[发明专利]用户数据监控分析方法、装置、设备及介质

说明书

本发明涉及数据监控技术，揭露了一种基于第三方软件的用户数据监控分析方法，包括：从第三方软件中收集目标用户的行为数据集，对所述行为数据集降维，得到降维行为数据集，利用数据异常检测模型检测所述降维行为数据集，得到正常行为数据集和异常行为数据集，利用协同过滤算法，根据所述正常行为数据集和异常行为数据集执行数据重构，得到标准数据集，对所述标准数据集执行可视化处理，得到可视化图表集。本发明还涉及区块链技术，所述目标用户的行为数据集可存储于区块链节点中。本发明还提出一种基于第三方软件的用户数据监控分析装置、电子设备以及一种计算机可读存储介质。本发明可以解决数据监控过程中，耗费大量计算机内存的问题。

技术领域

本发明涉及数据监控技术领域，尤其涉及一种基于第三方软件的用户数据监控分析方法、装置、电子设备及计算机可读存储介质。

背景技术

目前，很多软件产品或者平台为了给用户提供更加丰富的产品与服务都会接入第三方软件，所述第三方软件是针对第一方、第二方而言，其中，第一方是指自已，第二方是指自己要解决的问题即用户，用另外的软件去为自己的用户提供服务，就是指第三方软件。

为了了解第三方软件对用户产生的效果，通常需要对所述第三方软件产生的用户行为数据进行分析。传统的分析方法多利用支持向量机(SVM)建模来完成，但是SVM的空间消耗主要是存储训练样本和核矩阵，由于SVM是借助二次规划来求解支持向量，而求解二次规划将涉及m阶矩阵的计算(m为样本的个数)，当数目很大时该矩阵的存储和计算将耗费大量的计算机内存，损耗计算机磁盘的读写速度。

发明内容

本发明提供一种基于第三方软件的用户数据监控分析方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决数据监控过程中，耗费大量计算机内存的问题。

为实现上述目的，本发明提供的一种基于第三方软件的用户数据监控分析方法，包括：

从第三方软件中收集目标用户的行为数据集；

对所述行为数据集执行降维操作，得到降维行为数据集；

利用预先构建的数据异常检测模型，检测所述降维行为数据集，得到正常行为数据集和异常行为数据集；

利用预设的协同过滤算法，根据所述正常行为数据集和所述异常行为数据集执行数据重构，得到标准数据集；

对所述标准数据集执行可视化处理，得到可视化图表集，并将所述可视化图表集传送至预设终端。

可选地，所述所述行为数据集包括用户浏览所述第三方软件的时长、用户浏览所述第三方软件相关的界面、用户浏览所述第三方软件时点击的按钮。

可选地，所述对所述行为数据集执行降维操作，得到降维行为数据集，包括：

对所述行为数据集执行编码操作，得到用户行为向量集；

利用预构建的权重集，计算得到所述用户行为向量集的权重行为向量集；

对所述权重行为向量集执行降维处理，得到所述降维行为数据集。

可选地，所述所述所述权重行为向量集执行降维处理，得到所述降维行为数据集，包括：

利用如下公式对所述权重行为向量集执行降维处理：

Q_i＝(X_i-X_iW_jW_j^T)(X_i-X_iW_jW_j^T)^T