[发明专利]上网行为识别方法、装置、计算设备及计算机存储介质

说明书

本发明实施例涉及人工智能技术领域，公开了一种上网行为识别方法、装置、计算设备及计算机存储介质，该方法包括：控制上网设备访问目标应用软件，以获取上网行为数据，所述上网行为数据包括上网特征信息及所述上网特征信息对应的访问类型；对所述上网特征信息及所述上网特征信息对应的访问类型编码，得到训练数据；根据所述训练数据训练深度神经网络模型，得到识别模型；根据所述识别模型对用户的上网行为进行识别。通过上述方式，本发明实施例实现了自动获取用户的上网行为数据，并通过训练识别模型对用户的上网行为进行识别。

技术领域

本发明实施例涉及人工智能技术领域，具体涉及一种上网行为识别方法、装置、计算设备及计算机存储介质。

背景技术

用户在使用手机访问上网软件时，会在运营商网络中产生用户日志，根据用户日志能够分析出用户的上网行为。目前，通过深度包检测技术(Deep Packer Inspection，DPI)在运营商网络中解析出的数据，仅能够分析用户粗粒度的行为，例如，访问的上网软件名称等，更细粒度的行为，例如，用户的具体点击内容，则需要人工方式完成。图1示出了人工获取用户上网行为的流程图，如图1所示，数据分析师定期访问上网软件，并通过抓包工具对上网软件进行抓包分析，形成特征库；将特征库加载进计算引擎，以对通过DPI解析出的数据进行正则匹配，并根据匹配结果得到用户上网行为标签。

现有技术的行为分析需要人工介入，花费时间较长；用户上网行为标签通过与特征库匹配完成，当特征库中存储的上网软件的特征不全面时，用户上网行为标签的识别率低。

发明内容

鉴于上述问题，本发明实施例提供了一种上网行为识别方法、装置、计算设备及计算机存储介质，克服了上述问题或者至少部分地解决了上述问题。

根据本发明实施例的一个方面，提供了一种上网行为识别方法，所述方法包括：

控制上网设备访问目标应用软件，以获取上网行为数据，所述上网行为数据包括上网特征信息及所述上网特征信息对应的访问类型；

对所述上网特征信息及所述上网特征信息对应的访问类型编码，得到训练数据；

根据所述训练数据训练深度神经网络模型，得到识别模型；

根据所述识别模型对用户的上网行为进行识别。

在一种可选的方式中，所述控制上网设备访问目标应用软件，以获取上网行为数据，包括：

根据预先定义的访问规则控制上网设备访问目标应用软件，得到访问日志，所述预先定义的访问规则包括访问命令和访问类型之间的对应关系；

从所述访问日志中提取所述上网行为数据。

在一种可选的方式中，在对所述上网特征信息及所述上网特征信息对应的访问类型编码，得到训练数据之前，所述方法还包括：

通过预设的正则表达式对所述上网特征信息进行过滤；

所述对所述上网特征信息及所述上网特征信息对应的访问类型编码，得到训练数据，包括：

对过滤后的所述上网特征信息及所述上网特征信息对应的访问类型编码，得到训练数据。

在一种可选的方式中，所述对所述上网特征信息及所述上网特征信息对应的访问类型进行编码，得到训练数据，包括：

在预设的编码库中获取所述上网特征信息对应的编码；

将所述上网特征信息在所述预设的编码库中对应的编码进行转换，得到标准格式的编码，所述转换包括对齐和归一化；

根据预设编码规则对所述访问类型进行编码，得到访问类型标识；

将所述标准格式的编码及所述访问类型标识之间的对应关系作为训练数据。