CN106845999A - 风险用户识别方法、装置和服务器 - Google Patents

风险用户识别方法、装置和服务器 Download PDF

Info

Publication number
CN106845999A
CN106845999A CN201710089056.2A CN201710089056A CN106845999A CN 106845999 A CN106845999 A CN 106845999A CN 201710089056 A CN201710089056 A CN 201710089056A CN 106845999 A CN106845999 A CN 106845999A
Authority
CN
China
Prior art keywords
information
user
risk
history
released
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710089056.2A
Other languages
English (en)
Inventor
路远
林惠娟
杨丽霞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201710089056.2A priority Critical patent/CN106845999A/zh
Publication of CN106845999A publication Critical patent/CN106845999A/zh
Priority to US15/717,555 priority patent/US10558984B2/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • G06Q30/0185—Product, service or business identity fraud
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H04L63/1425—Traffic logging, e.g. anomaly detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Accounting & Taxation (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Computer Hardware Design (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了风险用户识别方法、装置和服务器。该方法的一具体实施方式包括：提取预设的用户标识集合中的各个用户标识所指示的用户的历史发布信息；对于用户标识集合中的每一个用户标识所指示的用户，执行如下的风险用户识别步骤：从该用户的历史发布信息中提取特征向量，并将所提取的特征向量输入至预先训练的信息识别模型，得到与该用户的历史发布信息对应的信息识别结果，其中，信息识别模型用于表征特征向量与信息识别结果的对应关系；响应于与该用户的历史发布信息对应的信息识别结果指示该用户的历史发布信息为风险信息，将该用户确定为风险用户。该实施方式提高了风险用户识别的准确率。

