针对于电子商务平台的图片宣传的风控系统及其方法技术方案

本申请涉及风险检测领域，其具体地公开了一种针对于电子商务平台的图片宣传的风控系统及其方法，其通过采用基于深度学习的神经网络模型挖掘出宣传图片中的高维隐含特征以此来进行分类，这样，能够准确地检测出图片中是否存在造假、低俗、含有二维码和广告等问题，进而准确地进行宣传图片的风险检测评估，保证平台宣传图片的质量和合法性，优化电子商务平台的图片宣传。的图片宣传。的图片宣传。

【技术实现步骤摘要】
针对于电子商务平台的图片宣传的风控系统及其方法


[0001]本申请涉及风险检测领域，且更为具体地，涉及一种针对于电子商务平台的图片宣传的风控系统及其方法。

技术介绍

[0002]电子商务平台上的图片宣传是吸引用户眼球和促进商品销售的重要手段。随着电子商务平台的不断发展，越来越多的商家开始在平台上宣传他们的产品和服务。然而，随着宣传图片数量的增加，往往伴随着图片造假、低俗、含有二维码和广告等问题。这些问题不仅会损害消费者的利益，还会对平台的声誉造成影响。但是，目前的图片审核主要基于人工审核，存在成本高、效率低、无法实时检测等问题。
[0003]因此，期望一种优化的针对于电子商务平台的图片宣传的风控系统，以保证平台宣传图片的质量和合法性。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种针对于电子商务平台的图片宣传的风控系统及其方法，其通过采用基于深度学习的神经网络模型挖掘出宣传图片中的高维隐含特征以此来进行分类，这样，能够准确地检测出图片中是否存在造假、低俗、含有二维码和广告等问题，进而准确地进行宣传图片的风险检测评估，保证平台宣传图片的质量和合法性，优化电子商务平台的图片宣传。
[0005]根据本申请的一个方面，提供了一种针对于电子商务平台的图片宣传的风控系统，其包括：宣传图片采集模块，用于获取宣传图片；图片预处理模块，用于对所述宣传图片进行图像预处理以得到预处理后宣传图片；图像分块模块，用于对所述预处理后宣传图片进行图像分块处理以得到图像块的序列；图像语义关联模块，用于将所述图像块的序列通过包含嵌入层的ViT模型以得到多个上下文图像块语义理解特征向量；空间特征增强模块，用于将所述多个上下文图像块语义理解特征向量排列为二维特征矩阵后通过空间注意力模块以得到分类特征矩阵；特征优化模块，用于对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵；以及风险预警模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示宣传图片的风险等级是否超过预定阈值。
[0006]在上述针对于电子商务平台的图片宣传的风控系统中，所述图像语义关联模块，包括：图像块嵌入单元，用于将所述图像块的序列输入所述包含嵌入层的ViT模型的图像块嵌入层以得到图像块嵌入向量的序列；上下文语义编码单元，用于将所述图像块嵌入向量的序列通过所述包含嵌入层的ViT模型的ViT模块以得到多个图像块上下文语义关联特征向量；以及，级联单元，用于将所述多个图像块上下文语义关联特征向量进行级联以得到所述多个上下文图像块语义理解特征向量。
[0007]在上述针对于电子商务平台的图片宣传的风控系统中，所述上下文语义编码单元，包括：查询向量构造子单元，用于将所述图像块嵌入向量的序列进行一维排列以得到全
局图像块特征向量；自注意子单元，用于计算所述全局图像块特征向量与所述图像块嵌入向量的序列中各个图像块嵌入向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；注意力施加子单元，用于分别以所述多个概率值中各个概率值作为权重对所述图像块嵌入向量的序列中各个图像块嵌入向量进行加权以得到所述多个上下文语义图像块特征向量；以及，级联子单元，用于将所述多个上下文语义图像块特征向量进行级联以得到所述多个图像块上下文语义关联特征向量。
[0008]在上述针对于电子商务平台的图片宣传的风控系统中，所述空间特征增强模块，用于：将所述二维特征矩阵通过所述空间注意力模块以得到权重得分矩阵；将所述权重得分矩阵输入Softmax激活函数以得到空间注意力权重特征矩阵；以及，计算所述空间注意力权重特征矩阵和所述二维特征矩阵之间的按位置点乘以得到所述分类特征矩阵。
[0009]在上述针对于电子商务平台的图片宣传的风控系统中，所述特征优化模块，包括：优化因数计算单元，用于计算所述分类特征矩阵中各个位置特征值的位置信息图式注意力响应因数以得到多个位置信息图式注意力响应因数；以及，加权优化单元，用于以所述多个位置信息图式注意力响应因数作为加权系数对所述分类特征矩阵的各个位置特征值进行加权优化以得到所述优化分类特征矩阵。
[0010]在上述针对于电子商务平台的图片宣传的风控系统中，所述优化因数计算单元，用于：以如下优化公式计算所述分类特征矩阵中各个位置特征值的位置信息图式注意力响应因数以得到所述多个位置信息图式注意力响应因数；其中，所述优化公式为：，其中，是所述分类特征矩阵中各个位置特征值，为所述分类特征矩阵的各个位置特征值的坐标，且是所述分类特征矩阵的所有特征值的全局均值，和代表将二维实数映射为一维实数的函数，和分别是所述分类特征矩阵的宽度和高度，表示以2为底的对数函数值， 表示所述多个位置信息图式注意力响应因数中的各个位置信息图式注意力响应因数。
