型库中的新增交易模式重新训练所述聚类器和所述分类器，并根据对应的训练结果更新当前的聚类器和所述分类器。

8.根据权利要求6所述的交易模式类型识别方法，其特征在于，在所述对目标交易对应的目标运维数据进行字段降维处理，形成包含有字段集指定的各个字段的目标交易样本数据之前，还包括：

若接收到交易模式识别请求或在线实时更新预设的交易模式库，则在对应的时间窗口内获取当前待识别交易模式的目标交易的目标运维数据，其中，所述时间窗口基于预设时段内的新增交易模式的出现频率自动调整。