[发明专利]基于机器学习的游戏盗量监督方法和装置

权利要求书

1.一种基于机器学习的游戏盗量监督方法，其特征在于，包括：

搜集平台的用户行为中的内容数据，对所述内容数据进行解析获取信息内容；

对所述信息内容进行分词处理，得到分词序列，确定所述分词序列中每一分词的拼音；

将每一名词分词的拼音输入恶意信息识别模型，输出与每一名词分词对应的恶意信息概率值，其中，所述恶意信息识别模型是基于名词分词的拼音样本数据和预先确定的恶意信息标签进行训练后得到的；

对所有名词分词的恶意信息概率值求和，得到所述内容数据的恶意概率值；

显示所述恶意概率值，以供监管人员决定所述内容数据的处置方式。

2.根据权利要求1所述的基于机器学习的游戏盗量监督方法，其特征在于，所述对所述内容数据进行解析获取信息内容，具体包括：

对所述内容数据进行解析，拆分为结构化数据，所述结构化数据包括信息内容、内容类型、发信人账号、收信人账号、内容标题和发送内容的时间，获取所述结构化数据中的信息内容。

3.根据权利要求2所述的基于机器学习的游戏盗量监督方法，其特征在于，还包括：

将所述结构化数据存入时序日志，确定所述时序日志中的结构化数据的标记，若所述标记为恶意信息，则将所述结构化数据的信息内容作分词处理，得到分词序列；

确定所述分词序列中每一分词的拼音，基于每一名词分词的拼音和恶意信息标签对所述恶意信息识别模型进行矫正训练。

4.根据权利要求3所述的基于机器学习的游戏盗量监督方法，其特征在于，所述确定所述时序日志中的结构化数据的标记，具体包括：

若用户对内容数据举报为恶意信息，则时序日志中所述内容数据对应的结构化数据的标记为恶意信息；或者，

若用户对账号举报为恶意账号，则时序日志中所述恶意账号作为发信人发送的内容数据对应的结构化数据的标记为恶意信息；或者，

若平台运营人员禁封账号为恶意账号，则时序日志中所述恶意账号作为发信人发送的内容数据对应的结构化数据的标记为恶意信息。

5.根据权利要求4所述的基于机器学习的游戏盗量监督方法，其特征在于，所述确定所述时序日志中的结构化数据的标记，具体还包括：

周期性地分析所述时序日志中的结构化数据，确定账号属性，若所述账号属性为异常，则时序日志中所述异常账号作为发信人发送的内容数据对应的结构化数据的标记为恶意信息。

6.根据权利要求5所述的基于机器学习的游戏盗量监督方法，其特征在于，所述确定账号属性，具体还包括：

若账号在当前周期内的向不同用户发送内容数据的次数高于预设阈值，则确定账号属性为异常。

7.根据权利要求1-6任一项所述的基于机器学习的游戏盗量监督方法，其特征在于，所述恶意信息识别模型采用了NLP模型。

8.一种基于机器学习的游戏盗量监督装置，其特征在于，包括：

数据分发器模块，用于搜集平台的用户行为中的内容数据，对所述内容数据进行解析获取信息内容；

分词音译模块，用于对所述信息内容进行分词处理，得到分词序列，确定所述分词序列中每一分词的拼音；

恶意信息识别模块，用于将每一名词分词的拼音输入恶意信息识别模型，输出与每一名词分词对应的恶意信息概率值，其中，所述恶意信息识别模型是基于名词分词的拼音样本数据和预先确定的恶意信息标签进行训练后得到的；

计算模块，用于对所有名词分词的恶意信息概率值求和，得到所述内容数据的恶意概率值；

显示模块，用于显示所述恶意概率值，以供监管人员决定所述内容数据的处置方式。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任一项所述的基于机器学习的游戏盗量监督方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于机器学习的游戏盗量监督方法的步骤。