[发明专利]用户终端使用情况识别方法、系统、设备及存储介质

权利要求书

1.一种基于多维操作聚类的用户终端使用情况识别方法，其特征在于，包括：

确定所有用户当天的终端在线时长；

过滤终端在线时长为0的用户，未被过滤的用户作为在线用户；

确定所有在线用户在终端上执行的n种操作的操作频率；

根据每个在线用户的n个操作频率绘制n维散点图，以形成n维特征空间；在所述n维散点图中的每个点对应每个在线用户的n个操作频率；

将n个操作频率作为训练特征，对n维散点图中的散点进行聚类，以将所有散点划分为m个簇；

确定m个簇中在特征空间中分布位置最接近原点的簇，将分布位置最接近原点的簇的散点对应的在线用户确定为非正常使用用户，将其余的在线用户确定为正常使用用户。

2.根据权利要求1所述的基于多维操作聚类的用户终端使用情况识别方法，其特征在于，确定m个簇中在特征空间中分布位置最接近原点的簇，具体包括：

确定每个簇的簇中心，确定向量模长最小的簇中心；

将向量模长最小的簇中心所在簇作为在特征空间中分布位置最接近原点的簇。

3.根据权利要求1所述的基于多维操作聚类的用户终端使用情况识别方法，其特征在于，所述n种操作的操作频率至少包括文件操作频率、网页浏览频率和应用使用频率；

所述文件操作频率是指用户当天在终端上执行文件操作行为的频率；

所述网页浏览频率是指用户当天在终端上执行网页浏览行为的频率；

所述应用使用频率是指用户当天在终端上使用应用程序的频率。

4.根据权利要求3所述的基于多维操作聚类的用户终端使用情况识别方法，其特征在于，

所述文件操作频率由用户当天在终端上执行文件操作行为的次数与当天的终端在线时长确定；

所述网页浏览频率由用户当天在终端上执行网页浏览行为的次数与当天的终端在线时长确定；

所述应用使用频率由用户当天在终端上使用应用程序的次数与当天的终端在线时长确定。

5.根据权利要求1~4任一项所述的基于多维操作聚类的用户终端使用情况识别方法，其特征在于，对n维散点图中的散点进行聚类，以将所有散点划分为m个簇，具体包括：

利用DBSCAN聚类算法对n维散点图中的散点进行聚类，以将所有散点划分为m个簇。

6.一种基于多维操作聚类的用户终端使用情况识别系统，其特征在于，包括：

在线时长确定模块，用于确定所有用户当天的终端在线时长；

用户过滤模块，用于过滤终端在线时长为0的用户，未被过滤的用户作为在线用户；

操作频率确定模块，用于确定所有在线用户在终端上执行的n种操作的操作频率；

散点图绘制模块，用于根据每个在线用户的n个操作频率绘制n维散点图，以形成n维特征空间；在所述n维散点图中的每个点对应每个在线用户的n个操作频率；

聚类模块，用于将n个操作频率作为训练特征，对n维散点图中的散点进行聚类，以将所有散点划分为m个簇；

用户分类模块，用于确定m个簇中在特征空间中分布位置最接近原点的簇，将分布位置最接近原点的簇的散点对应的在线用户确定为非正常使用用户，将其余的在线用户确定为正常使用用户。

7.根据权利要求6所述的基于多维操作聚类的用户终端使用情况识别系统，其特征在于，所述用户分类模块包括：

最接近原点簇确定子模块，用于确定每个簇的簇中心，确定向量模长最小的簇中心；将向量模长最小的簇中心所在簇作为在特征空间中分布位置最接近原点的簇；

用户分类子模块，用于将分布位置最接近原点的簇的散点对应的在线用户确定为非正常使用用户，将其余的在线用户确定为正常使用用户。