CN109993340A - 数据处理方法 - Google Patents

Abstract

本公开提供了一种数据处理方法，包括：获取用户关于至少一个特定特征的特征数据，所述特定特征与用户的合法性相关；以及将所述特征数据输入至预测模型中，得到预测结果，所述预测结果能够表征所述用户是否为合法用户，其中，所述预测模型用于根据所述用户特征数据判断所述用户是否为合法用户，其中，所述预测模型的训练过程包括：获取多名用户关于所述至少一个特定特征的特征数据，以及所述多名用户的合法性数据；根据所述至少一个特定特征的信息增益确定所述至少一个特定特征的重要度；根据所述至少一个特定特征的重要度以及所述多名用户的合法性数据训练所述预测模型。

Description

数据处理方法

技术领域

本公开涉及计算机技术领域，更具体地，涉及一种数据处理方法和一种数据处理系统。

背景技术

随着计算机和互联网技术的快速发展，服务商在各种网络平台中为用户提供各式各样的服务，但是存在非法用户窃取服务商提供的服务，导致正常的用户无法享受该些服务。例如，在电子商务中，非法用户非法参与电商平台推出的活动，严重影响正常用户的利益，因此如何区分非法用户成为亟待解决的问题。

在实现本发明构思的过程中，发明人发现现有技术中至少存在如下问题，现有监控方式无法及时挖掘和预测潜在的非法用户，导致潜在的非法用户侵害正常用户的利益。

发明内容

有鉴于此，本公开提供了一种优化的数据处理方法和数据处理系统。

本公开的一个方面提供了一种数据处理方法，包括：获取用户关于至少一个特定特征的特征数据，所述特定特征与用户的合法性相关，以及将所述特征数据输入至预测模型中，得到预测结果，所述预测结果能够表征所述用户是否为合法用户，其中，所述预测模型用于根据所述用户特征数据判断所述用户是否为合法用户，其中，所述预测模型的训练过程包括：获取多名用户关于所述至少一个特定特征的特征数据，以及所述多名用户的合法性数据，根据所述至少一个特定特征的信息增益确定所述至少一个特定特征的重要度，根据所述至少一个特定特征的重要度以及所述多名用户的合法性数据训练所述预测模型。

根据本公开实施例，上述根据所述至少一个特定特征的信息增益确定所述至少一个特定特征的重要度，包括：根据当前的至少一个特定特征的信息增益确定当前的至少一个特定特征中重要度高的特定特征为当前第一特征，根据所述当前第一特征对所述多名用户关于所述至少一个特定特征的特征数据进行划分，根据不包含所述当前第一特征的至少一个特定特征的信息增益确定下一个第一特征。

根据本公开实施例，上述预测模型包括分类决策树模型。

根据本公开实施例，上述方法还包括：确定至少一个所述特定特征。

根据本公开实施例，上述方法还包括：对所述预测模型进行评估得到评估结果，以及根据所述评估结果对所述预测模型进行调整。

根据本公开实施例，上述至少一个特定特征包括：注册时间、注册方式、用户类型、手机绑定状态、邮箱绑定状态、行为请求时间、渠道来源、停留时长、引用页、浏览器信息中的一种或者几种的任意组合。

本公开的另一方面提供了一种数据处理系统，包括：第一获取模块、输入模块、第二获取模块、第一确定模块、以及训练模块。第一获取模块获取用户关于至少一个特定特征的特征数据，所述特定特征与用户的合法性相关，以及输入模块将所述特征数据输入至预测模型中，得到预测结果，所述预测结果能够表征所述用户是否为合法用户，其中，所述预测模型用于根据所述用户特征数据判断所述用户是否为合法用户，其中，所述预测模型的训练过程包括：第二获取模块获取多名用户关于所述至少一个特定特征的特征数据，以及所述多名用户的合法性数据，第一确定模块根据所述至少一个特定特征的信息增益确定所述至少一个特定特征的重要度，训练模块根据所述至少一个特定特征的重要度以及所述多名用户的合法性数据训练所述预测模型。