Description

风险用户识别方法、装置和服务器
技术领域
本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及风险用户识别方法、装置和服务器。
背景技术
随着互联网技术的发展，利用互联网进行用户间的交易(例如产品交易、服务交易等)越来越普遍。为了保障利用互联网进行交易的安全性，需要识别出风险用户(例如经营欺诈网站的广告主、经营非法产品的商家、伪造信息骗贷的用户等)，并避免其参与交易。
然而，现有的方式通常依赖于由用户的用户信息(如用户名、住址、邮箱等)定期训练得到的机器学习模型进行识别。这种方式不仅机器学习模型的更新周期较长，且风险用户发现自己被识别后，可通过及时修改用户信息而避免被再次识别，存在着识别的准确率较低的问题。
发明内容
本申请的目的在于提出一种改进的风险用户识别方法、装置和服务器，来解决以上背景技术部分提到的技术问题。
第一方面，本申请提供了一种风险用户识别方法，该方法包括：提取预设的用户标识集合中的各个用户标识所指示的用户的历史发布信息；对于用户标识集合中的每一个用户标识所指示的用户，执行如下的风险用户识别步骤：从该用户的历史发布信息中提取特征向量，并将所提取的特征向量输入至预先训练的信息识别模型，得到与该用户的历史发布信息对应的信息识别结果，其中，信息识别模型用于表征特征向量与信息识别结果的对应关系；响应于与该用户的历史发布信息对应的信息识别结果指示该用户的历史发布信息为风险信息，将该用户确定为风险用户。
在一些实施例中，该方法还包括：
将信息识别结果指示为风险信息的历史发布信息作为历史风险信息，生成历史风险信息集合；接收待识别用户发送的信息发布请求，其中，信息发布请求包括待发布信息；将待发布信息与历史风险信息集合中的各历史风险信息进行匹配；响应于待发布信息与至少一个历史风险信息的匹配，将待发布信息确定为风险信息，并将待识别用户确定为风险用户。
在一些实施例中，该方法还包括：从待发布信息中提取特征向量；将所提取的特征向量输入至信息识别模型，得到与待发布信息对应的信息识别结果；响应于与待发布信息对应的信息识别结果指示待发布信息为风险信息，将待识别用户确定为风险用户。
在一些实施例中，在将待识别用户确定为风险用户之后，该方法还包括：将信息识别结果指示为非风险信息的历史发布信息确定为历史非风险信息；将各历史风险信息、各历史非风险信息和待发布信息作为训练样本，更新信息识别模型。
在一些实施例中，在将待识别用户确定为风险用户之后，该方法还包括：提取待识别用户的用户信息和用户标识；将待识别用户的用户信息与用户标识集合中的各个用户标识对应的用户信息进行匹配；响应于确定待识别用户的用户信息与用户标识集合中的各个用户标识对应的用户信息均不匹配，将待识别用户的用户标识添加至用户标识集合。
在一些实施例中，将待识别用户的用户标识添加至用户标识集合之后，该方法还包括：从预先获取的至少一个待匹配用户信息中检索与待识别用户的用户信息相匹配的待匹配用户信息；提取与检索出的待匹配用户信息对应的用户标识；将所提取的用户标识添加至用户标识集合。
在一些实施例中，在提取预设的用户标识集合中的各个用户标识所指示的用户的历史发布信息之前，该方法还包括生成用户标识集合的步骤，包括：提取预设的至少一个历史风险用户的用户标识，生成用户标识集合；从用户标识集合中提取一个用户标识作为目标用户标识，并执行如下的用户标识处理步骤：获取与目标用户标识对应的用户信息，并将所获取的用户信息确定为目标用户信息；从预设的至少一个待匹配用户信息中检索与目标用户信息相匹配的待匹配用户信息；提取与检索出的待匹配用户信息对应的用户标识；将所提取的用户标识添加至用户标识集合。
在一些实施例中，生成用户标识集合的步骤还包括：从用户标识集合中提取一个未执行用户标识处理步骤的用户标识，将所提取的未执行用户标识处理步骤的用户标识作为目标用户标识，继续执行用户标识处理步骤。
第二方面，本申请提供了一种风险用户识别装置，该装置包括：第一提取单元，配置用于提取预设的用户标识集合中的各个用户标识所指示的用户的历史发布信息；识别单元，配置用于对于用户标识集合中的每一个用户标识所指示的用户，执行如下的风险用户识别步骤：从该用户的历史发布信息中提取特征向量，并将所提取的特征向量输入至预先训练的信息识别模型，得到与该用户的历史发布信息对应的信息识别结果，其中，信息识别模型用于表征特征向量与信息识别结果的对应关系；响应于与该用户的历史发布信息对应的信息识别结果指示该用户的历史发布信息为风险信息，将该用户确定为风险用户。
在一些实施例中，该装置还包括：生成单元，配置用于将信息识别结果指示为风险信息的历史发布信息作为历史风险信息，生成历史风险信息集合；接收单元，配置用于接收待识别用户发送的信息发布请求，其中，信息发布请求包括待发布信息；第一匹配单元，配置用于将待发布信息与历史风险信息集合中的各历史风险信息进行匹配；第一确定单元，配置用于响应于待发布信息与至少一个历史风险信息的匹配，将待发布信息确定为风险信息，并将待识别用户确定为风险用户。
在一些实施例中，该装置还包括：第二提取单元，配置用于从待发布信息中提取特征向量；输入单元，配置用于将所提取的特征向量输入至信息识别模型，得到与待发布信息对应的信息识别结果；第二确定单元，配置用于响应于与待发布信息对应的信息识别结果指示待发布信息为风险信息，将待识别用户确定为风险用户。
在一些实施例中，该装置还包括：第三确定单元，配置用于将信息识别结果指示为非风险信息的历史发布信息确定为历史非风险信息；更新单元，配置用于将各历史风险信息、各历史非风险信息和待发布信息作为训练样本，更新信息识别模型。
在一些实施例中，该装置还包括：第三提取单元，配置用于提取待识别用户的用户信息和用户标识；第二匹配单元，配置用于将待识别用户的用户信息与用户标识集合中的各个用户标识对应的用户信息进行匹配；添加单元，配置用于响应于确定待识别用户的用户信息与用户标识集合中的各个用户标识对应的用户信息均不匹配，将待识别用户的用户标识添加至用户标识集合。
在一些实施例中，该装置还包括：检索单元，配置用于从预先获取的至少一个待匹配用户信息中检索与待识别用户的用户信息相匹配的待匹配用户信息；第四提取单元，配置用于提取与检索出的待匹配用户信息对应的用户标识；第二添加单元，配置用于将所提取的用户标识添加至用户标识集合。
在一些实施例中，该装置还包括：第五提取单元，配置用于提取预设的至少一个历史风险用户的用户标识，生成用户标识集合；处理单元，配置用于从用户标识集合中提取一个用户标识作为目标用户标识，并执行如下的用户标识处理步骤：获取与目标用户标识对应的用户信息，并将所获取的用户信息确定为目标用户信息；从预设的至少一个待匹配用户信息中检索与目标用户信息相匹配的待匹配用户信息；提取与检索出的待匹配用户信息对应的用户标识；将所提取的用户标识添加至用户标识集合。
在一些实施例中，处理单元进一步配置用于：从用户标识集合中提取一个未执行用户标识处理步骤的用户标识，将所提取的未执行用户标识处理步骤的用户标识作为目标用户标识，继续执行用户标识处理步骤。
本申请提供的风险用户识别方法、装置和服务器，对于用户标识集合中的每一个用户标识所指示的用户，通过从所提取的该用户的历史发布信息中提取特征向量，而后将特征向量输入至信息识别模型得到信息识别结果，最后响应于信息识别结果指示该用户的历史发布信息为风险信息，则确定该用户为风险用户，从而实现了基于用户发布的信息的风险用户识别，提高了风险用户识别的准确率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的风险用户识别方法的一个实施例的流程图；
图3是对图2的流程图中的风险用户识别步骤的分解流程图；
图4是根据本申请的风险用户识别方法的一个应用场景的示意图；
图5是根据本申请的风险用户识别方法的又一个实施例的流程图；
图6是根据本申请的风险用户识别装置的一个实施例的结构示意图；
