[发明专利]异常用户预测方法和设备

权利要求书

1.一种异常用户预测方法，包括：

获取用户和所述用户的关联用户在社交软件上的行为数据集合；

对所述行为数据集合进行特征提取，生成行为特征集合；

基于所述行为特征集合，生成有向图三元组集合；

将所述行为特征集合中存在有向图三元组的用户的行为特征按照时序进行排序，生成时序特征；

将所述时序特征输入至预先训练的异常用户预测模型，预测所述用户是否是异常用户。

2.根据权利要求1所述的方法，其中，所述行为数据集合中的行为数据包括操作类行为数据；以及

所述对所述行为数据集合进行特征提取，包括：

对所述行为数据集合中的操作类行为数据进行Multi-Hot编码，生成操作类行为特征。

3.根据权利要求2所述的方法，所述行为数据集合中的行为数据还包括内容类行为数据，所述内容类行为数据包括图像内容类行为数据；以及

所述对所述行为数据集合进行特征提取，还包括：

利用图像分类网络对所述行为数据集合中的图像内容类行为数据进行特征提取，生成图像内容类行为特征。

4.根据权利要求3所述的方法，其中，所述利用图像分类网络对所述行为数据集合中的图像内容类行为数据进行特征提取，生成图像内容类行为特征，包括：

将所述图像内容类行为数据输入至所述图像分类网络，从所述图像分类网络的全连接层输出图像内容类行为特征。

5.根据权利要求3所述的方法，其中，所述利用图像分类网络对所述行为数据集合中的图像内容类行为数据进行特征提取，生成图像内容类行为特征，包括：

将所述图像内容类行为数据输入至所述图像分类网络，从所述图像分类网络的特征层输出图像内容类行为特征图；

对所述内容类行为特征图进行展开，生成图像内容类行为特征。

6.根据权利要求3所述的方法，其中，所述图像分类网络是ResNet或VGG模型。

7.根据权利要求3所述的方法，其中，所述内容类行为数据还包括文本内容类行为数据；以及

所述对所述行为数据集合进行特征提取，还包括：

将所述行为数据集合中的文本内容类行为数据输入至预训练模型，输出所述文本内容类行为特征。

8.根据权利要求7所述的方法，其中，所述预训练模型是BERT语义网络。

9.根据权利要求7所述的方法，其中，所述内容类行为数据还包括语音内容类行为数据；以及

所述对所述行为数据集合进行特征提取，还包括：

对所述行为数据集合中的语音内容类行为数据进行语音识别，生成文字内容类行为数据；

对所述文字内容类行为数据进行文本编码，生成所述语音内容类行为特征。

10.根据权利要求2的方法，其中，所述基于所述行为特征集合，生成有向图三元组集合，包括：

基于所述行为数据集合中的操作类行为数据的实体关联关系，生成所述有向图三元组集合，其中，所述有向图三元组集合中的有向图三元组包括所述操作类行为数据的实体和关联关系。

11.根据权利要求1-10之一所述的方法，其中，所述异常用户预测模型通过如下步骤训练：

获取异常用户和所述异常用户的关联用户在所述社交软件上的正样本行为数据集合，以及正常用户和所述正常用户的关联用户在所述社交软件上的负样本行为数据集合；

基于所述正样本行为数据集合和所述负样本行为数据集合，分别生成正样本时序特征和负样本时序特征；

利用所述正样本时序特征和所述负样本时序特征对时序网络进行训练，得到所述异常用户预测模型。

12.根据权利要求11所述的方法，其中，所述时序网络是循环神经网络。