[发明专利]基于AI和流式计算的用户分析方法及系统

说明书

本申请实施例提供的基于AI和流式计算的用户分析方法及系统，依据目标事件识别网络对流式数据事件集进行按组识别，在识别出包含目标事件数据的目标流式数据组的同时，还确定目标事件数据的事件分布，使得目标事件数据的识别过程更加精准。此外，获得目标流式数据组后，依据流式数据组的时序和目标事件数据事件分布的匹配性对目标流式数据组进行划分，生成在采集时间上紧邻的目标流式数据序列，基于此得到的目标流式数据序列在拟分析流式数据事件集中的时序分布情况能够体现目标事件数据在拟分析流式数据事件集的时序分布情况，获得流式数据事件集中目标事件数据的时序分布情况以及目标事件数据的事件分布，使得目标事件识别的准确性得到提高。

技术领域

本申请涉及数据处理领域，具体而言，涉及一种基于AI和流式计算的用户分析方法及系统。

背景技术

在金融银行领域，大量用户的金融行为使得系统内部每时每刻都产生大量的数据，同时包括系统与外部业务系统交互产生的数据，对这些用户的金融数据进行实时分析，挖掘其中蕴含的特征信息，识别出目标事件，可以帮助运营平台进行决策，如用户异常识别、针对用户进行金融产品推送等。出于金融领域数据变化快的特性，对其数据处理的实时性具备较高的要求，通常采取流式计算进行处理，传统的流式数据处理方式中，因为数据综合展现能力较弱，对目标事件的识别准确性和定位能力较差，造成用户分析不准确。基于此，如何准确识别目标事件并精确定位是亟待解决的技术问题。

发明内容

本发明的目的在于提供一种基于AI和流式计算的用户分析方法及系统，以改善上述的问题。

本申请实施例的技术方案是这样实现的：

第一方面，本申请实施例提供了一种基于AI和流式计算的用户分析方法，应用于用户分析AI系统，所述方法包括：

接收目标用户对应的终端设备上传的所述目标用户的流式数据，依据所述流式数据的产生时序进行归集，得到拟分析流式数据事件集，其中，所述拟分析流式数据事件集中的数据时间跨度为预设的时间跨度；

获取所述拟分析流式数据事件集对应的流式数据组链；

依据调试完成的目标事件识别网络按序对所述流式数据组链中的每一流式数据组进行目标事件识别，获得所述流式数据组链中存在目标事件数据的目标流式数据组以及所述目标流式数据组中目标事件数据的事件分布；

针对所述拟分析流式数据事件集中在采集时间上紧邻的所述目标流式数据组，依据目标事件数据的事件分布的匹配性进行分桶，得到多个在采集时间上紧邻的目标流式数据序列；

输出所述多个在采集时间上紧邻的目标流式数据序列分别在所述拟分析流式数据事件集中的时序分布情况以及所述目标事件数据的事件分布。

可选地，所述获取拟分析流式数据事件集对应的流式数据组链，包括：

获取拟分析流式数据事件集，将所述拟分析流式数据事件集按所述拟分析流式数据事件集的流式数据组容量进行分离，得到多个流式数据分团；

在每一所述流式数据分团中依据预设的挖掘频率进行数据采样，得到预设数目的流式数据组；

依据在每一流式数据分团得到的预设数目的流式数据组，得到所述流式数据组链。

可选地，所述依据调试完成的目标事件识别网络按序对所述流式数据组链中的每一流式数据组进行目标事件识别，包括：

将所述流式数据组链中的多个所述流式数据组按序加载至所述调试完成的目标事件识别网络；

依据所述目标事件识别网络的表征向量挖掘模块，挖掘所述流式数据组对应的表征向量集合；

依据所述目标事件识别网络的事件分类模块，依据所述流式数据组的表征向量集合，获得所述表征向量集合中的每一表征向量的类型和概率变量；

所述获得所述流式数据组链中存在目标事件数据的目标流式数据组以及所述目标流式数据组中目标事件数据的事件分布，包括：

获取所述事件分类模块输出的所述表征向量集合中的每一表征向量的类型和概率变量；