[发明专利]异常帐户识别方法、装置、服务器及存储介质

权利要求书

1.一种异常帐户识别方法，其特征在于，包括：

获取待识别帐户的特征信息；所述特征信息包括发布视频特征、操作行为特征和异常统计特征；所述发布视频特征用于表征所述待识别帐户的所有发布视频中，与其他帐户的发布视频相似的目标视频数量；所述异常统计特征用于表征所述待识别帐户被标记上异常标签的次数；

获取所述操作行为特征和所述异常统计特征的异常程度；所述异常程度根据所述所有发布视频的数量和所述目标视频数量确定，用于表征所述待识别帐户的视频转载程度；

根据所述异常程度，调整所述操作行为特征和所述异常统计特征；

根据调整后的操作行为特征和异常统计特征，确定所述待识别帐户属于异常帐户的概率，根据所述概率确定对所述待识别帐户的识别结果。

2.根据权利要求1所述的异常帐户识别方法，其特征在于，所述根据调整后的操作行为特征和异常统计特征，确定所述待识别帐户属于异常帐户的概率，包括：

拼接所述调整后的操作行为特征和异常统计特征，得到所述待识别帐户的目标特征；

将所述目标特征输入预先训练的异常帐户识别模型，所述异常帐户识别模型对输入的所述目标特征进行分类处理，输出包括类别标签和所述类别标签对应的预测概率；其中，所述类别标签中异常类别标签对应的预测概率为所述待识别帐户属于异常帐户的概率。

3.根据权利要求2所述的异常帐户识别方法，其特征在于，所述预先训练的异常帐户识别模型通过以下方式获得，包括：

获取样本异常帐户的调整后的操作行为特征和异常统计特征；

将所述样本异常帐户的调整后的操作行为特征和异常统计特征输入待训练的异常帐户识别模型，得到所述样本异常帐户属于异常帐户的预测概率；

根据所述样本异常帐户属于异常帐户的预测概率和实际概率之间的差值，得到损失值；

在所述损失值大于等于预设阈值时调整所述待训练的异常帐户识别模型的模型参数，得到调整后的异常帐户识别模型，并重复执行将所述样本异常帐户的调整后的操作行为特征和异常统计特征输入待训练的异常帐户识别模型、根据所述样本异常帐户属于异常帐户的预测概率和实际概率之间的差值得到损失值以及在所述损失值大于等于预设阈值时调整所述待训练的异常帐户识别模型的模型参数的过程，直至损失值小于所述预设阈值，则将所述训练后的异常帐户识别模型作为所述预先训练的异常帐户识别模型。

4.根据权利要求1所述的异常帐户识别方法，其特征在于，所述获取所述操作行为特征和所述异常统计特征的异常程度，包括：

获取所述目标视频数量与所述所有发布视频的数量之间的比值；

获取与所述比值对应的权重系数，所述权重系数作为所述调整后的操作行为特征和异常统计特征的异常程度。

5.根据权利要求4所述的异常帐户识别方法，其特征在于，所述根据所述异常程度，对所述操作行为特征和所述异常统计特征进行调整，包括：

获取所述权重系数与所述操作行为特征的第一乘积，以及所述权重系数与所述异常统计特征的第二乘积；

分别对所述第一乘积和所述第二乘积进行标准化处理，得到标准化处理后的第一乘积和第二乘积，所述标准化处理后的第一乘积作为所述调整后的操作行为特征，所述标准化处理后的第二乘积作为所述调整后的异常统计特征。

6.根据权利要求1至5任一项所述的异常帐户识别方法，其特征在于，所述根据所述概率确定对所述待识别帐户的识别结果，包括：

若所述概率大于预设概率，则确认所述待识别帐户为异常帐户。