【技术实现步骤摘要】
一种数据识别方法、装置、设备及可读存储介质
[0001]本申请涉及计算机
,尤其涉及一种数据识别方法、装置、设备以及可读存储介质。
技术介绍
[0002]在日常生活中,部分用户存在违法行为,这些存在违法行为的用户可以被认为是异常用户,为减少异常用户的违法行为的发生,如何准确又高效地识别出异常用户以及该异常用户对应的异常类别,显得十分有必要。
[0003]在现有技术中,对于异常用户的识别,通常要收集用户的投诉信息,基于用户的投诉信息才可以确定出行为异常的用户。因为存在部分用户会进行恶意投诉,所以投诉信息中可能既含有真实投诉信息也含有虚假投诉信息,则在通过投诉信息来进行异常用户的识别时,可能会将行为合法但被恶意投诉的合法用户,识别为异常用户。也就是说,通过投诉信息来进行异常用户识别,很难保证准确率。
[0004]申请内容
[0005]本申请实施例提供一种数据识别方法、装置、设备以及可读存储介质,可以提高识别异常用户的准确率。
[0006]本申请实施例一方面提供了一种数据识别方法,包括:
[0007]获取第一用户的第一用户社交特征,以及第二用户的第二用户社交特征;第二用户与第一用户具有社交关联关系;
[0008]获取第一用户属于建立因素类别的第一类别概率,获取第二用户属于建立因素类别的第二类别概率;建立因素类别是指建立社交关联关系的因素;
[0009]根据第一用户社交特征、第二用户社交特征以及第二类别概率,确定第一用户针对于建立因素类别的第一类别表示特征,根据第 ...
【技术保护点】
【技术特征摘要】
1.一种数据识别方法,其特征在于,包括:获取第一用户的第一用户社交特征,以及第二用户的第二用户社交特征;所述第二用户与所述第一用户具有社交关联关系;获取所述第一用户属于建立因素类别的第一类别概率,获取所述第二用户属于所述建立因素类别的第二类别概率;所述建立因素类别是指建立所述社交关联关系的因素;根据所述第一用户社交特征、所述第二用户社交特征以及所述第二类别概率,确定所述第一用户针对于所述建立因素类别的第一类别表示特征,根据所述第二用户社交特征、所述第一用户社交特征以及所述第一类别概率,确定所述第二用户针对于所述建立因素类别的第二类别表示特征;将所述第二类别表示特征向所述第一类别表示特征进行特征传递,得到所述第一用户针对于所述建立因素类别的目标类别表示特征;根据所述目标类别表示特征,识别所述第一用户的社交异常类别。2.根据权利要求1所述的方法,其特征在于,所述获取第一用户的第一用户社交特征,以及第二用户的第二用户社交特征,包括:获取第一用户的第一原始用户社交特征,以及第二用户的第二原始用户社交特征;获取所述建立因素类别对应的类别模型参数;根据所述类别模型参数以及所述第一原始用户社交特征,生成第一用户社交特征,根据所述类别模型参数以及所述第二原始用户社交特征,生成第二用户社交特征。3.根据权利要求2所述的方法,其特征在于,所述获取第一用户的第一原始用户社交特征,以及第二用户的第二原始用户社交特征,包括:获取所述第一用户的第一用户行为特征、第一用户资产特征以及第一用户标识特征;将所述第一用户行为特征、所述第一用户资产特征以及所述第一用户标识特征进行融合,生成所述第一原始用户社交特征;获取所述第二用户的第二用户行为特征、第二用户资产特征以及第二用户标识特征;将所述第二用户行为特征、所述第二用户资产特征以及所述第二用户标识特征进行融合,生成所述第二原始用户社交特征。4.根据权利要求1所述的方法,其特征在于,所述获取所述第二用户属于所述建立因素类别的第二类别概率,包括:获取初始类别概率;根据所述第一用户社交特征、所述初始类别概率以及所述第二用户社交特征,确定所述第一用户针对于所述建立因素类别的初始类别表示特征;获取指数函数,根据所述指数函数、所述第二用户社交特征以及所述初始类别表示特征,生成所述第二类别概率。5.根据权利要求4所述的方法,其特征在于,所述根据所述第一用户社交特征、所述第二用户社交特征以及所述第二类别概率,确定所述第一用户针对于所述建立因素类别的第一类别表示特征,包括:将所述第二用户社交特征与所述第二类别概率进行相乘,得到第一过渡特征;将所述第一用户社交特征与所述第一过渡特征进行相加,根据相加后的结果,确定所述第一用户针对于所述建立因素类别的第一迭代表示特征;
根据所述第一迭代表示特征,确定所述第一类别表示特征。6.根据权利要求5所述的方法,其特征在于,所述根据所述第一迭代表示特征,确定所述第一类别表示特征,包括:获取特征传递函数;通过所述特征传递函数,将所述第二原始用户社交特征向所述第一原始用户社交特征进行传递,得到用户传递特征;根据所述特征传递函数、所述用户传递特征以及所述第一迭代表示特征,确定所述第一类别表示特征。7.根据权利要求1所述的方法,其特征在于,所述根据所述第二用户社交特征、所述第一用户社交特征以及所述第一类别概率,确定所述第二用户针对于所述建立因素类别的第二类别表示特征,包括:将所述第一用户社交特征与所述第一类别概率进行相乘,得到第二过渡特征;将所述第二用户社交与所述第二过渡特征进行相加,根据相加后的结果确定所述第二用户针对所述建立因素类别的第二迭代表示特征;根据所述第二迭代表示特征,确定所述第二类别表示特征。8.根据权利要求2所述的方法,其特征在于,所述将所述第二类别表示特征向所述第一类别表示特征进行特征传递,得到所述第一用户针对于所述建立因素类别的目标类别表示特征,包括:根据所述建立因素类别对应的类别模型参数以及所述第一类别表示特征,确定第一更新用户社交特征;根据所述建立因素类别对应的类别模型参数以及所述第二类别表示特征,确定第二更新用户社交特征;获取初始类别概率;根据所述第一更新用户社交特征、所述初始类别概率以及所述第二更新用户社交特征,确定所述第一用户针对于所述建立因素类别的更新初始类别表示特征;获取指数函数,根据所述指数函数、所述更新初始类别表示特征以及所述第二更新用户社交特征,生成迭代类别概率;根据所述第一更新用户社交特征、所述第二更新用户社交特征以及所述迭代类别概率,确定所述第一用户针对所述建立因素类别的更新类别表示特征;获取图神经网络中的特征传递函数,根据所述特征传递函数将所述第二类别表示特征向所...
【专利技术属性】
技术研发人员:陈昊,
申请(专利权)人:腾讯科技深圳有限公司,
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。