基于内容和网络特征的用户区分方法、装置、设备及介质制造方法及图纸

本申请涉及人工智能的关系网络分析领域，具体涉及一种基于内容和网络特征的用户区分方法、装置、设备及介质，包括；获取社交网络图，根据所述社交网络图获取每个所述节点的节点特征，将所述节点特征输入到马尔可夫随机场模型中，得到所述节点的第一分类结果；提取所述内容信息的内容特征；将所述内容特征输入到训练好的内容分类模型中，得到所述内容特征的第二分类结果；根据所述第一分类结果以及所述第二分类结果确定所述节点的用户类型；本申请结合内容特征和网络特征不同特性，利用更全面的用户信息来对社交网络平台中的用户进行检测是否为垃圾账户，不容易被恶意用户绕过检测。不容易被恶意用户绕过检测。不容易被恶意用户绕过检测。

【技术实现步骤摘要】
基于内容和网络特征的用户区分方法、装置、设备及介质


[0001]本申请涉及人工智能中的关系网络分析领域，具体涉及一种基于内容和网络特征的用户区分方法、装置、设备及介质。

技术介绍

[0002]网络社交平台不断更新，越来越多的人愿意在互联网社交平台分享信息，如视频、照片、当地的人文风情以及新闻等；
[0003]随着互联网技术的发展，抖音、脸书、推特等在线社交网络(OSNs)应用平台让用户的互动和交流变得越来越简单便捷；如今，它们已经成为用户讨论事件和分享个人体验的重要手段。
[0004]然而，随着在线社交网络应用平台的火爆，很多违法行为出现在了社交网络应用平台，例如通过虚假账户向用户发布包含虚假广告的邮件、散布包含不健康网站链接的推文等，引诱用户点击进去，从而盗取真实用户的个人信息，并对真实用户和社交网络发起各种攻击，这会对用户账户和社交平台的安全构成严重威胁，严重影响用户体验；
[0005]因此，如何有效、精准识别这些垃圾消息的发送者并对其进行自动拦截和屏蔽在OSNs的开发中具有重要意义；在传统环境中的虚假账户的检测主要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于内容和网络特征的用户区分方法，其特征在于，包括：获取社交网络图，所述社交网络图中含有多个节点以及对应的连接边，每个所述节点代表一个用户，所述连接边为所述节点之间的连接关系；根据所述社交网络图获取每个所述节点的节点特征，所述节点特征包括所述节点的邻接结构以及与所述邻接结构的节点之间的内容信息；将所述节点特征输入到马尔可夫随机场模型中，得到所述节点的第一分类结果；提取所述内容信息的内容特征；将所述内容特征输入到训练好的内容分类模型中，得到所述内容特征的第二分类结果；根据所述第一分类结果以及所述第二分类结果确定所述节点的用户类型。2.如权利要求1所述的基于内容和网络特征的用户区分方法，其特征在于，所述根据所述社交网络图获取每个所述节点的节点特征的步骤包括：将所述社交网络图输入到训练好的图卷积神经网络中计算，得到所述社交网络图中所述节点的节点特征，计算公式为：其中，H
(l+1)
为卷积神经网络第l+1层中的节点特征，A
i
是社交网络图中节点u单项传入的邻接矩阵，A
o
是社交网络图中节点u单项传出的邻接矩阵，A
b
是社交网络图中节点u的双向关系的邻接矩阵；其中：其中：是添加自连接的双向关系的邻接矩阵，I
N
是单位矩阵，是的度矩阵；是A
i
在对应图卷积神经网络的层数中的权重矩阵；是A
o
在对应图卷积神经网络的层数中的权重矩阵；σ是图卷积神经网络的激活函数，第一层卷积神经网络的输入为：H(0)＝X；K为正整数，l为图卷积神经网络的层数，X是用户特征矩阵。3.如权利要求2所述的基于内容和网络特征的用户区分方法，其特征在于，所述获取社交网络图的步骤包括：统计社交网络中所有用户的社交关系；根据所述社交关系构建所述社交网络图G＝(V,E)，其中V代表社交网络图中的节点，每个用户对应一个节点，E为节点对应的连接边。4.如权利要求3所述的基于内容和网络特征的用户区分方法，其特征在于，所述将所述节点特征输入到马尔可夫随机场模型中，得到所述节点的第一分类结果的步骤包括：基于吉布斯分布中的能量函数计算所述马尔可夫随机场模型中的马尔可夫随机场的概率分布；根据所述马尔可夫随机场的概率分布确定所述节点的第一分类结果；
其计算公式为：其中P(
v
)表示马尔可夫随机场的概率分布，x
v
是所有用户的标签，Z是归一化常数，E(x
v
)是吉布斯分布中的能量函数；x
v
＝1代表当前节点所对应的用户类型为垃圾用户，x
v

【专利技术属性】
技术研发人员：舒畅，陈又新，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：