[發明專利]基于決策樹的數據地圖生成方法、裝置和計算機設備

在審

• 申請號: 201811535040.0
• 申請日: 2018-12-14
• 公開（公告）號: CN109784370A
• 公開（公告）日: 2019-05-21
• 發明（設計）人: 陳麗;鄭昊敏
• 申請（專利權）人: 中國平安財產保險股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;H04L29/06
• 代理公司: 深圳市明日今典知識產權代理事務所(普通合伙) 44343
• 代理人: 王杰輝

本申請揭示了一種基于決策樹的數據地圖生成方法、裝置、計算機設備和存儲介質，所述方法包括：獲取第一流量數據，所述第一流量數據包括所述第一流量的地理位置；將所述第一流量數據輸入預設的流量決策樹進行分類，其中所述流量決策樹基于流量數據，以及與流量數據關聯的流量類別組成的樣本數據訓練而成，所述流量類別包括異常流量或正常流量；輸出所述第一流量的分類結果；根據所述分類結果，在預設的地圖中的所述第一流量的地理位置處進行特殊標記，獲得所述數據地圖。從而實現了自動準確區分正常流量與異常流量，并能夠對異常流量進行預警。

技術領域

本申請涉及到計算機領域，特別是涉及到一種基于決策樹的數據地圖生成方法、裝置、計算機設備和存儲介質。

背景技術

網絡活動中常以流量作為指標，來判斷例如網站活躍性、虛擬產品的受歡迎程度等，其中，若將所有的流量均作為判斷的基礎，無疑會使判斷的準確度受到影響，這是因為有些流量并非是有效流量，例如刷單、刷廣告等異常流量，會對以流量作為指標的判斷行為造成影響。

現有技術一般會用以下幾個指標來判斷虛假流量，如流量產生的時間；流量的地理位置；使用的網絡接入方式；跳出率；網站停留時間；進入路徑和點擊分布圖；目標的完成；pageviews(綜合瀏覽量)/unique pageviews(唯一身份綜合瀏覽量)；訪客忠誠度分析(回訪頻率)；訪客重合度分析；頁面訪問長尾分析等。但目前主要依靠單個指標進行人為分析，不能做到幾個指標同時進行綜合分析，其次，也不能有效輸出緊急程度的預警，再次，結果也不能直觀的展現。

發明內容

本申請的主要目的為提供一種基于決策樹的數據地圖生成方法、裝置、計算機設備和存儲介質，旨在解決現有技術中無法自動準確區分正常流量與異常流量的問題，以及無法對異常流量進行預警。

為了實現上述發明目的，本申請提出一種基于決策樹的數據地圖生成方法，包括以下步驟：

獲取第一流量數據，所述第一流量數據包括所述第一流量的地理位置；

將所述第一流量數據輸入預設的流量決策樹進行分類，其中所述流量決策樹基于流量數據，以及與流量數據關聯的流量類別組成的樣本數據訓練而成，所述流量類別包括異常流量或正常流量；

輸出所述第一流量的分類結果；

根據所述分類結果，在預設的地圖中的所述第一流量的地理位置處進行特殊標記，獲得所述數據地圖。

進一步地，所述流量決策樹的獲得方法，包括：

獲取指定量的樣本數據，并將樣本數據分成訓練集和測試集；其中，所述樣本數據包括流量數據，以及與流量數據關聯的流量類別組成的樣本數據；

將訓練集的樣本數據輸入到CHAID決策樹模型中進行訓練，得到初步CHAID決策樹；

利用所述測試集的樣本數據驗證所述初步CHAID決策樹；

如果驗證通過，則將所述初步CHAID決策樹記為所述流量決策樹。

進一步地，所述將訓練集的樣本數據輸入到CHAID決策樹模型中進行訓練，得到初步CHAID決策樹的步驟，包括：

設置所述CHAID決策樹模型的建模標準參數，所述建模標準參數包括決策樹的最大層數、母節點的可再分的顯著水平、母節點包含的最小樣本數和子節點包含的最小樣本數；

將訓練集的樣本數據輸入到采用卡方自動交互檢測法建立的所述CHAID決策樹模型中進行訓練，得到初步CHAID決策樹。

進一步地，所述流量決策樹的獲得方法，包括:

獲取指定量的樣本數據作為測試集；其中，所述樣本數據包括流量數據，以及與流量數據關聯的流量類別組成的樣本數據；