[發(fā)明專(zhuān)利]一種基于CNN使用日志頻譜分析的用戶分類(lèi)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202310875368.1
• 申請(qǐng)日: 2023-07-18
• 公開(kāi)（公告）號(hào): CN116595428B
• 公開(kāi)（公告）日: 2023-10-13
• 發(fā)明（設(shè)計(jì)）人: 王革委;陳麗君;時(shí)慕華;陳志勇
• 申請(qǐng)（專(zhuān)利權(quán)）人: 天翼云科技有限公司
• 主分類(lèi)號(hào): G06F18/24
• 分類(lèi)號(hào): G06F18/24;G06N3/0464;G06N3/08;G06F16/9536;G06F16/9537;G06Q30/0601
• 代理公司: 浙江千克知識(shí)產(chǎn)權(quán)代理有限公司 33246
• 代理人: 雷嫻

1.一種基于CNN使用日志頻譜分析的用戶分類(lèi)方法，其特征在于，包括：

檢測(cè)到用戶分類(lèi)請(qǐng)求時(shí)，獲取所述用戶分類(lèi)請(qǐng)求對(duì)應(yīng)的目標(biāo)用戶及請(qǐng)求目標(biāo)，基于所述請(qǐng)求目標(biāo)確定對(duì)應(yīng)的請(qǐng)求時(shí)間段，基于所述請(qǐng)求時(shí)間段獲取所述目標(biāo)用戶的歷史日志數(shù)據(jù)中的目標(biāo)歷史數(shù)據(jù)；

根據(jù)所述請(qǐng)求目標(biāo)確定對(duì)應(yīng)的請(qǐng)求因子，基于所述請(qǐng)求因子確定所述目標(biāo)歷史數(shù)據(jù)中的用戶分類(lèi)數(shù)據(jù)，并獲取所述用戶分類(lèi)數(shù)據(jù)對(duì)應(yīng)的數(shù)據(jù)時(shí)間，基于所述用戶分類(lèi)數(shù)據(jù)及對(duì)應(yīng)的數(shù)據(jù)時(shí)間，生成目標(biāo)用戶對(duì)應(yīng)的時(shí)間序列；

將所述時(shí)間序列根據(jù)所述數(shù)據(jù)時(shí)間的時(shí)間間隔分為時(shí)間序列集，并對(duì)所述時(shí)間序列集進(jìn)行標(biāo)準(zhǔn)化，得到標(biāo)準(zhǔn)化后的時(shí)間序列集，并將標(biāo)準(zhǔn)化后的所述時(shí)間序列集通過(guò)傅里葉變換轉(zhuǎn)換為對(duì)應(yīng)的頻譜圖；

基于所述請(qǐng)求目的、請(qǐng)求因子搭建對(duì)應(yīng)的CNN卷積神經(jīng)網(wǎng)絡(luò)模型，將所述頻譜圖輸入至CNN卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分類(lèi)訓(xùn)練，基于分類(lèi)訓(xùn)練結(jié)果確定所述目標(biāo)用戶的分類(lèi)結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于CNN使用日志頻譜分析的用戶分類(lèi)方法，其特征在于，所述方法還包括：

獲取預(yù)設(shè)周期內(nèi)包含所述請(qǐng)求目標(biāo)的用戶分類(lèi)請(qǐng)求的請(qǐng)求次數(shù)，基于所述請(qǐng)求次數(shù)確定所述用戶分類(lèi)請(qǐng)求的優(yōu)先級(jí)，并基于所述優(yōu)先級(jí)確定對(duì)應(yīng)的用戶分類(lèi)請(qǐng)求序列；

基于所述用戶分類(lèi)請(qǐng)求序列中的優(yōu)先級(jí)確定對(duì)應(yīng)的請(qǐng)求目標(biāo)的優(yōu)先級(jí)，并基于所述請(qǐng)求目標(biāo)的優(yōu)先級(jí)調(diào)整所述CNN卷積神經(jīng)網(wǎng)絡(luò)中卷積層的學(xué)習(xí)權(quán)重。

3.根據(jù)權(quán)利要求1所述的基于CNN使用日志頻譜分析的用戶分類(lèi)方法，其特征在于，所述方法還包括：

基于所述分類(lèi)結(jié)果，生成對(duì)應(yīng)的分類(lèi)標(biāo)簽，并基于所述請(qǐng)求時(shí)間段確定對(duì)應(yīng)的更新周期；

