一种账号挖掘方法、装置及相关产品制造方法及图纸

本申请公开一种账号挖掘方法、装置及相关产品。本申请涉及计算机技术，可应用于机器学习领域。方法中获取目标账号对应的账号活动特征；从账号与设备的登录关系网络的向量化结果中，提取目标账号对应的节点向量；将目标账号对应的账号活动特征和目标账号对应的节点向量作为账号类型预测模型的输入，通过账号类型预测模型预测目标账号的类型为目标类型的几率。创新地将账号与设备的登录关系网络向量化处理，将向量化结果应用到对身份可疑账号的挖掘场景中，结合账号活动特征和节点向量进行账号类型预测，使得预测结果具有充足的数据支撑。通过实验验证发现，本申请技术方案有效提升可疑账号挖掘的准确性。升可疑账号挖掘的准确性。升可疑账号挖掘的准确性。

【技术实现步骤摘要】
一种账号挖掘方法、装置及相关产品


[0001]本申请涉及计算机
，尤其涉及一种账号挖掘方法、装置及相关产品。

技术介绍

[0002]随着计算机技术的飞速发展，人们生活中的娱乐形式呈现多样化的发展趋势。尽管日常生活中许多的娱乐形式能够丰富人们的精神生活，但是过度的娱乐依然有可能对人们带来不必要的困扰，甚至影响视力发育，影响睡眠质量。现如今，以手机为例，多种内容平台已经开始逐步提供防沉迷的提示或者措施。图1A为一种游戏中弹窗提示账号用户防沉迷策略的示意图。
[0003]一些娱乐类的内容平台是通过身份信息的验证结果识别账号类型，限制类型不符合该内容平台的使用要求的用户账号使用体验该内容平台的内容服务。但是对于一些用户而言，其可能采用冒用他人身份信息的方式伪装个人身份，从而达到了识别出的用户账号类型符合使用要求的结果。由此，这类限制机制在部分用户的刻意伪装下，形同虚设。
[0004]当前有必要对内容平台的账号类型进行更加准确的识别，避免因身份信息冒用等问题导致的限制机制失效。目前一种方法是对账号的使用者提高身份验证频次，但是因账号类型识别不够准确，一些类型本符合使用要求的账号，其用户在使用过程中频繁收到身份验证提醒，严重影响了此类账号用户的体验。当前，有待更加精准地挖掘内容平台中用户身份可疑的账号，并减少对非可疑账号的用户造成的干扰。

