[发明专利]账户标签预测方法、装置、存储介质及电子设备在审

专利信息
申请号: 202310053676.6 申请日: 2023-02-03
公开(公告)号: CN116307078A 公开(公告)日: 2023-06-23
发明(设计)人: 欧阳逸 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/00;G06N3/042;G06N3/08
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 贾允
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 账户 标签 预测 方法 装置 存储 介质 电子设备
【权利要求书】:

1.一种账户标签预测方法,其特征在于,所述方法包括:

获取目标行为相关的多个账户,以及每一所述账户对应的目标行为执行信息;

根据各所述账户分别对应的目标行为执行信息进行预设行为共现情况提取,根据提取结果生成社交网络图,所述预设行为为满足预设要求的目标行为,所述社交网络图中的边所连接的两个节点分别对应的账户具备相同的预设行为;

对所述社交网络图进行节点分类,得到携带标签的第一类节点和未携带标签的第二类节点,所述标签表征对应的账户是否存在目标社交行为;

根据所述社交网络图中每一所述节点自身的信息对所述节点进行标签预测,得到每一所述节点对应的标签分布;

根据各所述第一类节点分别所携带的标签以及各所述节点分别对应的标签分布,预测每一所述第二类节点的标签。

2.根据权利要求1所述的方法,其特征在于,所述根据所述社交网络图中每一所述节点自身的信息对所述节点进行标签预测,得到每一所述节点对应的标签分布,包括:

对所述社交网络图中的各所述节点分别对应的信息进行特征提取,得到各所述节点分别对应的节点特征;

对所述社交网络图中的每一所述节点,将所述节点自身的节点特征以及所述节点的邻居节点的节点特征向所述节点进行特征传递,得到所述节点对应的聚合特征;

根据各所述节点分别对应的聚合特征进行标签预测,得到每一所述节点对应的标签分布。

3.根据权利要求1或2所述的方法,其特征在于,所述根据各所述第一类节点分别所携带的标签以及各所述节点分别对应的标签分布,预测每一所述第二类节点的标签,包括:

根据各所述节点分别对应的标签分布,确定标签分布集;

根据所述标签分布集生成标签信息图,所述标签信息图为包含所述标签分布集中的标签分布并且具备与所述社交网络图相同的拓扑的图;

根据各所述第一类节点各自所携带的标签在所述标签信息图进行标签传播,得到每一所述第二类节点的标签。

4.根据权利要求1所述的方法,其特征在于,所述方法还包括:

根据所述社交网络图中各个所述节点的标签进行社区检测,得到至少一个簇,每一所述簇包括至少两个所述节点;

根据所述簇和所述簇中每一所述节点所对应的标签,确定目标社区,所述目标社区表征存在群体性目标社交行为的账户集群。

5.根据权利要求3所述的方法,其特征在于,所述方法基于账户标签预测模型实施,所述账户标签预测模型通过下述方法训练得到:

获取样本社交网络图,所述样本社交网络图包括携带标签的第一类样本节点和未携带标签的第二类样本节点;

基于预设神经网络执行下述操作:通过执行特征传递和基于特征传递结果的标签预测,得到各样本节点对应的标签分布;对各所述第一类样本节点所携带的标签进行标签筛选操作,确定第三类样本节点和第四类样本节点,所述第三类样本节点是携带被筛选出的标签的样本节点,所述第四类样本节点属于所述第一类样本节点并且不属于所述第三类样本节点;基于所述第三类样本节点携带的标签,和各所述样本节点分别对应的标签分布得到样本标签分布集;根据各所述第三类样本节点所携带的标签,和所述样本标签分布集,预测每一所述第四类样本节点的预测标签;

根据所述第四类样本节点携带的标签和所述第四类样本节点的预测标签之间的差异,调整所述预设神经网络的参数,得到所述账户标签预测模型。

6.根据权利要求5所述的方法,其特征在于,所述基于所述第三类样本节点携带的标签,和各所述样本节点分别对应的标签分布得到样本标签分布集,包括:

根据各所述样本节点分别对应的标签分布,确定样本标签分布集;

基于所述第三类样本节点携带的标签,更新所述样本标签分布集。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310053676.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top