技术摘要：
本申请是关于一种异常用户识别方法，属于信息处理技术领域，该方法包括：对待异常识别数据集进行降维处理，得到降维后的数据集；对降维后的数据集通过聚类处理形成多个待识别群组；通过计算每个待识别群组与降维后的数据集在各个特征上的分布相异度及每个待识别群组的  全部
背景技术：
随着AI(人工智能)热潮的兴起与蓬勃发展，AI技术在金融三反(反欺诈、反洗钱与 反舞弊)发挥着越来越大的作用。但运用AI技术进行欺诈与洗钱等风险识别却存在标签少 或无标签的技术难点，因此无监督学习技术几乎成了唯一的选择。其中，应用较广泛的三类 主流无监督学习的算法为：聚类算法、异常值检测算法和复杂网络算法。 但是以上三种算法均存在各自的缺陷与不足，例如聚类算法划分得到的群组与异 常之间通常没有必然联系；异常值检测算法FPR(False  Positive  Rate，假正率)过高，容易 误伤好客户；复杂网络算法中强关系属性缺失或数据质量参差不齐，导致复杂网络在风险 识别领域难以发挥较好的作用。因此，现有技术中存在异常用户识别时，风险识别的召回率 与精确率较低，风险监测方法应用领域较小的问题。 因此，需要提供一种新的异常用户识别方法及装置。 需要说明的是，在上述
技术实现要素：
部分公开的信息仅用于加强对本申请的背景的理 解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。