基于用户行为的异常用户识别研究

摘要：

异常用户识别对于维护公司产品生态健康十分重要.异常用户行为包括语言行为异常、图像行为异常以及操作行为异常等复杂行为,通常具有变化快和隐秘性高的特点.传统提取异常用户特征无法全面定义异常目标和识别异常用户,因此文章提出通过多种人工智能技术识别异常用户.首先基于DEEP IFOREST和密度聚类方法总结数据特征自动生成异常目标,其次通过混合式监督学习的方法识别异常目标,最后通过实验测试识别的准确率、召回率和F1值,证明设计方法的有效性和优越性.

关键词：异常用户、人工智能、DEEP IFOREST、密度聚类、监督学习

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：220-223