[发明专利]用户账号检测方法、装置、计算机设备和存储介质

权利要求书

1.一种用户账号检测方法，其特征在于，所述方法包括：

获取用户账号数据，根据所述用户账号数据得到用户特征属性；

将所述用户特征属性输入到预设用户账号分类器中，得到输出特征；

根据所述输出特征得到用户账号检测结果；

所述方法，还包括：

根据所述用户账号数据得到用户账号收货地址信息；

对所述用户账号收货地址信息进行分词，得到分词结果，将所述分词结果输入到聚类模型中得到分类结果，根据分类结果得到收货地址相似度；

根据所述收货地址相似度得到疑似异常用户账号；

则所述获取用户账号数据，包括：

获取所述疑似异常用户账号的用户账号数据。

2.根据权利要求1所述的方法，其特征在于，所述预设用户账号分类器的生成步骤包括：

获取历史用户账号数据和对应的检测结果，所述检测结果包括历史正常用户账号和历史异常用户账号；

根据所述历史用户账号数据和对应的检测结果统计历史用户账号数、历史正常用户账号数和历史异常用户账号数，并计算历史正常用户账号频率和历史异常用户账号频率；

根据所述历史用户账号数据得到对应的历史用户特征，并对所述历史用户特征按照预设条件进行划分，得到待分类项；

统计所述待分类项对应的历史用户账号数、历史正常用户账号数和历史异常用户账号数，并计算所述待分类项对应的历史用户账号为历史正常用户账号的条件概率和历史用户账号为历史异常用户账号的条件概率，得到预设用户账号分类器。

3.根据权利要求1所述的方法，其特征在于，所述将所述用户特征属性输入到预设用户账号分类器中，得到输出特征，包括：

获取所述用户特征属性对应的目标待分类项；

获取所述目标待分类项对应的条件概率，根据所述条件概率使用贝叶斯定理分别计算用户账号为正常用户账号概率和用户账号为异常用户账号概率；

比较所述正常用户账号概率和所述异常用户账号概率，根据比较结果得到输出特征。

4.根据权利要求1所述的方法，其特征在于，所述将所述分词结果输入到聚类模型中得到分类结果，包括：

将所述用户账号收货地址信息按照预设条件进行分组，计算分组总数，根据所述分组总数计算聚类数目；

从所述分词结果中获取聚类数目的目标词作为初始簇中心，将所述初始簇中心作为当前簇中心；

获取所述分词结果中除所述目标词以外的其它词，计算所述除所述目标词以外的其它词到所述当前簇中心的距离；

根据所述距离将所述除目标词以外的其它词分配到所述当前簇中心对应的簇中，得到所述聚类数目的目标簇；

计算所述目标簇的目标簇中心，将所述目标簇中心作为当前簇中心，返回计算所述除目标词以外的其它词到所述当前簇中心的距离的步骤进行重复聚类，直到满足收敛条件时，得到分类结果。

5.根据权利要求1所述的方法，其特征在于，所述方法，还包括：

根据所述用户账号数据得到输入特征向量，将所述输入特征向量输入到预设用户账号检测模型中，得到输出特征向量；

根据所述输出特征向量得到用户账号检测结果。

6.根据权利要求5所述的方法，其特征在于，所述预设用户账号检测模型的生成步骤，包括：

获取历史用户账号数据和对应的检测结果，根据所述历史用户账号数据得到历史输入特征向量，根据所述检测结果得到历史输出特征向量；

将所述历史输入特征向量作为逻辑回归模型的输入，将所述历史输出特征向量作为所述逻辑回归模型的标签进行训练；

当所述逻辑回归模型的代价函数达到预设阈值时，得到所述预设用户账号检测模型。