图7是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的风险用户识别方法或风险用户识别装置的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如文字编辑类应用、社交类应用、借贷类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是支持信息发布的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio LayerIII，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group AudioLayer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103发送的发布信息提供支持的后台管理服务器。后台管理服务器可以对接收到的发布信息等数据进行分析等处理，并确定发布该发布信息的用户是否为风险用户。
需要说明的是，本申请实施例所提供的风险用户识别方法一般由服务器105执行，相应地，风险用户识别装置一般设置于服务器105中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的风险用户识别方法的一个实施例的流程200。所述的风险用户识别方法，包括以下步骤：
步骤201，提取预设的用户标识集合中的各个用户标识所指示的用户的历史发布信息。
在本实施例中，风险用户识别方法运行于其上的电子设备(例如图1所示的服务器)中可以预先设置有用户标识集合，上述用户标识集合可以存储有至少一个用户标识。上述电子设备可以从本地或通过有线连接方式或者无线连接方式与上述电子设备相连接的另一服务器(图1未示出)提取预设的用户标识集合中的各个用户标识所是指的用户的历史发布信息。其中，用户标识可以是用于指示和唯一确定用户的、由各种字符(例如字母、数字、符号等)组成的字符串。需要说明的是，对于上述用户标识集合中的每一个用户标识所指示的用户，该用户的历史发布信息可以是该用户在预设网站或平台所发布的全部文本信息；也可以是该用户在预设时间段内(例如近一周、近一天等)在上述预设网站或平台所发布的文本信息；还可以是该用户最近在上述预设网站或平台所发布发送的最新的预设数量(例如1条、3条、5条)的文本信息。实践中，上述文本信息可以是终端(例如图1所示的终端设备101、102、103)上传至上述电子设备中的。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤202，对于用户标识集合中的每一个用户标识所指示的用户，执行风险用户识别步骤。
在本实施例中，进一步参考图3，图3是对上述步骤202中的风险用户识别步骤的分解流程图。在图3中，对于用户标识集合中的每一个用户标识所指示的用户，将上述风险用户识别步骤分解成如下的3个子步骤，即：步骤2021、步骤2022和步骤2023。
步骤2021，从该用户的历史发布信息中提取特征向量。
在本实施例中，对于上述用户标识集合中的每一个用户标识所指示的用户，上述电子设备可以首先将该用户的历史发布信息进行特征提取得到多个特征词；然后，基于上述多个特征词生成特征向量。需要说明的是，上述特征词可以包括但不限于字、词、词组等。上述特征向量可以是由上述多个特征词组成的向量，也可以是在对上述特征词进行处理(例如词频计算、文档频度计算、数据类型转换、缩放等等)后所生成的由数值组成的向量。
需要指出的是，上述历史发布信息可以是多个文本信息，上述特征向量可以是从上述多个文本信息中提取的一个特征向量，也可以是从上述多个文本信息中提取的多个特征向量，每一个特征向量与一个文本信息相对应。
在本实施例的一些可选的实现方式中，对于上述用户标识集合中的每一个用户标识所指示的用户，上述电子设备可以首先利用各种分词方法将该用户的历史发布信息分割成词；之后，从分割所得到的词中提取特征词。上述分词方法可以是基于统计的分词方法。具体的，可以对该历史发布信息中的相邻的各个字的组合的频度进行统计，计算出字的组合出现的频率。当上述概率高于预设概率阈值时，则判定上述组合构成了词，从而实现对该历史发布信息的分词。此外，上述分词方法还可以是基于字符串匹配原理的分词方法，利用字符串匹配原理将上述待解析字段和预置在上述电子设备中的机器词典中的字符串进行匹配，其中，上述字符串匹配原理可以是正向最大匹配法、逆向最大匹配法、设立切分标注法、逐词遍历匹配法、正向最佳匹配法、逆向最佳匹配法等等。
在本实施例的一些可选的实现方式中，上述电子设备中可以预先存储特征词集合，其中，上述特征词集合中包括多个特征词。上述电子设备从分割所得到的词中提取特征词，可以按照如下步骤执行：首先，提取上述特征词集合；之后，将从分割所得到的词与上述特征词集合中的特征词进行字符串匹配；最后，将匹配到的词作为特征词进行提取。
在本实施例的一些可选的实现方式中，上述电子设备从分割所得到的词中提取特征词，可以按照如下步骤进行：首先可以对分割所得到的词进行重要性计算(例如采用词频-逆向文件频率方法(TF-IDF，Term Frequency-Inverse Document Frequency))；之后，基于重要性计算的结果来得到关键词，将所得到的关键词作为特征词。
在本实施例的一些可选的实现方式中，上述电子设备可以将分割所得的每一个词确定为一个特征词，生成多个特征词；之后，将上述多个特征词组成特征向量。
需要说明的是，上述分词方法、特征向量生成方法、重要性计算方法和字符串匹配原理是目前广泛研究和应用的公知技术，在此不再赘述。
步骤2022，将所提取的特征向量输入至预先训练的信息识别模型，得到与该用户的历史发布信息对应的信息识别结果。
在本实施例中，上述电子设备可以将步骤2021所提取的特征向量输入至预先训练的信息识别模型，得到与该用户的历史发布信息对应的信息识别结果，其中，上述信息识别模型可以用于表征特征向量与信息识别结果的对应关系。
在本实施例中，上述信息识别模型可以通过以下步骤预先生成：首先，获取训练样本；之后，从每一个训练样本中提取特征向量；然后，利用机器学习的方法，以从每一个训练样本中提取的特征向量作为输入，该训练样本的类别(例如风险信息、非风险信息)作为输出，训练得到上述信息识别模型。需要说明的是，从每一个训练样本中提取的特征向量可以是一个或多个。实践中，上述电子设备可以基于各种算法建立上述信息识别模型。作为示例，上述算法可以是朴素贝叶斯算法、支持向量机等。需要指出的是，上述朴素贝叶斯算法是基于贝叶斯定理与特征条件独立假设的分类方法；上述支持向量机是与学习算法有关的监督学习模型，可以分析数据，识别模式，用于分类和回归分析。
需要说明的是，上述朴素贝叶斯算法和上述支持向量机是目前广泛研究和应用的公知技术，在此不再赘述。
步骤2023，响应于与该用户的历史发布信息对应的信息识别结果指示该用户的历史发布信息为风险信息，将该用户确定为风险用户。
在本实施例中，响应于步骤2022所得到的与该用户的历史发布信息对应的信息识别结果指示该用户的历史发布信息为风险信息，上述电子设备可以将该用户确定为风险用户。
在本实施例的一些可选的实现方式中，上述电子设备还可以将上述用户标识集合中的、用户标识所指示的用户为风险用户之外的用户确定为潜在风险用户。
继续参见图4，图4是根据本实施例的风险用户识别方法的应用场景的一个示意图。在图4的应用场景中，后台管理服务器401首先从数据库402中提取预设的用户标识集合中的第一用户标识、第二用户标识、第三用户标识分别所指示的用户的历史发布信息403、历史发布信息404和历史发布信息405。之后，上述后台管理服务器401从上述历史发布信息403、上述历史发布信息404和上述历史发布信息405中分别提取特征向量，并将所提取的特征向量输入至预先训练的信息识别模型，得到与上述历史发布信息403、上述历史发布信息404和上述历史发布信息405分别对应的信息识别结果。根据信息识别结果，与上述历史发布信息403和上述历史发布信息405对应的信息识别结果为风险信息，则电子设备将上述第一用户标识和上述第三用户标识所指示的用户确定为风险用户。
本申请的上述实施例提供的方法，对于用户标识集合中的每一个用户标识所指示的用户，通过从所提取的该用户的历史发布信息中提取特征向量，而后将特征向量输入至信息识别模型得到信息识别结果，最后响应于信息识别结果指示该用户的历史发布信息为风险信息，则确定该用户为风险用户，从而实现了基于用户发布的信息的风险用户识别，提高了风险用户识别的准确率。
进一步参考图5，其示出了风险信息识别方法的又一个实施例的流程500。该风险信息识别方法的流程500，包括以下步骤：
步骤501，提取预设的至少一个历史风险用户的用户标识，生成用户标识集合。
