CN107481009A - 识别直播平台异常充值用户的方法、装置及终端 - Google Patents
识别直播平台异常充值用户的方法、装置及终端 Download PDFInfo
- Publication number
- CN107481009A CN107481009A CN201710751591.XA CN201710751591A CN107481009A CN 107481009 A CN107481009 A CN 107481009A CN 201710751591 A CN201710751591 A CN 201710751591A CN 107481009 A CN107481009 A CN 107481009A
- Authority
- CN
- China
- Prior art keywords
- user
- main broadcaster
- money
- abnormal
- live
- 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.)
- Granted
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
Abstract
本发明公开了一种识别直播平台异常充值用户的方法、设备及终端。该方法包括:获取直播平台的主播直播特征;根据所述主播直播特征,筛选出异常主播;获取所述异常主播名下的付费用户的用户行为特征;判断所述用户行为特征是否符合异常充值用户判定条件,若是,识别出所述付费用户为异常充值用户,否则,识别出所述付费用户为正常用户。本发明通过综合主播的直播特征和用户的行为特征,从而识别出异常充值用户,避免了对直播平台所有用户以及庞大的用户行为特征数据量进行逐一分析,从而实现了更快更方便地识别出异常充值用户。
Description
技术领域
本发明涉及网络社交安全领域,具体而言,本发明涉及一种识别直播平台异常充值用户的方法、装置和终端。
背景技术
伴随着互联网技术的蓬勃发展,人们的网络社交方式亦丰富多彩起来,而网络直播作为一种新兴的网络社交方式,受到了越来越多人的追捧。为了吸引更多人成为新的付费用户,很多直播平台设置了价格高昂的首次充值奖励。为了获取首充奖励存在的巨大利益,很多黑产人员使用脚本、批量注册小号以及贩卖首充奖励内容等方式套取利益。因此,如何识别此类虚假注册用户及其批量套取平台利益的行为成为了网络社交安全的重要内容。现有的异常用户检测方案,主要从用户行为出发,但是网络社交平台的用户众多,其用户行为数据更是数量庞大,对所有用户的行为特征进行逐一分析不仅过程繁琐复杂,易出纰漏,且耗时较长。
发明内容
本发明的目的旨在提供一种可实现对直播平台的付费用户进行快速检测的识别直播平台异常充值用户的方法、装置及终端。
一种识别直播平台异常充值用户的方法,包括以下步骤:
获取直播平台的主播直播特征;
根据所述主播直播特征,筛选出异常主播;
获取所述异常主播名下的付费用户的用户行为特征;
判断所述用户行为特征是否符合异常充值用户判定条件,若是,识别出所述付费用户为异常充值用户,否则,识别出所述付费用户为正常用户。
其中,所述判断所述用户行为特征是否符合异常充值用户判定条件,包括:
判断所述付费用户是否为对所述异常主播的充值次数为1的平台首次充值用户,且充值时对所述异常主播的观看直播时长小于第一预置时长。
其中,所述第一预置时长为5分钟。
其中,所述获取直播平台的主播直播特征;根据所述主播直播特征,筛选出异常主播;包括:
获取直播平台的当前主播的平台首次充值用户人数,以及获取直播平台的当前主播的付费用户人数、预设时间段内的直播人气值、用户发言热度值三者任意之一;
若该主播的平台首次充值用户人数/付费用户人数大于第一预置值,筛选出该主播为异常主播;其中,所述第一预置值为50%。
或,若该主播的平台首次充值用户人数/预设时间段内的直播人气值大于第二预置值,筛选出该主播为异常主播;其中,所述第二预置值为30%。
或,若该主播的平台首次充值用户人数/用户发言热度值大于第三预置值,筛选出该主播为异常主播;其中,所述第三预置值为40%。
其中,所述筛选出异常主播之后,还包括:
把所述异常主播加入异常主播名录;
输出所述异常主播名录。
所述识别出所述付费用户为异常充值用户之后,还包括:
把所述异常充值用户加入异常用户名录;
输出所述异常用户名录。
其中,所述筛选出异常主播之后,还包括:
