[发明专利]资源分配方法、装置和存储介质及电子设备

权利要求书

1.一种资源分配方法，其特征在于，包括：

获取第一账户在第一时间段内的第一资源变更数据，以及第二账户在所述第一时间段内的第二资源变更数据，其中，所述第二账户为与所述第一账户在第二时间段内共同完成资源交互操作的账户；

分别对所述第一资源变更数据以及所述第二资源变更数据进行特征提取，以得到所述第一资源变更数据对应的第一特征，以及所述第二资源变更数据对应的第二特征；

根据所述资源交互操作中产生的资源交互数据，对所述第一特征以及所述第二特征进行整合处理，以获得目标特征；

基于所述目标特征获取所述第一账户对应的资源分配系数；

按照所述资源分配系数确定为所述第一账户分配的目标资源值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述资源交互操作中产生的资源交互数据，对所述第一特征以及所述第二特征进行整合处理，以获得目标特征，包括：

根据所述资源交互操作中产生的资源交互数据，对所述第一特征以及所述第二特征进行整合处理，以获得目标图像数据；

将所述目标图像数据输入图神经网络结构，以获得所述图神经网络结构输出的所述目标特征，其中，所述图神经网络结构为利用多个样本账户的图像数据进行训练后得到的用于识别图像的神经网络结构。

3.根据权利要求2所述的方法，其特征在于，所述根据所述资源交互操作中产生的资源交互数据，对所述第一特征以及所述第二特征进行整合处理，以获得目标图像数据，包括：

将所述第一账户确定为第一节点，并将所述第一特征作为所述第一节点的节点属性；

将所述第二账户确定为第二节点，并将所述第二特征作为所述第二节点的节点属性；

通过目标链路对所述第一节点与所述第二节点进行连接处理，并根据所述资源交互数据确定所述目标链路的链路权重；

将所述第一节点、所述第二节点，以及所述目标链路进行整合处理，以获得所述目标图像数据。

4.根据权利要求2所述的方法，其特征在于，在所述获取第一账户在第一时间段内的第一资源变更数据，以及第二账户在所述第一时间段内的第二资源变更数据之前，包括：

获取所述多个样本账户的图像数据；

对每个所述样本账户的图像数据进行标记处理，得到标记后的所述多个样本账户的图像数据；

将标记后的所述多个样本账户的图像数据输入初始图神经网络结构，以训练得到所述图神经网络结构。

5.根据权利要求4所述的方法，其特征在于，所述将标记后的所述多个样本账户的图像数据输入初始图神经网络结构，以训练得到所述图神经网络结构，包括：

重复执行以下步骤，直至得到所述图神经网络结构：

从标记后的所述多个样本账户的图像数据中确定出当前样本账户的图像数据，并确定当前图神经网络结构，其中，所述当前样本账户的图像数据被标记为属于黑/白名单账户的图像数据；

通过所述当前图神经网络结构获取当前输出结果，其中，所述当前输出结果用于表示所述当前样本账户为所述黑/白名单账户的评估值；

在所述当前输出结果未达到训练收敛条件的情况下，获取下一个样本账户的图像数据作为所述当前样本账户的图像数据；

在所述当前输出结果达到所述训练收敛条件的情况下，确定所述当前图神经网络结构为所述图神经网络结构。

6.根据权利要求2所述的方法，其特征在于，所述基于所述目标特征获取所述第一账户对应的资源分配系数，包括：

将所述目标特征输入第一输出结构中，以获得所述第一输出结构输出的所述资源分配系数，其中，所述第一输出结构为用于计算输入特征对应的账户的可信任程度的线性回归分析结构。

7.根据权利要求2所述的方法，其特征在于，所述分别对所述第一资源变更数据以及所述第二资源变更数据进行特征提取，以得到所述第一资源变更数据对应的第一特征，以及所述第二资源变更数据对应的第二特征，包括：

将所述第一资源交互数据以及所述第二资源交互数据分别输入特征提取结构中，以获得所述特征提取结构输出的所述第一特征以及所述第二特征，其中，所述特征提取结构用于提取输入数据的资源交互特征。