在本实施例中，风险用户识别方法运行于其上的电子设备(例如图1所示的服务器)中可以预先存储有历史数据，其中，上述历史数据可以包含历史多个历史风险用户的用户标识等信息。上述电子设备可以从历史数据中提取至少一个历史风险用户的用户标识，生成用户标识集合。
步骤502，从用户标识集合中提取一个用户标识作为目标用户标识，并执行用户标识处理步骤。
在本实施例中，上述电子设备可以从步骤501生成的上述用户标识集合中提取一个用户标识作为目标用户标识，并执行如下的用户标识处理步骤：
第一步，获取与上述目标用户标识对应的用户信息，并将所获取的用户信息确定为目标用户信息。此处，上述用户信息可以包括用户的个人信息、资质信息等。作为示例，上述用户信息可以包括但不限于用户的真实姓名、身份证号、住址、所管理网站的网址、银行卡号、座机号码、手机号码、电子邮箱地址、用户名、昵称、密码及密码找回问题、社交平台账号、支付平台账号、企业的资质信息、企业的法人名称等。需要说明的是，上述电子设备可以预先存储有所管理的各个用户标识所指示的用户的用户信息。
第二步，从预设的至少一个待匹配用户信息中检索与上述目标用户信息相匹配的待匹配用户信息。其中，上述预设的至少一个待匹配用户信息可以是上述电子设备所管理的用户标识中的、除上述用户标识集合中的用户标识以外的其余用户标识所指示的用户的用户信息。上述电子设备可以按照预设的任意检索方式从上述至少一个待匹配用户信息中检索与上述目标用户信息相匹配的待匹配用户信息。作为示例，上述电子设备可以针对用户信息中的某一项(如身份证号)进行检索，也可以针对用户信息中的多项(如身份证号和手机号码)进行检索，还可以依次地对用户信息中的各项进行检索。
第三步，提取与检索出的待匹配用户信息对应的用户标识。具体的，上述电子设备可以首先确定检索出的待匹配用户信息对应的用户的用户标识，之后，提取所确定的用户标识。
第四步，将所提取的用户标识添加至用户标识集合。
步骤503，从用户标识集合中提取一个未执行用户标识处理步骤的用户标识，将所提取的未执行用户标识处理步骤的用户标识作为目标用户标识，继续执行用户标识处理步骤。
在本实施例中，上述电子设备可以从上述用户标识集合中提取一个未执行上述用户标识处理步骤的用户标识，将所提取的上述未执行上述用户标识处理步骤的用户标识作为目标用户标识，重新执行上述用户标识处理步骤。
步骤504，提取预设的用户标识集合中的各个用户标识所指示的用户的历史发布信息。
在本实施例中，上述电子设备可以将步骤503执行完成后的用户标识集合作为预设的用户标识集合，提取该用户标识集合中的各个用户标识所指示的用户的历史发布信息。
步骤505，对于用户标识集合中的每一个用户标识所指示的用户，执行风险用户识别步骤。
在本实施例中，对于用户标识集合中的每一个用户标识所指示的用户，上述电子设备可以执行如下的风险用户识别步骤：首先，上述电子设备可以从该用户的历史发布信息中提取特征向量，并将所提取的特征向量输入至预先训练的信息识别模型，得到与该用户的历史发布信息对应的信息识别结果，其中，上述信息识别模型用于表征特征向量与信息识别结果的对应关系；之后，响应于与该用户的历史发布信息对应的信息识别结果指示该用户的历史发布信息为风险信息，上述电子设备可以将该用户确定为风险用户。
需要说明的是，上述步骤504-505的具体操作与步骤201-202的具体操作基本相同，在此不再赘述。
步骤506，将信息识别结果指示为风险信息的历史发布信息作为历史风险信息，生成历史风险信息集合。
在本实施例中，上述电子设备可以首先将步骤505处理的历史发布信息中的、信息识别结果指示为风险信息的历史发布信息作为历史风险信息，生成历史风险信息集合。
步骤507，接收待识别用户发送的信息发布请求。
在本实施例中，上述电子设备可以通过有线连接方式或者无线连接方式从终端(例如图1所示的终端设备101、102、103)接收待识别用户发送的信息发布请求，其中，上述信息发布请求包括待发布信息。需要说明的是，上述待发布信息可以是上述待识别用户在预设网站或平台所发布的任意的文本信息，例如广告文本信息、商品简介信息等等。上述待识别用户可以是上述电子设备所管理的用户标识所指示的用户。通常，上述待发布请求中还可以包含上述待识别用户的用户标识，上述电子设备可以将发送上述待发布请求的用户确定为待识别用户。
在接收到上述信息发布请求后，上述电子设备可以利用各种方式对上述待发布信息进行识别，例如，可以利用将上述待发布信息与各历史风险信息进行匹配的方式进行识别，此时，可以执行步骤508-509；也可以利用上述信息识别模型对上述待发布信息进行识别，此时，可以执行步骤510-512。
步骤508，将待发布信息与历史风险信息集合中的各历史风险信息进行匹配。
在本实施例中，上述电子设备可以利用各种字符串匹配算法将上述待发布信息与步骤506生成的上述历史风险信息集合中的各个历史风险信息进行匹配。需要说明的是，上述的电子设备也可以利用各种相似度计算方法(例如余弦相似度算法、矩阵相似度算法等)将上述待发布信息与各个历史风险信息进行匹配，当上述待发布信息与某个历史风险信息的相似度大于预设的相似度阈值时，确定上述待发布信息与该历史风险信息相匹配。
步骤509，响应于待发布信息与至少一个历史风险信息的匹配，将待发布信息确定为风险信息，并将待识别用户确定为风险用户。
在本实施例中，响应于确定上述待发布信息与上述历史风险信息集合中的至少一个历史风险信息相匹配，即上述历史风险信息集合中存在与上述待发布信息相匹配的历史风险信息，上述电子设备可以将上述待发布信息确定为风险信息，并将上述待识别用户确定为风险用户。在确定上述待识别用户为风险用户后，上述电子设备可以执行步骤513和步骤515。
步骤510，从待发布信息中提取特征向量。
在本实施例中，在步骤507接收到待识别用户发送的信息发布请求后，上述电子设备可以从上述待发布信息中提取特征向量。此处，从上述待发布信息中提取特征向量的具体操作与步骤2021、步骤505从历史发布信息中提取特征向量的具体操作基本相同，在此不再赘述。
步骤511，将特征向量输入至信息识别模型，得到与待发布信息对应的信息识别结果。
在本实施例中，上述电子设备可以将步骤510提取的特征向量输入至上述信息识别模型，得到与上述待发布信息对应的信息识别结果。此处，从上述待发布信息中提取的特征向量输入至上述信息识别模型的具体操作与步骤2022、步骤505中将从历史发布信息中提取的特征向量输入至上述信息识别模型的具体操作基本相同，在此不再赘述。
步骤512，响应于与待发布信息对应的信息识别结果指示待发布信息为风险信息，将待识别用户确定为风险用户。
在本实施例中，响应于与上述待发布信息对应的信息识别结果指示上述待发布信息为风险信息，上述电子设备可以将上述待识别用户确定为风险用户，之后，上述电子设备可以执行步骤513和步骤515。
步骤513，将信息识别结果指示为非风险信息的历史发布信息确定为历史非风险信息。
在本实施例中，上述电子设备可以将步骤505处理的历史发布信息中的、信息识别结果指示为非风险信息的历史发布信息确定为历史非风险信息。
步骤514，将各历史风险信息、各历史非风险信息和待发布信息作为训练样本，更新信息识别模型。
在本实施例中，上述电子设备可以将步骤506确定的各个历史风险信息、步骤513确定的各个历史非风险信息以及上述待发布信息作为训练样本，更新上述信息识别模型。
需要说明的是，上述电子设备可以接收多个待发布信息，上述电子设备可以在确定每一个待发布信息为风险信息后，均对上述信息识别模型的更新，也可以周期性地对上述信息识别模型进行更新。另外，还可以在经人工复查发现上述信息识别模型输出错误后进行人工触发更新。
步骤515，提取待识别用户的用户信息和用户标识。
在本实施例中，上述电子设备可以预先存储所管理的各个用户的用户信息。在步骤509或步骤512将上述待识别用户确定为风险用户之后，上述电子设备可以提取上述待识别用户的用户信息和用户标识。
步骤516，将待识别用户的用户信息与用户标识集合中的各个用户标识对应的用户信息进行匹配。
在本实施例中，上述电子设备可以将上述待识别用户的用户信息和上述用户标识集合中的各个用户标识对应的用户信息进行匹配。需要说明的是，上述电子设备可以利用各种方式进行匹配。作为示例，上述电子设备可以将用户信息中的某一项(如身份证号)进行匹配，若该项均匹配成功，则可视为用户信息相匹配；也可以将用户信息中的多项(如身份证号和手机号码)进行匹配，若上述多项均匹配成功，则可视为用户信息相匹配；还可以依次地对用户信息中的各项进行匹配，若各项均匹配成功，则可视为用户信息相匹配。
