基于人工智能的行为识别方法、装置、服务器和存储介质制造方法及图纸

本申请实施例公开了一种基于人工智能的行为识别方法、装置、服务器和存储介质；本申请实施例获取多个对象行为特征，所述对象行为特征由多种不同类型的子特征组成；对所述多个对象行为特征进行特征交互，得到初始特征组，所述初始特征组包括多种目标特征，每种所述目标特征与一种子特征类型对应；对不同类型的所述目标特征进行特征交互，得到目标特征组；根据所述目标特征组，确定对所述多个对象行为特征的识别结果，以便根据所述识别结果确定异常对象。在本申请实施例中，可以多维度挖掘对象行为之间的关联性，提升识别结果的准确性。提升识别结果的准确性。提升识别结果的准确性。

【技术实现步骤摘要】
基于人工智能的行为识别方法、装置、服务器和存储介质


[0001]本申请涉及计算机领域，具体涉及一种基于人工智能的行为识别方法、装置、服务器和存储介质。

技术介绍

[0002]随着计算机技术的发展，对对象行为识别技术的应用越来越广泛，如云技术、人工智能、互联网等各种场景。尤其是在互联网应用场景下，越来越多的对象通过互联网进行各种各样的活动，对异常行为的识别需求越来越大。
[0003]然而，现有技术在对对象行为进行识别时，一般都是通过获取对象特定行为关键字，对关键字进行判断来识别对象行为是否异常，不能全面地对对象行为特征进行识别，识别结果准确性低。