根据本公开实施例，上述根据所述至少一个特定特征的信息增益确定所述至少一个特定特征的重要度，包括：第一确定单元、划分单元、以及第二确定单元。第一确定单元根据当前的至少一个特定特征的信息增益确定当前的至少一个特定特征中重要度高的特定特征为当前第一特征，划分单元根据所述当前第一特征对所述多名用户关于所述至少一个特定特征的特征数据进行划分，第二确定单元根据不包含所述当前第一特征的至少一个特定特征的信息增益确定下一个第一特征。

根据本公开实施例，上述预测模型包括分类决策树模型。

根据本公开实施例，上述系统还包括第二确定模块，确定至少一个所述特定特征。

根据本公开实施例，上述系统还包括：评估模块、以及调整模块。评估模块对所述预测模型进行评估得到评估结果。以及调整模块根据所述评估结果对所述预测模型进行调整。

根据本公开实施例，上述至少一个特定特征包括：注册时间、注册方式、用户类型、手机绑定状态、邮箱绑定状态、行为请求时间、渠道来源、停留时长、引用页、浏览器信息中的一种或者几种的任意组合。

本公开的另一方面提供了一种模型训练系统，包括：一个或多个处理器，存储装置，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如上所述任一项所述的方法。

本公开的另一方面提供了一种计算机可读介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行如上所述任一项所述的方法。

根据本公开的实施例，可以至少部分地解决现有的监控方式无法及时挖掘和预测潜在的非法用户，导致潜在的非法用户侵害正常用户的利益，并因此可以实现提高预测准确性的技术效果。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的数据处理方法和系统的系统框架；

图2示意性示出了根据本公开实施例的数据处理方法和系统的应用场景；

图3示意性示出了根据本公开实施例的数据处理方法的流程图；

图4A～图4B示意性示出了根据本公开另一实施例的数据处理方法的流程图；

图5示意性示出了根据本公开另一实施例的数据处理方法的流程图；

图6示意性示出了根据本公开实施例的数据处理系统的框图；

图7A～图7B示意性示出了根据本公开另一实施例的数据处理系统的框图；

图8示意性示出了根据本公开另一实施例的数据处理系统的框图；以及

图9示意性示出了根据本公开实施例的适于实现数据处理的计算机系统的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。本领域技术人员还应理解，实质上任意表示两个或更多可选项目的转折连词和/或短语，无论是在说明书、权利要求书还是附图中，都应被理解为给出了包括这些项目之一、这些项目任一方、或两个项目的可能性。例如，短语“A或B”应当被理解为包括“A”或“B”、或“A和B”的可能性。

附图中示出了一些方框图和/或流程图。应理解，方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。

因此，本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外，本公开的技术可以采取存储有指令的计算机可读介质上的计算机程序产品的形式，该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。在本公开的上下文中，计算机可读介质可以是能够包含、存储、传送、传播或传输指令的任意介质。例如，计算机可读介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。计算机可读介质的具体示例包括：磁存储装置，如磁带或硬盘(HDD)；光存储装置，如光盘(CD-ROM)；存储器，如随机存取存储器(RAM)或闪存；和/或有线/无线通信链路。

本公开的实施例提供了一种数据处理方法，该方法包括：获取用户关于至少一个特定特征的特征数据，特定特征与用户的合法性相关；以及将至少一个特征数据输入至预测模型中，得到预测结果，预测结果能够表征用户是否为合法用户，其中，预测模型用于根据用户特征数据判断用户是否为合法用户。

图1示意性示出了根据本公开实施例的可以应用于数据处理方法和数据处理系统的示例性系统框架100。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的数据处理方法一般可以由服务器105执行。相应地，本公开实施例所提供的数据处理方法装置一般可以设置于服务器105中。本公开实施例所提供的数据处理方法方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的数据处理系统也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

例如，至少用户的特征数据可以存储在终端设备101、102、或者103中的任意一个(例如，终端设备101，但不限于此)之中。然后，终端设备101可以将数据发送到服务器或者服务器集群中，并由接收到该数据的服务器或者服务器集群来执行本公开实施例所提供的数据处理方法。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

图2示意性示出了根据本公开实施例的数据处理方法和系统的应用场景。

如图2所示，该应用场景200例如可以包括多名用户201以及预测模型202。

根据本公开实施例，多名用户201例如可以包括具有网络行为的用户，例如在网络中浏览、登录、游戏、购物等行为的用户。该多名用户201例如包括合法的用户和非法的用户，合法的用户例如是网络行为正常的用户，非法用户例如包括网络行为不正常的用户，例如存在刷票、虚假下单等行为的用户。