步骤517，响应于确定待识别用户的用户信息与用户标识集合中的各个用户标识对应的用户信息均不匹配，将待识别用户的用户标识添加至用户标识集合。
在本实施例中，响应于步骤516确定上述待识别用户的用户信息与上述用户标识集合中的各个用户标识对应的用户信息均不匹配，上述电子设备可以将上述待识别用户的用户标识添加至上述用户标识集合。
步骤518，从预先获取的至少一个待匹配用户信息中检索与待识别用户的用户信息相匹配的待匹配用户信息。
在本实施例中，上述电子设备可以从步骤502获取的上述至少一个待匹配用户信息中检索与上述待识别用户的用户信息相匹配的待匹配用户信息。
步骤519，提取与检索出的待匹配用户信息对应的用户标识。
在本实施例中，上述电子设备可以提取与步骤518检索出的待匹配用户信息对应的用户标识。
步骤520，将所提取的用户标识添加至用户标识集合。
在本实施例中，上述电子设备可以将步骤519所提取的用户标识添加至上述用户标识集合。需要说明的是，在对将所提取的用户标识添加至上述用户标识集合之后，上述电子设备还可以基于更新后的信息识别模型和当前的用户标识集合，重新执行步骤505。
从图5中可以看出，与图2对应的实施例相比，本实施例中的风险用户识别方法的流程500突出了用户标识集合的生成和扩展步骤、确定待识别用户是否为风险用户的步骤、信息识别模型更新步骤等。由此，本实施例描述的方案不仅可以基于用户发布的信息的风险用户识别，还可以实现信息识别模型的自动更新，提高信息识别模型的时效性和对抗性，从而进一步提高了风险用户识别的准确率。
进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种风险用户识别装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例所述的风险用户识别装置600包括：第一提取单元601，配置用于提取预设的用户标识集合中的各个用户标识所指示的用户的历史发布信息；识别单元602，配置用于对于上述用户标识集合中的每一个用户标识所指示的用户，执行如下的风险用户识别步骤：从该用户的历史发布信息中提取特征向量，并将所提取的特征向量输入至预先训练的信息识别模型，得到与该用户的历史发布信息对应的信息识别结果，其中，上述信息识别模型用于表征特征向量与信息识别结果的对应关系；响应于与该用户的历史发布信息对应的信息识别结果指示该用户的历史发布信息为风险信息，将该用户确定为风险用户。
在本实施例的一些可选的实现方式中，上述风险用户识别装置600装置还可以包括第五提取单元和处理单元(图中未示出)。其中，上述第五提取单元可以配置用于提取预设的至少一个历史风险用户的用户标识，生成用户标识集合。上述处理单元可以配置用于从上述用户标识集合中提取一个用户标识作为目标用户标识，并执行如下的用户标识处理步骤：获取与上述目标用户标识对应的用户信息，并将所获取的用户信息确定为目标用户信息；从预设的至少一个待匹配用户信息中检索与上述目标用户信息相匹配的待匹配用户信息；提取与检索出的待匹配用户信息对应的用户标识；将所提取的用户标识添加至上述用户标识集合。
在本实施例的一些可选的实现方式中，上述处理单元可以进一步配置用于：从上述用户标识集合中提取一个未执行上述用户标识处理步骤的用户标识，将所提取的上述未执行上述用户标识处理步骤的用户标识作为目标用户标识，继续执行上述用户标识处理步骤。
在本实施例中，上述第一提取单元601可以将上述用户标识集合作为预设的用户标识集合，提取该用户标识集合中的各个用户标识所指示的用户的历史发布信息。
在本实施例中，对于用户标识集合中的每一个用户标识所指示的用户，上述识别单元602可以执行如下的风险用户识别步骤：首先，可以从该用户的历史发布信息中提取特征向量，并将所提取的特征向量输入至预先训练的信息识别模型，得到与该用户的历史发布信息对应的信息识别结果，其中，上述信息识别模型用于表征特征向量与信息识别结果的对应关系；之后，响应于与该用户的历史发布信息对应的信息识别结果指示该用户的历史发布信息为风险信息，上述识别单元602可以将该用户确定为风险用户。
在本实施例的一些可选的实现方式中，上述风险用户识别装置600装置还可以包括生成单元、接收单元、第一匹配单元和第一确定单元(图中未示出)。其中，上述生成单元可以配置用于将信息识别结果指示为风险信息的历史发布信息作为历史风险信息，生成历史风险信息集合；上述接收单元可以配置用于接收待识别用户发送的信息发布请求，其中，上述信息发布请求包括待发布信息；上述第一匹配单元可以配置用于将上述待发布信息与历史风险信息集合中的各历史风险信息进行匹配；上述第一确定单元可以配置用于响应于上述待发布信息与至少一个历史风险信息的匹配，将上述待发布信息确定为风险信息，并将上述待识别用户确定为风险用户。
在本实施例的一些可选的实现方式中，上述风险用户识别装置600装置还可以包括第二提取单元、输入单元和第二确定单元(图中未示出)。其中，上述第二提取单元可以配置用于从上述待发布信息中提取特征向量；上述输入单元可以配置用于将所提取的特征向量输入至上述信息识别模型，得到与上述待发布信息对应的信息识别结果；上述第二确定单元可以配置用于响应于上述待发布信息对应的信息识别结果指示上述待发布信息为风险信息，将上述待识别用户确定为风险用户。
在本实施例的一些可选的实现方式中，上述风险用户识别装置600装置还可以包括第三确定单元和更新单元(图中未示出)。其中，上述第三确定单元可以配置用于将信息识别结果指示为非风险信息的历史发布信息确定为历史非风险信息；上述更新单元可以配置用于将各历史风险信息、各历史非风险信息和上述待发布信息作为训练样本，更新上述信息识别模型。
在本实施例的一些可选的实现方式中，上述风险用户识别装置600装置还可以包括第三提取单元、第二匹配单元和添加单元(图中未示出)。其中，上述第三提取单元，配置用于提取上述待识别用户的用户信息和用户标识；上述第二匹配单元可以配置用于将上述待识别用户的用户信息与上述用户标识集合中的各个用户标识对应的用户信息进行匹配；上述添加单元可以配置用于响应于确定上述待识别用户的用户信息与上述用户标识集合中的各个用户标识对应的用户信息均不匹配，将上述待识别用户的用户标识添加至上述用户标识集合。
在本实施例的一些可选的实现方式中，上述风险用户识别装置600装置还可以包括检索单元、第四提取单元和第二添加单元(图中未示出)。其中，上述检索单元可以配置用于从预先获取的至少一个待匹配用户信息中检索与上述待识别用户的用户信息相匹配的待匹配用户信息；上述第四提取单元可以配置用于提取与检索出的待匹配用户信息对应的用户标识；上述第二添加单元可以配置用于将所提取的用户标识添加至上述用户标识集合。
本申请的上述实施例提供的装置，对于用户标识集合中的每一个用户标识所指示的用户，通过识别单元602从第一提取单元601所提取的该用户的历史发布信息中提取特征向量，而后将特征向量输入至信息识别模型得到信息识别结果，最后响应于信息识别结果指示该用户的历史发布信息为风险信息，则确定该用户为风险用户，从而实现了基于用户发布的信息的风险用户识别，提高了风险用户识别的准确率。
下面参考图7，其示出了适于用来实现本申请实施例的服务器的计算机系统700的结构示意图。图7示出的终端设备/服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一提取单元和识别单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一提取单元还可以被描述为“提取预设的用户标识集合中的各个用户标识所指示的用户的历史发布信息的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：提取预设的用户标识集合中的各个用户标识所指示的用户的历史发布信息；对于用户标识集合中的每一个用户标识所指示的用户，执行如下的风险用户识别步骤：从该用户的历史发布信息中提取特征向量，并将所提取的特征向量输入至预先训练的信息识别模型，得到与该用户的历史发布信息对应的信息识别结果，其中，信息识别模型用于表征特征向量与信息识别结果的对应关系；响应于与该用户的历史发布信息对应的信息识别结果指示该用户的历史发布信息为风险信息，将该用户确定为风险用户。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (18)

