[发明专利]用户数据处理方法、装置、计算机设备和存储介质

权利要求书

1.一种用户数据处理方法，其特征在于，所述方法包括：

获取目标用户关系图；所述目标用户关系图包括多个用户节点、用户节点之间的连接关系、各个用户节点对应的基础特征向量和标签特征向量，所述标签特征向量是基于用户节点对应的账户的历史异常行为得到的；

从所述各个用户节点中确定目标节点，基于用户节点之间的连接关系确定所述目标节点对应的各个邻居节点；

聚合所述各个邻居节点对应的基础特征向量，得到所述目标节点对应的基础特征聚合向量，聚合所述各个邻居节点对应的标签特征向量，得到所述目标节点对应的标签特征聚合向量；

拼接所述目标节点对应的基础特征向量、所述基础特征聚合向量和所述标签特征聚合向量，得到所述目标节点对应的目标特征增强向量；

将所述目标特征增强向量输入目标账户状态预测模型，得到所述目标节点对应的目标账户的账户状态预测结果。

2.根据权利要求1所述的方法，其特征在于，所述获取目标用户关系图，包括：

获取初始用户关系图；

计算所述初始用户关系图中各个用户节点的基础特征向量分别与其他用户节点的基础特征向量之间的特征相似度；

基于所述特征相似度，对所述初始用户关系图中的连接关系进行扩充，得到目标用户关系图。

3.根据权利要求1所述的方法，其特征在于，所述基于用户节点之间的连接关系确定所述目标节点对应的各个邻居节点，包括：

将与所述目标节点存在直接连接关系的用户节点作为第一类邻居节点；

将与所述目标节点存在间接连接关系的用户节点作为第二类邻居节点；

将所述第一类邻居节点和所述第二类邻居节点作为所述目标节点对应的各个邻居节点。

4.根据权利要求1所述的方法，其特征在于，当前特征向量为基础特征向量或标签特征向量，聚合所述各个邻居节点对应的当前特征向量，得到所述目标节点对应的当前特征聚合向量，包括：

融合属于同一邻居等级的各个邻居节点对应的当前特征向量，得到各个邻居等级分别对应的初始特征向量；所述邻居节点的邻居等级是基于从所述目标节点到邻居节点途经的最短路径的连边数量确定的；

基于同一邻居等级对应的初始特征向量和邻居节点数量的比值，得到各个邻居等级分别对应的中间特征向量；

基于各个邻居等级分别对应的中间特征向量，得到所述当前特征聚合向量。

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：

获取训练用户关系图；所述训练用户关系图包括多个初始训练节点；

基于所述训练用户关系图生成各个初始训练节点分别对应的训练特征增强向量；

基于所述初始训练节点对应的训练特征增强向量和训练标签，对所述初始账户状态预测模型进行模型训练，得到目标账户状态预测模型。

6.根据权利要求5所述的方法，其特征在于，所述基于所述初始训练节点对应的训练特征增强向量和训练标签，对所述初始账户状态预测模型进行模型训练，得到目标账户状态预测模型，包括：

基于同一初始训练节点在所述训练用户关系图中的连边数量和对应的训练标签，生成各个初始训练节点分别对应的采样概率；

基于采样概率，对各个初始训练节点进行采样得到目标训练节点；

基于所述目标训练节点对应的训练特征增强向量和训练标签，对所述初始账户状态预测模型进行模型训练，得到目标账户状态预测模型。

7.根据权利要求6所述的方法，其特征在于，所述采样概率与初始训练节点的连边数量呈正相关，与初始训练节点的训练标签对应的初始训练节点数量呈负相关。