[发明专利]用户识别方法、装置、可读介质及电子设备

权利要求书

1.一种用户识别方法，其特征在于，所述方法包括：

确定待识别用户的行为特征信息，作为第一行为特征；

确定所述待识别用户的多阶采样邻居用户的行为特征信息，作为第二行为特征，其中，所述邻居用户为用户关系图中以所述待识别用户代表的节点为起点，沿所述用户关系图中的线段经跳跃后到达的节点所代表的用户，在所述用户关系图中，每一节点代表一个用户；

根据所述第一行为特征和所述第二行为特征，通过用户识别模型识别得到识别结果，所述识别结果标识所述待识别用户属于目标用户类别的概率；其中，所述用户识别模型通过训练图神经网络模型获得；

根据所述概率，确定所述待识别用户是否属于所述目标用户类别；

其中，所述确定所述待识别用户的多阶采样邻居用户的行为特征信息，作为第二行为特征，包括：

确定所述用户识别模型对应的采样阶数以及对应于各阶的用户采样数量；

根据所述采样阶数以及所述对应于各阶的用户采样数量，确定所述待识别用户的所述采样邻居用户；其中，对于偶数阶，该阶的采样邻居用户是根据该阶各邻居用户的行为特征信息与所述第一行为特征之间的相似度确定的；

获取每一所述采样邻居用户的行为特征信息，作为所述第二行为特征。

2.根据权利要求1所述的方法，其特征在于，通过如下方式确定对应于待识别用户的目标阶的采样邻居用户：

分别计算所述待识别用户的所述目标阶的所有邻居用户中每一邻居用户的行为特征信息与所述第一行为特征之间的相似度；

根据各个所述相似度确定所述待识别用户的所述目标阶的每一所述邻居用户各自对应的采样概率；

根据所述采样概率和预设的概率抽样算法确定对应于所述目标阶的采样邻居用户。

3.根据权利要求1所述的方法，其特征在于，所述用户识别模型通过以下方式获得：

获取多组训练数据，每组训练数据包括一历史用户的第三行为特征、所述历史用户的多阶采样邻居用户的第四行为特征以及用于指示所述历史用户是否属于目标用户类别的标记信息；

根据所述多组训练数据，对图神经网络模型进行训练，以获得所述用户识别模型。

4.根据权利要求3所述的方法，其特征在于，所述获取多组训练数据，包括：

从存储于硬盘的训练数据文件中获取所述多组训练数据。

5.根据权利要求1所述的方法，其特征在于，所述根据所述概率，确定所述待识别用户是否属于所述目标用户类别，包括：

若所述概率大于预设概率阈值，确定所述待识别用户属于所述目标用户类别；

若所述概率小于或等于所述预设概率阈值，确定所述待识别用户不属于所述目标用户类别。

6.根据权利要求1所述的方法，其特征在于，所述待识别用户的多阶采样邻居用户基于用户关系图获得，其中，所述用户关系图存储有包括所述待识别用户在内的用户之间的关联关系，且所述用户关系图周期性更新。

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述目标用户类别表征所述用户存在作弊行为。