1.一种风险用户识别方法，其特征在于，所述方法包括：
提取预设的用户标识集合中的各个用户标识所指示的用户的历史发布信息；
对于所述用户标识集合中的每一个用户标识所指示的用户，执行如下的风险用户识别步骤：从该用户的历史发布信息中提取特征向量，并将所提取的特征向量输入至预先训练的信息识别模型，得到与该用户的历史发布信息对应的信息识别结果，其中，所述信息识别模型用于表征特征向量与信息识别结果的对应关系；响应于与该用户的历史发布信息对应的信息识别结果指示该用户的历史发布信息为风险信息，将该用户确定为风险用户。
2.根据权利要求1所述的风险用户识别方法，其特征在于，所述方法还包括：
将信息识别结果指示为风险信息的历史发布信息作为历史风险信息，生成历史风险信息集合；
接收待识别用户发送的信息发布请求，其中，所述信息发布请求包括待发布信息；
将所述待发布信息与历史风险信息集合中的各历史风险信息进行匹配；
响应于所述待发布信息与至少一个历史风险信息的匹配，将所述待发布信息确定为风险信息，并将所述待识别用户确定为风险用户。
3.根据权利要求2所述的风险用户识别方法，其特征在于，在所述接收待识别用户发送的信息发布请求之后，所述方法还包括：
从所述待发布信息中提取特征向量；
将所提取的特征向量输入至所述信息识别模型，得到与所述待发布信息对应的信息识别结果；
响应于与所述待发布信息对应的信息识别结果指示所述待发布信息为风险信息，将所述待识别用户确定为风险用户。
4.根据权利要求2或3所述的风险用户识别方法，其特征在于，在所述将所述待识别用户确定为风险用户之后，所述方法还包括：
将信息识别结果指示为非风险信息的历史发布信息确定为历史非风险信息；
将各历史风险信息、各历史非风险信息和所述待发布信息作为训练样本，更新所述信息识别模型。
5.根据权利要求2或3所述的风险用户识别方法，其特征在于，在所述将所述待识别用户确定为风险用户之后，所述方法还包括：
提取所述待识别用户的用户信息和用户标识；
将所述待识别用户的用户信息与所述用户标识集合中的各个用户标识对应的用户信息进行匹配；
响应于确定所述待识别用户的用户信息与所述用户标识集合中的各个用户标识对应的用户信息均不匹配，将所述待识别用户的用户标识添加至所述用户标识集合。
6.根据权利要求5所述的风险用户识别方法，其特征在于，在所述将所述待识别用户的用户标识添加至所述用户标识集合之后，所述方法还包括：
从预先获取的至少一个待匹配用户信息中检索与所述待识别用户的用户信息相匹配的待匹配用户信息；
提取与检索出的待匹配用户信息对应的用户标识；
将所提取的用户标识添加至所述用户标识集合。
7.根据权利要求1所述的风险用户识别方法，其特征在于，在所述提取预设的用户标识集合中的各个用户标识所指示的用户的历史发布信息之前，所述方法还包括生成所述用户标识集合的步骤，包括：
提取预设的至少一个历史风险用户的用户标识，生成用户标识集合；
从所述用户标识集合中提取一个用户标识作为目标用户标识，并执行如下的用户标识处理步骤：获取与所述目标用户标识对应的用户信息，并将所获取的用户信息确定为目标用户信息；从预设的至少一个待匹配用户信息中检索与所述目标用户信息相匹配的待匹配用户信息；提取与检索出的待匹配用户信息对应的用户标识；将所提取的用户标识添加至所述用户标识集合。
8.根据权利要求7所述的风险用户识别方法，其特征在于，生成所述用户标识集合的步骤还包括：
从所述用户标识集合中提取一个未执行所述用户标识处理步骤的用户标识，将所提取的所述未执行所述用户标识处理步骤的用户标识作为目标用户标识，继续执行所述用户标识处理步骤。
9.一种风险用户识别装置，其特征在于，所述装置包括：
第一提取单元，配置用于提取预设的用户标识集合中的各个用户标识所指示的用户的历史发布信息；
识别单元，配置用于对于所述用户标识集合中的每一个用户标识所指示的用户，执行如下的风险用户识别步骤：从该用户的历史发布信息中提取特征向量，并将所提取的特征向量输入至预先训练的信息识别模型，得到与该用户的历史发布信息对应的信息识别结果，其中，所述信息识别模型用于表征特征向量与信息识别结果的对应关系；响应于与该用户的历史发布信息对应的信息识别结果指示该用户的历史发布信息为风险信息，将该用户确定为风险用户。
10.根据权利要求9所述的风险用户识别装置，其特征在于，所述装置还包括：
生成单元，配置用于将信息识别结果指示为风险信息的历史发布信息作为历史风险信息，生成历史风险信息集合；
接收单元，配置用于接收待识别用户发送的信息发布请求，其中，所述信息发布请求包括待发布信息；
第一匹配单元，配置用于将所述待发布信息与历史风险信息集合中的各历史风险信息进行匹配；
第一确定单元，配置用于响应于所述待发布信息与至少一个历史风险信息的匹配，将所述待发布信息确定为风险信息，并将所述待识别用户确定为风险用户。
11.根据权利要求10所述的风险用户识别装置，其特征在于，所述装置还包括：
第二提取单元，配置用于从所述待发布信息中提取特征向量；
输入单元，配置用于将所提取的特征向量输入至所述信息识别模型，得到与所述待发布信息对应的信息识别结果；
第二确定单元，配置用于响应于与所述待发布信息对应的信息识别结果指示所述待发布信息为风险信息，将所述待识别用户确定为风险用户。
12.根据权利要求11所述的风险用户识别装置，其特征在于，所述装置还包括：
第三确定单元，配置用于将信息识别结果指示为非风险信息的历史发布信息确定为历史非风险信息；
更新单元，配置用于将各历史风险信息、各历史非风险信息和所述待发布信息作为训练样本，更新所述信息识别模型。
13.根据权利要求10或11所述的风险用户识别装置，其特征在于，所述装置还包括：
第三提取单元，配置用于提取所述待识别用户的用户信息和用户标识；
第二匹配单元，配置用于将所述待识别用户的用户信息与所述用户标识集合中的各个用户标识对应的用户信息进行匹配；
添加单元，配置用于响应于确定所述待识别用户的用户信息与所述用户标识集合中的各个用户标识对应的用户信息均不匹配，将所述待识别用户的用户标识添加至所述用户标识集合。
14.根据权利要求13所述的风险用户识别装置，其特征在于，所述装置还包括：
检索单元，配置用于从预先获取的至少一个待匹配用户信息中检索与所述待识别用户的用户信息相匹配的待匹配用户信息；
第四提取单元，配置用于提取与检索出的待匹配用户信息对应的用户标识；
第二添加单元，配置用于将所提取的用户标识添加至所述用户标识集合。
15.根据权利要求9所述的风险用户识别装置，其特征在于，所述装置还包括：
第五提取单元，配置用于提取预设的至少一个历史风险用户的用户标识，生成用户标识集合；
处理单元，配置用于从所述用户标识集合中提取一个用户标识作为目标用户标识，并执行如下的用户标识处理步骤：获取与所述目标用户标识对应的用户信息，并将所获取的用户信息确定为目标用户信息；从预设的至少一个待匹配用户信息中检索与所述目标用户信息相匹配的待匹配用户信息；提取与检索出的待匹配用户信息对应的用户标识；将所提取的用户标识添加至所述用户标识集合。
16.根据权利要求15所述的风险用户识别装置，其特征在于，所述处理单元进一步配置用于：
从所述用户标识集合中提取一个未执行所述用户标识处理步骤的用户标识，将所提取的所述未执行所述用户标识处理步骤的用户标识作为目标用户标识，继续执行所述用户标识处理步骤。
17.一种服务器，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
18.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
CN201710089056.2A 2017-02-20 2017-02-20 风险用户识别方法、装置和服务器 Pending CN106845999A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710089056.2A CN106845999A (zh) 2017-02-20 2017-02-20 风险用户识别方法、装置和服务器
US15/717,555 US10558984B2 (en) 2017-02-20 2017-09-27 Method, apparatus and server for identifying risky user