根据本公开实施例，预测模型例如可以是可以预测多名用户201中的非法用户，通过将多名用户201的基本信息数据(例如注册时间、注册方式、用户类型等)以及用户的行为信息数据(例如请求时间、渠道来源、停留时长等)输入到预测模型中得到预测结果。

根据本公开实施例，预测结果例如可以是预测多名用户的合法性，例如预测结果可以是将多名用户分为两部分，例如第一部分为合法用户201a，第二部分例如为非法用户201b。

在本公开实施例中，图2所示的应用场景200除了可以预测用户的合法性之外，还可以是训练模型过程的应用场景。例如将从多名用户201的相关数据中提取模型的多个特征(例如特征可以是注册时间、请求时间等等)，其中，该多名用户201的合法性为已知，将提取的多个特征用于训练模型202，得到的训练结果201a和201b。

下面结合图1的系统架构以及图2的应用场景，参考图3～图5来描述根据本公开示例性实施方式的数据处理方法。需要注意的是，上述应用场景仅是为了便于理解本发明的精神和原理而示出，本发明的实施方式在此方面不受任何限制。相反，本发明的实施方式可以应用于适用的任何场景。

图3示意性示出了根据本公开实施例的数据处理方法的流程图。

如图3所示，该方法包括操作S310～S320。

在操作S310，获取用户关于至少一个特定特征的特征数据，特定特征与用户的合法性相关。

在本公开实施例中，网络中的各种服务商提供各式各样的服务，例如游戏服务商提供各种游戏、电商提供各种消费品。针对服务商提供的服务，难免存在一些非法的用户抢占服务商提供的服务，侵害了正常用户获取该些服务的利益。例如在电子商务中，各大电商平台经常推广各类优惠促销活动，以吸引更多用户消费。然而，也催生了各种非法用户侵占电商推出的活动资金，影响正常用户的消费利益。例如该些非法用户存在打码、刷劵、黄牛、羊毛党(指专门选择互联网公司的营销活动，以低成本甚至零成本换取高额奖励的用户)、虚假下单等现象，严重破坏商业活动的秩序。因此有必要挖掘出非法用户，保证网络活动秩序。

根据本公开实施例，特定特征例如可以包括用户的属性特征以及用户的行为特征，其中，用户的属性特征例如可以反映用户的基本信息，用户的行为特征例如可以反映用户的网络行为。

根据本公开实施例，用户的合法性例如可以包括合法用户与非法用户，合法用户例如可以是行为正常、无不良行为、遵循网络秩序的用户。非法用户例如可以是具有异常行为、破坏网络秩序的用户，例如非法用户可以包括具有刷单行为、虚假下单行为的用户。

在本公开实施例中，用户的特定特征例如与用户的合法性相关。例如用户的不同属性特征可以反映用户是非法用户的可能性大小。用户的不同行为特征可以反映用户在网络中的具体行为，用户不同的行为可以反应用户是非法用户的可能性大小。

根据本公开实施例，至少一个特定特征包括：注册时间、注册方式、用户类型、手机绑定状态、邮箱绑定状态、行为请求时间、渠道来源、停留时长、引用页、浏览器信息中的一种或者几种的任意组合。

可以理解，上述举例的特定特征是为便于理解本公开实施例所做出的举例，本公开实施例的特定特征包括但不限于注册时间、注册方式、用户类型、手机绑定状态、邮箱绑定状态、行为请求时间、渠道来源、停留时长、引用页、浏览器信息等特定特征，本领域技术人员可根据实际应用情况选择合适的特定特征。

在本公开实施例中，注册时间、注册方式、用户类型、手机绑定状态、邮箱绑定状态例如可以作为用户的属性特征，行为请求时间、渠道来源、停留时长、引用页、浏览器信息例如可以作为用户的行为特征。

根据本公开实施例，特征数据例如可以是用户关于特定特征的用户数据。不同用户关于相同的特定特征的特征数据不同。例如，当特定特征为注册时间时，用户1关于注册时间的特征数据例如可以是2010年5月3日，用户2关于注册时间的特征数据例如可以是2017年10月4日，即用户1和用户2关于注册时间的特征数据不同。例如当特定特征为停留时长时，用户1关于停留时长的特征数据为1小时，用户2关于停留时长的特征数据例如为30天。每个用户关于不同特定特征都具有相应的特征数据，获取用户关于特定特征的特征数据例如可以是获取多名用户关于特定特征的特征数据。

