[发明专利]重复账号自动识别方法和系统

说明书

技术领域

本申请涉及互联网信息领域，具体而言，涉及一种重复账号自动识别方法和系统。

背景技术

在目前的互联网使用的过程中，重复信息是最影响用户搜索体验以及加重搜索引擎服务器搜索负担的问题之一，其中，以电子商务网站为例，重复的账号会导致买家用户在联系卖家时候的重复劳动，也会导致部分好的卖家用户信息得不到曝光；同时由于大量重复帐号的存在，使得用户在进行信息查询时加重搜索引擎的搜索负担，减缓了搜索引擎的搜索速度。

在现有技术中，一般采用如下步骤来识别重复账号：

S1：服务器获取待识别的账号；

S2：服务器将待识别的账号的名称与数据库中预定量的账号的名称通过下述方式逐一比较名称：

利用预置的不同词性的分词词库对待识别的账号的名称及数据库中的账号名称进行分词并确定词性；

将经过分词并确定词性的待识别帐号对应的店名及数据库中的实体店名分别填入预定的模板；

通过比较待识别帐号对应的店名和数据库中实体店名在所述模板中对应词性的词是否相同得到账号名称比较的评分；

S3：服务器通过比较评分与预定标准分来判断所述待识别的账号与比较的数据库中的账号重复；

S4：服务器将判断为不重复的所述待识别的账号添加入数据库。

上述方法通过判断账号名称是否相同来识别重复账号，然而，本领域技术人员可以理解的是，在电子商务中，卖方账号一般包括多个特征信息，例如，账号名称，该账号对应的公司名称，公司介绍，联系方式，访问行为等。账号名称相同并无法准确地判断出该账号是否重复，例如，账号A的账号名称为苹果公司，该公司主要销售红富士苹果等各种苹果，而账号B的账号名称也为苹果公司，该公司主要销售iphone，ipad等电子产品，可见，账号A以及账号B的特征信息应该明显不同，但是若只比较账号名称是否相同，则会认为账号A和账号B为重复账号，从而导致账号识别错误。由于重复帐号的识别不准确，导致大量重复帐号的存在，并不能很好的解决搜索引擎服务器的搜索负担的问题，因此，急需一种提高账号识别准确度，从而减轻搜索引擎服务器搜索负担，加快搜索速度的方案。

发明内容

本申请旨在提供一种重复账号自动识别方法和系统，以解决现有技术中无法正确识别重复账号，从而导致加重搜索引擎服务器搜索负担的问题。

根据本申请的一个方面，提供了一种重复账号自动识别方法，其包括：获取网站的服务器所保存的第一账号和第二账号的特征信息；计算第一账号的特征信息中的特征的各个特征参数与第二账号的特征信息中对应的特征的各个特征参数之间的相似度；根据预先分配的权重参数对各个特征参数之间的相似度进行拟合得到第一账号的各个特征与第二账号对应的各个特征之间的相似度；根据第一账号的各个特征与第二账号对应的各个特征之间的相似度来判断第一账号与第二账号是否为重复账号。

根据本申请的另一方面，提供了一种重复账号自动识别系统，其包括：获取单元，用于获取网站的服务器所保存的第一账号和第二账号的特征信息，其中，特征信息包括以下特征之一或其组合：账号的基本信息特征、账号所发布产品的产品信息特征、以及账号的行为信息特征；计算单元，用于计算第一账号的特征信息中的特征的各个特征参数与第二账号的特征信息中对应的特征的各个特征参数之间的相似度，并根据预先分配的权重参数对各个特征参数之间的相似度进行拟合得到第一账号的各个特征与第二账号对应的各个特征之间的相似度；判断单元，用于根据第一账号的各个特征与第二账号对应的各个特征之间的相似度来判断第一账号与第二账号是否为重复账号。

本申请中具有以下有益效果：

1)本申请通过拟合两个账号之间的多个特征的相似度来判断两个账号是否为重复，可以有效的避免由于判断不准确而导致的将错误的重复信息提供给用户的问题，从而达到准确识别重复账号的目的，进一步减轻了搜索引擎服务器在处理用户查询请求时的处理压力，提高了搜索速度；

2)本申请中的特征信息包括多个特征，例如，账号的基本信息特征、账号所发布产品的产品信息特征、以及账号的行为信息特征，利用上述特征信息可以从多维角度进行相似度计算，避免了重复账号计算时采用的维度的单一性，提高了重复账号识别的准确性；

3)本申请通过对识别模型进行训练，节省了计算的循环次数，从而在进行重复账号识别时提高系统的运算速度，节省了计算时间。

附图说明