[0011]在上述针对于电子商务平台的图片宣传的风控系统中，所述风险预警模块，包括：展开单元，用于将所述优化分类特征矩阵基于行向量或列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果生成单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
[0012]根据本申请的另一方面，提供了一种针对于电子商务平台的图片宣传的风控方法，其包括：获取宣传图片；对所述宣传图片进行图像预处理以得到预处理后宣传图片；对所述预处理后宣传图片进行图像分块处理以得到图像块的序列；将所述图像块的序列通过包含嵌入层的ViT模型以得到多个上下文图像块语义理解特征向量；将所述多个上下文图像块语义理解特征向量排列为二维特征矩阵后通过空间注意力模块以得到分类特征矩阵；对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵；以及将所述优化分类特
征矩阵通过分类器以得到分类结果，所述分类结果用于表示宣传图片的风险等级是否超过预定阈值。
[0013]根据本申请的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的针对于电子商务平台的图片宣传的风控方法。
[0014]根据本申请的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的针对于电子商务平台的图片宣传的风控方法。
[0015]与现有技术相比，本申请提供的一种针对于电子商务平台的图片宣传的风控系统及其方法，其通过采用基于深度学习的神经网络模型挖掘出宣传图片中的高维隐含特征以此来进行分类，这样，能够准确地检测出图片中是否存在造假、低俗、含有二维码和广告等问题，进而准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对于电子商务平台的图片宣传的风控系统，其特征在于，包括：宣传图片采集模块，用于获取宣传图片；图片预处理模块，用于对所述宣传图片进行图像预处理以得到预处理后宣传图片；图像分块模块，用于对所述预处理后宣传图片进行图像分块处理以得到图像块的序列；图像语义关联模块，用于将所述图像块的序列通过包含嵌入层的ViT模型以得到多个上下文图像块语义理解特征向量；空间特征增强模块，用于将所述多个上下文图像块语义理解特征向量排列为二维特征矩阵后通过空间注意力模块以得到分类特征矩阵；特征优化模块，用于对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵；以及风险预警模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示宣传图片的风险等级是否超过预定阈值。2.根据权利要求1所述的针对于电子商务平台的图片宣传的风控系统，其特征在于，所述图像语义关联模块，包括：图像块嵌入单元，用于将所述图像块的序列输入所述包含嵌入层的ViT模型的图像块嵌入层以得到图像块嵌入向量的序列；上下文语义编码单元，用于将所述图像块嵌入向量的序列通过所述包含嵌入层的ViT模型的ViT模块以得到多个图像块上下文语义关联特征向量；以及级联单元，用于将所述多个图像块上下文语义关联特征向量进行级联以得到所述多个上下文图像块语义理解特征向量。3.根据权利要求2所述的针对于电子商务平台的图片宣传的风控系统，其特征在于，所述上下文语义编码单元，包括：查询向量构造子单元，用于将所述图像块嵌入向量的序列进行一维排列以得到全局图像块特征向量；自注意子单元，用于计算所述全局图像块特征向量与所述图像块嵌入向量的序列中各个图像块嵌入向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；注意力施加子单元，用于分别以所述多个概率值中各个概率值作为权重对所述图像块嵌入向量的序列中各个图像块嵌入向量进行加权以得到所述多个上下文语义图像块特征向量；以及级联子单元，用于将所述多个上下文语义图像块特征向量进行级联以得到所述多个图像块上下文语义关联特征向量。4.根据权利要求3所述的针对于电子商务平台的图片宣传的风控系统，其特征在于，所述空间特征增强模块，用于：将所述二维特征矩阵通过所述空间注意力模块以得到权重得分矩阵；将所述权重得分矩阵输入Softmax激活函数以得到空间注意力权重特征矩阵；以及计算所述空间注意力权重特征矩阵和所述二维特征矩阵之间的按位置点乘以得到所述分类特征矩阵。5.根据权利要求4所述的针对于电子商务平台的图片宣传的风控系统，其特征在于，所述特征优化模块，包括：优化因数计算单元，用于计算所述分类特征矩阵中各个位置特征值的位置信息图式注意力响应因数以得到多个位置信息图式注意力响应因数；以及加权优化单元，用于以所述多个位置信息图式注意力响应因数作为加权...

【专利技术属性】
技术研发人员：王玉海，
申请(专利权)人：杭州有朋网络技术有限公司，
类型：发明
国别省市：