在操作S320，将特征数据输入至预测模型中，得到预测结果，预测结果能够表征用户是否为合法用户，其中，预测模型用于根据用户特征数据判断用户是否为合法用户。

根据本公开实施例，预测模型例如可以是用来预测用户是否为合法用户的模型，例如，预测模型包括分类决策树模型。其中，分类决策树模型例如是可以是由多个特定特征、以及多名用户关于多个特定特定的特征数据训练得到的。在本公开实施例中，预测模型除了分类决策树之外还可以利用其他模型作为预测模型，例如可以是利用其他机器学习算法以及神经网络算法等作为预测模型。

根据本公开实施例，将特征数据输入至预测模型中，例如可以是分别将多名用户的特征数据输入到预测模型中。例如，将用户1关于多个特定特征的特征数据输入到预测模型中，将用户2关于多个特定特征的特征数据输入到预测模型中。

在本公开实施例中，预测结果例如能够表征用户是否为合法用户，预测结果例如可以是用户是否合法的结果。具体的，例如预测结果可以是用户是否合法的预测概率，当预测概率大于预设阈值时，用户为合法用户，当预测预测概率为小于预设阈值时，用户为非法用户。预设阈值例如可以为50％。

根据本公开实施例，例如特定特征为注册时间、停留时长等，用户1关于特定特征的特征数据例如为2010年5月3日、1小时等，用户2关于特定特征的特征数据例如为2017年10月4日、30天等。将用户1的特征数据2010年5月3日、1小时输入至模型中，得到预测结果，例如为用户1为合法用户的概率为90％。将用户2的特征数据2017年10月4日、30天输入至模型中，得到预测结果，例如为用户2为合法用户的概率为10％，此时，用户1的预测结果的为合法概率为90％(概率90％例如大于预设阈值50％)，用户2的预测结果为合法概率为10％(概率10％例如小于预设阈值50％)，此时预测结果例如可以是用户1为合法用户，用户2为非法用户。

应当理解，上述举例是为更清楚的理解而做出的举例，不限制本公开的具体实施方式，本领域技术人员可根据实际应用情况具体设定特定特征、预测模型等。

本公开实施例通过获取用户关于特定特征的特征数据，将用户的特征数据输入至预测模型中预测用户的合法性，通过预测模型挖掘合法用户和非法用户的潜在区别，更加精准地挖掘出潜在的非法用户，业务人员可基于挖掘出的非法用户进一步分析并针对该些用户制定策略，以此至少可以排除大部分非法用户在扰乱网络秩序的非法行为，实现网络服务正常秩序。

图4A～4B示意性示出了根据本公开另一实施例的数据处理方法的流程图。

如图4A所示，该模型训练的方法包括操作S410～S430。

在操作S410，获取多名用户关于至少一个特定特征的特征数据，以及多名用户的合法性数据。

根据本公开实施例，用户的合法性数据例如为“合法”、“非法”，或者为“1”、“0”等，其中，“1”例如代表用户为合法用户、“0”代表用户为非法用户。获取多名用户关于多个特定特征的特征数据，以及获取该多名用户的合法性数据(即，用来训练模型的多名用户的合法性是明确的)，具体的，例如选择具有非法行为的用户作为模型训练的非法用户(黑样本)，选择行为无可疑且确定可靠的用户作为模型训练的合法用户(白样本)。

在本公开实施例中，将黑样本用户和白样本用户分为A、B两部分用户，其中，A部分用户作为模型的训练数据集，B部分用户作为后续模型的验证数据集。

在操作S420，根据至少一个特定特征的信息增益确定至少一个特定特征的重要度。

根据本公开实施例，例如可以通过计算每个特定特征的信息增益确定该至少一个特定特征的重要度。例如可以计算多个特定特征的信息增益来确定该多个特定特征的重要度。

在本公开实施例中，例如多个特定特征包括特征1、特征2、特征3，计算特征1、特征2、特征3的信息增益，以此确定特征1、特征2、特征3的重要度。

如图4B所示，操作S420包括操作S421～S423。

在操作S421，根据当前的至少一个特定特征的信息增益确定当前的至少一个特定特征中重要度高的特定特征为当前第一特征。

根据本公开实施例，例如计算当前至少一个特定特征的信息增益，例如计算当前多个特定特征的信息增益，确定当前多个特定特征中的特征重要度，将重要度高的特定特征作为当前第一特征。