判断所述异常主播连续被筛选为异常主播的次数是否大于预置次数,若是,确认为异常主播;对所述异常主播进行限制。
其中,所述识别出所述付费用户为异常充值用户之后,还包括:
检测所述异常充值用户的用户行为特征;
若平台充值次数大于1、或观看直播总时长大于等于第二预置时长,修正所述异常充值用户为正常用户。
相应的,本发明还提供了一种识别直播平台异常充值用户的装置,包括:
主播直播特征获取模块,用于获取直播平台的主播直播特征;
异常主播筛选模块,用于根据所述主播直播特征,筛选出异常主播;
付费用户行为特征获取模块,用于获取所述异常主播名下的付费用户的用户行为特征;
异常用户筛选模块,用于判断所述用户行为特征是否符合异常充值用户判定条件,若是,识别出所述付费用户为异常充值用户,否则,识别出所述付费用户为正常用户。
相应的,本发明还提供了一种实现识别直播平台异常充值用户方法的终端,包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行上述识别直播平台异常充值用户的方法。
与现有技术相比,本发明的技术方案至少具有以下有益效果:
本发明根据直播平台中主播与用户间存在相互联系的特点,综合了主播的主播特征和用户的行为特征,预先利用主播的主播特征筛选出异常主播,再对异常主播名下的付费用户进行检测,从而识别出异常充值用户,避免了对直播平台所有用户以及庞大的用户行为特征数据量进行逐一分析,从而实现更快更方便地识别异常充值用户。此外,本发明以首次充值用户作为重要识别特征,通过判断当前用户是否为首次充值用户来精确定位异常充值用户的检测范围,还通过判断当前异常充值用户是否不再是首次充值用户来修正异常充值用户的误判,从而实现更快更准确地识别异常充值用户。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明实施例提供的识别直播平台异常充值用户方法第一实施例的方法流程图。
图2是本发明实施例提供的识别直播平台异常充值用户方法第二实施例的方法流程图。
图3是本发明实施例提供的识别直播平台异常充值用户装置第一实施例的装置示意图。
图4是本发明实施例提供的终端结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
图1所示为本发明实施例提供的识别直播平台异常充值用户方法第一实施例的方法流程图,包括如下步骤:
步骤S101:获取直播平台的主播直播特征。
在本发明实施例中,本发明部署在数据库中,直播平台的主播直播特征及用户行为特征均存储在数据库中,所述主播直播特征从数据库中提取。
在本实施例中,所述直播平台的主播直播特征包括,当前主播的平台首次充值用户人数,即为了当前主播而在本直播平台进行首次充值的用户人数。此外,所述主播直播特征还包括当前主播的付费用户人数、预设时间段内的直播人气值、用户发言热度值三者任意之一;其中,当前主播的付费用户人数即为了当前主播在本直播平台进行充值付费的用户人数;预设时间段内的直播人气值即在预设时间段内在本直播平台观看当前主播直播的用户人数,所述预设时间段可预设为一天、一周、一个月等时间段;用户发言热度值即在本直播平台观看当前主播直播并有发言行为的用户人数。
在本实施例中,所述获取直播平台的主播直播特征具体为:从数据库中提取当前主播的平台首次充值用户人数,以及从数据库中提取当前主播的付费用户人数、预设时间段内的直播人气值、用户发言热度值三者任意之一。
需要指出的是,在本发明的识别直播平台异常充值用户的方法中,获取的所述主播直播特征的类型及个数并不受本实施例的限制,为满足构成筛选异常主播条件的需求,除获取平台首次充值用户人数以外,还可以选择获取付费用户人数、预设时间段内的直播人气值、用户发言热度值或其他主播直播相关特征至少任意之一作为主播直播特征。
步骤S102:根据所述主播直播特征,筛选出异常主播。
在本实施例中,根据步骤S101所获取的主播直播特征,确定异常主播的筛选条件,从而筛选出异常主播。
例如,当步骤S101所获取的主播直播特征为当前主播的平台首次充值用户人数和付费用户人数时,以判断该主播的平台首次充值用户人数/付费用户人数是否大于第一预置值作为异常主播的筛选条件,其中所述第一预置值可设置为50%、60%、70%等值。在本示例中,所述第一预置值设置为50%;若主播的平台首次充值用户人数/付费用户人数大于50%时,筛选出该主播为异常主播,否则,判定该主播为正常主播。
