[发明专利]交互行为的识别方法和装置、存储介质及电子设备

权利要求书

1.一种交互行为识别方法，其特征在于，包括：

获取目标用户账号在目标应用中执行交互行为所生成的行为记录；

从所述行为记录中提取所述目标用户账号所执行的交互行为的行为序列特征及行为统计特征，其中，所述行为序列特征用于指示所述交互行为在目标时间段内的时序特性，所述行为统计特征用于指示所述交互行为基于多个统计标签分别进行统计后的统计结果；

通过目标识别网络模型中的第一识别子网络获取与所述行为序列特征相匹配的序列向量，并通过所述目标识别网络模型中的第二识别子网络获取与所述行为统计特征相匹配的统计向量，其中，所述第一识别子网络中包括多尺度卷积结构和门控过滤结构，所述第二识别子网络中包括多阶特征融合结构；

融合所述序列向量及所述统计向量，得到行为识别系数；

在所述行为识别系数大于或等于目标阈值的情况下，确定所述目标用户账号所执行的交互行为是目标交互行为。

2.根据权利要求1所述的方法，其特征在于，所述通过目标识别网络模型中的第一识别子网络获取所述行为序列特征相匹配的所述序列向量，并通过所述目标识别网络模型中的第二识别子网络获取所述行为统计特征相匹配的所述统计向量包括：

在所述第一识别子网络中，通过M层N尺度卷积结构对所述行为序列特征进行卷积操作，以得到N个候选行为片段特征矩阵，其中，所述多尺度卷积结构包括所述M层N尺度卷积结构，M、N为正整数；对所述N个候选行为片段特征矩阵分别进行最大池化处理，得到N个关键行为片段特征向量；通过所述门控过滤结构对所述N个关键行为片段特征向量进行融合，以得到所述序列向量；

在所述第二识别子网络中，通过所述多阶特征融合结构分别提取所述行为统计特征的第一阶特征、第二阶特征及第三阶特征；拼接所述第一阶特征、所述第二阶特征及所述第三阶特征，得到多阶统计特征；对所述多阶统计特征进行转换，以得到所述统计向量。

3.根据权利要求2所述的方法，其特征在于，所述在所述第二识别子网络中，通过所述多阶特征融合结构分别提取所述行为统计特征的第一阶特征、第二阶特征及第三阶特征包括：

通过所述多阶特征融合结构中的第一特征提取结构，提取所述行为统计特征的一阶特征，其中，所述第一特征提取结构用于对特征元素执行线性加权求和操作；

通过所述多阶特征融合结构中的第二特征提取结构，提取所述行为统计特征的二阶特征，其中，所述第二特征提取结构用于对特征元素执行交叉组合操作；

通过所述多阶特征融合结构中的第三特征提取结构，提取所述行为统计特征的多阶特征，其中，所述第三特征提取结构用于对特征元素执行缩放拼接操作。

4.根据权利要求1所述的方法，其特征在于，所述融合所述序列向量及所述统计向量，得到行为识别系数包括：

对所述序列向量及所述统计向量进行拼接，得到目标向量；

通过非线性全连接层对所述目标向量进行全局融合和维度转换处理，得到所述行为识别系数。

5.根据权利要求1所述的方法，其特征在于，所述从所述行为记录中提取所述目标用户账号所执行的交互行为的行为序列特征及行为统计特征包括：

从所述行为记录中确定所述目标用户账号在目标周期内执行交互行为的时间点序列；按照预设的时间段分片，将所述时间点序列转换为所述行为序列特征；

对所述行为记录中的行为记录按照所述多个统计标签分别进行统计，得到候选统计特征，其中，所述候选统计特征中包括数值型特征和类别性特征；对所述候选统计特征进行过滤编码处理，得到所述行为统计特征。

6.根据权利要求5所述的方法，其特征在于，所述对所述候选统计特征进行过滤编码处理，得到所述行为统计特征包括：

从所述候选统计特征中剔除冗余特征；

对剔除所述冗余特征后的所述数值型特征进行归一化处理，并对剔除所述冗余特征后的所述类别性特征进行一位编码处理，得到中间统计特征；

对所述中间统计特征中满足目标剔除条件的参考特征进行剔除，以得到所述行为统计特征。