在本公开实施例中，例如当前多个特定特征包括特征1、特征2、特征3，计算特征1、特征2、特征3的信息增益，例如特征1的信息增益最大，则特征1为重要度高的特定特征，则将特征1作为当前第一特征。

根据本公开实施例，当前的至少一个特定特征例如可以是在确定特征1为当前第一特征后，特征2和特征3作为当前的至少一个特定特征，以此循环计算当前的至少一个特定特征的信息增益。

在操作S422，根据当前第一特征对多名用户关于至少一个特定特征的特征数据进行划分。

根据本公开实施例，根据当前第一特征对多名用户的关于多个特定特征的特征数据进行划分。将多名用户划分为多个部分，每个部分包括至少一名用户。

根据本公开实施例，例如特征1(第一特征)包含多个类别(例如特征1为用户的注册时间，多个类别例如包括注册时间大于等于1年和小于1年，即多个类别包括两个类别)，将多名用户分为两部分，第一部分例如为注册时间大于等于1年的用户，第二部分例如为注册时间小于1年的用户。

在操作S423，根据不包含当前第一特征的至少一个特定特征的信息增益确定下一个第一特征。

根据蹦公开实施例，例如当前第一特征为特征1时，不包含当前第一特征的至少一个特定特征例如为包括特征2以及特征3，根据特征特征2以及特征3的信息增益确定下一个第一特征，例如根据特征2和特征3的信息增益确定特征2和特征3中的一个特征作为下一个第一特征。

根据本公告实施例，例如根据当前第一特征(例如特征1)将用户划分为多部分的用户后(两部分)，例如根据每部分用户中确定下一个第一特征。

例如在第一部分用户中，根据特征2和特征3的信息增益的，例如确定特征2为较重要的特征，此时在第一部分用户中特征2为下一个第一特征。

例如在第二部分用户中，根据特征2和特征3的信息增益的，例如确定特征3为较重要的特征，此时在第二部分用户中特征3为下一个第一特征。

在操作S430，根据至少一个特定特征的重要度以及多名用户的合法性数据训练预测模型。

根据本公开实施例，使用特征数据以及合法性数据训练预测模型，例如使用多名用户的特征数据以及多名用户的合法性数据训练预测模型，预测模型例如为分类决策树模型。具体地，多名用户为A部分的用户，使用该A部分的用户以及该A部分用户的合法性数据训练分类决策树模型，训练过程如下：

(1)从多个特定特征中选择一个特征作为当前节点的分割标准，引入信息增益概念，计算分割前后的信息增益：

划分前信息熵：

其中A表示训练数据集，c表示分类数(若仅化分黑样本和白样本两类，则c＝2)，p_i表示类别i出现的概率。

按照特定特征t划分为k个部分后信息熵：

其中，A表示训练数据集，Ai表示划分后每个空间的样本数；

计算划分前后信息增益：

Gain(t)＝Info(A)-Info_t(A)

(2)遍历所有特定特征，重复计算(1)中按照各特定特征划分之后的信息增益，选取信息增益最大的特定特征作为最优特征，将训练样本进行划分；

(3)在决策树的每一个非叶子节点划分前，重复(1)和(2)中计算过程，自上而下确定每层最优划分特征；

(4)为防止过拟合现象，采用预先剪枝方式，当达到某一特定条件时，停止决策树的生长；如当信息增益小于一定阈值时，不再进行划分。

图5示意性示出了根据本公开另一实施例的数据处理方法的流程图。

如图5所示，该方法包括操作S410～S430、S510～S530以及S310～S320。其中，操作S410～S430与上述参考图4A描述的方法相同或类似，在此不再赘述。操作S310～S320与上述参考图3描述的方法相同或类似，在此不再赘述。