又例如,当步骤S101所获取的主播直播特征为当前主播的平台首次充值用户人数和预设时间段内的直播人气值时,以判断该主播的平台首次充值用户人数/预设时间段内的直播人气值是否大于第二预置值作为异常主播的筛选条件,其中所述第二预置值可设置为30%、40%、50%等值。在本示例中,所述预设时间段为一天,所述第二预置值设置为30%;若主播的平台首次充值用户人数/当天直播人气值大于30%时,筛选出该主播为异常主播,否则,判定该主播为正常主播。
又例如,当步骤S101所获取的主播直播特征为当前主播的平台首次充值用户人数和用户发言热度值时,以判断该主播的平台首次充值用户人数/用户发言热度值是否大于第三预置值作为异常主播的筛选条件,其中所述第三预置值可设置为40%、50%、60%等值。在本示例中,所述第三预置值设置为40%;若主播的平台首次充值用户人数/用户发言热度值大于40%时,筛选出该主播为异常主播,否则,判定该主播为正常主播。
在本发明实施例中,所述第一、第二、第三预置值可通过对数据库中所有主播的平台首次充值用户人数与付费用户人数、预设时间段内的直播人气值、用户发言热度值之间的相关性进行统计分析得出,也可以通过读取本发明预先设定的预置值默认参数来获得。
步骤S103:获取所述异常主播名下的付费用户的用户行为特征。
在本发明实施例中,本发明部署在数据库中,直播平台的主播直播特征及用户行为特征均存储在数据库中,所述用户行为特征从数据库中提取。
在本实施例中,用户行为特征包括:总充值次数、对当前主播的充值次数和预设时间段内的观看直播时长;其中,所述总充值次数等于1的用户为平台首次充值用户,所述预设时间段可预设为一天、一周、一个月等时间段。
在本实施例中,所述获取所述异常主播名下的付费用户的用户行为特征具体为:从数据库中提取当前异常主播名下的付费用户的总充值次数、对当前主播的充值次数和当天的观看直播时长。
步骤S104:判断所述用户行为特征是否符合异常充值用户判定条件,若是,识别出所述付费用户为异常充值用户,否则,识别出所述付费用户为正常用户。
在本实施例中,所述判断所述用户行为特征是否符合异常充值用户判定条件具体为:根据步骤S103中获取的用户行为特征,包括总充值次数、对当前主播的充值次数和预设时间段内的观看直播时长,判断所述付费用户是否为对所述异常主播的充值次数为1的平台首次充值用户,且充值时对所述异常主播的观看直播时长小于第一预置时长,若是,识别出所述付费用户为异常充值用户,否则,识别出所述付费用户为正常用户。
在本发明实施例中,所述第一预置时长可为1分钟、5分钟、10分钟等时长,所述第一预置时长可通过对数据库中所有付费用户在预设时间段内进行充值时所对应的观看直播时长进行统计分析得出,也可以通过读取本发明预先设定的预置值默认参数来获得。
例如,一用户在观看直播时长小于第一预置时长5分钟内的时候便对当前主播进行首次充值,但该用户在本直播平台的总充值次数为3次,那么因不满足是平台首次充值用户的条件,识别出该付费用户为正常用户。
又例如,一用户在观看直播时长小于第一预置时长10分钟内的时候便对当前主播进行首次充值,且此次充值是该用户在本直播平台的首次充值,那么当前付费用户的用户行为特征符合异常充值用户判定条件,识别出该付费用户为异常充值用户。
本发明的实施例,根据直播平台中主播与用户间存在相互联系的特点,综合了主播的主播特征和用户的行为特征,预先利用主播的主播特征筛选出异常主播,再对异常主播名下的付费用户进行检测,从而识别出异常充值用户,避免了对直播平台所有用户以及庞大的用户行为特征数据量进行逐一分析,从而实现更快更方便地识别异常用户。此外,本发明以首次充值用户作为重要识别特征,通过判断当前用户是否为首次充值用户来精确定位异常充值用户的检测范围,还通过判断当前异常充值用户是否不再是首次充值用户来修正异常充值用户的误判,从而实现更快更准确地识别异常充值用户。
图2所示为本发明实施例提供的识别直播平台异常充值用户方法第二实施例的方法流程图,包括如下步骤:
步骤S201:获取直播平台的主播直播特征。
在本发明实施例中,本发明部署在数据库中,直播平台的主播直播特征及用户行为特征均存储在数据库中,所述主播直播特征从数据库中提取。
在本实施例中,所述直播平台的主播直播特征包括,当前主播的平台首次充值用户人数,即为了当前主播而在本直播平台进行首次充值的用户人数。此外,所述主播直播特征还包括当前主播的付费用户人数、预设时间段内的直播人气值、用户发言热度值三者任意之一;其中,当前主播的付费用户人数即为了当前主播在本直播平台进行充值付费的用户人数;预设时间段内的直播人气值即在预设时间段内在本直播平台观看当前主播直播的用户人数,所述预设时间段可预设为一天、一周、一个月等时间段;用户发言热度值即在本直播平台观看当前主播直播并有发言行为的用户人数。
