[发明专利]一种基于深度学习的异常用户识别方法、装置及存储介质

权利要求书

1.一种基于深度学习的异常用户识别方法，其特征在于，包括：

获取待检测的会话消息集合，其中，所述待检测的会话消息集合包括M个用户发送的会话消息，所述M为大于或等于1的整数；

对所述待检测的会话消息集合进行过滤处理，以得到待检测用户所对应的目标文本数据，其中，所述待检测用户为所述M个用户中的任意一个用户，所述目标文本数据包括所述待检测用户发送的至少一条会话消息；

调用用户类型识别模型对所述目标文本数据进行模型预测，以输出所述待检测用户所对应的类别预测标签；

若所述类别预测标签为异常标签，则确定所述待检测用户为异常用户。

2.根据权利要求1所述的识别方法，其特征在于，所述获取待检测的会话消息集合，包括：

获取待检测平台上的历史会话消息记录，其中，所述历史会话消息记录包括历史时间段内的至少一条会话消息；

将所述历史会话消息记录中属于待检测时间段内的至少一条会话消息，确定为所述待检测的会话消息集合。

3.根据权利要求1所述的识别方法，其特征在于，所述对所述待检测的会话消息集合进行过滤处理，以得到待检测用户所对应的目标文本数据，包括：

对所述待检测的会话消息集合中的系统消息进行过滤处理，得到第一会话消息集合；

根据所述第一会话消息集合中每条会话消息所对应的传输信息，生成第二会话消息集合，其中，所述传输信息包括会话消息对应的发送方标识以及接收方标识，所述发送方标识与会话消息的发送方具有一一对应的关系，所述接收方标识与会话消息的接收方具有一一对应的关系；

从所述第二会话消息集合中获取所述待检测用户所对应的待处理会话消息集合，其中，所述待处理会话消息集合包括至少一条待处理的会话消息；

对所述待处理会话消息集合中的字符进行处理，得到所述待检测用户所对应的所述目标文本数据。

4.根据权利要求3所述的识别方法，其特征在于，所述系统消息包括系统提示消息以及系统可选消息中的至少一种，其中，所述系统提示消息表示由待检测平台提供的提示消息，所述系统可选消息表示从所述待检测平台提供的可选消息集合中选择的可选消息，所述待选消息集合包括至少一条可选消息；

所述对所述待检测的会话消息集合中的系统消息进行过滤处理，得到第一会话消息集合，包括：

若检测到所述待检测的会话消息集合中存在所述系统提示消息，则从所述待检测的会话消息集合中过滤所述系统提示消息；

若检测到所述待检测的会话消息集合中存在所述系统可选消息，则从所述待检测的会话消息集合中过滤所述系统可选消息；

针对所述待检测的会话消息集合，根据过滤后得到的至少一条会话消息获取所述第一会话消息集合。

5.根据权利要求3所述的识别方法，其特征在于，所述根据所述第一会话消息集合中每条会话消息所对应的传输信息，生成第二会话消息集合，包括：

根据所述每条会话消息所对应的发送方标识，获取N组第一会话消息子集合，其中，所述N为大于或等于1，且小于或等于所述M的整数，每组第一会话消息子集合对应于一个相同的发送方标识；

针对于所述N组第一会话消息子集合中的任意一组第一会话消息子集合，根据所述每条会话消息所对应的接收方标识，获取K组第二会话消息子集合，其中，所述K为大于或等于1的整数，每组第二会话消息子集合对应于一个相同的接收方标识，且所述每组第二会话消息子集合中包括至少一条会话消息；

针对于所述任意一组第一会话消息子集合，获取所述每组第二会话消息子集合中所包括的会话消息的总数量；

针对于所述任意一组第一会话消息子集合，按照所述会话消息的总数量从小到大的次序，对所述K组第二会话消息子集合进行排序，得到第一排序结果；

根据所述每组第一会话消息子集合所对应的所述第一排序结果，生成所述第二会话消息集合。