[发明专利]一种用户识别方法和装置

权利要求书

1.一种用户识别方法，包括：

获取待识别用户的交易数据；

基于所述交易数据，确定所述待识别用户的交易特征，所述交易特征中包括稠密特征、第一稀疏特征和第二稀疏特征，所述第二稀疏特征中包括所述待识别用户的交易对手的用户标识；

获取预先训练得到的用户识别模型，所述用户识别模型基于样本用户的样本交易特征训练得到，所述样本交易特征中包括样本稠密特征、第一样本稀疏特征和第二样本稀疏特征，所述第二样本稀疏特征中包括所述样本用户的交易对手的用户标识；

基于所述待识别用户的交易特征和所述用户识别模型，确定所述待识别用户是否为非法用户。

2.如权利要求1所述的方法，所述用户识别模型通过以下方式训练得到：

获取所述样本用户的样本交易数据；

基于所述样本交易数据，确定得到所述样本交易特征；

构建学习训练模型，所述学习训练模型包括线性层、深度学习层和因子分解机FM层；

基于所述学习训练模型对所述样本交易特征进行学习训练，得到所述用户识别模型。

3.如权利要求2所述的方法，基于所述学习训练模型对所述样本交易特征进行学习训练，得到所述用户识别模型，包括：

基于所述线性层对所述第一样本稀疏特征进行学习训练，得到第一学习结果；

对所述第一样本稀疏特征和所述第二样本稀疏特征进行嵌入处理，得到嵌入层特征，并基于所述FM层对所述嵌入层特征进行学习训练，得到第二学习结果；

基于所述深度学习层对所述嵌入层特征和所述样本稠密特征进行学习训练，得到第三学习结果；

对所述第一学习结果、所述第二学习结果和所述第三学习结果进行加和，训练得到所述用户识别模型。

4.如权利要求1所述的方法，

所述交易数据包括所述待识别用户的用户信息，交易信息以及所述待识别用户的交易对手信息；

所述第一稀疏特征基于所述用户信息确定得到，所述第一稀疏特征包括所述待识别用户的个人属性特征；

所述稠密特征基于所述交易信息确定得到，所述稠密特征包括所述待识别用户在第一设定时间段内的交易行为特征和在第二设定时间段内的交易行为特征，所述第一设定时间段的时长大于所述第二设定时间段的时长。

5.如权利要求1所述的方法，基于所述待识别用户的交易特征和所述用户识别模型，确定所述待识别用户是否为非法用户，包括：

将所述稠密特征、所述第一稀疏特征和所述第二稀疏特征输入所述用户识别模型，得到所述待识别用户的特征值，所述特征值用于表征所述待识别用户的风险程度；

根据所述待识别用户的特征值，确定所述待识别用户是否为非法用户。

6.如权利要求5所述的方法，根据所述特征值，确定所述待识别用户是否为非法用户，包括：

判断所述待识别用户的特征值是否在预设数值范围内，所述预设数值范围为非法用户的特征值对应的数值范围；

若是，则确定所述待识别用户为非法用户；

若否，则确定所述待识别用户为合法用户。

7.如权利要求1所述的方法，所述方法还包括：

在确定所述待识别用户为非法用户后，对所述待识别用户的交易进行拦截。

8.一种用户识别装置，包括：

第一获取单元，获取待识别用户的交易数据；

确定单元，基于所述交易数据，确定所述待识别用户的交易特征，所述交易特征中包括稠密特征、第一稀疏特征和第二稀疏特征，所述第二稀疏特征中包括所述待识别用户的交易对手的用户标识；

第二获取单元，获取预先训练得到的用户识别模型，所述用户识别模型基于样本用户的样本交易特征训练得到，所述样本交易特征中包括样本稠密特征、第一样本稀疏特征和第二样本稀疏特征，所述第二样本稀疏特征中包括所述样本用户的交易对手的用户标识；

识别单元，基于所述待识别用户的交易特征和所述用户识别模型，确定所述待识别用户是否为非法用户。