本公开关于一种异常对象集合的识别方法、装置、电子设备和存储介质，该方法包括：获取预设数量个异常对象对应的操作结构信息，操作结构信息为以预设数量个异常对象为节点，预设数量个异常对象中两两异常对象间共同执行的相同目标操作数为边的图谱。基于操作结构信息，对预设数量个异常对象进行集合划分，得到至少一个异常对象集合。该方法根据操作结构信息，获取异常对象间的连接关系，从而基于异常对象间的连接关系，识别出异常对象对应的异常对象集合，提高了识别异常对象识别的效率和有效性。不仅可以发掘“假人假机”的异常对象集合，同时也可以发掘“真人真机”的异常对象集合，从而提高了识别异常对象集合的准确性。而提高了识别异常对象集合的准确性。而提高了识别异常对象集合的准确性。
【技术实现步骤摘要】
异常对象集合的识别方法、装置、电子设备和存储介质
[0001]本公开涉及数据处理
，尤其涉及异常对象集合的识别方法、装置、电子设备和存储介质。
技术介绍
[0002]近年来，短视频用户增长显著，短视频市场也越发庞大，同时也出现了恶意点击、刷量刷粉的流量假象。
[0003]目前对异常对象的识别能力，大多集中于对单个对象的判定。相关技术中通过将正常对象的特征和异常用户的特征进行比对，从而识别出单个的异常对象，识别到异常对象的效率低，且对单个的异常对象仅存在黑或白的判断，导致异常对象可以通过重新进行账号注册等方式转化为正常对象，造成异常对象识别的有效性低的问题。
技术实现思路
[0004]本公开提供一种异常对象集合的识别方法、装置、电子设备和存储介质，以至少解决相关技术中识别异常对象的效率低且有效性低的问题。本公开的技术方案如下：
[0005]根据本公开实施例的第一方面，提供一种异常对象集合的识别方法，所述方法包括：
[0006]获取预设数量个异常对象对应的操作结构信息，所述操作结构信息为以所述预设数量个异常对象为节点，所述预设数量个异常对象中两两异常对象间共同执行的相同目标操作为边的图谱，所述预设数量个异常对象各自对应的目标操作数大于等于预设操作数，且所述两两异常对象对应的相同目标操作数大于等于预设共同操作数；
[0007]基于所述操作结构信息，对所述预设数量个异常对象进行集合划分，得到至少一个异常对象集合。
[0008]作为一个可选的实施例，在所述基于所述操作结构信息，对所述预设数量个异常对象进行集合划分，得到至少一个异常对象集合之后，所述方法还包括：
[0009]基于所述操作结构信息，确定每个异常对象集合中的核心异常对象，所述核心异常对象为每个所述异常对象集合中异常执行所述目标操作的核心对象，所述核心异常对象用于标识对应的异常对象集合。
[0010]作为一个可选的实施例，所述基于所述操作结构信息，确定每个异常对象集合中的核心异常对象包括：
[0011]基于所述操作结构信息，确定所述每个异常对象集合中的每个异常对象和对应的关联异常对象间的关联信息，所述关联信息用于衡量每个所述异常对象与所述对应的关联异常对象间关联的紧密程度，所述关联异常对象为在所述操作结构信息中与每个当前异常对象相连的异常对象；
[0012]基于所述关联信息，确定所述每个异常对象集合中每个异常对象对应的异常指标数据；
[0013]将异常指标数据满足预设阈值的异常对象作为所述核心异常对象。
[0014]作为一个可选的实施例，所述关联信息包括关联对象总数和目标关联权重，所述基于所述操作结构信息，确定所述每个异常对象集合中的每个异常对象和对应的关联异常对象间的关联信息包括：
[0015]基于所述操作结构信息，获取每个所述异常对象对应的关联异常对象的关联对象总数和每个所述异常对象对应的目标关联权重，所述目标关联权重为每个所述异常对象与对应的关联异常对象间的关联权重的和值；
[0016]所述基于所述关联信息，确定所述异常对象集合中每个异常对象对应的异常指标数据包括：
[0017]基于所述关联对象总数、所述目标关联权重、异常对象总数和累计关联权重，确定每个所述异常对象对应的异常指标数据，所述异常对象总数为每个所述异常对象集合中异常对象的数量值，所述累计关联权重表征每个所述异常对象集合中两两异常对象间的关联权重的和值。
[0018]作为一个可选的实施例，所述方法还包括：
[0019]获取基于预设分组信息划分的多个初始操作数据集，所述初始操作数据集表征初始对象对应的共同操作数据的集合，所述初始对象对应的共同操作数据为两两初始对象和所述两两初始对象间共同执行的相同目标操作数，所述初始对象为对应的目标操作数大于等于所述预设操作数的对象；
[0020]对每个初始操作数据集分别进行过滤处理，得到过滤操作数据集，所述过滤操作数据集表征待识别对象对应的共同操作数据的集合，所述待识别对象对应的共同操作数据为两两待识别对象和所述两两待识别对象间共同执行的相同目标操作数，所述待识别对象为相同目标操作数大于等于所述预设共同操作数的初始对象；
[0021]对所述过滤操作数据集进行合并，得到目标操作数据集；
[0022]基于所述目标操作数据集，生成所述操作结构信息。
[0023]作为一个可选的实施例，所述过滤操作数据集为按序排列的多个过滤操作数据集，所述对所述多个过滤操作数据集进行合并，得到目标操作数据集包括：
