异常用户预测方法和设备技术

本申请实施例公开了异常用户预测方法和设备。异常用户预测方法的一具体实施方式包括：获取用户和用户的关联用户在社交软件上的行为数据集合；对行为数据集合进行特征提取，生成行为特征集合；基于行为特征集合，生成有向图三元组集合；将行为特征集合中存在有向图三元组的用户的行为特征按照时序进行排序，生成时序特征；将时序特征输入至预先训练的异常用户预测模型，预测用户是否是异常用户。该实施方式根据用户和其关联用户使用社交软件的行为上下文，来预测用户是否是异常用户，从而降低了异常用户的漏检率。

【技术实现步骤摘要】
异常用户预测方法和设备
本申请实施例涉及计算机
，具体涉及异常用户预测方法和设备。
技术介绍
社交，即社会上的交际往来。而通过网络来实现这一目的的软件便是社交软件。随着移动互联网的飞速发展，各种各样的社交软件层出不穷。而通过社交软件传播违规信息的现象也越来越严重。目前，异常用户是基于其在社交软件上的行为数据检测出来的。只有直接在社交软件上传播违规信息的用户才会被检测为异常用户。而对于团伙传播违规信息的情况，其团伙成员由于仅参与辅助，并未直接传播违规信息而无法被检测出来。
技术实现思路
本申请实施例提出了异常用户预测方法和设备。第一方面，本申请实施例提供了一种异常用户预测方法，包括：获取用户和用户的关联用户在社交软件上的行为数据集合；对行为数据集合进行特征提取，生成行为特征集合；基于行为特征集合，生成有向图三元组集合；将行为特征集合中存在有向图三元组的用户的行为特征按照时序进行排序，生成时序特征；将时序特征输入至预先训练的异常用户预测模型，预测用户是否是异常用户。在一些实施例中，行为数据集合中的行为数据包本文档来自技高网...

【技术保护点】
1.一种异常用户预测方法，包括：/n获取用户和所述用户的关联用户在社交软件上的行为数据集合；/n对所述行为数据集合进行特征提取，生成行为特征集合；/n基于所述行为特征集合，生成有向图三元组集合；/n将所述行为特征集合中存在有向图三元组的用户的行为特征按照时序进行排序，生成时序特征；/n将所述时序特征输入至预先训练的异常用户预测模型，预测所述用户是否是异常用户。/n

【技术特征摘要】
1.一种异常用户预测方法，包括：
获取用户和所述用户的关联用户在社交软件上的行为数据集合；
对所述行为数据集合进行特征提取，生成行为特征集合；
基于所述行为特征集合，生成有向图三元组集合；
将所述行为特征集合中存在有向图三元组的用户的行为特征按照时序进行排序，生成时序特征；
将所述时序特征输入至预先训练的异常用户预测模型，预测所述用户是否是异常用户。


2.根据权利要求1所述的方法，其中，所述行为数据集合中的行为数据包括操作类行为数据；以及
所述对所述行为数据集合进行特征提取，包括：
对所述行为数据集合中的操作类行为数据进行Multi-Hot编码，生成操作类行为特征。


3.根据权利要求2所述的方法，所述行为数据集合中的行为数据还包括内容类行为数据，所述内容类行为数据包括图像内容类行为数据；以及
所述对所述行为数据集合进行特征提取，还包括：
利用图像分类网络对所述行为数据集合中的图像内容类行为数据进行特征提取，生成图像内容类行为特征。


4.根据权利要求3所述的方法，其中，所述利用图像分类网络对所述行为数据集合中的图像内容类行为数据进行特征提取，生成图像内容类行为特征，包括：
将所述图像内容类行为数据输入至所述图像分类网络，从所述图像分类网络的全连接层输出图像内容类行为特征。


5.根据权利要求3所述的方法，其中，所述利用图像分类网络对所述行为数据集合中的图像内容类行为数据进行特征提取，生成图像内容类行为特征，包括：
将所述图像内容类行为数据输入至所述图像分类网络，从所述图像分类网络的特征层输出图像内容类行为特征图；
对所述内容类行为特征图进行展开，生成图像内容类行为特征。


6.根据权利要求3所述的方法，其中，所述图像分类网络是ResNet或VGG模型。


7.根据权利要求3所述的方法，其中，所述内容类行为数据还包括文本内容类行为数据；以及
所述对所述行为数据集合进行特征提取，还包括：
将所述行为数据集合中的文本内容类行为数据输入至预训练模型，输出所述文本内容类行为特征。


8.根据权利要求7所述的方法，其中，所述预训练模型是BERT语义网络。


9.根据权利要求7所述的方法，其中，所述内容类行为数据还包括语音内容类行为数据；以及
所述对所述行为数据集合进行特征提取，还包括...

【专利技术属性】
技术研发人员：陈文涛，
申请(专利权)人：上海连尚网络科技有限公司，
类型：发明
国别省市：上海;31