在本实施例中,所述获取直播平台的主播直播特征具体为:从数据库中提取当前主播的平台首次充值用户人数,以及从数据库中提取当前主播的付费用户人数、预设时间段内的直播人气值、用户发言热度值三者任意之一。
需要指出的是,在本发明的识别直播平台异常充值用户的方法中,获取的所述主播直播特征的类型及个数并不受本实施例的限制,为满足构成筛选异常主播条件的需求,除获取平台首次充值用户人数以外,还可以选择获取付费用户人数、预设时间段内的直播人气值、用户发言热度值或其他主播直播相关特征至少任意之一作为主播直播特征。
步骤S202:根据所述主播直播特征,筛选出异常主播。
在本实施例中,根据步骤S201所获取的主播直播特征,确定异常主播的筛选条件,从而筛选出异常主播。
例如,当步骤S201所获取的主播直播特征为当前主播的平台首次充值用户人数和付费用户人数时,以判断该主播的平台首次充值用户人数/付费用户人数是否大于第一预置值作为异常主播的筛选条件,所述第一预置值可设置为50%、60%、70%等值。在本示例中,所述第一预置值设置为50%;若主播的平台首次充值用户人数/付费用户人数大于50%时,筛选出该主播为异常主播,否则,判定该主播为正常主播。
又例如,当步骤S201所获取的主播直播特征为当前主播的平台首次充值用户人数和预设时间段内的直播人气值时,以判断该主播的平台首次充值用户人数/预设时间段内的直播人气值是否大于第二预置值作为异常主播的筛选条件,所述第二预置值可设置为30%、40%、50%等值。在本示例中,所述预设时间段为一天,所述第二预置值设置为30%;若主播的平台首次充值用户人数/当天直播人气值大于30%时,筛选出该主播为异常主播,否则,判定该主播为正常主播。
又例如,当步骤S201所获取的主播直播特征为当前主播的平台首次充值用户人数和用户发言热度值时,以判断该主播的平台首次充值用户人数/用户发言热度值是否大于第三预置值作为异常主播的筛选条件,所述第三预置值可设置为40%、50%、60%等值。在本示例中,第三预置值设置为40%;若主播的平台首次充值用户人数/用户发言热度值大于40%时,筛选出该主播为异常主播,否则,判定该主播为正常主播。
在本发明实施例中,所述第一、第二、第三预置值可通过对数据库中所有主播的平台首次充值用户人数与付费用户人数、预设时间段内的直播人气值、用户发言热度值之间的相关性进行统计分析得出,也可以通过读取本发明预先设定的预置值默认参数来获得。
步骤S203:把所述异常主播加入异常主播名录;输出所述异常主播名录。
当判定当前主播为异常主播后,把该异常主播加入到异常主播名录中并输出该异常主播名录。该异常主播名录存储在数据库中,用于在需要对异常主播名录中的异常主播进行查看、增加、删除等操作时使用。
步骤S204:判断所述异常主播连续被筛选为异常主播的次数是否大于预置次数;若是,确认为异常主播;对所述异常主播进行限制。
当筛选出当前主播为异常主播后,若该异常主播连续被筛选为异常主播的次数已大于预置次数,则确认当前主播为异常主播,并对该异常主播在本直播平台的直播行为进行限制,例如,限制该异常主播在本直播平台的直播时长,限制该异常主播直播时直播间的用户人数等。在本实施例中,所述预置次数可为2次、3次、5次等。对异常主播进行限制有利于维护并提高直播平台的主播直播健康度,维持直播平台的正常直播秩序。
在本实施例中,步骤S203、S204是在每次筛选出异常主播后立即执行的,需要指出的是,步骤S203、S204的执行时间并不受本实施例的限制,可选择在特定时间对某一时间段筛选出的异常主播执行上述步骤,例如可以每天在最后一场直播结束后对当天的异常主播执行上述步骤S203、S204。另外,步骤S203与步骤S204是在筛选出异常主播后用于实现不同效果的两种方案,他们之间并没有先后顺序关系。
步骤S205:获取所述异常主播名下的付费用户的用户行为特征。
在本发明实施例中,本发明部署在数据库中,直播平台的主播直播特征及用户行为特征均存储在数据库中,所述用户行为特征从数据库中提取。
在本实施例中,用户行为特征包括:总充值次数、对当前主播的充值次数和预设时间段内的观看直播时长;其中,所述总充值次数等于1的用户为平台首次充值用户,所述预设时间段可预设为一天、一周、一个月等时间段。