將所述分類(lèi)標(biāo)簽保存至對(duì)應(yīng)目標(biāo)用戶的歷史日志數(shù)據(jù)，并基于所述更新周期對(duì)所述分類(lèi)標(biāo)簽進(jìn)行更新。

4.根據(jù)權(quán)利要求1所述的基于CNN使用日志頻譜分析的用戶分類(lèi)方法，其特征在于，所述將所述頻譜圖輸入至CNN卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分類(lèi)訓(xùn)練，包括：

基于所述用戶分類(lèi)數(shù)據(jù)獲取歷史對(duì)照集，并將所述歷史對(duì)照集按照預(yù)設(shè)比例分為標(biāo)準(zhǔn)集及驗(yàn)證集，所述歷史對(duì)照集為數(shù)據(jù)庫(kù)中與所述用戶分類(lèi)數(shù)據(jù)關(guān)聯(lián)的、已完成分類(lèi)的歷史數(shù)據(jù)；

生成標(biāo)準(zhǔn)集數(shù)據(jù)對(duì)應(yīng)標(biāo)準(zhǔn)頻譜圖，將所述標(biāo)準(zhǔn)匹配圖及對(duì)應(yīng)的分類(lèi)結(jié)果輸入至所述CNN卷積神經(jīng)網(wǎng)絡(luò)作為神經(jīng)網(wǎng)絡(luò)模型的標(biāo)準(zhǔn)參數(shù)；

獲取所述CNN卷積神經(jīng)網(wǎng)絡(luò)模型的分類(lèi)訓(xùn)練結(jié)果，并將所述分類(lèi)訓(xùn)練結(jié)果與驗(yàn)證集數(shù)據(jù)進(jìn)行對(duì)比，若對(duì)比結(jié)果滿足預(yù)設(shè)的準(zhǔn)確度要求，確定所述分類(lèi)訓(xùn)練對(duì)應(yīng)的所述目標(biāo)用戶的分類(lèi)結(jié)果。

5.根據(jù)權(quán)利要求1所述的基于CNN使用日志頻譜分析的用戶分類(lèi)方法，其特征在于，所述方法還包括：

所述標(biāo)準(zhǔn)化為Z-score標(biāo)準(zhǔn)化。

6.一種基于CNN使用日志頻譜分析的用戶分類(lèi)系統(tǒng)，其特征在于，所述系統(tǒng)包括：

檢測(cè)模塊，用于檢測(cè)到用戶分類(lèi)請(qǐng)求時(shí)，獲取所述用戶分類(lèi)請(qǐng)求對(duì)應(yīng)的目標(biāo)用戶及請(qǐng)求目標(biāo)，基于所述請(qǐng)求目標(biāo)確定對(duì)應(yīng)的請(qǐng)求時(shí)間段，基于所述請(qǐng)求時(shí)間段獲取所述目標(biāo)用戶的歷史日志數(shù)據(jù)中的目標(biāo)歷史數(shù)據(jù)；

序列模塊，用于根據(jù)所述請(qǐng)求目標(biāo)確定對(duì)應(yīng)的請(qǐng)求因子，基于所述請(qǐng)求因子確定所述目標(biāo)歷史數(shù)據(jù)中的用戶分類(lèi)數(shù)據(jù)，并獲取所述用戶分類(lèi)數(shù)據(jù)對(duì)應(yīng)的數(shù)據(jù)時(shí)間，基于所述用戶分類(lèi)數(shù)據(jù)及對(duì)應(yīng)的數(shù)據(jù)時(shí)間，生成目標(biāo)用戶對(duì)應(yīng)的時(shí)間序列；

頻譜模塊，用于將所述時(shí)間序列根據(jù)所述數(shù)據(jù)時(shí)間的時(shí)間間隔分為時(shí)間序列集，并對(duì)所述時(shí)間序列集進(jìn)行標(biāo)準(zhǔn)化，得到標(biāo)準(zhǔn)化后的時(shí)間序列集，并將標(biāo)準(zhǔn)化后的所述時(shí)間序列集通過(guò)傅里葉變換轉(zhuǎn)換為對(duì)應(yīng)的頻譜圖；

訓(xùn)練模塊，用于基于所述請(qǐng)求目的、請(qǐng)求因子搭建對(duì)應(yīng)的CNN卷積神經(jīng)網(wǎng)絡(luò)模型，將所述頻譜圖輸入至CNN卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分類(lèi)訓(xùn)練，基于分類(lèi)訓(xùn)練結(jié)果確定所述目標(biāo)用戶的分類(lèi)結(jié)果。