【技术实现步骤摘要】
本公开涉及计算机，特别涉及一种异常用户的识别模型的确定方法、装置、存储介质和产品。
技术介绍
1、在当前数字化时代背景下，互联网定制的促销活动日益流行。例如用户可以通过线下扫码或观看线上直播参与促销活动，从而增强用户的参与度，增强产品的市场活力。然而，促销活动也会激发一些异常用户利用促销规则的漏洞进行不正当获利。
2、现有的识别和预测异常用户的手段主要是基于业务数据规则分析以及人工监控，效率低下，适应性差，无法及时处理大规模数据和进行实时检测。
技术实现思路
1、专利技术人研究发现，考虑构建一种基于自动化机器学习的识别模型，通过识别模型识别异常用户来能够极大地提升识别异常用户的效率。
2、本公开所要解决的一个技术问题是：如何提高识别异常用户的效率。
3、根据本公开的一些实施例，提供了一种异常用户的识别模型的确定方法，包括：基于用户数据中的训练数据集，确定多个分类模型中的每个分类模型区分正常用户和异常用户的第一准确度；基于第一准确度，从多个分类模型中选取多...
【技术保护点】
1.一种异常用户的识别模型的确定方法，包括：
2.根据权利要求1所述的确定方法，其中，所述基于用户数据中的训练数据集，确定多个分类模型中的每个分类模型区分正常用户和异常用户的第一准确度包括：
3.根据权利要求2所述的确定方法，其中，所述确定用户数据中的训练数据集的训练特征包括：
4.根据权利要求3所述的确定方法，其中，所述利用特征提取模型、并基于训练数据集中的正样本和负样本的差异确定所述训练数据集的第一训练特征包括：
5.根据权利要求3所述的确定方法，其中，所述对所述第二训练特征进行筛选，确定第三训练特征包括：
<...【技术特征摘要】
1.一种异常用户的识别模型的确定方法，包括：
2.根据权利要求1所述的确定方法，其中，所述基于用户数据中的训练数据集，确定多个分类模型中的每个分类模型区分正常用户和异常用户的第一准确度包括：
3.根据权利要求2所述的确定方法，其中，所述确定用户数据中的训练数据集的训练特征包括：
4.根据权利要求3所述的确定方法，其中，所述利用特征提取模型、并基于训练数据集中的正样本和负样本的差异确定所述训练数据集的第一训练特征包括：
5.根据权利要求3所述的确定方法，其中，所述对所述第二训练特征进行筛选，确定第三训练特征包括：
6.根据权利要求2所述的确定方法，其中，所述基于用户数据中的训练数据集，确定多个分类模型中的每个分类模型区分正常用户和异常用户的第一准确度还包括：
7.根据权利要求6所述的确定方法，其中，所述对所述训练数据集进行正样本和负样本的平衡处理包括：
8.根据权利...
【专利技术属性】
技术研发人员：顾茜，项冰洁，韩晓樱，黄响，徐永嘉，师育起，林郁，吴雄劲，赖彬彬，
申请(专利权)人：福建中烟工业有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。