[0024]将所述按序排列的多个过滤操作数据集中的第一个过滤操作数据集和第二个过滤操作数据集合并，并依次合并所述第二个过滤操作数据集之后的过滤操作数据集，直到合并到最后一个过滤操作数据集，得到所述目标操作数据集。
[0025]作为一个可选的实施例，所述基于所述操作结构信息，对所述预设数量个异常对象进行集合划分，得到至少一个异常对象集合包括：
[0026]基于所述操作结构信息中各个节点间的连接关系，确定每个异常对象对应的连通图结构；
[0027]将节点数满足预设数目阈值的连通图结构中各个节点对应的异常对象划分为同一异常对象集合。
[0028]作为一个可选的实施例，其特征在于，所述方法还包括：
[0029]基于更新异常对象，对所述操作结构信息进行更新，得到更新操作结构信息；
[0030]基于所述更新操作结构信息中的连通图结构，对所述操作结构信息中的连通图结构对应的异常对象集合进行更新，得到更新异常对象集合；
[0031]基于所述核心异常对象，对所述更新异常对象集合进行操作数据监控。
[0032]根据本公开实施例的第二方面，提供一种异常对象集合的识别装置，所述装置包括：
[0033]操作结构信息获取模块，被配置为执行获取预设数量个异常对象对应的操作结构信息，所述操作结构信息为以所述预设数量个异常对象为节点，所述预设数量个异常对象中两两异常对象间共同执行的相同目标操作为边的图谱，所述预设数量个异常对象各自对应的目标操作数大于等于预设操作数，且所述两两异常对象对应的相同目标操作数大于等于预设共同操作数；
[0034]异常对象集合获取模块，被配置为执行基于所述操作结构信息，对所述预设数量个异常对象进行集合划分，得到至少一个异常对象集合。
[0035]作为一个可选的实施例，其特征在于，所述装置还包括：
[0036]核心异常对象确定模块，被配置为执行基于所述操作结构信息，确定每个异常对象集合中的核心异常对象，所述核心异常对象为每个所述异常对象集合中异常执行所述目标操作的核心对象，所述核心异常对象用于标识对应的异常对象集合。
[0037]作为一个可选的实施例，所述核心异常对象确定模块包括：
[0038]关联信息确定单元，被配置为执行基于所述操作结构信息，确定所述每个异常对象集合中的每个异常对象和对应的关联异常对象间的关联信息，所述关联信本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种异常对象集合的识别方法，其特征在于，所述方法包括：获取预设数量个异常对象对应的操作结构信息，所述操作结构信息为以所述预设数量个异常对象为节点，所述预设数量个异常对象中两两异常对象间共同执行的相同目标操作为边的图谱，所述预设数量个异常对象各自对应的目标操作数大于等于预设操作数，且所述两两异常对象对应的相同目标操作数大于等于预设共同操作数；基于所述操作结构信息，对所述预设数量个异常对象进行集合划分，得到至少一个异常对象集合。2.根据权利要求1所述的异常对象集合的识别方法，其特征在于，在所述基于所述操作结构信息，对所述预设数量个异常对象进行集合划分，得到至少一个异常对象集合之后，所述方法还包括：基于所述操作结构信息，确定每个异常对象集合中的核心异常对象，所述核心异常对象为每个所述异常对象集合中异常执行所述目标操作的核心对象，所述核心异常对象用于标识对应的异常对象集合。3.根据权利要求2所述的异常对象集合的识别方法，其特征在于，所述基于所述操作结构信息，确定每个异常对象集合中的核心异常对象包括：基于所述操作结构信息，确定所述每个异常对象集合中的每个异常对象和对应的关联异常对象间的关联信息，所述关联信息用于衡量每个所述异常对象与所述对应的关联异常对象间关联的紧密程度，所述关联异常对象为在所述操作结构信息中与每个当前异常对象相连的异常对象；基于所述关联信息，确定所述每个异常对象集合中每个异常对象对应的异常指标数据；将异常指标数据满足预设阈值的异常对象作为所述核心异常对象。4.根据权利要求3所述的异常对象集合的识别方法，其特征在于，所述关联信息包括关联对象总数和目标关联权重，所述基于所述操作结构信息，确定所述每个异常对象集合中的每个异常对象和对应的关联异常对象间的关联信息包括：基于所述操作结构信息，获取每个所述异常对象对应的关联异常对象的关联对象总数和每个所述异常对象对应的目标关联权重，所述目标关联权重为每个所述异常对象与对应的关联异常对象间的关联权重的和值；所述基于所述关联信息，确定所述异常对象集合中每个异常对象对应的异常指标数据包括：基于所述关联对象总数、所述目标关联权重、异常对象总数和累计关联权重，确定每个所述异常对象对应的异常指标数据，所述异常对象总数为每个所述异常对象集合中异常对象的数量值，所述累计关联权重表征每个所述异常对象集合中两两异常对象间的关联权重的和值。5.根据权利要求1所述的异常对象集合的识别方法...
【专利技术属性】
技术研发人员：范雯睿，马骏，戚名钰，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：
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。