[发明专利]一种基于动态图的对象识别方法及装置

说明书

本发明公开了一种基于动态图的对象识别方法及装置，方法包括：获得第一识别信息，第一识别信息包含待识别对象和与待识别对象对应的第一交互信息；根据预设时间窗口对第一识别信息进行划分，获得多个第二识别信息，第二识别信息包含待识别对象和与待识别对象对应的第二交互信息；根据待识别对象和第二交互信息确定与待识别对象对应的识别向量集，识别向量集包含与每一个第二识别信息对应的识别向量；通过信息识别模型对识别向量集进行识别，确定与待识别对象对应的身份类型，应用本方法获得的识别向量集，能够充分表征待识别对象在不同时间段内动态变化情况，有助于模型识别出与待识别对象对应的身份类型。

技术领域

本发明涉及神经网络技术领域，尤其涉及一种基于动态图的对象识别方法及装置。

背景技术

近年来，神经网络被大量应用在概率预测领域，通常，为了提升概率预测的准确性，除了利用到特征原始空间域的信息之外，还要高效地挖掘这些特征之间的交互信息。并通过特征交互信息作为依据，通过模型对特征交互信息进行识别以确定与待识别对象对应的身份类型，然而当身份类型所对应的特征信息较为复杂的情况下，仅通过特征交互信息仍然很难提高识别模型对于待识别对象身份识别的准确率。

发明内容

本发明实施例提供了一种基于动态图的对象识别方法及装置，准确对待识别对象进行身份识别。

本发明实施例一方面提供一种基于动态图的对象识别方法，所述方法包括：获得第一识别信息，所述第一识别信息包含待识别对象和与所述待识别对象对应的第一交互信息；根据预设时间窗口对所述第一识别信息进行划分，获得多个第二识别信息，所述第二识别信息包含所述待识别对象和与所述待识别对象对应的第二交互信息；根据所述待识别对象和所述第二交互信息确定与每一个第二识别信息对应的第一拓扑图；根据所述第一拓扑图确定与所述待识别对象对应的识别向量集，所述识别向量集包含与每一个第二识别信息对应的识别向量；通过信息识别模型对所述识别向量集进行识别，确定与所述待识别对象对应的身份类型。

在一可实施方式中，所述根据所述待识别对象和所述第二交互信息确定与每一个第二识别信息对应的第一拓扑图，包括：根据预设维度对所述第二交互信息进行多维度特征提取，获得多维度特征集，所述多维度特征集包含多个维度特征；根据待识别对象和所述维度特征，确定与每一个维度特征对应的第二拓扑图；根据所述第二拓扑图，确定与第二识别信息对应的第一拓扑图。

在一可实施方式中，所述维度特征集包含如下维度特征至少之一：用于表征所述待识别对象与其他对象数据交互频率的第一维度特征，用于表征待识别对象与其他对象网络地址关系的第二维度特征，用于表征所述待识别对象与其他对象对应的设备标识关系的第三维度特征。

在一可实施方式中，根据待识别对象和所述维度特征，确定与每一个维度特征对应的第二拓扑图，包括：根据所述第二交互信息确定与所述待识别对象信息交互的其他对象，根据所述其他对象和所述待识别对象确定拓扑节点；根据所述维度特征确定用于连接所述拓扑节点的连接边；根据所述拓扑节点和连接边获得第二拓扑图。

在一可实施方式中，所述根据所述第一拓扑图确定与所述待识别对象对应的识别向量集，包括：根据所述连接边确定与所述待识别对象的拓扑节点连接的邻居节点；所述邻居节点为所述拓扑节点中的至少之一；对与所述邻居节点对应的其他对象进行向量编码，获得编码向量；根据所述维度特征确定与所述连接边对应的权值；对所述权值和所述编码向量进行整合，获得与所述待识别对象对应的维度向量；对所述维度向量进行融合，获得与所述第一拓扑图对应的识别向量。

在一可实施方式中，所述根据所述维度特征确定与所述连接边对应的权值，包括：根据所述维度特征确定与所述连接边对应的特征频率；根据所述特征频率确定与所述连接边对应的权值。

在一可实施方式中，所述方法还包括：获得与所述识别向量集对应的样本向量集；通过所述样本向量集对循环神经网络进行训练，获得信息识别模型，其中，所述信息识别模型用于识别与所述待识别对象对应的身份类型。