[发明专利]一种异常团体识别方法、装置和智能芯片

权利要求书

1.一种异常团体识别方法，其特征在于，包括：

从监控的数据情报中抽取待识别的特征信息；其中，所述数据情报包括多个异常团体成员的真实身份信息；

将待识别的特征信息输入到预先构建好的目标网络模型中，得到至少一个异常团体；其中，每一个异常团体均包括至少两个异常团体成员；所述目标网络模型使用的训练数据为从已知的数据情报中抽取到的特征信息及其标注；

从不同网络平台的网络身份数据中提取多个虚拟身份用户的虚拟身份信息；

基于提取得到的虚拟身份信息和监控的数据情报包括的真实身份信息，建立识别出的异常团体中每一个异常团体成员和目标虚拟身份用户的关联关系；其中，所述目标虚拟身份用户是从多个虚拟身份用户中确定出的；

其中，所述目标网络模型是通过如下方式训练后得到的：

获取初始网络模型；其中，所述初始网络模型为神经网络模型；

将所述初始网络模型中的至少一个卷积层进行精简，获得精简网络模型；

采用预设的训练算法，将训练数据输入所述精简网络模型进行训练，得到目标网络模型；

其中，所述预设的训练算法为将运算数据中的部分数据设置为零，得到新的运算数据，并采用新的运算数据进行运算的操作；

所述基于提取得到的虚拟身份信息和监控的数据情报包括的真实身份信息，建立识别出的异常团体中每一个异常团体成员和目标虚拟身份用户的关联关系，包括：

按照预设的第一属性类别对提取得到的虚拟身份信息和监控的数据情报包括的真实身份信息进行信息提取，并生成各虚拟身份用户和各异常团体成员分别对应的第一分类向量集；

针对每一个异常团体成员，均执行如下操作：

对生成的各虚拟身份用户和该异常团体成员分别对应的第一分类向量集进行相似度计算，得到各虚拟身份用户和该异常团体成员针对每一个第一属性类别的相似度值；

对得到的各虚拟身份用户和该异常团体成员针对每一个第一属性类别的相似度值进行加权计算；

判断加权计算得到的相似度值是否大于预设的第一相似度阈值，如果是，则将该虚拟身份用户作为目标虚拟身份用户，并建立该异常团体成员和所述目标虚拟身份用户的关联关系；

其中，所述第一属性类别包括“节点信息-背景信息”、“文本信息-兴趣信息”和“社交信息-关系信息”，所述虚拟身份信息包括节点信息、文本信息和社交信息，所述真实身份信息包括背景信息、兴趣信息和关系信息；所述节点信息包括用户名、性别、职业、地址、生日、邮箱和学历，所述文本信息包括用户的兴趣喜好、情绪状态和@的对象，所述社交信息包括用户的关注和粉丝的好友信息、以及用户的评论、@和转发的互动信息，所述背景信息包括姓名、性别、出生日期、身份证号、家庭地址、电话号、教育和工作经历，所述兴趣信息包括音乐、体育、电影、军事、动漫、明星、美食和宠物，所述关系信息包括情侣、配偶、父母、子女、兄弟、同学、老师、室友和同事；

在所述建立识别出的异常团体中每一个异常团体成员和目标虚拟身份用户的关联关系之后，进一步包括：

基于提取得到的虚拟身份信息，建立识别出的异常团体中各虚拟身份用户的关联关系；

所述基于提取得到的虚拟身份信息，建立识别出的异常团体中各虚拟身份用户的关联关系，包括：

按照预设的第二属性类别对提取得到的虚拟身份信息进行信息提取，并生成各虚拟身份用户对应的第二分类向量集；

针对任意两个虚拟身份用户，对该两个虚拟身份用户对应的第二分类向量集进行相似度计算，得到该两个虚拟身份用户针对每一个第二属性类别的相似度值；

对得到的该两个虚拟身份用户针对每一个第二属性类别的相似度值进行加权计算；

判断加权计算得到的相似度值是否大于预设的第二相似度阈值，如果是，则建立该两个虚拟身份用户的关联关系。

2.根据权利要求1所述的方法，其特征在于，所述将所述初始网络模型中的至少一个卷积层进行精简，获得精简网络模型，包括如下方式的至少一种：

减少至少一个卷积层中神经元的数量，并增加卷积层的数量；

将所述卷积层中的大尺寸的卷积核替换为级联的小尺寸卷积核。