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710089056.2A CN106845999A (zh) 2017-02-20 2017-02-20 风险用户识别方法、装置和服务器

Publications (1)

Publication Number Publication Date
CN106845999A true CN106845999A (zh) 2017-06-13

Family

ID=59128542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710089056.2A Pending CN106845999A (zh) 2017-02-20 2017-02-20 风险用户识别方法、装置和服务器

Country Status (2)

Country Link
US (1) US10558984B2 (zh)
CN (1) CN106845999A (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108763209A (zh) * 2018-05-22 2018-11-06 阿里巴巴集团控股有限公司 一种特征提取和风险识别的方法、装置及设备
CN108804413A (zh) * 2018-04-28 2018-11-13 百度在线网络技术（北京）有限公司 文本作弊的识别方法及装置
CN109146661A (zh) * 2018-07-04 2019-01-04 深圳市买买提信息科技有限公司 用户类型预测方法、装置、电子设备及存储介质
CN109344583A (zh) * 2018-08-22 2019-02-15 阿里巴巴集团控股有限公司 阈值确定及核身方法、装置、电子设备及存储介质
CN109525484A (zh) * 2018-11-20 2019-03-26 阿里巴巴集团控股有限公司 风险识别处理方法和装置
CN109544166A (zh) * 2018-11-05 2019-03-29 阿里巴巴集团控股有限公司 一种风险识别方法和装置
CN109714301A (zh) * 2017-10-25 2019-05-03 北京京东尚科信息技术有限公司 注册风险识别方法、装置、电子设备及存储介质
WO2019091177A1 (zh) * 2017-11-10 2019-05-16 阿里巴巴集团控股有限公司 风险识别模型构建和风险识别方法、装置及设备
CN109784599A (zh) * 2017-11-14 2019-05-21 阿里巴巴集团控股有限公司 一种模型训练、风险识别的方法、装置及设备
CN109840772A (zh) * 2017-11-27 2019-06-04 北京京东尚科信息技术有限公司 风险用户识别方法和装置
CN110033092A (zh) * 2019-01-31 2019-07-19 阿里巴巴集团控股有限公司 数据标签生成、模型训练、事件识别方法和装置
CN110033170A (zh) * 2019-03-14 2019-07-19 阿里巴巴集团控股有限公司 识别风险商家的方法及装置
CN110428016A (zh) * 2019-08-08 2019-11-08 中国联合网络通信集团有限公司 特征向量生成方法和系统、用户识别模型生成方法和系统
CN111598421A (zh) * 2020-04-30 2020-08-28 北京字节跳动网络技术有限公司 一种信息处理方法、装置和电子设备
CN111709827A (zh) * 2020-06-11 2020-09-25 中国建设银行股份有限公司 目标用户信息的推送方法、装置和设备
CN112116154A (zh) * 2020-09-18 2020-12-22 北京嘀嘀无限科技发展有限公司 数据处理方法、数据处理装置、存储介质和电子设备
CN113064963A (zh) * 2021-03-19 2021-07-02 北京沃东天骏信息技术有限公司 一种内容风险控制方法和装置
CN113839962A (zh) * 2021-11-25 2021-12-24 阿里云计算有限公司 用户属性确定方法、设备、存储介质及程序产品

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10937017B2 (en) * 2016-01-29 2021-03-02 Chian Chiu Li Mobile payment systems and methods for in-store and online purchases
US11568409B2 (en) * 2019-04-19 2023-01-31 Chian Chiu Li Payment systems and methods for in-store and online purchases
CN110633423B (zh) * 2019-09-20 2022-09-09 北京字节跳动网络技术有限公司 目标账号识别方法、装置、设备及存储介质
CN111951012A (zh) * 2020-07-31 2020-11-17 中国工商银行股份有限公司 风险报文识别方法及系统
CN114092048A (zh) * 2021-11-16 2022-02-25 合肥工业大学 一种教室日常事宜信息发布方法及系统
US20230325841A1 (en) * 2022-04-07 2023-10-12 Gen Digital Inc. Systems and methods for detecting websites that perpetrate at least one of scams or frauds

