[发明专利]一种基于CNN使用日志频谱分析的用户分类方法及系统

权利要求书

1.一种基于CNN使用日志频谱分析的用户分类方法，其特征在于，包括：

检测到用户分类请求时，获取所述用户分类请求对应的目标用户及请求目标，基于所述请求目标确定对应的请求时间段，基于所述请求时间段获取所述目标用户的历史日志数据中的目标历史数据；

根据所述请求目标确定对应的请求因子，基于所述请求因子确定所述目标历史数据中的用户分类数据，并获取所述用户分类数据对应的数据时间，基于所述用户分类数据及对应的数据时间，生成目标用户对应的时间序列；

将所述时间序列根据所述数据时间的时间间隔分为时间序列集，并对所述时间序列集进行标准化，得到标准化后的时间序列集，并将标准化后的所述时间序列集通过傅里叶变换转换为对应的频谱图；

基于所述请求目的、请求因子搭建对应的CNN卷积神经网络模型，将所述频谱图输入至CNN卷积神经网络模型进行分类训练，基于分类训练结果确定所述目标用户的分类结果。

2.根据权利要求1所述的基于CNN使用日志频谱分析的用户分类方法，其特征在于，所述方法还包括：

获取预设周期内包含所述请求目标的用户分类请求的请求次数，基于所述请求次数确定所述用户分类请求的优先级，并基于所述优先级确定对应的用户分类请求序列；

基于所述用户分类请求序列中的优先级确定对应的请求目标的优先级，并基于所述请求目标的优先级调整所述CNN卷积神经网络中卷积层的学习权重。

3.根据权利要求1所述的基于CNN使用日志频谱分析的用户分类方法，其特征在于，所述方法还包括：

基于所述分类结果，生成对应的分类标签，并基于所述请求时间段确定对应的更新周期；

将所述分类标签保存至对应目标用户的历史日志数据，并基于所述更新周期对所述分类标签进行更新。

4.根据权利要求1所述的基于CNN使用日志频谱分析的用户分类方法，其特征在于，所述将所述频谱图输入至CNN卷积神经网络模型进行分类训练，包括：

基于所述用户分类数据获取历史对照集，并将所述历史对照集按照预设比例分为标准集及验证集，所述历史对照集为数据库中与所述用户分类数据关联的、已完成分类的历史数据；

生成标准集数据对应标准频谱图，将所述标准匹配图及对应的分类结果输入至所述CNN卷积神经网络作为神经网络模型的标准参数；

获取所述CNN卷积神经网络模型的分类训练结果，并将所述分类训练结果与验证集数据进行对比，若对比结果满足预设的准确度要求，确定所述分类训练对应的所述目标用户的分类结果。

5.根据权利要求1所述的基于CNN使用日志频谱分析的用户分类方法，其特征在于，所述方法还包括：

所述标准化为Z-score标准化。

6.一种基于CNN使用日志频谱分析的用户分类系统，其特征在于，所述系统包括：

检测模块，用于检测到用户分类请求时，获取所述用户分类请求对应的目标用户及请求目标，基于所述请求目标确定对应的请求时间段，基于所述请求时间段获取所述目标用户的历史日志数据中的目标历史数据；

序列模块，用于根据所述请求目标确定对应的请求因子，基于所述请求因子确定所述目标历史数据中的用户分类数据，并获取所述用户分类数据对应的数据时间，基于所述用户分类数据及对应的数据时间，生成目标用户对应的时间序列；

频谱模块，用于将所述时间序列根据所述数据时间的时间间隔分为时间序列集，并对所述时间序列集进行标准化，得到标准化后的时间序列集，并将标准化后的所述时间序列集通过傅里叶变换转换为对应的频谱图；

训练模块，用于基于所述请求目的、请求因子搭建对应的CNN卷积神经网络模型，将所述频谱图输入至CNN卷积神经网络模型进行分类训练，基于分类训练结果确定所述目标用户的分类结果。