[發(fā)明專利]一種數(shù)據(jù)處理方法、裝置、計算機(jī)及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011077502.6
• 申請日: 2020-10-10
• 公開（公告）號: CN112232165A
• 公開（公告）日: 2021-01-15
• 發(fā)明（設(shè)計）人: 陳觀欽;陳健柯;陳遠(yuǎn);王摘星;鐘芬芬
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 熊永強(qiáng);杜維

1.一種數(shù)據(jù)處理方法，其特征在于，所述方法包括：

獲取用戶針對目標(biāo)業(yè)務(wù)的行為序列矩陣；

基于異常識別模型中的連續(xù)卷積網(wǎng)絡(luò)，對所述行為序列矩陣進(jìn)行連續(xù)卷積，獲取所述用戶的連續(xù)特征矩陣；

基于所述異常識別模型中的擴(kuò)張卷積網(wǎng)絡(luò)，對所述行為序列矩陣進(jìn)行擴(kuò)張卷積，獲取所述用戶的擴(kuò)張?zhí)卣骶仃?；所述擴(kuò)張卷積是指對所述行為序列矩陣中元素間隔為e的矩陣元素進(jìn)行卷積，e為正整數(shù)，e是根據(jù)所述擴(kuò)張卷積網(wǎng)絡(luò)的擴(kuò)張系數(shù)所確定的；

對所述連續(xù)特征矩陣及所述擴(kuò)張?zhí)卣骶仃囘M(jìn)行特征融合，得到融合特征向量；

將所述融合特征向量輸入到所述異常識別模型中的全局特征融合模塊中以得到異常概率；

根據(jù)所述異常概率確定所述用戶針對所述目標(biāo)業(yè)務(wù)的行為識別結(jié)果。

2.如權(quán)利要求1所述的方法，其特征在于，所述獲取用戶針對目標(biāo)業(yè)務(wù)的行為序列矩陣，包括：

獲取用戶的初始行為序列數(shù)據(jù)及模型序列長度，根據(jù)所述模型序列長度將所述初始行為序列數(shù)據(jù)轉(zhuǎn)換為行為序列數(shù)據(jù)；所述行為序列數(shù)據(jù)包括p個行為元素，p為所述模型序列長度；

將p個行為元素中的各個行為元素映射為初始特征向量，將所述各個行為元素分別映射得到的初始特征向量進(jìn)行拼接，得到所述行為序列矩陣。

3.如權(quán)利要求1所述的方法，其特征在于，所述連續(xù)卷積網(wǎng)絡(luò)包括N個連續(xù)卷積子網(wǎng)絡(luò)，各個連續(xù)卷積子網(wǎng)絡(luò)對應(yīng)的連續(xù)卷積寬度不同；N為正整數(shù)；

所述基于異常識別模型中的連續(xù)卷積網(wǎng)絡(luò)，對所述行為序列矩陣進(jìn)行連續(xù)卷積，獲取所述用戶的連續(xù)特征矩陣，包括：

在異常識別模型中，將所述行為序列矩陣輸入第i個連續(xù)卷積子網(wǎng)絡(luò)中，在所述第i個連續(xù)卷積子網(wǎng)絡(luò)中，以所述第i個連續(xù)卷積子網(wǎng)絡(luò)對應(yīng)的連續(xù)卷積寬度，對所述行為序列矩陣進(jìn)行卷積，得到所述用戶的第i個連續(xù)特征矩陣，直至獲取到所述用戶的N個連續(xù)特征矩陣；i為正整數(shù)，i小于或等于N。

4.如權(quán)利要求3所述的方法，其特征在于，所述第i個連續(xù)卷積子網(wǎng)絡(luò)包括d₁個連續(xù)卷積核，所述d₁個連續(xù)卷積核中的各個連續(xù)卷積核的卷積參數(shù)不同；

所述在所述第i個連續(xù)卷積子網(wǎng)絡(luò)中，以所述第i個連續(xù)卷積子網(wǎng)絡(luò)對應(yīng)的連續(xù)卷積寬度，對所述行為序列矩陣進(jìn)行卷積，得到所述用戶的第i個連續(xù)特征矩陣，包括：

在所述第i個連續(xù)卷積子網(wǎng)絡(luò)中，根據(jù)所述第i個連續(xù)卷積子網(wǎng)絡(luò)對應(yīng)的連續(xù)卷積寬度，采用所述d₁個連續(xù)卷積核分別對所述行為序列矩陣進(jìn)行卷積，提取所述行為序列矩陣對應(yīng)的d₁個第一特征向量；

對所述d₁個第一特征向量進(jìn)行特征拼接，得到所述用戶的第i個連續(xù)特征矩陣。

5.如權(quán)利要求1所述的方法，其特征在于，所述擴(kuò)張卷積網(wǎng)絡(luò)包括M個擴(kuò)張卷積子網(wǎng)絡(luò)，各個擴(kuò)張卷積子網(wǎng)絡(luò)對應(yīng)的擴(kuò)張卷積寬度不同；M為正整數(shù)；

所述基于所述異常識別模型中的擴(kuò)張卷積網(wǎng)絡(luò)，對所述行為序列矩陣進(jìn)行擴(kuò)張卷積，獲取所述用戶的擴(kuò)張?zhí)卣骶仃?，包括?/p>

在所述異常識別模型中，將所述行為序列矩陣輸入第j個擴(kuò)張卷積子網(wǎng)絡(luò)中，在所述第j個擴(kuò)張卷積子網(wǎng)絡(luò)中，以所述第j個擴(kuò)張卷積子網(wǎng)絡(luò)對應(yīng)的擴(kuò)張卷積寬度，對所述行為序列矩陣進(jìn)行卷積，得到所述用戶的第j個擴(kuò)張?zhí)卣骶仃?，直至獲取到所述用戶的M個擴(kuò)張?zhí)卣骶仃?；j為正整數(shù)，j小于或等于M。