[发明专利]用于输出信息的方法和装置

说明书

本申请实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：响应于接收到用户的参与请求，获取用户的用户特征向量；将用户特征向量输入到预先训练的异常用户识别模型中，得到用户的用户类型；响应于用户在预设的第一时间段内的参与次数大于预设的次数阈值，设置第一计数，以及响应于用户的用户类型为异常类型，设置第二计数；基于在第一时间段内接收到的参与请求的总次数、第一计数、预先确定出的在预设的第二时间段内异常用户发送参与请求的次数和第二计数，确定在参与次数大于次数阈值的条件下用户是异常用户的概率并输出包含概率的信息。该实施方式提高了信息输出的准确性，从而防范了异常用户对活动的参与。

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于输出信息的方法和装置。

背景技术

目前，为了促进用户的参与行为、增加网站流量，各个互联网公司经常会发起一些活动(例如，抽奖活动)，随之而来的恶意参与行为(刷奖行为)也越来越频繁。如何基于用户的用户特征向量，发现异常用户并作出相应的响应对各个互联网公司具有重要的意义。

发明内容

本申请实施例的目的在于提出一种改进的用于输出信息的方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种用于输出信息的方法，该方法包括：响应于接收到用户的参与请求，获取用户的用户特征向量；将用户特征向量输入到预先训练的异常用户识别模型中，得到用户的用户类型，其中，异常用户识别模型用于表征用户特征向量与用户类型之间的对应关系；响应于用户在预设的第一时间段内的参与次数大于预设的次数阈值，设置第一计数，以及响应于用户的用户类型为异常类型，设置第二计数；基于在第一时间段内接收到的参与请求的总次数、第一计数、预先确定出的在预设的第二时间段内异常用户发送参与请求的次数和第二计数，确定在参与次数大于次数阈值的条件下用户是异常用户的概率并输出包含概率的信息。

在一些实施例中，在将用户特征向量输入到预先训练的异常用户识别模型中之前，该方法还包括：将存在于预先存储的异常用户标识符表中、且在第二时间段内发送参与请求的用户的用户标识符标记为异常，将除标记为异常的用户标识符之外的用户标识符标记为正常；获取在第二时间段内发送参与请求的用户的用户特征向量；利用机器学习方法，将标记为异常的用户标识符对应的用户的用户特征向量和标记为正常的用户标识符对应的用户的用户特征向量分别作为输入，将异常类型和正常类型分别作为输出，训练得到异常用户识别模型。

在一些实施例中，确定在参与次数大于次数阈值的条件下用户是异常用户的概率，包括：将第二计数与第一计数的商确定为在用户是异常用户的条件下参与次数大于次数阈值的概率；将预先确定出的在预设的第二时间段内异常用户发送参与请求的次数与在第一时间段内接收到的参与请求的总次数的商确定为用户是异常用户的概率；基于在用户是异常用户的条件下参与次数大于次数阈值的概率，利用朴素贝叶斯公式，将用户是异常用户的概率作为先验概率，将得到的后验概率确定为在参与次数大于次数阈值的条件下用户是异常用户的概率。

在一些实施例中，该方法还包括：响应于在参与次数大于次数阈值的条件下用户是异常用户的概率大于等于预设的概率阈值，将用户的用户标识符标记为异常。

在一些实施例中，该方法还包括：响应于在预设的第三时间段内在参与次数大于次数阈值的条件下用户是异常用户的概率均小于概率阈值，将第一时间段的时间长度增加预设第一倍数，其中，第三时间段的时间长度是第一时间段的时间长度的预设第二倍数。

在一些实施例中，该方法还包括：响应于在预设的第四时间段内在参与次数大于次数阈值的条件下用户是异常用户的概率均大于等于概率阈值，将第一时间段的时间长度减少预设第三倍数，其中，第四时间段的时间长度是第一时间段的时间长度的预设第四倍数。

在一些实施例中，在将用户的用户标识符标记为异常之后，该方法还包括：拦截用户发送的参与请求；或向用户的终端推送参与失败页面。