基于用户行为特征的未成年人识别方法、装置和设备制造方法及图纸

本发明专利技术涉及人工智能技术领域，具体涉及一种基于用户行为特征的未成年人识别方法、装置和设备。其中，所述基于用户行为特征的未成年人识别方法包括：获取待识别者的软件使用数据数据集；预处理所述软件使用数据数据集；将处理后的软件使用数据数据集输入预设的行为特征识别模型，获取所述识别结果；基于所述识别结果，判断所述待识别者是否为未成年人。相较于生物信息识别等技术，本技术不需要待检测者主动提供人脸，音频等生物信息，而是隐式地使用待检测者在产品软件上的使用数据，通过数据分析得到用户行为特征，进行精准高效的识别和预测，相比直接使用生物信息、语音文字等，极大地降低了数据伦理风险。

【技术实现步骤摘要】
基于用户行为特征的未成年人识别方法、装置和设备
本专利技术涉及人工智能
，具体涉及一种基于用户行为特征的未成年人识别方法、装置和设备。
技术介绍
现有的基于生物信息的模式识别技术已经很成熟，如人脸检测，人脸识别，声音识别等。基于自然语言处理的语意理解和识别技术也有着广泛的应用。当使用这些技术应用于网络未成年人识别时，往往存在着硬件设备要求高，生物信息获取不便，信息假冒等问题。从数据伦理上讲，基于生物信息或自然语言的技术很容易造成用户隐私泄露，用户偏见等严重数据治理问题。
技术实现思路
有鉴于此，本申请提供一种基于用户行为特征的未成年人识别方法、装置和设备，以解决相关技术中的问题。本专利技术采用如下技术方案：第一方面，本专利技术实施例提供了一种基于用户行为特征的未成年人识别方法，该方法包括：1.一种基于用户行为特征的未成年人识别方法，其特征在于，包括：获取待识别者的软件使用数据数据集；预处理所述软件使用数据数据集；将处理后的软件使用数据数据集输入预设的行为特征识别模型，获取所述识别结果；基于所述识别结果，判断所述待识别者是否为未成年人。2.根据权利要求1所述的方法，其特征在于，所述基于所述识别结果，判断所述待识别者是否为未成年人，包括：基于所述识别结果和预设的精确度信息模块，进行精确度信息标注；比较预设的精确度分数和标注的所述精确度信息，判断所述待识别者是否为未成年人。3.根据权利要求1所述的方法，其特征在于，所述预处理所述软件使用数据数据集，包括：对所述软件使用数据数据集进行异常值处理；对所述软件使用数据数据集进行数据缩放；对所述软件使用数据数据集进行缺失值处理；对所述软件使用数据数据集进行抽象特征处理。4.根据权利要求1所述的方法，其特征在于，预训练所述预设的行为特征识别模型的方式包括：获取数据提供者样本和对应的软件使用数据数据集样本；对软件使用数据进行初步分析，筛选出软件使用数据数据集中与数据提供者是否是未成年人相关的数据，并进行抽取；基于抽取的数据，构件训练样本；基于所述训练样本训练预先搭建的模型得到行为特征识别模型。5.根据权利要求1所述的方法，其特征在于，还包括：预先搭建的模型为基于lightGBM模型进行建模得到的模型、支持向量机模型或其他神经网络模型。6.根据权利要求2所述的方法，其特征在于，所述精确度信息模块的搭建方式包括：获取所述行为特征识别模型的识别结果；对预测结果进行取样；按照实际标签对预测结果进行划分，使用对数样条算法拟合其概概率密度函数，根据概率密度函数计算其累积分布函数，对每一个预测结果，计算出其在所有分类中的概累计分布函数值，并依此计算出其在每一分类上的精确度信息分数；其中，所述实际标签为进行识别的数据的提供者的身份信息。7.根据权利要求2所述的方法，其特征在于，还包括；获取使用者上传的目标精确度分数；令所述预设的精确度分数为所述目标精确度分数。8.一种基于用户行为特征的未成年人识别预测装置，其特征在于，包括：获取模块，用于获取待识别者的软件使用数据数据集；处理模块，用于预处理所述软件使用数据数据集；识别模块，用于将处理后的软件使用数据数据集输入预设的行为特征识别模型，获取所述识别结果；判断模块，用于基于所述识别结果，判断所述待识别者是否为未成年人。9.一种基于用户行为特征的未成年人识别设备，其特征在于，包括：处理器，以及与所述处理器相连接的存储器；所述存储器用于存储计算机程序，所述计算机程序至少用于执行权利要求1-7任一项所述的基于用户行为特征的未成年人识别方法；所述处理器用于调用并执行所述存储器中的所述计算机程序。10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-7任一项所述的基于用户行为特征的未成年人识别方法中各个步骤。本专利技术采用以上技术方案，首先获取待识别者的软件使用数据数据集；预处理所述软件使用数据数据集；将处理后的软件使用数据数据集输入预设的行为特征识别模型，获取所述识别结果；基于所述识别结果，判断所述待识别者是否为未成年人。相较于生物信息识别等技术，本技术不需要待检测者主动提供人脸，音频等生物信息，而是隐式地使用待检测者在产品软件上的使用数据，通过数据分析得到用户行为特征，基于行为特征对未成年用户进行精准高效的识别和预测。由于软件使用数据是业务化的，分析得到的用户行为特征是高度抽象不可直接理解的，相比直接使用生物信息、语音文字等，极大地降低了数据伦理风险。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种基于用户行为特征的未成年人识别方法的流程图；图2是本专利技术实施例提供的一种基于用户行为特征的未成年人识别方法的部分流程图；图3是本专利技术实施例提供的一种基于用户行为特征的未成年人识别方法的部分流程图；图4是本专利技术实施例提供的一种基于用户行为特征的未成年人识别装置的结构示意图；图5是本专利技术实施例提供的一种基于用户行为特征的未成年人识别设备的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将对本专利技术的技术方案进行详细的描述。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本专利技术所保护的范围。首先对本专利技术实施例的应用场景进行说明，未成年人识别技术旨在加强未成年人上网保护，防止未成年人网络沉迷。随着人工智能的发展，各类基于图像、音频、文本语义的识别技术不断被提出，这些基于生物信息或语义文本的识别技术通常包括：数据的搜寻和定位，海量数据的收集和处理，使用基于神经网络等技术进行数据建模，多种场景下的数据捕获和智能预测识别等。但将人脸识别、自然语言处理等技术应用于网络未成年人甄别时，往往会遇到用户拒绝提供验证信息、信息假冒、识别精度不高等问题。同时，对于用户隐私数据的使用往往缺少监督，这也带来了不可忽视的数据伦理隐患。本专利技术提出了一种技术方案，即分析用户软件使用数据，抽取行为特征，利用行为特征进行数据建模，然后使用模型对使用者中的未成年人进行检测识别，并根据预测结果，使用对数样条进行概率密度函数拟合，进而给出识别结果的精确度信息，以应对不同精度要求的需求场景。实施例图1为本专利技术实施例提供的一种种基于用户行为特征的未成年人识别方法的流程图，该方法可以由本专利技术实施本文档来自技高网...

