[发明专利]用户识别方法和装置、计算机可读存储介质、电子设备

权利要求书

1.一种用户识别方法，其特征在于，包括：

获取设定时间段内待识别用户的至少一种行为数据；

根据所述至少一种行为数据确定所述待识别用户的行为特征向量；

利用判别器对所述行为特征向量进行判别，确定所述待识别用户对应的行为指标的预测概率；其中，所述判别器基于结合生成器的对抗训练获得；

所述利用判别器对所述行为特征向量进行判别，确定所述待识别用户对应的行为指标的预测概率之前，还包括：

获取第一正样本集和真负样本集；其中，所述第一正样本集中包括至少一个正样本，所述真负样本集中包括至少一个真负样本，每个所述真负样本的行为数据与所述正样本的行为数据之间的差异小于设定值；

将所述第一正样本集输入所述判别器，得到每个所述正样本对应的行为指标的第一预估异常概率；

将所述真负样本集中的每个真负样本输入到所述生成器，得到包括的至少一个第二样本的第二正样本集，并基于所述判别器确定每个所述第二样本对应的行为指标的第二预估异常概率；

基于所述第一预估异常概率和所述第二预估异常概率，确定基于所述生成器和所述判别器构成的对抗网络的损失；

基于所述损失对所述对抗网络进行训练，得到训练后的判别器。

2.根据权利要求1所述的方法，其特征在于，所述至少一种行为数据包括以下至少之一：线上行为数据、线下行为数据、交互行为数据。

3.根据权利要求1所述的方法，其特征在于，在基于所述第一预估异常概率和所述第二预估异常概率，确定所述对抗网络的损失之前，还包括：

基于用户生命价值网络确定所述第一正样本集和所述第二正样本集中每个样本对应的正常预估概率；

所述基于所述第一预估异常概率和所述第二预估异常概率，确定所述对抗网络的损失，包括：

基于所述第一预估异常概率、所述第二预估异常概率和所述正常预估概率，确定所述对抗网络的损失。

4.根据权利要求1所述的方法，其特征在于，所述获取第一正样本集和真负样本集，包括：

基于标注信息和/或至少一种预设规则获得至少一个正样本，构成所述第一正样本集；其中，所述预设规则包括至少一种行为数据符合设定条件；

基于标注信息获得至少一个真负样本，构成所述真负样本集。

5.根据权利要求4所述的方法，其特征在于，所述基于至少一种预设规则获得至少一个正样本，包括：

基于多个训练用户在所述设定时间段内的至少一种行为数据，确定所述多个训练用户中每个训练用户对应的训练特征；

利用孤立森林算法对所述多个训练特征进行切分处理，得到每个所述训练特征对应的离散概率，基于所述离散概率确定每个所述训练特征对应的一维强特征；

响应于所述训练特征和所述一维强特征符合所述设定条件，确定所述训练用户是正样本；

响应于所述训练特征和所述一维强特征不符合所述设定条件，将所述训练样本作为待识别用户，得到待识别用户集。

6.根据权利要求1-5任一所述的方法，其特征在于，还包括：基于所述待识别用户对应的行为指标的预测概率，确定所述待识别用户是否符合识别条件。

7.根据权利要求6所述的方法，其特征在于，所述基于所述待识别用户的行为指标对应的预测概率，确定所述待识别用户是否符合识别条件，包括：

判断所述待识别用户对应的预测概率是否小于分类器阈值；如果是，确定所述待识别用户符合识别条件，否则，确定所述待识别用户不符合识别条件。

8.根据权利要求7所述的方法，其特征在于，在判断所述待识别用户对应的预测概率是否小于分类器阈值之前，还包括：

合并所述第一正样本集和所述第二正样本集，得到第三正样本集；

将所述第三正样本集随机分割为第二预测集和第四正样本集；

基于所述第四正样本集对分类器进行训练，得到训练后的分类器；

基于所述训练后的分类器对所述第二预测集得到的多个分类概率值，确定所述分类器阈值。