数据处理方法及装置与流程

本技术涉及互联网应用，特别是涉及一种数据处理方法及装置。

背景技术：

1、在对应用程序的用户行为数据进行分析时，通常是分析用户对应用程序中各功能模块的访问量，以呈现用户对各功能模块的使用情况。但仅通过各功能模块的访问量，无法有效识别出应用程序中存在的异常功能。因此，如何有效识别出应用程序中存在的异常功能成为一个亟待解决的技术问题。

技术实现思路

1、有鉴于此，本技术提供了一种数据处理方法及装置，以有效识别出目标应用程序中存在的异常功能。

2、本技术提供了如下方案：

3、第一方面，提供了一种数据处理方法，应用于服务器端，该数据处理方法包括：基于用户行为序列数据，构建用户行为路径图，用户行为路径图中的节点用于表示目标应用程序中的各功能模块，用户行为路径图中的边用于表示用户在各功能模块之间的跳转路径，节点的属性包括对应功能模块的访问行为度量值，边的属性包括用户在对应功能模块之间的跳转行为度量值；对用户行为路径图进行分析，确定用户行为路径图中的异常节点；将用户行为路径图的数据和异常节点的数据发送给用户端，以供用户端采用可视化方式展示用户行为路径图和异常节点。

4、可选地，基于用户行为序列数据，构建用户行为路径图之前，该数据处理方法还包括：响应于检测到用户的行为数据中存在非连续数据，将非连续数据拼接至用户的行为数据中与非连续数据相关的目标连续数据，得到用户行为序列数据。

5、可选地，将非连续数据拼接至用户的行为数据中与非连续数据相关的目标连续数据，得到用户行为序列数据，包括：基于预设规则，在用户的行为数据中确定多个候选连续数据；根据多个候选连续数据中每个候选连续数据与非连续数据的匹配度，确定目标连续数据；将非连续数据与目标连续数据进行拼接，得到用户行为序列数据；其中，预设规则包括以下至少一项：非连续数据的生成时刻与候选连续数据的生成时刻之间的时间间隔小于第一时间间隔阈值；非连续数据对应的任务对象与候选连续数据对应的任务对象之间的相似度大于相似度阈值；非连续数据对应的第一操作事件与候选连续数据对应的第二操作事件之间的连续程度大于连续程度阈值；候选连续数据与非连续数据的匹配度通过非连续数据的生成时刻与候选连续数据的生成时刻之间的时间间隔、非连续数据对应的任务对象与候选连续数据对应的任务对象的相似度、以及非连续数据对应的第一操作事件与候选连续数据对应的第二操作事件之间的连续程度中的至少一项确定。

6、可选地，检测到用户的行为数据中存在非连续数据，包括以下至少一项：响应于检测到同一用户的连续多条行为数据对应的会话标识信息不同，确定用户的行为数据中存在非连续数据；响应于检测到用户的多条行为数据对应的设备标识不同，且多条行为数据的生成时刻之间的时间间隔小于第二时间间隔阈值和/或多条行为数据对应的任务对象相同，确定用户的行为数据中存在非连续数据；响应于在用户的行为数据中检测到用户关闭功能模块的事件后，在第一预设时长内又启动功能模块的事件，确定用户的行为数据中存在非连续数据；响应于在用户的行为数据中检测到响应时长大于第二预设时长的事件，确定用户的行为数据中存在非连续数据。

7、可选地，将非连续数据拼接至用户的行为数据中与非连续数据相关的目标连续数据，得到用户行为序列数据之后，数据处理方法还包括：为用户行为序列数据添加拼接标识信息，拼接标识信息用于标识用户行为序列数据的置信度；基于用户行为序列数据，构建用户行为路径图，包括：响应于检测到用户行为序列数据的置信度大于置信度阈值，基于用户行为序列数据构建用户行为路径图。

8、可选地，对用户行为路径图进行分析，确定用户行为路径图中的异常节点，包括：基于用户行为路径图中的节点对应的访问行为度量值、节点在用户行为路径图中的连通性、以及用户行为路径图中的边的跳转行为度量值中的至少一种，确定用户行为路径图中的异常节点。

9、可选地，基于用户行为路径图中的节点对应的访问行为度量值、节点在用户行为路径图中的连通性、以及用户行为路径图中的边的跳转行为度量值中的至少一种，确定用户行为路径图中的异常节点，包括：若第一节点对应的访问量大于或等于访问量阈值且访问时长小于或等于访问时长阈值，则确定第一节点为异常节点；若第二节点为非终点功能模块对应的节点且第二节点所在的目标用户行为路径中不存在第二节点的后继节点，确定第二节点为异常节点；若第三节点的出度大于或等于预设出度阈值且第三节点的出边对应的跳转频率小于或等于第一跳转频率阈值，则确定第三节点为异常节点，第三节点的出度用于表示以第三节点为出发节点的边的数量，第三节点的出边用于表示以第三节点为出发节点的边；若第四节点的入度大于或等于预设入度阈值且第四节点的入边对应的跳转频率小于或等于第二跳转频率阈值，则确定第四节点为异常节点，第四节点的入度用于表示以第四节点为指向节点的边的数量，第四节点的入边用于表示以第四节点为指向节点的边；若第五节点为无边节点且第五节点对应的访问行为度量值大于或等于预设度量值阈值，则确定第五节点为异常节点。