在本实施例中,所述获取所述异常主播名下的付费用户的用户行为特征具体为:从数据库中提取当前异常主播名下的付费用户的总充值次数、对当前主播的充值次数和当天的观看直播时长。
步骤S206:判断所述用户行为特征是否符合异常充值用户判定条件,若是,识别出所述付费用户为异常充值用户,否则,识别出所述付费用户为正常用户。
在本实施例中,所述判断所述用户行为特征是否符合异常充值用户判定条件具体为:根据步骤S205中获取的用户行为特征,包括总充值次数、对当前主播的充值次数和预设时间段内的观看直播时长,判断所述付费用户是否为对所述异常主播的充值次数为1的平台首次充值用户,且充值时对所述异常主播的观看直播时长小于第一预置时长,若是,识别出所述付费用户为异常充值用户,否则,识别出所述付费用户为正常用户。
在本发明实施例中,所述第一预置时长可为1分钟、5分钟、10分钟等时长,所述第一预置时长可通过对数据库中所有付费用户在预设时间段内进行充值时所对应的观看直播时长进行统计分析得出,也可以通过读取本发明预先设定的预置值默认参数来获得。
例如,一用户在观看直播时长小于第一预置时长5分钟内的时候便对当前主播进行首次充值,但该用户在本直播平台的总充值次数为3次,那么因不满足是平台首次充值用户的条件,识别出该付费用户为正常用户。
又例如,一用户在观看直播时长小于第二预置时长10分钟内的时候便对当前主播进行首次充值,且此次充值是该用户在本直播平台的首次充值,那么当前付费用户的用户行为特征符合异常充值用户判定条件,识别出该付费用户为异常充值用户。
步骤S207:把所述异常充值用户加入异常用户名录;输出所述异常用户名录。
当识别出当前用户为异常充值用户后,把该异常充值用户加入到异常用户名录中并输出该异常用户名录。该异常用户名录存储在数据库中,用于在需要对异常用户名录中的异常充值用户进行查看、增加、删除等操作时使用。
步骤S208:检测所述异常充值用户的用户行为特征;若平台充值次数大于1、或观看直播总时长大于等于第二预置时长,修正所述异常充值用户为正常用户。
在本实施例中,所述异常用户的用户行为特征具体为:平台充值次数及观看直播总时长;所述平台充值次数为该异常用户在本直播平台进行充值付费的总次数,所述观看直播总时长为该异常用户在本直播平台观看任何主播直播的总时长。
在本发明实施例中,所述第二预置时长可为40分钟、1小时、3小时等时长,所述第二预置时长可通过对数据库中所有正常用户的观看直播总时长进行统计分析得出,也可以通过读取本发明预先设定的预置值默认参数来获得。
当识别出当前用户为异常充值用户后,在数据库中检测到所述异常充值用户的平台充值次数及观看直播总时长,若平台充值次数大于1、或观看直播总时长大于等于第二预置时长,修正所述异常充值用户为正常用户,可及时发现将正常用户误判为异常充值用户的情况并进行修正。
在本实施例中,步骤S207、S208是在每次筛选出异常充值用户后立即执行的,需要指出的是,步骤S207、S208的执行时间并不受本实施例的限制,可选择在特定时间对某一时间段筛选出的异常充值用户执行上述步骤,例如可以每天在最后一场直播结束后对当天的异常充值用户执行上述步骤S207、S208。另外,步骤S207与步骤S208是在筛选出异常主播后用于实现不同效果的两种方案,他们之间并没有先后顺序关系。
本发明的实施例,根据直播平台中主播与用户间存在相互联系的特点,综合了主播的主播特征和用户的行为特征,预先利用主播的主播特征筛选出异常主播,再对异常主播名下的付费用户进行检测,从而识别出异常充值用户,避免了对直播平台所有用户以及庞大的用户行为特征数据量进行逐一分析,从而实现更快更方便地识别异常用户。此外,本发明以首次充值用户作为重要识别特征,通过判断当前用户是否为首次充值用户来精确定位异常充值用户的检测范围,还通过判断当前异常充值用户是否不再是首次充值用户来修正异常充值用户的误判,从而实现更快更准确地识别异常充值用户。且本发明可部署在数据库中,可用于每天筛选异常主播及异常充值用户,并输出异常名录,从而实现直播平台对主播和付费用户的健康度进行监控。
如图3所示的本发明实施例提供的识别直播平台异常充值用户装置第一实施例的装置示意图,本发明还提供了一种识别直播平台异常充值用户的装置,包括:
主播直播特征获取模块301,用于获取直播平台的主播直播特征;
异常主播筛选模块302,用于根据所述主播直播特征,筛选出异常主播;
付费用户行为特征获取模块303,用于获取所述异常主播名下的付费用户的用户行为特征;
