账号识别方法、装置、设备、介质及产品制造方法及图纸

本申请的实施例公开了一种账号识别方法、装置、设备、介质及产品，该方法包括：获取当前待识别账号对应的账号信息；通过第一特征提取方式对账号信息中多个类别型信息进行排序，并基于排序结果获取各个类别型信息对应的信息特征，以得到第一账号特征，通过第二特征提取方式将账号信息中多个类别型信息进行特征映射得到各个类别型信息对应的信息特征，以得到第二账号特征；根据第一账号特征和第二账号特征分别对待识别账号的类别进行预测，得到各个预测结果；根据各个预测结果和账号信息得到待识别账号的类别识别结果。本申请实施例的技术方案，提高了对账号类别识别结果的准确性和可靠性。靠性。靠性。

【技术实现步骤摘要】
账号识别方法、装置、设备、介质及产品


[0001]本申请涉及计算机
，具体而言，涉及一种账号识别方法、账号识别装置、电子设备、计算机可读存储介质及计算机程序产品。

技术介绍

[0002]随着互联网技术的发展，越来越多的对象通过网络平台执行各项业务，例如：通过金融平台进行理财、交易，但由于网络平台具有匿名、信息验证简单等特点，导致一些对象利用网络平台中的账号进行一些不正当动作，为了防止网络平台中的不正当动作，需要识别出异常账号，但目前常使用简单的支持向量机模型对账号进行识别，导致账号识别的准确率不高。

技术实现思路

[0003]本申请的实施例提供了一种账号识别方法、账号识别装置、电子设备、计算机可读存储介质及计算机程序产品，提高了对账号类别识别结果的准确性和可靠性。
[0004]本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
[0005]根据本申请实施例的一个方面，提供了一种账号识别方法，包括：获取当前待识别账号对应的账号信息；通过第一特征提取方式对所述账号信息中多个类别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种账号识别方法，其特征在于，包括：获取当前待识别账号对应的账号信息；通过第一特征提取方式对所述账号信息中多个类别型信息进行排序，并基于排序结果获取各个类别型信息对应的信息特征，以得到第一账号特征；通过第二特征提取方式将所述账号信息中多个类别型信息进行特征映射，得到各个类别型信息对应的信息特征，以得到第二账号特征；根据所述第一账号特征和所述第二账号特征分别对所述待识别账号的类别进行预测，得到各个预测结果；根据所述各个预测结果和所述账号信息得到所述待识别账号的类别识别结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述各个预测结果和所述账号信息得到所述待识别账号的类别识别结果，包括：获取预训练的账号识别模型，将所述各个预测结果和所述账号信息输入至所述账号识别模型，得到所述类别识别结果；其中，所述账号识别模型包括次级模型和至少两个不同种类的初级模型；第一初级模型用于对所述账号信息中多个类别型信息进行排序，并基于排序结果获取各个类别型信息对应的信息特征，以得到第一账号特征，并根据第一账号特征对所述待识别账号的类别进行预测得到预测结果；第二初级模型用于将所述账号信息中多个类别型信息进行特征映射得到各个类别型信息对应的信息特征，以得到第二账号特征，并根据第二账号特征对所述待识别账号的类别进行预测得到预测结果；所述次级模型用于根据所述账号信息和各个所述初级模型输出的预测结果生成新的特征向量，并根据所述新的特征向量进行类别识别得到所述类别识别结果。3.根据权利要求2所述的方法，其特征在于，所述账号识别模型是通过如下步骤训练得到的：获取样本账号信息的训练集和测试集，并对所述训练集进行多次划分得到多组数据集，每组数据集包括验证数据和训练数据；根据每组数据集中对应的训练数据对基础模型训练得到的预训练初级模型，并根据所述预训练初级模型分别对对应的验证数据进行预测，以得到包含每组验证数据的预测结果的第一预测集；根据所述预训练初级模型对所述测试集进行多次预测，得到包含每次测试集的预测结果的第二预测集；根据每个预训练初级模型的第一预测集对预训练次级模型进行训练，并基于训练得到的预训练次级模型对每个预训练初级模型的第二预测集进行预测；根据所述对每个预训练初级模型的第二预测集的预测结果确定所述次级模型和每个所述初级模型，以得到所述账号识别模型。4.根据权利要求3所述的方法，其特征在于，所述获取样本账号信息的训练集和测试集之前，所述方法还包括：分别为所述预训练次级模型以及每个基础模型建立学习函数，所述学习函数指示每个超参数的样本分布；获取所述预训练次级模型以及每个基础模型分别对应的超参数条件；
基于所述学习函数和所述超参数条件选取多个超参数组合，并基于每个超参数组合所对应的模型性能指标，为所述预训练次级模型和所述基础模型选取目标超参数组合。5.根据权利要求3所述的方法，其特征在于，所述训练数据包括多个类别型样本；所述根据每组数据集中对应的训练数据对基础模型训练得到的预训练初级模型，包括：对所述训练数据中的多个类别型样本进行排序，并基于排序结果中各个类别型样本的空间分布获取所述训练数据中的目标类别型样本对应的目标数值特征；根据所述目标数值特征对所述基础模型进行训练，得到所述预训练初级模型。6.根据权利要求5所述的方法，其特征在于，所述对所述训练数据中的多个类别型样本进行排序，并基于排序结果中各个类别型样本的空间分布获取所述训练数据中的目标类别型样本对应的目标数值特征，包括：通过多种排序方式对所述训练数据中的多个类别型样本进行排序，得到多组排序结果；针对所述目标类别型样本，根据每组排序结果中空间分布排序在所述目标类别型样本前的其他类别型样本计算在所述目标类别型样本所对应的数值特征，以得到多个数值特征...

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