10、可选地，还包括：基于异常节点的异常类型和异常节点对应功能模块的任务描述信息，确定针对异常节点的优化策略。

11、可选地，基于用户行为序列数据，构建用户行为路径图，包括：根据预设的用户类型，基于每个用户类型对应用户的用户行为序列数据，构建用户类型对应用户的用户行为路径图；该数据处理方法还包括：基于用户类型对应用户的用户行为路径图，调整用户类型对应用户的目标应用程序中的各功能模块。

12、可选地，对用户行为路径图进行分析，确定用户行为路径图中的异常节点，包括：对各用户类型对应用户的用户行为路径图进行分析，确定各用户类型对应用户的用户行为路径图中的异常节点；将用户行为路径图的数据和异常节点的数据发送给用户端，以供用户端采用可视化方式展示用户行为路径图和异常节点，包括：将各用户类型对应用户的用户行为路径图的数据，以及各用户类型对应用户的用户行为路径图中的异常节点的数据发送给用户端，以供用户端采用可视化方式展示各用户类型对应用户的用户行为路径图和各用户类型对应用户的用户行为路径图中的异常节点。

13、可选地，还包括：对用户行为路径图进行分析，在用户行为路径图中确定完成同一目标任务对应的第一类型路径和第二类型路径；利用第一类型路径，生成针对第二类型路径的优化策略；其中，第一类型路径满足以下至少一项：目标任务的完成率大于或等于完成率阈值、完成目标任务的时长小于或等于预设时长阈值、路径中异常节点的比例小于或等于预设比例值；第二类型路径满足以下至少一项：目标任务的完成率小于完成率阈值、完成目标任务的时长大于预设时长阈值、路径中异常节点的比例大于预设比例值。

14、第二方面，提供了一种数据处理方法，应用于用户端，该数据处理方法包括：获取用户行为路径图的数据，以及用户行为路径图中异常节点的数据，用户行为路径图是基于用户行为序列数据构建的，用户行为路径图中的节点用于表示目标应用程序中的各功能模块，用户行为路径图中的边用于表示用户在各功能模块之间的跳转路径，异常节点是对用户行为路径图进行分析确定的；在用户界面上采用第一样式展示用户行为路径图中的节点，以及采用第二样式展示用户行为路径图中的边，以及采用第三样式展示异常节点，第一样式用于表示用户对各功能模块的访问行为度量值，第二样式用于表示用户在各功能模块之间的跳转行为度量值。

15、可选地，采用第一样式展示用户行为路径图中的节点，包括：利用节点的颜色表示用户对功能模块的访问时长，和/或，利用节点的尺寸表示用户对功能模块的访问量；采用第二样式展示用户行为路径图中的边：包括：利用边的尺寸表示用户在各功能模块之间的跳转频率。

16、可选地，还包括：响应于检测到选中用户行为路径图中的节点的事件，展示节点对应的功能模块的功能描述信息、节点对应的访问行为度量值的数值、节点的关联节点、以及节点与节点的关联节点之间的跳转行为度量值的数值中的至少一项；和/或，响应于检测到选中用户行为路径图中的边的事件，展示边对应的跳转行为度量值的数值和/或边的关联节点。

17、第三方面，提供了一种数据处理装置，应用于服务器端，该数据处理装置包括：构建单元，被配置为基于用户行为序列数据，构建用户行为路径图，用户行为路径图中的节点用于表示目标应用程序中的各功能模块，用户行为路径图中的边用于表示用户在各功能模块之间的跳转路径，节点的属性包括对应功能模块的访问行为度量值，边的属性包括用户在对应功能模块之间的跳转行为度量值；分析单元，被配置为对用户行为路径图进行分析，确定用户行为路径图中的异常节点；发送单元，被配置为将用户行为路径图的数据和异常节点的数据发送给用户端，以供用户端采用可视化方式展示用户行为路径图和异常节点。

