[发明专利]一种用户群体的识别方法及装置、电子设备、存储介质

说明书

本申请公开了一种用户群体的识别方法及装置、电子设备、存储介质，所述方法包括：获取数据集；数据集包括多个事务的项集；每个事务的项集中的每个节点对应参与该事务的一个用户；按照邻居节点数量从大到小的顺序，依次将当前数据集中各个节点确定为当前核心节点，并按照当前核心节点的目标集合中的各个节点的邻居节点数量从大到小的顺序，从当前核心节点出发，向当前核心节点的目标集合中的各个节点进行项集延伸，直至得到所有当前核心节点的频繁项集；其中，延伸过程不对已遍历过的项集再进行遍历。直至处理完所有节点后，基于确定出的每个节点的频繁项集中节点数量最大的频繁项集，确定水军用户群体。

技术领域

本申请涉及用户识别技术领域，特别涉及一种用户群体的识别方法及装置、电子设备、存储介质。

背景技术

随着自媒体的不断发展，网络上的言论等行为对于人们的影响也越来越大。而部分人为了自己的利益，会有意雇佣大量的用户或者申请大量的账户，在网络上对某一内容进行评论、点赞等行为，而这些用户通常称为水军。而水军在网络上的这些有意行为，会严重影响网络环境，因此对水军的识别是一项尤为重要的工作。

当前对于水军用户的识别，主要通过用户的特征属性，例如，账号、注册时间、粉丝关注比等，构建综合因子，然后基于综合因子分别对每个用户进行分析，从而筛选出属于水军的用户。或者是直接通过聚类算法，获取到水军用户群体。

但是，当前水军用户的伪装性与正常化越来越高，所以水军用户在特征上与正常用户的区别越来越小，因此现有的方式识别的准确率也越来越低。

发明内容

基于上述现有技术的不足，本申请提供了一种用户群体的识别方法及装置、电子设备、存储介质，以解决现有技术对水军用户识别准确率较低的问题。

为了实现上述目的，本申请提供了以下技术方案：

本申请第一方面提供了一种用户群体的识别方法，包括：

获取数据集；其中，所述数据集包括多个事务的项集；每个所述事务的项集中的每个节点对应参与所述事务的一个用户；

将当前所述数据集中邻居节点数量最多的未处理的所述节点确定为当前核心节点；

按照所述当前核心节点的目标集合中的各个节点的邻居节点数量从大到小的顺序，从所述当前核心节点出发，向所述当前核心节点的所述目标集合中的各个节点进行项集延伸，直至得到所有所述当前核心节点的频繁项集；其中，一个所述节点的目标集合包括所述节点的邻居节点中未处理的各个所述节点；所述当前核心节点的频繁项集为由所述当前核心点及其所述目标集合中的节点组成的，支持度不小于支持度阈值的项集；

判断当前所述数据集中是否存在未处理的所述节点；其中，若判断出当前所述数据集中存在未处理的所述节点，则返回执行所述将当前所述数据集中邻居节点数量最多的未处理的所述节点确定为当前核心节点；

若判断出当前所述数据集中不存在未处理的所述节点，则基于确定出的每个所述节点的频繁项集中节点数量最大的频繁项集，确定水军用户群体。

可选地，在上述的用户群体的识别方法中，所述按照所述当前核心节点的目标集合中的各个节点的邻居节点数量从大到小的顺序，从所述当前核心节点出发，向所述当前核心节点的所述目标集合中的各个节点进行项集延伸，直至得到所有所述当前核心节点的频繁项集，包括：

初始化所述当前核心节点的N项集；其中，所述N项集表示节点数量为N的项集；所述当前核心节点的N项集初始仅包括所述当前核心节点；

判断是否存在当前的所述当前核心节点的N项集对应的当前目标节点；其中，当前的所述当前核心节点的N项集对应的当前目标节点指代在当前的所述当前核心节点的N项集中的各个节点的目标集合的交集中未组合过包括自身以及当前的所述当前核心节点的N项集中的各个节点的项集的节点中，邻居节点数量最多的节点；