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5293422A (en) * 1992-09-23 1994-03-08 Dynatek, Inc. Usage control system for computer software
US8280905B2 (en) * 2007-12-21 2012-10-02 Georgetown University Automated forensic document signatures
CN103853841A (zh) * 2014-03-19 2014-06-11 北京邮电大学 一种社交网用户异常行为的分析方法
CN106296195A (zh) * 2015-05-29 2017-01-04 阿里巴巴集团控股有限公司 一种风险识别方法及装置
CN105930430B (zh) 2016-04-19 2020-01-07 北京邮电大学 一种基于非累积属性的实时欺诈检测方法及装置
US20180089676A1 (en) * 2016-09-23 2018-03-29 Paypal, Inc. Dynamic Multi-Website Data Collection and Data Sharing
US11276493B2 (en) * 2017-02-01 2022-03-15 International Business Machines Corporation Device configuration based on predicting a health affliction

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109714301A (zh) * 2017-10-25 2019-05-03 北京京东尚科信息技术有限公司 注册风险识别方法、装置、电子设备及存储介质
US10977739B2 (en) 2017-11-10 2021-04-13 Advanced New Technologies Co., Ltd. Risk identification model building and risk identification
TWI688917B (zh) * 2017-11-10 2020-03-21 香港商阿里巴巴集團服務有限公司 風險識別模型構建和風險識別方法、裝置及設備
WO2019091177A1 (zh) * 2017-11-10 2019-05-16 阿里巴巴集团控股有限公司 风险识别模型构建和风险识别方法、装置及设备
CN109784599A (zh) * 2017-11-14 2019-05-21 阿里巴巴集团控股有限公司 一种模型训练、风险识别的方法、装置及设备
CN109840772A (zh) * 2017-11-27 2019-06-04 北京京东尚科信息技术有限公司 风险用户识别方法和装置
CN108804413A (zh) * 2018-04-28 2018-11-13 百度在线网络技术（北京）有限公司 文本作弊的识别方法及装置
CN108763209A (zh) * 2018-05-22 2018-11-06 阿里巴巴集团控股有限公司 一种特征提取和风险识别的方法、装置及设备
CN109146661A (zh) * 2018-07-04 2019-01-04 深圳市买买提信息科技有限公司 用户类型预测方法、装置、电子设备及存储介质
CN109344583A (zh) * 2018-08-22 2019-02-15 阿里巴巴集团控股有限公司 阈值确定及核身方法、装置、电子设备及存储介质
US11074336B2 (en) 2018-08-22 2021-07-27 Advanced New Technologies Co., Ltd. Threshold determining and identity verification method, apparatus, electronic device, and storage medium
CN109344583B (zh) * 2018-08-22 2020-10-23 创新先进技术有限公司 阈值确定及核身方法、装置、电子设备及存储介质
CN109544166A (zh) * 2018-11-05 2019-03-29 阿里巴巴集团控股有限公司 一种风险识别方法和装置
CN109544166B (zh) * 2018-11-05 2023-05-30 创新先进技术有限公司 一种风险识别方法和装置
CN109525484A (zh) * 2018-11-20 2019-03-26 阿里巴巴集团控股有限公司 风险识别处理方法和装置
CN110033092A (zh) * 2019-01-31 2019-07-19 阿里巴巴集团控股有限公司 数据标签生成、模型训练、事件识别方法和装置
CN110033170A (zh) * 2019-03-14 2019-07-19 阿里巴巴集团控股有限公司 识别风险商家的方法及装置
US11379845B2 (en) 2019-03-14 2022-07-05 Advanced New Technologies Co., Ltd. Method and device for identifying a risk merchant
CN110428016A (zh) * 2019-08-08 2019-11-08 中国联合网络通信集团有限公司 特征向量生成方法和系统、用户识别模型生成方法和系统
CN111598421A (zh) * 2020-04-30 2020-08-28 北京字节跳动网络技术有限公司 一种信息处理方法、装置和电子设备
CN111709827A (zh) * 2020-06-11 2020-09-25 中国建设银行股份有限公司 目标用户信息的推送方法、装置和设备
CN112116154A (zh) * 2020-09-18 2020-12-22 北京嘀嘀无限科技发展有限公司 数据处理方法、数据处理装置、存储介质和电子设备
CN112116154B (zh) * 2020-09-18 2024-05-14 北京嘀嘀无限科技发展有限公司 数据处理方法、数据处理装置、存储介质和电子设备
CN113064963A (zh) * 2021-03-19 2021-07-02 北京沃东天骏信息技术有限公司 一种内容风险控制方法和装置
CN113064963B (zh) * 2021-03-19 2024-07-19 北京沃东天骏信息技术有限公司 一种内容风险控制方法和装置
CN113839962A (zh) * 2021-11-25 2021-12-24 阿里云计算有限公司 用户属性确定方法、设备、存储介质及程序产品

Also Published As

Publication number Publication date
US20180240133A1 (en) 2018-08-23
US10558984B2 (en) 2020-02-11

Similar Documents

Publication Publication Date Title
CN106845999A (zh) 风险用户识别方法、装置和服务器
CN108804450B (zh) 信息推送的方法和装置
CN112507116B (zh) 基于客户应答语料的客户画像方法及其相关设备
CN107105031A (zh) 信息推送方法和装置
CN108090162A (zh) 基于人工智能的信息推送方法和装置
CN107172151A (zh) 用于推送信息的方法和装置
CN112732911A (zh) 基于语义识别的话术推荐方法、装置、设备及存储介质
CN107908666A (zh) 一种识别设备标识的方法和装置
CN107911449A (zh) 用于推送信息的方法和装置
CN107944032B (zh) 用于生成信息的方法和装置
CN113761577B (zh) 一种大数据脱敏的方法、装置、计算机设备及存储介质
CN106919711A (zh) 基于人工智能的标注信息的方法和装置
CN107943895A (zh) 信息推送方法和装置
CN107944956A (zh) 用于生成信息的方法和装置
CN107977678A (zh) 用于输出信息的方法和装置
CN107783962A (zh) 用于查询指令的方法及装置
CN108268450A (zh) 用于生成信息的方法和装置
CN109190123A (zh) 用于输出信息的方法和装置
CN108256078B (zh) 信息获取方法和装置
CN112507141B (zh) 调查任务生成方法、装置、计算机设备及存储介质
CN112100491A (zh) 基于用户数据的信息推荐方法、装置、设备及存储介质
CN107291923A (zh) 信息处理方法和装置
CN108182180A (zh) 用于生成信息的方法和装置
CN108667875A (zh) 信息更新方法和装置
CN109947526A (zh) 用于输出信息的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170613

RJ01 Rejection of invention patent application after publication