技术实现思路

[0005]本申请实施例提供了一种账号挖掘方法、装置及相关产品，旨在更精准地挖掘内容平台上身份可疑用户账号，减少对非可疑账号的用户造成的干扰。
[0006]本申请第一方面提供了一种账号挖掘方法，包括：
[0007]获取目标账号对应的账号活动特征；
[0008]从账号与设备的登录关系网络的向量化结果中，提取所述目标账号对应的节点向量；所述登录关系网络包括多个账号节点和多个设备节点，所述登录关系网络中账号节点和设备节点间的边表示登录关系；所述多个账号节点包括表示目标账号对应的节点；所述多个设备节点包括目标类型的账号登录过的设备对应的节点；所述目标类型表示账号的使用者身份可疑；
[0009]将所述目标账号对应的账号活动特征和所述目标账号对应的节点向量作为账号类型预测模型的输入，通过所述账号类型预测模型预测所述目标账号的类型为目标类型的几率。
[0010]本申请第二方面提供了一种账号挖掘装置，包括：
[0011]特征获取单元，用于获取目标账号对应的账号活动特征；
[0012]向量获取单元，用于从账号与设备的登录关系网络的向量化结果中，提取所述目标账号对应的节点向量；所述登录关系网络包括多个账号节点和多个设备节点，所述登录
关系网络中账号节点和设备节点间的边表示登录关系；所述多个账号节点包括表示目标账号对应的节点；所述多个设备节点包括目标类型的账号登录过的设备对应的节点；所述目标类型表示账号的使用者身份可疑；
[0013]账号挖掘单元，用于将所述目标账号对应的账号活动特征和所述目标账号对应的节点向量作为账号类型预测模型的输入，通过所述账号类型预测模型预测所述目标账号的类型为目标类型的几率。
[0014]本申请第三方面提供了一种账号挖掘设备，所述设备包括处理器以及存储器：
[0015]所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0016]所述处理器用于根据所述程序代码中的指令执行第一方面提供的账号挖掘方法的步骤。
[0017]本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行第一方面提供的账号挖掘方法的步骤。
[0018]本申请第五方面提供了一种计算机程序产品，包括计算机程序或指令，该计算机程序或指令被账号挖掘设备执行时实现第一方面提供的账号挖掘方法的步骤。
[0019]从以上技术方案可以看出，本申请实施例具有以下优点：
[0020]本申请技术方案中，首先获取进行账号挖掘时待分析的目标账号对应的账号活动特征，并从账号与设备的登录关系网络的向量化结果中提取出目标账号对应的节点向量。登录关系网络中不但包含目标账号对应的节点在内的多个账号节点，还包含了目标类型账号(使用者身份可疑)登录过的设备其节点在内的多个设备节点。因此，登录关系网络能够通过图结构反映目标类型账号的登录关系，并呈现与目标类型账号登录过的设备有过登录关系且具体类型有待分析的账号。最后将目标账号对应的账号活动特征和目标账号对应的节点向量共同作为账号类型预测模型的输入，通过模型预测目标账号的类型为目标类型的几率。在本申请技术方案中，创新地将账号与设备的登录关系网络向量化处理，将向量化结果应用到对身份可疑账号的挖掘场景中，结合账号活动特征和节点向量进行账号类型预测，使得预测结果具有充足的数据支撑。通过实验验证发现，本申请技术方案有效提升可疑账号挖掘的准确性。在提升账号挖掘准确性的同时，能够进一步地减少对非可疑账号的用户造成的干扰。
附图说明
[0021]图1A为一种游戏中弹窗提示账号用户防沉迷策略的示意图；
[0022]图1B为本申请提供的一种游戏中人脸识别验证的提示弹窗示意图；
[0023]图2为本申请实施例提供的一种账号挖掘方法的场景架构图；
[0024]图3为服务器下发指令触发在账号所登录的设备上运行的内容平台上提示用户完成身份验证的示意图；
[0025]图4为本申请实施例提供的一种账号挖掘方法的流程图；
[0026]图5为本申请实施例提供的一种账号与设备的登录关系网络示意图；
[0027]图6为本申请实施例提供的一种将账号与设备的登录关系网络向量化的实现过程示意图；
[0028]图7为本申请实施例提供的一种通过账号类型预测模型预测账号类型的示意图；
[0029]图8为本申请实施例提供的一种训练账号类型预测模型的示意图；
[0030]图9为本申请实施例提供的另一种账号类型预测模型的结构示意图；
[0031]图10为本申请实施例提供的一种账号类型预测模型中聚合层的实现方式示意图；
