[发明专利]针对于电子商务平台的图片宣传的风控系统及其方法

说明书

本申请涉及风险检测领域，其具体地公开了一种针对于电子商务平台的图片宣传的风控系统及其方法，其通过采用基于深度学习的神经网络模型挖掘出宣传图片中的高维隐含特征以此来进行分类，这样，能够准确地检测出图片中是否存在造假、低俗、含有二维码和广告等问题，进而准确地进行宣传图片的风险检测评估，保证平台宣传图片的质量和合法性，优化电子商务平台的图片宣传。

技术领域

本申请涉及风险检测领域，且更为具体地，涉及一种针对于电子商务平台的图片宣传的风控系统及其方法。

背景技术

电子商务平台上的图片宣传是吸引用户眼球和促进商品销售的重要手段。随着电子商务平台的不断发展，越来越多的商家开始在平台上宣传他们的产品和服务。然而，随着宣传图片数量的增加，往往伴随着图片造假、低俗、含有二维码和广告等问题。这些问题不仅会损害消费者的利益，还会对平台的声誉造成影响。但是，目前的图片审核主要基于人工审核，存在成本高、效率低、无法实时检测等问题。

因此，期望一种优化的针对于电子商务平台的图片宣传的风控系统，以保证平台宣传图片的质量和合法性。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种针对于电子商务平台的图片宣传的风控系统及其方法，其通过采用基于深度学习的神经网络模型挖掘出宣传图片中的高维隐含特征以此来进行分类，这样，能够准确地检测出图片中是否存在造假、低俗、含有二维码和广告等问题，进而准确地进行宣传图片的风险检测评估，保证平台宣传图片的质量和合法性，优化电子商务平台的图片宣传。

根据本申请的一个方面，提供了一种针对于电子商务平台的图片宣传的风控系统，其包括：宣传图片采集模块，用于获取宣传图片；图片预处理模块，用于对所述宣传图片进行图像预处理以得到预处理后宣传图片；图像分块模块，用于对所述预处理后宣传图片进行图像分块处理以得到图像块的序列；图像语义关联模块，用于将所述图像块的序列通过包含嵌入层的ViT模型以得到多个上下文图像块语义理解特征向量；空间特征增强模块，用于将所述多个上下文图像块语义理解特征向量排列为二维特征矩阵后通过空间注意力模块以得到分类特征矩阵；特征优化模块，用于对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵；以及风险预警模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示宣传图片的风险等级是否超过预定阈值。

在上述针对于电子商务平台的图片宣传的风控系统中，所述图像语义关联模块，包括：图像块嵌入单元，用于将所述图像块的序列输入所述包含嵌入层的ViT模型的图像块嵌入层以得到图像块嵌入向量的序列；上下文语义编码单元，用于将所述图像块嵌入向量的序列通过所述包含嵌入层的ViT模型的ViT模块以得到多个图像块上下文语义关联特征向量；以及，级联单元，用于将所述多个图像块上下文语义关联特征向量进行级联以得到所述多个上下文图像块语义理解特征向量。

在上述针对于电子商务平台的图片宣传的风控系统中，所述上下文语义编码单元，包括：查询向量构造子单元，用于将所述图像块嵌入向量的序列进行一维排列以得到全局图像块特征向量；自注意子单元，用于计算所述全局图像块特征向量与所述图像块嵌入向量的序列中各个图像块嵌入向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；注意力施加子单元，用于分别以所述多个概率值中各个概率值作为权重对所述图像块嵌入向量的序列中各个图像块嵌入向量进行加权以得到所述多个上下文语义图像块特征向量；以及，级联子单元，用于将所述多个上下文语义图像块特征向量进行级联以得到所述多个图像块上下文语义关联特征向量。