基于大数据可视化的用户操作异常分析方法及系统技术方案

本发明专利技术提供的基于大数据可视化的用户操作异常分析方法及系统，涉及人工智能技术领域。在本发明专利技术中，将目标用户交互图像进行图像含义挖掘操作，输出图像含义描述向量；依据图像含义描述向量对应的主维度的深层含义描述向量，分析出每一个主维度异常种类对应的图像异常种类概率；依据图像含义描述向量对应的主维度的深层含义描述向量和分维度的深层含义描述向量，分析出每一个分维度异常种类对应的图像异常种类概率；依据每一个主维度异常种类对应的图像异常种类概率和每一个分维度异常种类对应的图像异常种类概率，确定出目标用户交互图像对应的图像异常种类。基于上述内容，可以在一定程度上提高异常分析的可靠度。可以在一定程度上提高异常分析的可靠度。可以在一定程度上提高异常分析的可靠度。

【技术实现步骤摘要】
基于大数据可视化的用户操作异常分析方法及系统


[0001]本专利技术涉及人工智能
，具体而言，涉及一种基于大数据可视化的用户操作异常分析方法及系统。

技术介绍

[0002]工智能(Artificial Intelligence，简称AI)，是利用数字计算机或者数字计算机控制的计算模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。
[0003]其中，人工智能技术的不断成熟，使得其应用场景不断扩展，例如，可以利用人工智能技术，对用户操作进行异常分析，具体来说，可以对基于用户操作形成的图像进行异常分析，以得到对应的异常种类。但是，在现有技术中，存在着异常分析的可靠度不佳的问题。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种基于大数据可视化的用户操作异常分析方法及系统，以在一定程度上提高异常分析的可靠度。
[0005]为实现上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据可视化的用户操作异常分析方法，其特征在于，所述基于大数据可视化的用户操作异常分析方法包括：在大数据可视化数据库中，确定出需要进行异常分析的目标用户交互图像，并将所述目标用户交互图像进行图像含义挖掘操作，输出图像含义描述向量，所述目标用户交互图像基于目标用户进行的交互操作形成；对所述图像含义描述向量进行主维度的深层含义挖掘操作，以输出对应的主维度的深层含义描述向量，以及，依据所述主维度的深层含义描述向量进行主维度的图像异常分析操作，以输出每一个主维度异常种类对应的图像异常种类概率，该图像异常种类概率用于反映所述目标用户交互图像的异常种类属于所述主维度异常种类的概率；对所述图像含义描述向量进行分维度的深层含义挖掘操作，输出分维度的深层含义描述向量，以及，依据所述主维度的深层含义描述向量和所述分维度的深层含义描述向量进行分维度的图像异常分析操作，以输出每一个分维度异常种类对应的图像异常种类概率，该图像异常种类概率用于反映所述目标用户交互图像的异常种类属于所述分维度异常种类的概率，分维度异常种类对应的种类粒度小于主维度异常种类对应的种类粒度；依据每一个所述主维度异常种类对应的图像异常种类概率和每一个所述分维度异常种类对应的图像异常种类概率，确定出所述目标用户交互图像对应的图像异常种类，所述图像异常种类包括确认主维度异常种类和所述确认主维度异常种类对应的确认分维度异常种类。2.如权利要求1所述的基于大数据可视化的用户操作异常分析方法，其特征在于，所述对所述图像含义描述向量进行分维度的深层含义挖掘操作，输出分维度的深层含义描述向量，以及，依据所述主维度的深层含义描述向量和所述分维度的深层含义描述向量进行分维度的图像异常分析操作，以输出每一个分维度异常种类对应的图像异常种类概率的步骤，包括：对所述图像含义描述向量进行分维度的深层含义挖掘操作，以输出对应的分维度的深层含义描述向量；对所述主维度的深层含义描述向量和所述分维度的深层含义描述向量进行向量聚合操作，以输出对应的聚合深层含义描述向量；依据所述聚合深层含义描述向量进行分维度的图像异常分析操作，以输出每一个分维度异常种类对应的图像异常种类概率。3.如权利要求2所述的基于大数据可视化的用户操作异常分析方法，其特征在于，所述对所述主维度的深层含义描述向量和所述分维度的深层含义描述向量进行向量聚合操作，以输出对应的聚合深层含义描述向量的步骤，包括：对所述主维度的深层含义描述向量和所述分维度的深层含义描述向量进行级联组合操作，以输出对应的级联组合描述向量；基于预先确定的目标梯度优化信息包括的第一梯度优化参数，将所述级联组合描述向量进行加权操作，以输出对应的加权描述向量；基于所述目标梯度优化信息包括的第二梯度优化参数，将所述加权描述向量进行移位操作，以输出对应的移位描述向量；对所述移位描述向量和所述分维度的深层含义描述向量进行叠加运算，以输出对应的
梯度优化描述向量；对所述梯度优化描述向量进行参数更新操作，以输出所述梯度优化描述向量对应的聚合深层含义描述向量。4.如权利要求1所述的基于大数据可视化的用户操作异常分析方法，其特征在于，所述依据每一个所述主维度异常种类对应的图像异常种类概率和每一个所述分维度异常种类对应的图像异常种类概率，确定出所述目标用户交互图像对应的图像异常种类的步骤，包括：确定出图像异常种类对应的种类粒度尺寸；依据所述图像异常种类对应的种类粒度尺寸，对每一个所述主维度异常种类对应的图像异常种类概率和每一个所述分维度异常种类对应的图像异常种类概率进行聚合操作，以输出对应的每一个粒度链路聚合概率；在每一个所述粒度链路聚合概率中，选择出第一粒度链路聚合概率，以及，依据所述第一粒度链路聚合概率对应的所述主维度异常种类和所述分维度异常种类，得到所述目标用户交互图像对应的图像异常种类。5.如权利要求4所述的基于大数据可视化的用户操作异常分析方法，其特征在于，所述依据所述图像异常种类对应的种类粒度尺寸，对每一个所述主维度异常种类对应的图像异常种类概率和每一个所述分维度异常种类对应的图像异常种类概率进行聚合操作，以输出对应的每一个粒度链路聚合概率的步骤，包括：在每一个所述主维度异常种类对应的图像异常种类概率中，确定出第一主维度异常种类对应的图像异常种类概率；依据所述图像异常种类对应的种类粒度尺寸，确定出所述第一主维度异常种类对应的第一分维度异常种类，并在每一个所述分维度异常种类对应的图像异常种类概率中，选择出第一分维度异常种类对应的图像异常种类概率；以及，对所述第一主维度异常种类对应的图像异常种类概率和所述第一分维度异常种类对应的图像异常种类概率进行相乘运算，以输出对应的第一粒度链路聚合概率；轮询每一个所述主维度异常种类对应的图像异常种类概率和每一个所述分维度异常种类对应的图像异常种类概率，得到对应的第一主维度异常种类和第一分维度异常种类，以形成对应的每一个所述粒度链路聚合概率。6.如权利要求1所述的基于大数据可视化的用户操作异常分析方法，其特征在于，所述基于大数据可视化的用户操作异常分析方法还包括：对所述目标用户交互...

【专利技术属性】
技术研发人员：靳佳彬，满悦华，
申请(专利权)人：靳佳彬，
类型：发明
国别省市：