[发明专利]异常用户识别方法及装置、电子设备和存储介质

权利要求书

1.一种异常用户识别方法，其特征在于，包括：

获取用户行为日志文件，根据所述用户行为日志文件确定目标用户对应的多个用户行为记录；

根据多个所述用户行为记录确定对应的行为序列数据；所述行为序列数据包括用户行为序列与行为时间间隔序列；

根据所述用户行为序列与所述行为时间间隔序列确定行为异常值；

获取所述目标用户的用户特征，并根据所述用户特征与所述行为异常值确定所述目标用户是否为异常用户。

2.根据权利要求1所述的方法，其特征在于，所述根据所述用户行为日志文件确定目标用户对应的多个用户行为记录，包括：

获取预先设定的行为记录要素；所述行为记录要素包括行为要素与对应的页面要素；

根据所述用户行为日志文件中的所述行为要素与对应的页面要素生成所述用户行为记录。

3.根据权利要求1所述的方法，其特征在于，所述根据多个所述用户行为记录确定对应的行为序列数据，包括：

获取各所述用户行为记录的行为发生时间；

根据所述行为发生时间对多个所述用户行为记录进行排序，以生成所述用户行为序列；

确定两个相邻所述用户行为记录之间的时间间隔，根据所述时间间隔生成所述行为时间间隔序列。

4.根据权利要求1或3所述的方法，其特征在于，所述根据所述用户行为序列与所述行为时间间隔序列确定行为异常值，包括：

获取预先构建的异常行为确定模型；所述异常行为确定模型基于用户行为向量字典以及训练行为数据集训练生成；

将用户行为序列对应的用户行为向量与所述行为时间间隔序列输入至所述异常行为确定模型，以得到所述行为异常值。

5.根据权利要求4所述的方法，其特征在于，所述训练行为数据集包括用户行为训练集与行为时间间隔训练集；

所述异常行为确定模型通过下述步骤训练得到：

基于所述用户行为日志文件确定历史用户行为序列；

对所述历史用户行为序列进行向量转化处理，以根据生成的历史用户行为向量构建用户行为向量字典；

根据所述用户行为日志文件确定所述用户行为训练集与所述行为时间间隔训练集；

获取初始模型，基于所述用户行为向量字典、所述用户行为训练集与所述行为时间间隔训练集对所述初始模型进行训练，以得到所述异常行为确定模型。

6.根据权利要求4所述的方法，其特征在于，所述异常行为确定模型包括第一长短期记忆层、第二长短期记忆层和连接层；

所述将用户行为序列对应的用户行为向量与所述行为时间间隔序列输入至所述异常行为确定模型，以得到所述行为异常值，包括：

将所述用户行为向量输入至第一长短期记忆层，得到由所述第一长短期记忆层的最后一个时间步输出的中间行为向量；

将所述行为时间间隔序列输入至第二长短期记忆层，得到由所述第二长短期记忆层的最后一个时间步输出的中间时间间隔向量；

通过所述连接层对所述中间行为向量与所述中间时间间隔向量进行拼接处理，以得到行为拼接向量；

对所述行为拼接向量进行全连接处理，以得到所述行为异常值。

7.根据权利要求1所述的方法，其特征在于，所述根据所述用户特征与所述行为异常值确定所述目标用户是否为异常用户，包括：

获取预先构建的异常用户识别模型；

将所述用户特征与所述行为异常值输入至所述异常用户识别模型，以确定所述目标用户是否为异常用户。

8.根据权利要求7所述的方法，其特征在于，所述异常用户识别模型的模型结构为树形结构，所述将所述用户特征与所述行为异常值输入至所述异常用户识别模型，以确定所述目标用户是否为异常用户，包括：

根据所述用户特征与所述行为异常值生成用户总体特征，将所述用户总体特征作为所述树形结构的特征根结点；所述用户总体特征包括多个特征要素；

基于所述特征根结点对多个所述特征要素进行特征分裂处理，得到所述树形结构的叶子结点；

根据所述叶子结点的分类结果确定所述目标用户是否为异常用户。