CN115131058B 账号识别方法、装置、设备及存储介质 （腾讯科技（深圳）有限公司）

三元组包括中心节点，正样本节点和负样本节后的向量表示模型确定所述账号关系网中的各2获取待识别的每个账号的多个账号属性，并对所述每个账号采用所述多个目标账号特征构建账号关系网，所述账号关系网中的从所述账号关系网中采样出多个三元组，一个三元组包括中心节点，正样本节根据每个三元组中的各个节点的初始表征向量，对向量表示模型基于所述各个节点的目标表征向量，对所述各个分别对所述每个账号的各个账号属性进行特征提取，得根据所述各个初始账号特征的特征值，从所述多个初始账号特征中检测出共性特征，将所述多个初始账号特征中除所述共性特征以外的剩余初始账号针对任一账号属性，根据所述任一账号属性的属性类型，确定按照所述特征提取方式，对所述任一账号属性进行特征提取，得到所述属性类型为图像类型时，所述特征提取方式包括图像量化提根据各个初始账号特征的特征类型对所述多个初始账号特征进行分3针对任一初始账号特征，根据所述任一初始账号特征在相应按照特征值从大到小的顺序，根据所述各个初始账号特征的特征值，对7.根据权利要求1-4任一项所述的方法，所述采用所述多个目标账号特征构建账号关生成多个节点，并按照一个节点记录一个账号的目标账号特针对任意两个节点，检测所述任意两个节点所记录的相同的目标若统计出的不同账号属性的数量大于属性数量阈值，则采用9.根据权利要求8所述的方法，其特征在于，所述遍历所述M个目标账号特征中的各个目标账号特征，并判断当前遍历的目标账号特征若未位于，则将所述当前遍历的目标账号特征对应的账号在所述M个目标账号特征中的各个目标账号特征均被遍历后，统计所述账号属性集中分别对所述账号关系网中的各个节点对应的账号的目标账号属性进行向量表示处理，4调用向量表示模型根据每个三元组中的各个分别根据所述每个三元组中的各个节点的中间表征向量，类账号中包括至少一个账号；所述根据聚类结果在参与聚类的多个账号中识别异常账号，根据所述多个账号对中的每个账号对中的各账号的目标账号特对所述多个账号对中的各个账号对的账号关联度进行求和运算，得到若所述任一类账号的总账号关联度大于或等于预设关联阈值，则获取单元，用于获取待识别的每个账号的多个账号属性，并处理单元，用于采用所述多个目标账号特征构建账号关系网，所述账号所述处理单元，还用于从所述账号关系网中采样出多个三元组，所述处理单元，还用于根据每个三元组中的各个节点的初始表征向量，所述处理单元，还用于基于所述各个节点的目标表征向量，对所述计算机程序被处理器执行时实现如权利要求15从待识别的每个账号中识别出异常账号成为了一个[0008]根据每个三元组中的各个节点的初始表征向量，对向量并采用优化后的向量表示模型确定所述账号关系网中的各个节[0009]基于所述各个节点的目标表征向量，对所述各个节点所对应的账号进行聚类处6[0020]根据每个三元组中的各个节点的初始表征向量，对向量并采用优化后的向量表示模型确定所述账号关系网中的各个节[0021]基于所述各个节点的目标表征向量，对所述各个节点所对应的账号进行聚类处[0026]根据每个三元组中的各个节点的初始表征向量，对向量并采用优化后的向量表示模型确定所述账号关系网中的各个节[0027]基于所述各个节点的目标表征向量，对所述各个节点所对应的账号进行聚类处7之得到更好的发展。所谓的人工智能是利用数字计算机或者数字计算机控制的机器模拟、8[0045]基于AI技术中的机器学习/深度学习技术，本申请实施例提出了一种账号识别方[0047]经实践表明，本申请实施例提出的账号识别方案可9[0064]举例来说，假设计算机设备将账号关系网中的节点A作为任一三元组中的中心节[0066]第一种确定方式：计算机设备可在与该任一三元组中的中心节点相连接的节点种通过学习一个对邻居节点进行聚合表示的函数来产生中心节点的目标表征向量的图神经网络(GraphNeuralNetworks，GNN))、DeepWalk(一种学习节点嵌入的算法)以及GCN提取该任一账号属性的关键词。