18、第四方面，提供了一种数据处理装置，应用于用户端，该数据处理装置包括：获取单元，被配置为获取用户行为路径图的数据，以及用户行为路径图中异常节点的数据，用户行为路径图是基于用户行为序列数据构建的，用户行为路径图中的节点用于表示目标应用程序中的各功能模块，用户行为路径图中的边用于表示用户在各功能模块之间的跳转路径，异常节点是对用户行为路径图进行分析确定的；展示单元，被配置为在用户界面上采用第一样式展示用户行为路径图中的节点，以及采用第二样式展示用户行为路径图中的边，以及采用第三样式展示异常节点，第一样式用于表示用户对各功能模块的访问行为度量值，第二样式用于表示用户在各功能模块之间的跳转行为度量值。

19、第五方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被执行时实现上述第一方面或第二方面的数据处理方法的步骤。

20、第六方面，提供了一种电子设备，包括：一个或多个处理器；以及与一个或多个处理器关联的存储器，存储器用于存储程序指令，该程序指令在被一个或多个处理器读取执行时，执行上述第一方面或第二方面的数据处理方法的步骤。

21、第七方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被执行时实现上述第一方面或第二方面的数据处理方法的步骤。

22、根据本技术提供的具体实施例，本技术公开了以下技术效果：

23、1）本技术通过构建同时反映访问行为度量值和跳转行为度量值的用户行为路径图并对该用户行为路径图进行分析以确定异常节点，使得在可视化展示中能够同时呈现功能模块的使用情况，以及功能模块间的流转情况，并定位目标应用程序中的异常功能模块，从而可以有效识别出目标应用程序中存在的异常功能，以便于提升对目标应用程序进行优化的效率和精准性。

24、2）本技术通过检测并拼接非连续数据，可以提升用户行为序列数据的完整性，使得后续构建的用户行为路径图能够完整反映用户的行为链路，从而提高了用户行为路径图的数据完整性和数据有效性。

25、3）本技术通过引入基于时间间隔、任务对象相似度和操作事件连续程度等维度的预设规则及匹配度计算，可以提升从多个候选连续数据中确定目标连续数据的准确性，从而可以提升拼接后的用户行为序列数据的完整性、准确率和可靠性。

26、4）本技术通过多种方式在用户的行为数据中检测非连续数据，能够自动、全面地识别出因会话变化、设备切换、短暂退出、响应超时等多种原因造成的行为数据断链，从而可以提升后续拼接的用户行为序列数据的准确性和全面性。

27、5）本技术通过为拼接后的用户行为序列数据添加置信度标识并在构建用户行为路径图时过滤低置信度的用户行为序列数据，可以有效减少因错误拼接引入的不可靠数据，从而保证了构建的用户行为路径图的数据质量，提升了后续对用户行为路径图进行分析的准确性。

28、6）本技术通过综合节点访问行为度量值、节点连通性和边跳转行为度量值等多个维度来确定异常节点，实现了对用户行为路径图的多维度异常检测，提升了异常节点识别的全面性和准确性。

29、7）本技术通过节点对应的访问量和访问时长、节点的连通情况、出发节点的出度和出发节点的出边对应的跳转频率、指向节点的入度和指向节点的入边对应的跳转频率、无边节点及对应的访问行为度量值等，能够精确地识别出流量高但转化差、路径中断、高出度低跳转、高入度低跳转、孤立高访问等典型异常功能，从而区分不同类型的异常卡点，进一步可以提高后续生成的针对性的优化措施的精确性。

30、8）本技术通过关联异常节点的异常类型和对应的任务描述信息，能够生成有针对性的、可落地的功能优化策略，实现了从行为监控到洞察输出的闭环，大幅提升了优化决策的生成效率。

31、9）本技术通过按用户类型分别构建对应用户的用户行为路径图，并据此调整不同用户类型对应用户所使用的目标应用程序中的功能模块，实现了对不同用户类型对应用户的用户行为的精准分层和差异化优化，能够针对不同用户类型对应用户分别制定优化策略，提升了优化策略的有效性。

32、10）本技术通过识别并对比完成同一目标任务时的第一类型路径（也即高效路径）与第二类型路径（也即低效路径），从而可以利用第一类型路径作为参考生成针对第二类型路径的优化策略，可以有效简化用户在完成目标任务时的操作，提升用户对目标任务的完成率和完成效率。

33、11）本技术通过节点的样式反映用户对节点对应功能模块的访问行为度量值，通过边的样式反映用户在功能模块之间的跳转行为度量值，可以实现利用视觉感知快速获取功能模块的广度、深度等，以及各功能模块间的流转频率，显著提升了对用户行为的整体分布与流转特征进行识别的效率；以及采用不同的样式展示异常节点，可以实现在用户行为路径图中凸显异常节点，提升了对目标应用程序中异常功能模块的定位效率。

34、12）本技术通过与用户行为路径图中的节点或边进行交互，能够即时获取被选中元素的精确度量数值与上下文关联关系，从而简化从用户行为路径图中获取相关信息的操作，提升了用户行为路径图的可读性。

35、当然，实施本技术的任一产品并不一定需要同时达到以上所述的所有优点。