[发明专利]无类型标签用户数据的处理方法、装置、电子设备和介质

权利要求书

1.一种无类型标签用户数据的处理方法，其特征在于，所述方法包括：

根据用户的交易特征数据对用户进行聚类，得到特定数量的簇；

确定所述簇为无类型标签簇或有类型标签簇；所述无类型标签簇中包含无类型标签用户，所述有类型标签簇中不包含无类型标签用户；所述类型标签用于指示所述用户异常或正常；

选取特定数量的无类型标签簇作为样本簇；

从所述样本簇中选取相似度最大的特定数量的第一用户，根据被选取的第一用户构建正样本对；

将两两样本簇构成对应的样本簇对；计算每个样本簇对的簇对中心点距离，所述簇对中心点距离为样本簇对中两个样本簇的中心点之间的距离；

按照所述簇对中心点距离从大到小的顺序，选取特定数量的样本簇对，并从中抽取一个样本簇对，得到相似度满足设定条件的两个样本簇，分别从该两个样本簇选取所述第一用户，根据被选取的第一用户构建负样本对；

为所述正样本对配置相似的相似度标签，为所述负样本对配置不相似的相似度标签；

将具有相似度标签的正样本对和负样本对构建为无类型标签样本集合。

2.根据权利要求1所述的方法，其特征在于，所述得到特定数量的簇之后，且确定所述簇为无类型标签簇或有类型标签簇之前，该方法还包括：

统计每个簇中有类型标签的用户数量和无类型标签的用户数量，若所述簇中有类型标签的用户数量大于无类型标签的用户数量，且有类型标签的用户类型标签的标签值全为正常或全为异常，则为所述簇中的无类型标签的用户生成类型标签。

3.根据权利要求2所述的方法，其特征在于，为所述簇中的无类型标签的用户生成类型标签，包括：

若所述簇中有类型标签的用户的类型标签的标签值全为正常，则所述簇中的无类型标签的用户的类型标签的标签值设为正常；若所述簇中有类型标签的用户的类型标签的标签值全为异常，则所述簇中的无类型标签的用户的类型标签的标签值设为异常。

4.根据权利要求1所述的方法，其特征在于，所述选取特定数量的无类型标签簇作为样本簇，包括：

对于任意一个无类型标签簇，根据该簇中各用户的交易特征数据确定该簇的中心点，并计算该簇的中心点与其他所有无类型标签簇的中心点之间的平均距离；

按照每个无类型标签簇对应的所述平均距离从大到小的顺序，选取特定数量的无类型标签簇作为样本簇。

5.根据权利要求4所述的方法，其特征在于，从样本簇中选取相似度最大的特定数量的第一用户，包括：

计算所述样本簇中各个用户的用户中心点距离，所述用户中心点距离为所述用户与所述样本簇中心点的距离；

按照所述用户中心点距离从小到大的顺序，从所述样本簇中选取特定数量的第一用户。

6.根据权利要求5所述的方法，其特征在于，

根据被选取的第一用户构建正样本对，包括：

被选取的所述第一用户分别与所述中心点组成相应的正样本对；

根据被选取的第一用户构建负样本对，包括：

被选取的两个样本簇中的被选取的第一用户两两组成相应的负样本对。

7.根据权利要求1所述的方法，其特征在于，所述确定所述簇为无类型标签簇或有类型标签簇之后，该方法还包括：将所有的簇中的有类型标签的用户组成有类型标签样本集合；

相应的，该方法还包括：

所述有类型标签样本集合与所述无类型标签样本集合构成训练样本，将所述训练样本输入深度学习模型训练，优化所述深度学习模型，得到优化后的深度学习模型；

基于待识别的用户的交易特征数据，通过所述优化后的深度学习模型，确定所述待识别的用户的类型为异常或正常。