【技术实现步骤摘要】
交互行为的识别方法和装置、存储介质及电子设备
本专利技术涉及计算机领域,具体而言,涉及一种交互行为的识别方法和装置、存储介质及电子设备。
技术介绍
在很多游戏应用中,为了保证游戏的公平性,常常会基于不同玩家的历史游戏行为产生的大数据,来计算用以表征玩家游戏行为的健康程度的指标,进而基于这些指标来调整各个玩家的游戏权限。如使用包括账号信息、日常活跃、游戏付费、作弊处罚、安全贡献五个维度及其800多个子维度的数据,来计算不同玩家的游戏信用值,从而实现基于该游戏信用值来为不同信用等级的玩家提供不同的游戏权限,例如,给高信用玩家提供特权或福利,而对低信用玩家进行行为限制,具体可以为:降低上述低信用玩家的收益、提高上述低信用分玩家在游戏中的发言/私聊/加好友等交互行为的门槛、限制上述低信用分玩家交易或取消上述低信用分玩家的游戏测试资格、体验服资格或活动资格等。其中,部分个人玩家会选择挂机、部分工作室玩家会通过较长时间的挂机和在游戏应用中执行简单操作来进行刷分,也就是通过增加日常活跃度,达到恢复游戏信用值的目的。也就是说,在相关技术中尚未提供一种有效的识别方式,来识别出用于反映出用户在各个终端应用中的真实的活跃度的交互行为,从而导致行为识别准确性较低的问题。针对上述的问题,目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种交互行为的识别方法和装置、存储介质及电子设备,以至少解决无法识别出反映用户真实的交互行为所导致的行为识别准确性较低的技术问题。根据本专利技术实施例 ...
【技术保护点】
1.一种交互行为的识别方法,其特征在于,包括:/n获取目标用户账号在目标应用中执行交互行为所生成的行为记录;/n从所述行为记录中提取所述目标用户账号所执行的交互行为的行为序列特征及行为统计特征,其中,所述行为序列特征用于指示所述交互行为在目标时间段内的时序特性,所述行为统计特征用于指示所述交互行为基于多个统计标签分别进行统计后的统计结果;/n获取与所述行为序列特征相匹配的序列向量,和与所述行为统计特征相匹配的统计向量;/n融合所述序列向量及所述统计向量,得到行为识别系数;/n在所述行为识别系数大于或等于目标阈值的情况下,确定所述目标用户账号所执行的交互行为是目标交互行为。/n
【技术特征摘要】
1.一种交互行为的识别方法,其特征在于,包括:
获取目标用户账号在目标应用中执行交互行为所生成的行为记录;
从所述行为记录中提取所述目标用户账号所执行的交互行为的行为序列特征及行为统计特征,其中,所述行为序列特征用于指示所述交互行为在目标时间段内的时序特性,所述行为统计特征用于指示所述交互行为基于多个统计标签分别进行统计后的统计结果;
获取与所述行为序列特征相匹配的序列向量,和与所述行为统计特征相匹配的统计向量;
融合所述序列向量及所述统计向量,得到行为识别系数;
在所述行为识别系数大于或等于目标阈值的情况下,确定所述目标用户账号所执行的交互行为是目标交互行为。
2.根据权利要求1所述的方法,其特征在于,所述获取与所述行为序列特征相匹配的序列向量,和与所述行为统计特征相匹配的统计向量包括:
通过目标识别网络模型中的第一识别子网络获取所述行为序列特征相匹配的所述序列向量,并通过所述目标识别网络模型中的第二识别子网络获取所述行为统计特征相匹配的所述统计向量,其中,所述第一识别子网络中包括多尺度卷积结构和门控过滤结构,所述第二识别子网络中包括多阶特征融合结构。
3.根据权利要求2所述的方法,其特征在于,所述通过目标识别网络模型中的第一识别子网络获取所述行为序列特征相匹配的所述序列向量,并通过所述目标识别网络模型中的第二识别子网络获取所述行为统计特征相匹配的所述统计向量包括:
在所述第一识别子网络中,通过M层N尺度卷积结构对所述行为序列特征进行卷积操作,以得到N个候选行为片段特征矩阵,其中,所述多尺度卷积结构包括所述M层N尺度卷积结构,M、N为正整数;对所述N个候选行为片段特征矩阵分别进行最大池化处理,得到N个关键行为片段特征向量;通过所述门控过滤结构对所述N个关键行为片段特征向量进行融合,以得到所述序列向量;
在所述第二识别子网络中,通过所述多阶特征融合结构分别提取所述行为统计特征的第一阶特征、第二阶特征及第三阶特征;拼接所述第一阶特征、所述第二阶特征及所述第三阶特征,得到多阶统计特征;对所述多阶统计特征进行转换,以得到所述统计向量。
4.根据权利要求3所述的方法,其特征在于,所述在所述第二识别子网络中,通过所述多阶特征融合结构分别提取所述行为统计特征的第一阶特征、第二阶特征及第三阶特征包括:
通过所述多阶特征融合结构中的第一特征提取结构,提取所述行为统计特征的一阶特征,其中,所述第一特征提取结构用于对特征元素执行线性加权求和操作;
通过所述多阶特征融合结构中的第二特征提取结构,提取所述行为统计特征的二阶特征,其中,所述第二特征提取结构用于对特征元素执行交叉组合操作;
通过所述多阶特征融合结构中的第三特征提取结构,提取所述行为统计特征的多阶特征,其中,所述第三特征提取结构用于对特征元素执行缩放拼接操作。
5.根据权利要求2所述的方法,其特征在于,所述融合所述序列向量及所述统计向量,得到行为识别系数包括:
对所述序列向量及所述统计向量进行拼接,得到目标向量;
通过非线性全连接层对所述目标向量进行全局融合和维度转换处理,得到所述行为识别系数。
6.根据权利要求1所述的方法,其特征在于,所述从所述行为记录中提取所述目标用户账号所执行...
【专利技术属性】
技术研发人员:陈观钦,王洁怡,丁朝,陈远,王摘星,王阔,江彩霞,陈斌,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。