[发明专利]异常账户的确定方法、装置和电子设备

权利要求书

1.一种异常账户的确定方法，包括：

响应于确定出多个账户中存在目标账户，获取多个账户之间的关联关系；

根据所述关联关系，确定所述各账户对应的向量表示；其中，所述向量表示用于指示账户在预设纬度空间中的位置坐标；

根据所述各账户对应的向量表示，确定所述各账户与其它账户之间的距离，所述距离用于表示各账户之间的关联度；

根据所述各账户与其它账户之间的距离，从所述多个账户中，确定与所述目标账户之间的关联度大于预设值的异常账户；

所述关联关系包括直接关联关系和间接关联关系，所述根据所述关联关系，确定所述各账户对应的向量表示，包括：

将所述关联关系输入至目标词向量模型，确定所述目标词向量模型的嵌入层参数，并将所述嵌入层参数确定为所述各账户对应的向量表示；其中，所述目标词向量模型为根据多个样本账户之间的直接关联关系和间接关联关系确定出多个链式样本后，采用所述多个链式样本对初始词向量模型进行优化得到的。

2.一种异常账户的确定方法，包括：

响应于确定出多个账户中存在目标账户，获取多个账户之间的关联关系；

根据所述关联关系，确定所述各账户对应的向量表示；其中，所述向量表示用于指示账户在预设纬度空间中的位置坐标；

根据所述各账户对应的向量表示，确定所述各账户与其它账户之间的距离，所述距离用于表示各账户之间的关联度；

根据所述各账户与其它账户之间的距离，从所述多个账户中，确定与所述目标账户之间的关联度大于预设值的异常账户；

所述根据所述关联关系，确定所述各账户对应的向量表示，包括：

将所述关联关系输入一阶网络编码模型中，确定所述一阶网络编码模型的嵌入层的输出结果，并将所述一阶网络编码模型的嵌入层的输出结果确定为所述各账户对应的一阶向量表示；其中，所述一阶网络编码模型为基于多个样本账户之间的关联关系得到多个训练样本，并将所述多个训练样本输入至初始一阶网络编码模型中，确定所述初始一阶网络编码模型的嵌入层损失，并根据所述嵌入层损失对所述初始一阶网络编码模型进行优化得到的；

将所述关联关系输入二阶网络编码模型中，确定所述二阶网络编码模型的嵌入层的输出结果，并将所述二阶网络编码模型的嵌入层的输出结果确定为所述各账户对应的二阶向量表示；其中，所述二阶网络编码模型为基于多个样本账户之间的关联关系得到多个训练样本，并将所述多个训练样本输入至初始二阶网络编码模型中，确定所述初始二阶网络编码模型的嵌入层损失，并根据所述嵌入层损失对所述初始二阶网络编码模型进行优化得到的；

根据所述一阶向量表示和所述二阶向量表示，确定所述各账户对应的向量表示。

3.一种异常账户的确定方法，包括：

响应于确定出多个账户中存在目标账户，获取多个账户之间的关联关系；

根据所述关联关系，确定所述各账户对应的向量表示；其中，所述向量表示用于指示账户在预设纬度空间中的位置坐标；

根据所述各账户对应的向量表示，确定所述各账户与其它账户之间的距离，所述距离用于表示各账户之间的关联度；

根据所述各账户与其它账户之间的距离，从所述多个账户中，确定与所述目标账户之间的关联度大于预设值的异常账户；

所述根据所述关联关系，确定所述各账户对应的向量表示，包括：

将所述关联关系输入至目标编解码模型，得到所述各账户对应的向量表示，其中，所述目标编解码模型为将多个样本账户之间的关联关系输入至初始编解码模型中，根据所述初始编解码模型在编码层的输出结果确定一阶损失函数，并根据所述初始编解码模型的输出结果确定二阶损失函数后，根据所述一阶损失函数和所述二阶损失函数对所述初始编解码模型进行优化得到的；所述目标编解码模型为SDNE模型；所述一阶损失函数用于指示所述各账户对应的一阶向量表达，所述二阶损失函数用于指示所述各账户对应的二阶向量表达。

4.根据权利要求2所述的方法，其中，所述根据所述一阶向量表示和所述二阶向量表示，确定所述各账户对应的向量表示，包括：

对所述一阶向量表示和所述二阶向量表示进行加权平均，得到所述各账户对应的向量表示。