异常用户检测方法及装置
    1.
    发明公开

    公开(公告)号:CN111163065A

    公开(公告)日:2020-05-15

    申请号:CN201911279299.8

    申请日:2019-12-13

    摘要: 本发明提出了一种异常用户检测方法及装置,检测方法包括:获取用户的行为数据信息;对行为数据信息进行预处理,获得行为序列;将行为序列与预先训练的异常行为库中的异常行为特征进行匹配,以判定用户是否为异常用户;其中,行为序列包括:操作事件和时间间隔信息。根据本发明的异常用户检测方法,依据移动端用户行为的特点,充分利用异常用户特征,在行为序列挖掘过程中,加入时间间隔属性,进行带有时间间隔的行为序列挖掘,可以有效提升异常用户检测的准确率。

    一种事件类型识别方法及装置

    公开(公告)号:CN106095928A

    公开(公告)日:2016-11-09

    申请号:CN201610409465.1

    申请日:2016-06-12

    IPC分类号: G06F17/30 G06F17/27

    摘要: 本发明公开了一种事件类型识别方法及装置。该方法包括以下步骤:对训练集中所有文本进行分词、提取词性处理后训练词向量空间模型,提取文本的特征,将文本表示为特征向量;对于训练集进行事件类型聚类,训练带有类型聚类正则化项的神经网络模型;对于测试样本同样进行分析、提取词性处理,并利用已经训练好的词向量模型,得到特征表示;利用类型聚类正则化项的神经网络模型进行事件类别识别。借助于本发明的技术方案,能够利用同一群组中的类型共享信息来减轻标注数据不平衡带来的问题。

    微博分类方法及装置
    9.
    发明授权

    公开(公告)号:CN104361037B

    公开(公告)日:2017-12-19

    申请号:CN201410591807.7

    申请日:2014-10-29

    IPC分类号: G06F17/30 G06F17/27

    摘要: 本发明公开了一种微博分类方法及装置。该方法包括:步骤1,对训练语料集合进行预处理,对预处理后的训练语料进行分词,获取候选特征,并对候选特征进行权重计算,根据权重计算结果进行特征选择,获取最终的分类特征;步骤2,根据最终的分类特征,采用贝叶斯分类器进行模型训练,获取分类模型;步骤3,采用贝叶斯分类器根据分类模型对微博文档进行分类。借助于本发明的技术方案,提高了分类的召回率与准确率。