像量化处理结果为哈希(hash)算法串时，对该任一账号属性进行图像量化处理可以指的理结果(即哈希算法串的提取结果)；其中，上述哈希算法可以指的是ahash(均值哈希)算[0087]举例来说，假设同一特征类型的初始账号特征所对应的账号属性的属性来源相号属性B进行特征提取，得到账号属性A的一个或多个初始账号特征以及账号属性B的一个况下，计算机设备可将上述各个初始账号特征划分为两个账号特征组，一个账号特征组包中的初始账号特征的数量与剔除百分比之间的乘机设备可将特征序列中特征值大于预设特征阈值的最小特征值所对应的初始账号特征所通过一条边相连的两个节点之间存在相同的目A所指示的账号和节点B所指示的账号之间的相同的目标账号特征包括昵称(即昵称原串)对这两个节点所指示的账号进行关联。应当理解的是，排除这种情况主要是因为随着数据量的增大，很多账号会因为机缘巧合而存在相同的目标账号特征，故可设置一个属性数量点具有相同的目标账号特征，那么计算机设备在确定任意两个节点对应的账号关联度时，的账号关联度(即节点A对应的账号和节点B对应的账号的账号关联度)那么计算机设备可从这些相同的目标账号特征的特征值中选取一个最大的特征值作为目表示处理，以得到每个节点的初始表征向量；在此种情况下，计算机设备可采用w2v类账号的总账号关联度时，计算机设备可采用公式1.4，计算任一类账号的总账号备可取S>＝St的各类账号提供给人工审核，且可在实际情况中根据自己的情况对St进行调异常聚类账号团(一个异常聚类账号团即一类异常账号)增加了50且异常聚类账号团的准确率为60其中，一个异常聚类账号团是指总账号关联度大于或等于预设关联阈值的方法所得到的优质类账号(任一优质类账号是指在P个维度下的账号属性相似的一类账号，训练优化，并采用优化后的向量表示模型确定账号关系网中的各个节点的目标表征向量，以提高各个节点的表征向量的准确性，从而基于各个节点的准确性较高的目标表征向量，别装置，该账号识别装置可以是运行于计算机设备中的一个计算机程序(包括程序代码)。[0135]在一种实施方式中，获取单元601在对所述每个账号的各个账号属性进行特征提[0140]另一种实施方式中，获取单元601在分别对所述每个账号的各个账号属性进行特[0148]针对任一初始账号特征，根据所述任一初始账号特征在相应账号特征组中的占[0151]将所述特征序列中位于目标排列位置之后的各个初始账号特征，均作为共性特[0152]另一种实施方式中，处理单元602在采用所述多个目标账号特征构建账号关系网[0159]另一种实施方式中，处理单元602在所述M个目标账号特[0161]遍历所述M个目标账号特征中的各个目标账号特征，并判断当前遍历的目标账号[0163]在所述M个目标账号特征中的各个目标账号特征均被遍历后，统计所述账号属性[0165]分别对所述账号关系网中的各个节点对应的账号的目标账号属性进行向量表示[0168]另一种实施方式中，处理单元602在根据每个三元组中的各个节点的初始表征向[0177]根据本申请的一个实施例，图2或图4所示的方法所涉及的各个步骤均可由图6所的步骤S401-S405均可由图6所示的获取单元601执行，步骤S406-S409均可由图6所示的处[0178]根据本申请的另一个实施例，图6所示的账号识别装置中的各个单元可以分别或行能够执行如图2或图4中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码)，机程序可以记载于例如计算机存储介质上，并通过计算机存储介质装载于上述计算设备以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介