聚合关联对象挖掘目标画像的安全等级识别方法及装置制造方法及图纸

本申请涉及一种聚合本地关联对象挖掘目标画像的安全等级识别方法、装置、电子设备及计算机可读介质。该方法包括：获取待识别目标的识别标识；根据所述识别标识通过图神经网络抽样模型由关系网络中提取关系子网络；获取所述关系子网络中多个邻居节点的识别信息；通过图神经网络聚合模型，根据所述邻居节点的识别信息生成关系特征数据；根据所述关系特征数据生成所述用户的目标画像。本申请涉及的聚合本地关联对象挖掘目标画像的安全等级识别方法、装置、电子设备及计算机可读介质，能够仅通过目标的识别标识对目标画像进行准确的预测，减少和外部数据平台进行信息交互带来的数据安全风险，提升系统整体安全性，降低系统运行成本。本。本。

【技术实现步骤摘要】
聚合关联对象挖掘目标画像的安全等级识别方法及装置


[0001]本申请涉及计算机信息处理领域，具体而言，涉及一种聚合本地关联对象挖掘目标画像的安全等级识别方法、装置、电子设备及计算机可读介质。

技术介绍

[0002]目标画像作为一种勾画目标对象、联系目标诉求与设计方向的有效工具，目标画像在各领域得到了广泛的应用。在实际应用的过程中往往会以最为浅显和贴近生活的话语将目标的属性、行为与期待的数据转化联结起来。作为实际目标的虚拟代表。商家或者服务商可以通过对目标画像的分析，更加全面准确的为目标提供服务。
[0003]现有技术中，常常通过目标关系网络来刻画目标画像。现有的关系网模型中，首先，关系网络通过筛选出各个样本的子网络，特征提取则是，通过对邻居平台对象的特征数据，比如终端信息、账户信息、互评信息、交易记录、沟通信息等，通过聚合到节点V计算这些数据，最后得到以邻居特征计算出来用以代表节点特征，再借助于第三方平台上的目标数据，从而建立传统模型的分类器，对目标画像进行预测。在这个过程中，需要人为设定挖掘特征，还需要借助于第三方数据平台上的数据，由本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种聚合本地关联对象挖掘目标画像的安全等级识别方法，其特征在于，包括：获取不属于本地对象的待识别目标的识别标识；通过图神经网络抽样模型，根据所述识别标识由关系网络中提取包含所述待识别目标的关系子网络；获取所述关系子网络中多个属于本地对象的邻居节点的识别信息；通过图神经网络聚合模型，根据所述邻居节点的识别信息生成关系特征数据；根据所述关系特征数据生成待识别目标的目标画像；根据所述待识别目标的目标画像确定所述待识别目标的安全等级。2.如权利要求1所述的方法，其特征在于，通过图神经网络抽样模型，根据所述识别标识由关系网络中提取包含所述待识别目标的关系子网络，包括：通过图神经网络抽样模型，根据所述识别标识在所述关系网络中提取多个邻居节点；剔除所述邻居节点中不属于本地对象的邻居节点；和/或，剔除所述邻居节点中预设指向的有向边对应的邻居节点；通过所述待识别目标和所述邻居节点生成所述关系子网络。3.如权利要求1所述的方法，其特征在于，通过图神经网络聚合模型，根据所述邻居节点的识别信息生成关系特征数据，包括：根据识别信息为所述邻居节点之间的边分配权重；根据所述关系子网络的网络结构将所述多个邻接节点划分为多个层次；通过图神经网络聚合模型对多个层次对应的邻居节点进行聚合计算，生成所述关系特征数据。4.如权利要求3所述的方法，其特征在于，通过图神经网络聚合模型对多个层次对应的邻居节点进行聚合计算，生成所述关系特征数据，包括：逐一读取每个层次对应的邻居节点；通过图神经网络聚合模型对当前层次中的邻居节点进行聚合以生成当前层次的层关系特征数据；通过当前层次的层关系特征数据对下一层邻居节点进行聚合；所有层次对应的邻居节点计算完毕之后生成所述关系特征数据。5.如权利要求4所述的方法，其特征在于，通过图神经网络聚合模型对当前层次中的邻居节点进行聚合以生成当前层次的层关系特征数据，包括：根据识别信息为当前层对应的邻居节点之间的边分配权重；将当前层对应的邻居节点和邻居节点之间的边对应的权重输入图神经网络聚合模型；图...

【专利技术属性】
技术研发人员：周奕璇，沈赟，
申请(专利权)人：上海淇玥信息技术有限公司，
类型：发明
国别省市：