[0032]图11为本申请实施例提供的一种账号挖掘装置的结构示意图；
[0033]图12为本申请实施例中服务器的一个结构示意图；
[0034]图13为本申请实施例中终端设备的一个结构示意图。
具体实施方式
[0035]目前，一些内容平台具有识别账号类型的需求，例如识别符合内容平台的使用要求的账号、不符合内容平台的使用要求的账号。对于不符合内容平台的使用要求的账号，内容平台根据具体的限制策略可能限制其使用时长，或者限制其成功登录和使用平台上提供的全部服务或者部分服务。不符合内容平台使用要求的账号可以是账号信息不符合使用要求的账号，或者一些通过伪装他人身份进行身份验证以图蒙混过关的账号。例如，某内容平台限制未成年人长时间在平台观看视频，如果账号A本身的填入信息包括了小学生的年龄，则小学生使用的该账号A能够被识别出属于不符本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种账号挖掘方法，其特征在于，所述方法包括：获取目标账号对应的账号活动特征；从账号与设备的登录关系网络的向量化结果中，提取所述目标账号对应的节点向量；所述登录关系网络包括多个账号节点和多个设备节点，所述登录关系网络中账号节点和设备节点间的边表示登录关系；所述多个账号节点包括表示目标账号对应的节点；所述多个设备节点包括目标类型的账号登录过的设备对应的节点；所述目标类型表示账号的使用者身份可疑；将所述目标账号对应的账号活动特征和所述目标账号对应的节点向量作为账号类型预测模型的输入，通过所述账号类型预测模型预测所述目标账号的类型为目标类型的几率。2.根据权利要求1所述的账号挖掘方法，其特征在于，在所述从账号与设备的登录关系网络的向量化结果中，提取所述目标账号对应的节点向量之前，所述方法还包括：获取内容平台上的设备登录信息，所述设备登录信息包括登录所述内容平台的设备信息和通过设备登录所述内容平台的账号信息；所述内容平台为需要挖掘目标类型的账号的平台；根据所述设备登录信息构建账号与设备的登录关系网络；对账号与设备的登录关系网络进行向量化处理，得到账号与设备的登录关系网络的向量化结果。3.根据权利要求1所述的账号挖掘方法，其特征在于，还包括：获取内容平台上目标类型的账号对应的账号活动特征作为第一训练样本，并获取内容平台上非目标类型的账号对应的账号活动特征作为第二训练样本；所述内容平台为需要挖掘目标类型的账号的平台；从账号与设备的登录关系网络的向量化结果中，提取目标类型的账号对应的节点向量作为第三训练样本，并提取非目标类型的账号对应的节点向量作为第四训练样本；将目标类型作为所述第一训练样本和所述第三训练样本的第一类型标签，根据所述第一训练样本、所述第三训练样本和所述第一类型标签构建第一类训练数据；以及，将非目标类型作为所述第二训练样本和所述第四训练样本的第二类型标签，根据所述第二训练样本、所述第四训练样本和所述第二类型标签构建第二类训练数据；通过所述第一类训练数据和所述第二类训练数据对待训练模型进行训练；当训练截止条件满足时，停止训练，得到所述账号类型预测模型。4.根据权利要求1所述的账号挖掘方法，其特征在于，所述将所述目标账号对应的账号活动特征和所述目标账号对应的节点向量作为账号类型预测模型的输入，通过所述账号类型预测模型预测所述目标账号的类型为目标类型的几率，具体包括：采用深度神经网络对所述目标账号对应的账号活动特征进行学习，得到所述目标账号的第一特征向量；通过聚合层对所述目标账号对应的账号活动特征以及所述目标账号对应的节点向量进行处理，得到所述目标账号的第二特征向量；通过拼接所述目标账号的第一特征向量和所述目标账号的第二特征向量，得到所述目标账号的拼接后向量；
通过全连接层处理所述拼接后向量，得到预测出的所述目标账号的类型为目标类型的几率。5.根据权利要求4所述的账号挖掘方法，其特征在于，所述通过聚合层对所述目标账号对应的账号活动特征以及所述目标账号对应的节点向量进行处理，得到所述目标账号的第二特征向量，包括：将所述目标账号对应的账号活动特征和所述目标账号对应的节点向量作为第一聚合层的输入，通过所述第一聚合层对所述目标账号对应的账号活动特征和所述目标账号对应的节点向量进行特征提取，得到第一特征提取结果；将所述第一特征提取结果作为第二聚合层的输入，通过所述第二聚合层对所述特征提取结果进行进一步的特征提取，得到第二特征提取...

【专利技术属性】
技术研发人员：黄嘉成，毕超波，彭艺，刘明亮，郑磊，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：