[发明专利]一种异常用户检测方法及装置

权利要求书

1.一种异常用户检测方法，其特征在于，所述方法包括：

通过预设检测模型预测第一目标用户为异常用户的概率；

分别确定所述第一目标用户与N个异常用户群组的相似度；其中，每一所述异常用户群组对应一种异常用户类型，N为大于或等于1的整数；

确定所述第一目标用户与所述N个异常用户群组的相似度中的最大相似度；

根据所述预设检测模型预测得到的所述第一目标用户为异常用户的概率和所述最大相似度，获得所述第一目标用户的用户评分；

根据所述用户评分，确定所述第一目标用户是否为异常用户。

2.根据权利要求1所述的异常用户检测方法，其特征在于，所述分别确定所述第一目标用户与N个异常用户群组的相似度，包括：

分别确定所述第一目标用户与每一所述异常用户群组中的每一异常用户的相似度；

根据所述第一目标用户与每一所述异常用户群组中的每一异常用户的相似度，确定所述第一目标用户与每一所述异常用户群组中的异常用户的平均相似度；

将所述第一目标用户与每一所述异常用户群组中的异常用户的平均相似度，确定为所述第一目标用户与相应的所述异常用户群组的相似度。

3.根据权利要求1或2所述的异常用户检测方法，其特征在于，所述根据所述预设检测模型预测得到的所述第一目标用户为异常用户的概率和所述最大相似度，获得所述第一目标用户的用户评分，包括：

将所述概率和所述最大相似度代入第一预设公式，获得所述第一目标用户的用户评分；其中，所述第一预设公式为最大相似度、用户为异常用户的概率与用户评分之间的函数关系式。

4.根据权利要求3所述的异常用户检测方法，其特征在于，所述第一预设公式为：

其中，score_user表示所述第一目标用户的用户评分；odds表示用户为异常用户的边界概率；score_odds表示用户为异常用户的边界概率是odds时的用户基础评分；P_异常表示所述第一目标用户为异常用户的概率，P_正常表示所述第一目标用户为正常用户的概率，P_正常＝1-P_异常；similitymax表示所述最大相似度；m表示用户评分取值区间的最大值。

5.根据权利要求1所述的异常用户检测方法，其特征在于，在所述分别确定所述第一目标用户与N个异常用户群组的相似度之前，所述方法还包括：

将异常用户集合中的N个预设异常用户设置为N个初始聚类中心；其中，每个所述预设异常用户对应一种异常用户类型，且在所述异常用户集合中，所述预设异常用户相比于其他异常用户，与与其对应的异常用户类型之间的匹配度最高；

根据所述初始聚类中心和预设聚类算法，将所述异常用户集合中的异常用户划分为N个异常用户群组。

6.根据权利要求5所述的异常用户检测方法，其特征在于，所述根据所述初始聚类中心和预设聚类算法，将所述异常用户集合中的异常用户划分为N个异常用户群组，包括：

根据其他异常用户与每个初始聚类中心的第一相似度，对所述其他异常用户进行分组，获得N个第一异常用户分组；其中，所述其他异常用户为所述异常用户集合中除作为初始聚类中心的所述预设异常用户之外的异常用户；

分别确定每个所述第一异常用户群组的新聚类中心；

根据所述其他异常用户与每个所述初始聚类中心的第一相似度以及与每个新聚类中心的第二相似度的加权求和结果，对所述其他异常用户进行分组，获得N个第二异常用户分组，并分别确定每个所述第二异常用户分组的新聚类中心；

依次重复执行“分别确定每个所述第二异常用户群组的新聚类中心”的步骤和“根据所述其他异常用户与每个所述初始聚类中心的第一相似度以及与每个新聚类中心的第二相似度的加权求和结果，对所述其他异常用户进行分组，获得N个第二异常用户分组，并分别确定每个所述第二异常用户分组的新聚类中心”的步骤，直至分组次数达到预设次数为止或每次分组之后确定的聚类中心与上一次分组之后确定的聚类中心的差值小于或等于预设数值为止。