[发明专利]一种网络资产数据处理方法

权利要求书

1.一种网络资产数据处理方法，其特征在于，包括以下步骤：

通过word2vec中的skip-gram二层神经网络载入语料库进行词向量训练获取词向量模型；

对网络资产原始数据进行文本特征列遍历，将遍历后文本特征的行文本进行分词，采用自适应算法通过词向量模型匹配单词的词向量；将匹配到的词向量的均值作为文本向量，获取向量化文本列，加入聚类向量数组；

对聚类向量数组进行去重，通过Kmeans-SSE算法将聚类向量数组中的向量化文本列进行聚类，其聚类类标作为文本的转换数值。

2.根据权利要求1所述的网络资产数据处理方法，其特征在于，还包括对网络资产数据的时间类型数据的转换，包括以下步骤：

对网络资产原始数据中的时间类型数据中的日期与时分秒进行分列，将其中的日期转为时间戳形式，时分秒转为数值0-23；所述时间类型数据包括样本探测时间，资产工作时间，资产存在时间，其为日期加时分秒的结构型数据。

3.根据权利要求1所述的网络资产数据处理方法，其特征在于，还包括对网络资产数据IP型特征数值的转换，包括以下步骤：

对网络资产原始数据中的IP型特征数值中的每段转为十六进制，按顺序连接为一段十六进制数值，将该段十六进制数值转为十进制的数值。

4.根据权利要求1所述的网络资产数据处理方法，其特征在于，还包括对网络资产数据经纬度信息的转换，包括以下步骤：

对网络资产原始数据中的坐标型特征的数值中的经纬度信息，将经纬度信息进行分列，获取对应的地理位置数值。

5.根据权利要求1所述的网络资产数据处理方法，其特征在于，所述词向量模型训练包括以下步骤：

载入语料库，确定词向量维度：

n＞8.33log N (1)

其中N是词表的大小，n是选取的词向量维度；

输入为一个中心词的one-hot向量至word2vec中的skip-gram二层神经网络，输出为预测的上下文单词的one-hot向量；

进行模型训练获得作为中心词得出的权重矩阵w和作为上下文得出的w'，以及第一个全连接层的权重矩阵，即获得的单词作为中心词训练出的词向量矩阵；其中，对应列i代表第i个单词的词向量。

6.根据权利要求1所述的网络资产数据处理方法，其特征在于，所述自适应算法包括以下步骤：

在匹配词向量时，单词切片的极限长度设置为2，依次对其进行大写、小写和切片形式的识别，直到匹配成功；

若单词依旧无法匹配，则识别失败，跳过单词；

文本遍历结束时若无匹配成功单词，则文本向量匹配为异常词向量，否则取匹配到的词向量均值作为文本向量。

7.根据权利要求1所述的网络资产数据处理方法，其特征在于，所述聚类类标作为转换数值，为区分出缺失值，将缺失值作为数值0，聚类类标由1开始。