在操作S510，确定至少一个特定特征。

根据本公开实施例，在模型训练过程中，确定至少一个特定特征包括确定多个特定特征，例如可以从多个角度提取有价值的特征作为特定特征，该些特定特征例如与用户的合法性相关。

在本公开实施例中，特定特征例如包括：注册时间、注册方式、用户类型、手机绑定状态、邮箱绑定状态、行为请求时间、渠道来源、停留时长、引用页、浏览器信息中的一种或者几种的任意组合。

例如，当特定特征包括注册时间时，用户的注册时间例如与用户的合法性相关，例如用户1的注册时间为2017年10月4日，用户2的注册时间为2017年10月4日，此时用户1的年限较长，用户2的年限较短，则用户1为合法用户的可能性较大，用户2为合法用户的可能性较小(例如用户2可能为刚注册的新用户，其信誉较低，则该用户为合法用户的可能性较低)。

例如，当特定特征包括停留时长时，用户的停留时长例如与用户的合法性相关，例如用户1的在网站上的停留时长为1小时，用户2的在网站上的停留时长为20天，此时用户1的停留时长较短，用户2的停留时长较长，则用户1为合法用户的可能性较大，用户2为合法用户的可能性较小(例如用户2可能为在网站上长期刷票的非法用户)。

在操作S520，对预测模型进行评估得到评估结果。

根据本公开实施例，对训练得到的预测模型进行评估，例如可以是计算预测模型的准确率与召回率。具体地，例如将验证数据集B用来验证生成的决策树模型，取验证数据集B的分类标签与模型返回结果进行比对，得到该模型的准确率与召回率，基于准确率与召回率评估模型效果。

在操作S530，根据评估结果对预测模型进行调整。

根据本公开实施例，评估结果例如可以是验证模型的准确率和召回率的具体数值。根据评估结果对预测模型进行调整，例如当准确率和召回率不佳时，表明该预测模型的训练结果不佳，此时，则可通过调整特征、样本、算法等方式进行优化并重新训练模型。

本公开实施例通过从多角度确定多个特定特征，使用多名用户关于该多个特定特征的特征数据来训练模型，得到的模型可以挖掘合法用户和非法用户的潜在区别，该模型例如能够挖掘出潜在的非法用户，业务人员可基于挖掘出的非法用户进一步分析并针对该些用户制定策略，以此至少可以排除大部分非法用户在扰乱网络秩序的非法行为，实现网络服务正常秩序。

图6示意性示出了根据本公开实施例的数据处理系统的框图。

如图6所示，数据处理系统600可以包括第一获取模块610、以及输入模块620。

第一获取模块610可以获取用户关于至少一个特定特征的特征数据，特定特征与用户的合法性相关。根据本公开实施例，第一获取模块610例如可以执行上文参考图3描述的操作S301，在此不再赘述。

输入模块620可以将特征数据输入至预测模型中，得到预测结果，预测结果能够表征用户是否为合法用户，其中，预测模型用于根据用户特征数据判断用户是否为合法用户。根据本公开实施例，输入模块620例如可以执行上文参考图3描述的操作S302，在此不再赘述。

图7A～图7B示意性示出了根据本公开另一实施例的数据处理系统的框图。

如图7A所示，数据处理系统600可以包括第一获取模块610、输入模块620、第一获取模块710、输入模块720、以及训练模块730。其中，第一获取模块610、以及输入模块620与上述参考图6描述的模块相同或类似，在此不再赘述。

第一获取模块710可以获取用户关于至少一个特定特征的特征数据，特定特征与用户的合法性相关。根据本公开实施例，第一获取模块710例如可以执行上文参考图4A描述的操作S410，在此不再赘述。

输入模块720可以根据至少一个特定特征的信息增益确定至少一个特定特征的重要度。根据本公开实施例，输入模块720例如可以执行上文参考图4A描述的操作S420，在此不再赘述。

训练模块730可以根据至少一个特定特征的重要度以及多名用户的合法性数据训练预测模型。根据本公开实施例，训练模块730例如可以执行上文参考图4A描述的操作S430，在此不再赘述。

如图7B所示，输入模块720例如包括第一确定单元721、划分单元722、以及第二确定单元723。

第一确定单元721可以根据当前的至少一个特定特征的信息增益确定当前的至少一个特定特征中重要度高的特定特征为当前第一特征。根据本公开实施例，第一确定单元721例如可以执行上文参考图4B描述的操作S421，在此不再赘述。

