[发明专利]数据处理的方法、装置、设备及计算机可读存储介质

说明书

本发明实施例提供一种数据处理的方法、装置、设备及计算机可读存储介质，通过根据关联关系图生成每个用户账号的特征；使用每个用户账号的特征及对应标签作为训练数据训练逻辑回归模型；根据训练好的逻辑回归模型确定两个用户账号之间的关联权重，能够通过有监督的逻辑回归模型确定不同的关系类型对预测目标的影响从而确定权重，通过将两个用户账号间存在的关系类型转换为特征向量带入逻辑回归模型，根据逻辑回归结果确定两用户账号间存在的多种关系类型的关联权重，根据任意两个用户账号之间的关联权重发现指定用户账号所在的目标社区，能够增强社区划分的结果与目标的相关性，准确地发现目标所在的社区，准确地识别诈骗团伙和推荐信息。

技术领域

本发明实施例涉及互联网技术领域，尤其涉及一种数据处理的方法、装置、设备及计算机可读存储介质。

背景技术

随着互联网技术的发展，各电商平台，金融平台等互联网平台拥有的用户数量巨大。图是一种能表示相互连接的事物及其关系的形式，互联网平台中用户账号之间的关联关系可以通过图的方式表示和存储，包括节点和边两部分，节点是用户账号(或人)，边又称关系，表示节点之间的关联关系。

通过社区发现的方法可以社区发现可以分析得到图中关联密切的节点，可以广泛应用于欺诈团伙识别、推荐等业务场景中。例如，通过社区发现方法的社区划分结果，可以发现指定目标所在的社区，从而发现与指定目标关联密切的用户账号(或人)。若指定目标是已知的诈骗用户账号，这样就可以发现诈骗团伙。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：现有的社区发现方法中，不区分图中边的类型，边的权重往往采用相等权重或者人为根据经验指定边的权重，导致社区发现方法的社区划分结果不准确，无法准确识别指定目标的紧密关联人群，无法准确识别出欺诈团伙和进行有效的信息推荐。

发明内容

本发明实施例提供一种数据处理的方法、装置、设备及计算机可读存储介质，用以解决现有的社区发现方法的社区划分结果不准确，无法准确识别指定目标的紧密关联人群，无法准确识别出欺诈团伙和进行有效的信息推荐的问题。

第一方面，本发明实施例提供一种数据处理的方法，包括：

获取用户账号的关联关系图，所述关联关系图包含各用户账号之间的关联关系及关系类型；

根据所述关联关系图，生成每个用户账号的特征；

使用每个用户账号的特征及对应标签作为训练数据，训练逻辑回归模型；

根据训练好的所述逻辑回归模型，确定两个用户账号之间的关联权重；

根据任意两个用户账号之间的关联权重，发现指定用户账号所在的目标社区；

对所述目标社区内的用户账号进行相应处理。

第二方面，本发明实施例提供一种数据处理的方法，应用于互联网平台，所述互联网平台包括多个用户注册的用户账号，所述用户账号中存在至少一个对应指定类型的标签的指定用户账号，所述方法包括：

获取所述互联网平台中所有用户账号的关联关系图，所述关联关系图包含各用户账号之间的关联关系及关系类型；

根据所述关联关系图，生成所述关联关系图中每个用户账号的特征；

使用每个用户账号的特征及对应标签作为训练数据，训练逻辑回归模型；

根据训练好的所述逻辑回归模型，确定两个用户账号之间的关联权重；

根据任意两个用户账号之间的关联权重，进行社区划分，确定所述指定用户账号所在的目标社区；

对所述目标社区内的用户账号进行相应处理。

第三方面，本发明实施例提供一种数据处理的装置，包括：