[发明专利]用户识别方法、装置、可读介质及电子设备

说明书

本公开涉及一种用户识别方法、装置、可读介质及电子设备，以准确识别出具有作弊行为的用户。所述方法包括：确定待识别用户的行为特征信息，作为第一行为特征；确定所述待识别用户的多阶采样邻居用户的行为特征信息，作为第二行为特征；根据所述第一行为特征和所述第二行为特征，通过用户识别模型识别得到识别结果，所述识别结果标识所述待识别用户属于目标用户类别的概率；其中，所述用户识别模型通过训练图神经网络模型获得；根据所述概率，确定所述待识别用户是否属于所述目标用户类别。

技术领域

本公开涉及计算机技术领域，具体地，涉及一种用户识别方法、装置、 可读介质及电子设备。

背景技术

目前，应用程序(例如，社交类应用程序、短视频类应用程序等)越来 越多地被使用，在这些应用程序的使用场景中，存在一些作弊行为，因此， 需要一种方法识别出存在作弊行为的账号。

相关技术中，一般利用GCN(Graph Convolutional Network，图卷积神 经网络)实现针对应用程序的反作弊，通过GCN对节点(即，对应于用户 的节点)特征和节点网络拓扑结构进行建模和训练，学习节点的低维表示，以识别节点是否存在作弊行为。然而，由于GCN本身的特点，学习到的节 点的低维表示无法扩展到其他节点，因此，当出现新节点(即，出现新用户) 时，无法得到该新节点的准确的低维表示，导致对新节点的识别存在准确率 不足的问题，另外，GCN自身计算需要多次迭代，面对大量数据，需要极 大的实时计算力，因此还存在计算效率不高的问题。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的 具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技 术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案 的范围。

第一方面，本公开提供一种用户识别方法，所述方法包括：

确定待识别用户的行为特征信息，作为第一行为特征；

确定所述待识别用户的多阶采样邻居用户的行为特征信息，作为第二行 为特征；

根据所述第一行为特征和所述第二行为特征，通过用户识别模型识别得 到识别结果，所述识别结果标识所述待识别用户属于目标用户类别的概率； 其中，所述用户识别模型通过训练图神经网络模型获得；

根据所述概率，确定所述待识别用户是否属于所述目标用户类别。

第二方面，本公开提供一种用户识别装置，所述装置包括：

第一确定模块，用于确定待识别用户的行为特征信息，作为第一行为特 征；

第二确定模块，用于确定所述待识别用户的多阶采样邻居用户的行为特 征信息，作为第二行为特征；

识别模块，用于根据所述第一行为特征和所述第二行为特征，通过用户 识别模型识别得到识别结果，所述识别结果标识所述待识别用户属于目标用 户类别的概率；其中，所述用户识别模型通过训练图神经网络模型获得；

第三确定模块，用于根据所述概率，确定所述待识别用户是否属于所述 目标用户类别。

第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序， 该程序被处理装置执行时实现本公开第一方面所述方法的步骤。

第四方面，本公开提供一种电子设备，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开 第一方面所述方法的步骤。