划分单元722可以根据当前第一特征对多名用于关于至少一个特定特征的特征数据进行划分。根据本公开实施例，划分单元722例如可以执行上文参考图4B描述的操作S422，在此不再赘述。

第二确定单元723可以根据不包含当前第一特征的至少一个特定特征的信息增益确定下一个第一特征。根据本公开实施例，第二确定单元723例如可以执行上文参考图4B描述的操作S423，在此不再赘述。

图8示意性示出了根据本公开另一实施例的数据处理系统的框图。

如图8所示，数据处理系统600可以包括第一获取模块610、输入模块620、第一获取模块710、输入模块720、训练模块730、第二确定模块810、评估模块820、以及调整模块830。其中，第一获取模块610、以及输入模块620与上述参考图6描述的模块相同或类似，在此不再赘述。输入模块720、训练模块730、以及第二确定模块810与上述参考图7A描述的模块相同或类似，在此不再赘述。

第二确定模块810可以确定至少一个特定特征。根据本公开实施例，第二确定模块810例如可以执行上文参考图5描述的操作S510，在此不再赘述。

评估模块820可以对预测模型进行评估得到评估结果。根据本公开实施例，评估模块820例如可以执行上文参考图5描述的操作S520，在此不再赘述。

调整模块830可以根据评估结果对预测模型进行调整。根据本公开实施例，调整模块830例如可以执行上文参考图5描述的操作S520，在此不再赘述。

可以理解的是，第一获取模块610、输入模块620、第一获取模块710、输入模块720、训练模块730、第二确定模块810、评估模块820、以及调整模块830可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本发明的实施例，第一获取模块610、输入模块620、第一获取模块710、输入模块720、训练模块730、第二确定模块810、评估模块820、以及调整模块830中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式的适当组合来实现。或者，第一获取模块610、输入模块620、第一获取模块710、输入模块720、训练模块730、第二确定模块810、评估模块820、以及调整模块830中的至少一个可以至少被部分地实现为计算机程序模块，当该程序被计算机运行时，可以执行相应模块的功能。

图9示意性示出了根据本公开实施例的适于实现数据处理的计算机系统的方框图。图9示出的计算机系统仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图9所示，根据本公开实施例的计算机系统900包括处理器901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行参考图3～图5描述的根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 903中，存储有系统900操作所需的各种程序和数据。处理器901、ROM 902以及RAM 903通过总线904彼此相连。处理器901通过执行ROM 902和/或RAM 903中的程序来执行以上参考图3～图5描述的处理方法的各种操作。需要注意，所述程序也可以存储在除ROM902和RAM 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行以上参考图3～图5描述的数据处理方法的各种操作。

根据本公开的实施例，系统900还可以包括输入/输出(I/O)接口905，输入/输出(I/O)接口905也连接至总线904。系统900还可以包括连接至I/O接口905的以下部件中的一项或多项：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。

根据本公开的实施例，上文参考流程图描述的方法可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。根据本公开的实施例，计算机可读介质可以包括上文描述的ROM 902和/或RAM 903和/或ROM 902和RAM 903以外的一个或多个存储器。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

作为另一方面，本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备执行：

一种数据处理方法，包括：获取用户关于至少一个特定特征的特征数据，特定特征与用户的合法性相关，以及将特征数据输入至预测模型中，得到预测结果，预测结果能够表征用户是否为合法用户，其中，预测模型用于根据用户特征数据判断用户是否为合法用户，其中，预测模型的训练过程包括：获取多名用户关于至少一个特定特征的特征数据，以及多名用户的合法性数据，根据至少一个特定特征的信息增益确定至少一个特定特征的重要度，根据至少一个特定特征的重要度以及多名用户的合法性数据训练预测模型。

根据本公开实施例，上述根据至少一个特定特征的信息增益确定至少一个特定特征的重要度，包括：根据当前的至少一个特定特征的信息增益确定当前的至少一个特定特征中重要度高的特定特征为当前第一特征，根据当前第一特征对多名用户关于至少一个特定特征的特征数据进行划分，根据不包含当前第一特征的至少一个特定特征的信息增益确定下一个第一特征。