异常用户筛选模块304,用于判断所述用户行为特征是否符合异常充值用户判定条件,若是,识别出所述付费用户为异常充值用户,否则,识别出所述付费用户为正常用户。
其中,所述异常用户筛选模块304具体用于:
判断所述付费用户是否为对所述异常主播的充值次数为1的平台首次充值用户,且充值时对所述异常主播的观看直播时长小于第一预置时长。
其中,所述第一预置时长为5分钟。
其中,主播直播特征获取模块301、异常主播筛选模块302具体用于:
获取直播平台的当前主播的平台首次充值用户人数,以及获取直播平台的当前主播的付费用户人数、预设时间段内的直播人气值、用户发言热度值三者任意之一;
若该主播的平台首次充值用户人数/付费用户人数大于第一预置值,筛选出该主播为异常主播;其中,所述第一预置值为50%;
或,若该主播的平台首次充值用户人数/预设时间段内的直播人气值大于第二预置值,筛选出该主播为异常主播;其中,所述第二预置值为30%;
或,若该主播的平台首次充值用户人数/用户发言热度值大于第三预置值,筛选出该主播为异常主播;其中,所述第三预置值为40%。
其中,异常主播筛选模块302在筛选出异常主播之后还用于:
把所述异常主播加入异常主播名录;
输出所述异常主播名录。
异常用户筛选模块304在识别出所述付费用户为异常充值用户之后,还用于:
把所述异常充值用户加入异常用户名录;
输出所述异常用户名录。
其中,异常主播筛选模块302在筛选出异常主播之后还用于:
判断所述异常主播连续被筛选为异常主播的次数是否大于预置次数;若是,确认为异常主播;对所述异常主播进行限制。
其中,异常用户筛选模块304在识别出所述付费用户为异常充值用户之后,还包括:
检测所述异常充值用户的用户行为特征;
若平台充值次数大于1、或观看直播总时长大于等于第二预置时长,修正所述异常充值用户为正常用户。
本发明的实施例,根据直播平台中主播与用户间存在相互联系的特点,综合了主播的直播特征和用户的行为特征,预先利用由主播直播特征获取模块301获取主播的直播特征并通过异常主播筛选模块302筛选出异常主播,再由付费用户行为特征获取模块303对异常主播名下的付费用户进行检测,从而识别出异常充值用户,避免了对直播平台所有用户以及庞大的用户行为特征数据量进行逐一分析,从而使异常用户筛选模块304可实现更快更方便地识别异常用户。此外,本发明以首次充值用户作为重要识别特征,通过判断当前用户是否为首次充值用户来精确定位异常充值用户的检测范围,还通过判断当前异常充值用户是否不再是首次充值用户来修正异常充值用户的误判,从而实现更快更准确地识别异常充值用户。
图4所示为本发明实施例提供的终端结构示意图。本发明实施例的终端,可以包括一个或者一个以上的处理器401,还包括存储器402、WiFi(wireless fidelity,无线保真)电路403、RF(Radio Frequency,射频)电路404、音频电路405、传感器406、输出设备407、输入设备404、电源409,处理器401是终端的控制中心,利用各种接口和线路连接以上各部分。本领域技术人员可以理解,图4中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
WiFi电路403可为用户提供无线局域网或互联网访问;其可包括天线、WiFi模块等。RF电路404可收发信息,或在通话过程中信号的接收和发送;其可包括天线、至少一个放大器、调谐器、一个或多个振荡器、耦合器、双工器等。音频电路405可将接收到的音频数据转换成电信号,传输到扬声器,也可将传声器收集的声音信号转换为音频数据,发给处理器401处理;其可设置扬声器、传声器、耳机接口等。传感器406可用于感应外界信号,并发给处理器401处理;其可包括运动传感器、光传感器等。输出设备407可用于显示各种信号;其可为采用LCD(Liquid Crystal Display,液晶显示器)、OLED(Organic Light-EmittingDiode,有机发光二极管)等形式来配置显示面板。输入设备404可用于输入数字和字符等信息;其可为物理按键、触控面板等。电源409可为终端各部分供电,通过电源管理系统与处理器409逻辑连接;其可包括一个或一个以上的直流或交流电源、充电系统、电源状态指示器等组件。存储器402可用于存储软件程序以及模块;其可为计算机可读存储介质,具体的为硬盘、闪存等。处理器是终端的控制中心,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402的数据,执行终端各种功能、处理终端数据。
