[发明专利]一种基于用户行为序列的短视频异常行为识别方法

说明书

本发明公开了一种基于用户行为序列的短视频异常行为识别方法，涉及风控技术领域，具体包含如下步骤；获得用户全面的行为序列，包含用户在短视频社交平台上的各种属性特征；采用深度兴趣网络DIN作为训练模型，将用户行为序列分为连续值行为特征和离散值行为特征；且连续值行为特征和离散值行为特征以时间顺序进行排序，用户的id和设备作为条件输入，进而使深度兴趣网络DIN根据不同用户在行为序列特征下做出精准分类；获取用户的连续值行为特征和离散值行为特征，基于深度兴趣网络DIN的短视频用户行为序列识别网络结构，经过Attention结构和全连接FC结构进行用户行为序列特征间的关联学习，通过行为相似性和特点来识别水军用户。

技术领域

本发明涉及风控技术领域，尤其涉及一种基于用户行为序列的短视频异常行为识别方法。

背景技术

在抖音、微博、快手等短视频社交平台上，黑产通过机器人水军、雇佣水军账号等作弊手段在平台关注、点赞、评论等重要场景进行操作，导致短视频社交平台环境日趋恶劣，造成严重影响。正是由于水军账号的不透明性和独立性，因此平台管理人员很难通过人工方式去判断某账号是否违规。

目前，针对短视频水军(异常行为)账号识别的方法大都集中在数据统计和文本上，数据统计需要大量账号数据来统计相似性，包括时间、地点、工具等，但随着技术进步，水军已经能够将账号信息模拟成正常用户；而基于文本的识别方法主要依靠自然语言处理来获得文本信息，但在短视频中文本内容往往很少，大都以视频形式出现，若对视频中文本进行分析会大大增加识别难度和时间，因此想通过传统的方法来识别短视频平台水军将愈发困难。然而，短视频中水军团伙在点赞、收藏、浏览时间等行为上会随时间产生大量数据，这些数据间是存在关联性的，不同水军账号的行为之间存在团伙相似性、序列周期性/密集性的特点，例如同一水军团伙的关注账号、收藏作品大同小异，且点赞时间差也会相比于正常用户短。

因而通过分析用户的行为序列来进行水军识别是可行的。根据用户的行为序列的特点，发明一种基于用户行为序列的短视频水军识别方法，能够提高对短视频水军用户的有效监控。

发明内容

本发明所要解决的技术问题是对短视频社交平台上的账号进行有效地水军(异常行为)用户识别，及时高效地为平台管理人员提供监控渠道，提升网络社交环境的质量，打击水军团伙违规行为。

本发明为解决上述技术问题采用以下技术方案：

一种基于用户行为序列的短视频异常行为识别方法，具体包含如下步骤；

步骤1，获得用户全面的行为序列，包含用户在短视频社交平台上的各种属性特征；

步骤2，采用深度兴趣网络DIN作为训练模型，将用户行为序列分为连续值行为特征和离散值行为特征；且连续值行为特征和离散值行为特征以时间顺序进行排序，用户的id和设备作为条件输入，进而使深度兴趣网络DIN根据不同用户在行为序列特征下做出精准分类；

步骤3，获取用户的连续值行为特征和离散值行为特征，基于深度兴趣网络DIN的短视频用户行为序列识别网络结构，经过注意力机制Attention结构和全连接FC结构进行用户行为序列特征间的关联学习，通过行为相似性和特点来识别水军用户。

作为本发明一种基于用户行为序列的短视频异常行为识别方法的进一步优选方案，在步骤1中，用户在短视频社交平台上的各种属性特征包含用户账号、作品账号、收藏作品账号、是否浏览完作品、是否对作品点赞、登录设备、作品发布时间、作品时长、浏览作品时长。

作为本发明一种基于用户行为序列的短视频异常行为识别方法的进一步优选方案，在步骤2中，连续值行为特征在短视频平台中包含作品账号、收藏作品账号、是否浏览完作品、是否对作品点赞、作品发布时间、作品时长、浏览作品时长；

以用户账号为基本，将同一用户下的上述连续值行为进行聚类，再按时间顺序进行排序，从而获得在一段时间内的某用户的连续值行为序列；