根据本公开实施例，上述预测模型包括分类决策树模型。

根据本公开实施例，上述方法还包括：确定至少一个特定特征。

根据本公开实施例，上述方法还包括：对预测模型进行评估得到评估结果，以及根据评估结果对预测模型进行调整。

根据本公开实施例，上述至少一个特定特征包括：注册时间、注册方式、用户类型、手机绑定状态、邮箱绑定状态、行为请求时间、渠道来源、停留时长、引用页、浏览器信息中的一种或者几种的任意组合。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (14)

1.一种数据处理方法，包括：

获取用户关于至少一个特定特征的特征数据，所述特定特征与用户的合法性相关；以及

将所述特征数据输入至预测模型中，得到预测结果，所述预测结果能够表征所述用户是否为合法用户，其中，所述预测模型用于根据所述用户特征数据判断所述用户是否为合法用户，

其中，所述预测模型的训练过程包括：

获取多名用户关于所述至少一个特定特征的特征数据，以及所述多名用户的合法性数据；

根据所述至少一个特定特征的信息增益确定所述至少一个特定特征的重要度；

根据所述至少一个特定特征的重要度以及所述多名用户的合法性数据训练所述预测模型。

2.根据权利要求1所述的方法，所述根据所述至少一个特定特征的信息增益确定所述至少一个特定特征的重要度，包括：

根据当前的至少一个特定特征的信息增益确定当前的至少一个特定特征中重要度高的特定特征为当前第一特征；

根据所述当前第一特征对所述多名用户关于所述至少一个特定特征的特征数据进行划分；

根据不包含所述当前第一特征的至少一个特定特征的信息增益确定下一个第一特征。

3.根据权利要求1所述的方法，其中，所述预测模型包括分类决策树模型。

4.根据权利要求1所述的方法，还包括确定至少一个所述特定特征。

5.根据权利要求1所述的方法，还包括：

对所述预测模型进行评估得到评估结果；以及

根据所述评估结果对所述预测模型进行调整。

6.根据权利要求1所述的方法，其中，所述至少一个特定特征包括：注册时间、注册方式、用户类型、手机绑定状态、邮箱绑定状态、行为请求时间、渠道来源、停留时长、引用页、浏览器信息中的一种或者几种的任意组合。

7.一种数据处理系统，包括：

第一获取模块，获取用户关于至少一个特定特征的特征数据，所述特定特征与用户的合法性相关；以及

输入模块，将所述特征数据输入至预测模型中，得到预测结果，所述预测结果能够表征所述用户是否为合法用户，其中，所述预测模型用于根据所述用户特征数据判断所述用户是否为合法用户，

其中，所述预测模型的训练过程包括：

第二获取模块，获取多名用户关于所述至少一个特定特征的特征数据，以及所述多名用户的合法性数据；

第一确定模块，根据所述至少一个特定特征的信息增益确定所述至少一个特定特征的重要度；

训练模块，根据所述至少一个特定特征的重要度以及所述多名用户的合法性数据训练所述预测模型。

8.根据权利要求7所述的系统，所述根据所述至少一个特定特征的信息增益确定所述至少一个特定特征的重要度，包括：

第一确定单元，根据当前的至少一个特定特征的信息增益确定当前的至少一个特定特征中重要度高的特定特征为当前第一特征；

划分单元，根据所述当前第一特征对所述多名用户关于所述至少一个特定特征的特征数据进行划分；

第二确定单元，根据不包含所述当前第一特征的至少一个特定特征的信息增益确定下一个第一特征。

9.根据权利要求7所述的系统，其中，所述预测模型包括分类决策树模型。

10.根据权利要求7所述的系统，还包括第二确定模块，确定至少一个所述特定特征。

11.根据权利要求7所述的系统，还包括：

评估模块，对所述预测模型进行评估得到评估结果；以及

调整模块，根据所述评估结果对所述预测模型进行调整。

12.根据权利要求7所述的系统，其中，所述至少一个特定特征包括：注册时间、注册方式、用户类型、手机绑定状态、邮箱绑定状态、行为请求时间、渠道来源、停留时长、引用页、浏览器信息中的一种或者几种的任意组合。

13.一种模型训练系统，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～6中任一项所述的方法。

14.一种计算机可读介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～6中任一项所述的方法。