作为一个实施例,终端包括:一个或多个处理器401,存储器402,一个或多个应用程序,其中所述一个或多个应用程序被存储在存储器402中并被配置为由所述一个或多个处理器401执行,所述一个或多个程序配置用于执行上述识别直播平台异常充值用户方法第一实施例、第二实施例中的识别直播平台异常充值用户的方法。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种识别直播平台异常充值用户的方法,其特征在于,包括以下步骤:
获取直播平台的主播直播特征;
根据所述主播直播特征,筛选出异常主播;
获取所述异常主播名下的付费用户的用户行为特征;
判断所述用户行为特征是否符合异常充值用户判定条件,若是,识别出所述付费用户为异常充值用户,否则,识别出所述付费用户为正常用户。
2.根据权利要求1所述的方法,其特征在于,所述判断所述用户行为特征是否符合异常充值用户判定条件,包括:
判断所述付费用户是否为对所述异常主播的充值次数为1的平台首次充值用户,且充值时对所述异常主播的观看直播时长小于第一预置时长。
3.根据权利要求2所述的方法,其特征在于,所述第一预置时长为5分钟。
4.根据权利要求1所述的方法,其特征在于,所述获取直播平台的主播直播特征;根据所述主播直播特征,筛选出异常主播;包括:
获取直播平台的当前主播的平台首次充值用户人数,以及获取直播平台的当前主播的付费用户人数、预设时间段内的直播人气值、用户发言热度值三者任意之一;
若该主播的平台首次充值用户人数/付费用户人数大于第一预置值,筛选出该主播为异常主播;
或,若该主播的平台首次充值用户人数/预设时间段内的直播人气值大于第二预置值,筛选出该主播为异常主播;
或,若该主播的平台首次充值用户人数/用户发言热度值大于第三预置值,筛选出该主播为异常主播。
5.根据权利要求4所述的方法,其特征在于,所述第一预置值为50%,所述第二预置值为30%,所述第三预置值为40%。
6.根据权利要求1所述的方法,其特征在于,所述筛选出异常主播之后,还包括:
把所述异常主播加入异常主播名录;
输出所述异常主播名录。
所述识别出所述付费用户为异常充值用户之后,还包括:
把所述异常充值用户加入异常用户名录;
输出所述异常用户名录。
7.根据权利要求1所述的方法,其特征在于,所述筛选出异常主播之后,还包括:
判断所述异常主播连续被筛选为异常主播的次数是否大于预置次数;若是,确认为异常主播;对所述异常主播进行限制。
8.根据权利要求1所述的方法,其特征在于,所述识别出所述付费用户为异常充值用户之后,还包括:
检测所述异常充值用户的用户行为特征;
若平台充值次数大于1、或观看直播总时长大于等于第二预置时长,修正所述异常充值用户为正常用户。
9.一种识别直播平台异常充值用户的装置,其特征在于,包括:
主播直播特征获取模块,用于获取直播平台的主播直播特征;
异常主播筛选模块,用于根据所述主播直播特征,筛选出异常主播;
付费用户行为特征获取模块,用于获取所述异常主播名下的付费用户的用户行为特征;
异常用户筛选模块,用于判断所述用户行为特征是否符合异常充值用户判定条件,若是,识别出所述付费用户为异常充值用户,否则,识别出所述付费用户为正常用户。
10.一种终端,其特征在于,包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于,执行根据权利要求1~8所述的识别直播平台异常充值用户的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710751591.XA CN107481009B (zh) | 2017-08-28 | 2017-08-28 | 识别直播平台异常充值用户的方法、装置及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710751591.XA CN107481009B (zh) | 2017-08-28 | 2017-08-28 | 识别直播平台异常充值用户的方法、装置及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107481009A true CN107481009A (zh) | 2017-12-15 |