【技术保护点】
1.一种基于用户行为特征的未成年人识别方法，其特征在于，包括：/n获取待识别者的软件使用数据数据集；/n预处理所述软件使用数据数据集；/n将处理后的软件使用数据数据集输入预设的行为特征识别模型，获取所述识别结果；/n基于所述识别结果，判断所述待识别者是否为未成年人。/n

【技术特征摘要】
1.一种基于用户行为特征的未成年人识别方法，其特征在于，包括：
获取待识别者的软件使用数据数据集；
预处理所述软件使用数据数据集；
将处理后的软件使用数据数据集输入预设的行为特征识别模型，获取所述识别结果；
基于所述识别结果，判断所述待识别者是否为未成年人。


2.根据权利要求1所述的方法，其特征在于，所述基于所述识别结果，判断所述待识别者是否为未成年人，包括：
基于所述识别结果和预设的精确度信息模块，进行精确度信息标注；
比较预设的精确度分数和标注的所述精确度信息，判断所述待识别者是否为未成年人。


3.根据权利要求1所述的方法，其特征在于，所述预处理所述软件使用数据数据集，包括：
对所述软件使用数据数据集进行异常值处理；
对所述软件使用数据数据集进行数据缩放；
对所述软件使用数据数据集进行缺失值处理；
对所述软件使用数据数据集进行抽象特征处理。


4.根据权利要求1所述的方法，其特征在于，预训练所述预设的行为特征识别模型的方式包括：
获取数据提供者样本和对应的软件使用数据数据集样本；
对软件使用数据进行初步分析，筛选出软件使用数据数据集中与数据提供者是否是未成年人相关的数据，并进行抽取；
基于抽取的数据，构件训练样本；
基于所述训练样本训练预先搭建的模型得到行为特征识别模型。


5.根据权利要求1所述的方法，其特征在于，还包括：预先搭建的模型为基于lightGBM模型进行建模得到的模型、支持向量机模型或其他神经网络模型。


6.根据权利要求2所...

【专利技术属性】
技术研发人员：方波，唐路遥，唐健，黄椿禹，
申请(专利权)人：武汉微派网络科技有限公司，
类型：发明
国别省市：湖北;42