[发明专利]行为数据分类处理方法、装置、设备及存储介质

权利要求书

1.一种行为数据分类处理方法，其特征在于，应用于服务器，包括：

接收第一客户端发送的用户行为数据，并根据所述用户行为数据确定目标数据；

将所述目标数据输入训练好的随机森林模型，得到所述训练好的随机森林模型中各个分类树的结果；

根据所述各个分类树的结果中异常结果占所有结果的比例，确定所述用户行为数据对应的分类结果；

将所述分类结果发送至第二客户端以进行显示。

2.根据权利要求1所述的方法，其特征在于，所述接收第一客户端发送的用户行为数据之前，还包括：

获取历史用户行为数据；

接收第三客户端发送的赋值信息，并根据所述赋值信息对所述历史用户行为数据进行赋值，得到赋值的历史用户行为数据，其中所述赋值的历史用户行为数据包括正常数据和异常数据；

根据所述赋值的历史用户行为数据，确定标准历史用户行为数据；

使用所述标准历史用户行为数据进行随机森林模型训练，得到所述训练好的随机森林模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述赋值的历史用户行为数据，确定标准历史用户行为数据，包括：

以所有异常数据为基础数据，计算得到新的异常数据，并将所述新的异常数据加入所述异常数据，直至所述异常数据的数据量达到所述赋值的历史用户行为数据的第一预设比例；

将含有异常数据的数据量达到所述第一预设比例的赋值的历史用户行为数据确定为标准历史用户行为数据。

4.根据权利要求3所述的方法，其特征在于，所述以所有异常数据为基础数据，计算得到新的异常数据，包括：

以所述所有异常数据中任一异常数据作为基础数据，以所述所有异常数据中另一异常数据作为辅助数据，对所述基础数据和所述辅助数据进行差值，得到新的异常数据。

5.根据权利要求2至4任一项所述的方法，其特征在于，所述使用所述标准历史用户行为数据进行随机森林模型训练，得到所述训练好的随机森林模型，包括：

在所述标准历史用户行为数据中有放回地抽取预设数量的数据作为训练集，将剩余未抽取到的数据作为测试集；

使用所述训练集对初始的随机森林模型训练，得到待确定的随机森林模型；

若将所述测试集输入所述待确定的随机森林模型得到的分类结果正确率小于第二预设比例，则重新执行所述根据所述赋值的历史用户行为数据，确定标准历史用户行为数据的步骤，并继续执行训练集与测试集的建立以及模型训练的步骤，直至得到的所述分类结果正确率超过第二预设比例时，得到所述训练好的随机森林模型。

6.一种行为数据分类处理装置，其特征在于，包括：

目标数据确定模块，用于接收第一客户端发送的用户行为数据，并根据所述用户行为数据确定目标数据；

结果获得模块，用于将所述目标数据输入训练好的随机森林模型，得到所述训练好的随机森林模型中各个分类树的结果；

分类结果获得模块，用于根据所述各个分类树的结果中异常结果占所有结果的比例，确定所述用户行为数据对应的分类结果；

分类结果发送模块，用于将所述分类结果发送至第二客户端以进行显示。

7.根据权利要求6所述的装置，其特征在于，还包括：

行为数据获取模块，用于获取历史用户行为数据；

赋值数据获得模块，用于接收第三客户端发送的赋值信息，并根据所述赋值信息对所述历史用户行为数据进行赋值，得到赋值的历史用户行为数据，其中所述赋值的历史用户行为数据包括正常数据和异常数据；

标准数据确定模块，用于根据所述赋值的历史用户行为数据，确定标准历史用户行为数据；

模型获得模块，用于使用所述标准历史用户行为数据进行随机森林模型训练，得到所述训练好的随机森林模型。

8.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1至5中任一项所述的行为数据分类处理方法。