技术实现思路

[0004]本申请实施例提供一种基于人工智能的行为识别方法、装置、服务器和存储介质，可以多维度挖掘对象行为特征的关联性，提升识别结果的准确性。
[0005]本申请实施例提供一种基于人工智能的行为识别方法，包括：获取多个对象行为特征，所述对象行为特征由多种不同类型的子特征组成；对所述多个对象行为特征进行特征交互，得到初始特征组，所述初始特征组包括多种目标特征，每种所述目标特征与一种子特征类型对应；对不同类型的所述目标特征进行特征交互，得到目标特征组；根据所述目标特征组，确定对所述多个对象行为特征的识别结果，以便根据所述识别结果确定异常对象。
[0006]本申请实施例还提供一种基于人工智能的行为识别装置，包括：获取单元，用于获取多个对象行为特征，所述对象行为特征由多种不同类型的子特征组成；第一计算单元，用于对所述多个对象行为特征进行特征交互，得到初始特征组，所述初始特征组包括多种目标特征，每种所述目标特征与一种子特征类型对应；第二计算单元，用于对不同类型的所述目标特征进行特征交互，得到目标特征组；识别单元，根据所述目标特征组，确定对所述多个对象行为特征的识别结果，以便根据所述识别结果确定异常对象。
[0007]本申请实施例还提供一种服务器，包括存储器存储有多条指令；所述处理器从所述存储器中加载指令，以执行本申请实施例所提供的任一种基于人工智能的行为识别方法中的步骤。
[0008]本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本申请实施例所提供的任一种基于人工智能的行为识别方法中的步骤。
[0009]本申请实施例还提供一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现本申请实施例所提供的任一种基于人工智能的行为识别方法中的步骤。
[0010]本申请实施例可以获取多个对象行为特征，所述对象行为特征由多种不同类型的
子特征组成；对所述多个对象行为特征进行特征交互，得到初始特征组，所述初始特征组包括多种目标特征，每种所述目标特征与一种子特征类型对应；对不同类型的所述目标特征进行特征交互，得到目标特征组；根据所述目标特征组，确定对所述多个对象行为特征的识别结果，以便根据所述识别结果确定异常对象。在本申请中，可以通过对多个对象行为特征进行特征交互，关注对象行为特征之间的相关性，再结合在不同类型特征之间进行特征交互，关注对象行为的上下文相关性，以多维度挖掘对象行为之间的关联性，提升识别结果的准确性。
附图说明
[0011]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0012]图1是本申请实施例提供的基于人工智能的行为识别方法的场景示意图；
[0013]图2是本申请一个实施例提供的基于人工智能的行为识别方法的流程示意图；
[0014]图3是本申请实施例提供的计算调整后的对象行为特征方法的示意图；
[0015]图4是本申请实施例提供的对预设的行为识别模型进行训练的流程示意图；
[0016]图5是本申请另一个实施例提供的基于人工智能的行为识别方法的流程示意图；
[0017]图6是本申请实施例提供的基于人工智能的行为识别方法的框架图；
[0018]图7是本申请实施例提供的对训练用的对象行为序列进行预处理得到训练样本的流程示意图；
[0019]图8是本申请实施例提供的对金额进行特征增强的示意图；
[0020]图9是本申请实施例提供的对行为类型进行独热编码的示意图；
[0021]图10是本申请实施例提供的基于人工智能的行为识别装置的结构示意图；
[0022]图11是本申请实施例提供的服务器的结构示意图。
具体实施方式
[0023]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0024]本申请实施例提供一种基于人工智能的行为识别方法、装置、服务器和存储介质。
[0025]其中，该基于人工智能的行为识别装置具体可以集成在电子设备中，该电子设备可以为终端、服务器等设备。其中，终端可以为手机、平板电脑、智能蓝牙设备、笔记本电脑、或者个人电脑(Personal Computer，PC)等设备；服务器可以是单一服务器，也可以是由多个服务器组成的服务器集群。
[0026]在一些实施例中，该基于人工智能的行为识别装置还可以集成在多个电子设备中，比如，基于人工智能的行为识别装置可以集成在多个服务器中，由多个服务器来实现本申请的基于人工智能的行为识别方法。
[0027]在一些实施例中，服务器也可以以终端的形式来实现。
[0028]例如，参考图1，基于人工智能的行为识别装置集成在服务器中，该服务器可以从数据库获取多个对象行为特征，对象行为特征由多种不同类型的子特征组成；对多个对象行为特征进行特征交互，得到初始特征组，初始特征组包括多种目标特征，每种目标特征与一种子特征类型对应；对不同类型的目标特征进行特征交互，得到目标特征组；根据目标特征组，确定对多个对象行为特征的识别结果。
[0029]在本实施例中，电子设备可以通过对多个对象行为特征进行特征交互，关注对象行为特征之间的相关性，再结合在不同类型特征之间进行特征交互，关注对象行为的上下文相关性，以多维度挖掘对象行为之间的关联性，提升识别结果的准确性。
[0030]可以理解的是，在本申请的具体实施方式中，涉及到对象行为特征、对象行为信息，对象行为序列等相关的数据，当本申请所有实施例运用到具体产品或技术中时，需要获得对象许可或者同意，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
[0031]以下分别进行详细说明。需说明的是，以下实施例的序号不作为对实施例优选顺序的限定。
[0032]人工智能(Artificia本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的行为识别方法，其特征在于，包括：获取多个对象行为特征，所述对象行为特征由多种不同类型的子特征组成；对所述多个对象行为特征进行特征交互，得到初始特征组，所述初始特征组包括多种目标特征，每种所述目标特征与一种子特征类型对应；对不同类型的所述目标特征进行特征交互，得到目标特征组；根据所述目标特征组，确定对所述多个对象行为特征的识别结果，以便根据所述识别结果确定异常对象。2.如权利要求1所述基于人工智能的行为识别方法，其特征在于，所述获取多个对象行为特征，包括：获取多个对象行为信息，每个所述对象行为信息包括多种子信息；对所述子信息进行特征提取，得到所述子信息对应的子特征；针对每个所述对象行为信息，组合所述对象行为信息对应的所有所述子特征，得到每个所述对象行为信息对应的对象行为特征。3.如权利要求2所述基于人工智能的行为识别方法，其特征在于，所述子信息包含时间信息，所述对所述子信息进行特征提取，得到所述子信息对应的子特征，包括：获取所有所述对象行为信息中的时间信息；计算任意两个所述时间信息之间的时间差；通过所述时间差对所述时间信息进行赋值，得到所述时间信息对应的值；将所述时间信息对应的值确定为所述时间信息对应的子特征。4.如权利要求2所述基于人工智能的行为识别方法，其特征在于，所述子信息包含行为数据，所述对所述子信息进行特征提取，得到所述子信息对应的子特征，包括：获取所述行为数据的行为类型；确定所述行为类型对应的编码；将所述行为数据的行为类型对应的编码确定为所述行为数据对应的编码；将所述行为数据对应的编码确定为所述行为数据对应的子特征。5.如权利要求2所述基于人工智能的行为识别方法，其特征在于，所述子信息包括金融值，所述对所述子信息进行特征提取，得到所述子信息对应的子特征，包括：获取所有所述对象行为信息中的金融值，得到初始向量；获取预设的权重矩阵；通过预设的权重矩阵对所述初始向量进行权重计算，得到目标向量；根据所述目标向量中与所述金融值对应的分量，得到所述金融值对应的子特征。6.如权利要求2所述基于人工智能的行为识别方法，其特征在于，所述子信息包括金融值，所述对所述子信息进行特征提取，得到所述子信息对应的子特征，包括：通过目标运算对所有所述金融值进行特征增强，得到每个所述金融值对应的目标金融值；针对每个所述金融值，将所述金融值对应的所述目标金融值确定为所述金融值对应的子特征。7.如权利要求1所述基于人工智能的行为识别方法，其特征在于，所述对所述多个对象行为特征进行特征交互，得到初始特征组，包括：
对所述多个对象行为特征进行线性变换，得到注意力权重；针对每个所述对象行为特征，根据所述注意力权重对所述对象行为特征进行权重计算，得到调整后的对象行为特征；组合所有所述调整后的对象行为特征，得到初始特征组。8.如权利要求1所述基于人工智能的行为识别方法，其特征在于...

【专利技术属性】
技术研发人员：苏文龙，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：