[发明专利]网站登陆日志信息转换为向量化数据的方法及系统

说明书

本发明涉及计算机数据挖掘技术领域，具体涉及网站登陆日志信息转换为向量化数据的方法及系统，包括：依次读取网站登陆日志信息中各字段信息，建立网站登陆日志信息的向量，向量中数据的位置与各个字段位置一一对应：若读取到当前字段信息的数据类型为字符型数据，则生成表达当前字符型数据的子向量，将所述子向量存储至当前字段信息在向量中对应的位置。在本发明中，利用将字符型数据转化为子向量，然后存储至网站登陆日志信息对应的向量中，就可以使网站登录日志信息向量化数据的维度数量大大提升了，对后续的机器学习和数据挖掘建模的过程是大有裨益的。使所建立的模型表现力提升，欠拟合度下降，准确率提高。

技术领域

本发明涉及计算机数据挖掘技术领域，具体涉及网站登陆日志信息转换为向量化数据的方法及系统。

背景技术

网站登陆日志：一个为用户提供服务的网站，记录下来的用户登录操作的详细信息。用户每次发起的登录操作都会产生日志。网站登录日志一般包括时间，连续请求次数，是否异地登录，登录接口(从网站的不同接口，均能以同一账户密码登录)，用户ip地址，用户端口号，用户名，此次登录成功与否，错误号，用户所使用的UA(User Agent，用户代理)，用户设备id，请求时长等信息。

在网站管理的过程中，每个登录操作都会由日志文件记录。我们的目的是把这样的日志文件转化为计算机可以接受的向量化数据，然后计算机才能进行后续的数据挖掘和建模过程。现有的技术中只能利用日志中的连续型数据和二值型数据，如连续请求次数和是否成功等信息。对于字符型数据：登录接口、用户ip地址、用户端口号、错误号、用户所使用的UA、用户设备id、请求时长等均不能利用上。在将网站登录日志信息转化为向量化数据时，只能将数据型数据舍弃。这样产生的向量化数据维度太少，在后续的数据挖掘过程中会产生欠拟合和模型描述不佳的现象，影响模型准确性。

发明内容

本发明要解决的技术问题在于，克服现有的技术的不足，提供网站登陆日志信息转换为向量化数据的方法及系统，其能够将网站登录日志中字符型数据转化为向量化数据。

为达到上述技术目的，一方面，本发明提供的网站登陆日志信息转换为向量化数据的方法，其特征在于，所述方法包括：

依次读取网站登陆日志信息中各字段信息；

根据各字段信息及其数据类型建立网站登陆日志信息的向量，所述向量中数据的位置与各个字段位置一一对应，针对任一字段信息：

若读取到当前字段信息的数据类型为字符型数据，则生成表达当前字符型数据的子向量，将所述子向量存储至当前字段信息在向量中对应的位置。

另一方面，本发明提供的网站登陆日志信息转换为向量化数据的系统，其特征在于，所述系统包括：

读取子系统，用于依次读取网站登陆日志中各字段信息；

建立子系统，用于根据各字段信息及其数据类型建立网站登陆日志的向量，所述向量中数据的位置与各个字段位置一一对应；具体包括：

字符单元，用于若读取到当前字段信息的数据类型为字符型数据，则生成表达当前字符型数据的子向量，将所述子向量存储至当前字段信息在向量中对应的位置。

在本发明中，利用将字符型数据转化为子向量，然后存储至网站登陆日志信息对应的向量中，这样，就可以使网站登录日志信息向量化数据的维度数量大大提升了。这对后续的机器学习和数据挖掘建模的过程是大有裨益的。使所建立的模型表现力提升，欠拟合度下降，准确率提高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。