0019] 图1是根据本申请实施例的交互行为数据的处理方法的流程图；
[0020] 图2是根据本申请实施例的交互行为数据的处理方法的框图；以及
[0021] 图3是根据本申请实施例的交互行为数据的处理装置的示意图。
【具体实施方式】
[0022] 首先，在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解 释：
[0023] 项集：由若干项组成的集合。设非空集合I= (il，i2,…，in)表示所有项的集合， 其中ik(l〈 =k〈 =η)称为项。
[0024] 时间序列：由若干项集组成的有序集合。序列S= (sl，s2,sm)，其中sj(1〈 =j〈 =m)是项集，也称为序列的元素。
[0025] 多维时间序列：序列S= (sl，s2,sm)的元素包含的项> =2,该序列就称为多维 时间序列。
[0026] 为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的 附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是 本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术 人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范 围。
[0027] 需要说明的是，本申请的说明书和权利要求书及上述附图中的术语"第一"、"第 二"等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用 的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或 描述的那些以外的顺序实施。此外，术语"包括"和"具有"以及他们的任何变形，意图在于 覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限 于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产 品或设备固有的其它步骤或单元。
[0028] 图1是根据本申请实施例的交互行为数据的处理方法的流程图。如图1所示，该 方法可以通过如下步骤实现：
[0029] 步骤S102 :获取用户的当前交互行为对应的当前交互行为数据。
[0030] 步骤S104 :按照预设对象关系和预设数据关系对当前交互行为数据的第一交互 对象和第一交换数据进行聚类处理，得到当前交互序列，其中，第一交换数据表示当前交互 行为交换的数值。
[0031] 步骤S106 :使用预设交互行为数据库中的数据对当前交互序列进行匹配处理，得 到匹配结果。
[0032] 步骤S108 :依据匹配结果确定当前交互行为是否为合法行为。
[0033] 采用本申请实施例，在获取用户的当前交互行为的当前交互行为数据之后，可以 按照预设对象关系和预设数据关系对当前交互行为数据的第一交互对象和第一交换数据 进行聚类处理，得到当前交互序列，并根据当前交互序列确定当前交互行为是否为合法行 为。在该实施例中，不仅仅是通过交易金额（即上述实施例中的交换数据）判断当前交互 行为是否为合法行为，同时考虑到了当前交互行为的交互对象、交互时间，通过多个维度的 对当前交互行为数据进行处理，判断交互行为是否为合法行为的准确度更高，解决了现有 技术中对用户交互数据的分析不准确的问题，实现了准确分析用户的交互行为是否合法的 效果。
[0034] 在本申请上述实施例中的交互行为可以是通过网络平台（如支付宝、淘宝等）进 行虚拟资源或者有形资源的交易的行为。例如，交互行为交换数据（即交易金额）为3000 的转账交易，在本实施例中根据交易对象（即上述实施例中的交互对象）及交互时间进行 区分对待，如果交易对象是朋友或者家人，那风险系数就很低。此外本实施例中还考虑到交 互时间的因素，例如给陌生人对象转账的时间，如果交易时间具有周期性，例如每月的1号 发生那该事件风险系数会比同类事件在偶然时间发生的风险系数低。事件发生时刻各因素 综合考虑使得用户异常行为的识别更准确和全面。
[0035] 根据本申请的上述实施例，在使用预设交互行为数据库对当前交互序列进行匹配 处理，得到匹配结果之前，方法还可以包括：采集用户的历史交互行为数据，得到历史交互 行为集合；从历史交互行为集合中提取发生频率符合预设阈值的历史交互行为数据，得到 合法行为项集；将合法行为项集中的历史交互行为数据转换为历史时间序列，生成预设交 互行为数据库。
[0036] 具体地，可以获取用户的历史交易行为（即历史交互行为）的历史交互行为集合， 如图2所示的事件库X= (ail,ai2,...aim)，其中，aim表示历史交互行为数据。
[0037] 在本申请的上述实施例中，从历史交互行为集合中提取发生频率符合预设阈值的 历史交互行为数据，得到合法行为项集可以包括：对历史交互行为数据中的第二交互对象 和第二交换数据进行降维处理得到第三交互对象和第三交换数据，得到更新后的历史交互 行为数据；计算对应同一个第三交互对象的更新后的历史交互行为数据的发生频率；将发 生频率大于预设阈值的更新后的历史交互行为数据生成合法行为项集。
[0038] 其中，上述实施例中的聚类分析指将物理或抽象对象的集合分组成为由类似对象 组成的多个类的分析过程。具体到本申请实施例中，聚类处理可以为将第二交互对象分入 不同的组中的操作，不同的组使用第三交互对象来表示。具体地，聚类处理的算法可以采用 k_均值或者k_中心等聚类算法。上述实施例中的降维处理即为降低数据维数的处理，可以 通过线性降维或者非线性降维，通过该种处理方法可以降低数据的复杂度。
[0039] 通过上述实施例，可以从历史交互行为集合中的数据中提取合法行为项集，在提 取合法行为项集之前，可以对其中的历史交互行为数据进行维度离散化处理。具体地，可以 通过对事件维度数据（即上述实施例中的历史交互行为数据）进行聚类处理（具体地可以 通过降维处理实现聚类处理），去除细节干扰，保留事件（即历史交互行为）的主要形态，从 而可以有效地降低挖掘算法的存储和计算代价，提高挖掘的效率和准确性。
[0040] 例如，在一个月内，用户A的交易对象（即上述实施例中的第二交互对象）可以有 15个，其中，包括A1-A15,通过上述的聚类处理可以将15个第二交互对象分为如下几组：亲 人、朋友和银行。
[0041] 上述的亲人、朋友和银行即为第三交互对象，这样将15个第二交互对象降低维数 得到三个第三交互对象，降低了数据的复杂度。
[0042] 需要进一步说明的是，对历史交互行为数据中的第二交互对象和第二交换数据进 行降维处理得到第三交互对象和第三交换数据，得到更新后的历史交互行为数据可以包 括：对历史交互行为数据中的第二交互对象进行降维处理得到第三交互对象包括：将对应 同一个第二交互对象的历史交互行为数据进行分组得到多个交互对象集合；对每个交互对 象集合中的历史交互行为数据的第二交换数据和交互类型进行离散处理得到每个历史交 互行为数据的交互分数；查询得到对应交互分数的第三交互对象；对历史交互行为数据中 的第二交换数据进行降维处理得到第三交换数据：查询得到与第二交换数据对应的第三交 换数据；使用第三交互对象替换第二交换对象，并使用第三交换数据替换第二交换数据，得 到更新后的历史交互行为数据。
[0043] 上述实施例中，对第二交互对象进行降维处理和对第二交换数据的降维处理可以 是并行进行的。
[0044] 具体地，对第二交互对象进行降维处理可以通过如下方法实现：统计相对于同一 个第二交互对象的历史交互行为的发生频率，对每个历史交互行为数据中的交互类型和发 生频率查表评分，得到每个历史交互行为数据的交互对象评分，获取与该交互对象评分对 应的第三交互对象。
[0045] 如表1所示的用户A的2014年上半年历史交互行为（表1仅作示例性说明，本申 请上述实施例不受该应用场景的限制