CN107481009B CN107481009B (zh) | 2020-08-21 |
Family
ID=60604077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710751591.XA Active CN107481009B (zh) | 2017-08-28 | 2017-08-28 | 识别直播平台异常充值用户的方法、装置及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107481009B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108184148A (zh) * | 2018-01-08 | 2018-06-19 | 武汉斗鱼网络科技有限公司 | 一种用于识别用户的方法、装置及计算机设备 |
WO2019134307A1 (zh) * | 2018-01-02 | 2019-07-11 | 武汉斗鱼网络科技有限公司 | 恶意用户识别方法、装置及可读存储介质 |
CN110335034A (zh) * | 2019-06-27 | 2019-10-15 | 甘肃万华金慧科技股份有限公司 | 一种资费异常处理系统 |
CN110418173A (zh) * | 2019-07-18 | 2019-11-05 | 北京达佳互联信息技术有限公司 | 确定异常账户的方法、装置、服务器及存储介质 |
CN110855723A (zh) * | 2020-01-16 | 2020-02-28 | 武汉斗鱼鱼乐网络科技有限公司 | 一种识别目标互动账号的方法及系统、介质、设备 |
WO2020155508A1 (zh) * | 2019-01-28 | 2020-08-06 | 平安科技(深圳)有限公司 | 可疑用户筛选方法、装置、计算机设备及存储介质 |
CN111726359A (zh) * | 2020-06-18 | 2020-09-29 | 五八有限公司 | 一种账户信息的检测方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150374A (zh) * | 2013-03-11 | 2013-06-12 | 中国科学院信息工程研究所 | 一种识别微博异常用户的方法和系统 |
CN106204157A (zh) * | 2016-07-24 | 2016-12-07 | 广东聚联电子商务股份有限公司 | 一种基于大数据采集与分析的刷单评价行为处理方法 |
CN106294529A (zh) * | 2015-06-29 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 一种识别用户异常操作方法和设备 |
WO2017037444A1 (en) * | 2015-08-28 | 2017-03-09 | Statustoday Ltd | Malicious activity detection on a computer network and network metadata normalisation |
-
2017
- 2017-08-28 CN CN201710751591.XA patent/CN107481009B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150374A (zh) * | 2013-03-11 | 2013-06-12 | 中国科学院信息工程研究所 | 一种识别微博异常用户的方法和系统 |
CN106294529A (zh) * | 2015-06-29 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 一种识别用户异常操作方法和设备 |
WO2017037444A1 (en) * | 2015-08-28 | 2017-03-09 | Statustoday Ltd | Malicious activity detection on a computer network and network metadata normalisation |
CN106204157A (zh) * | 2016-07-24 | 2016-12-07 | 广东聚联电子商务股份有限公司 | 一种基于大数据采集与分析的刷单评价行为处理方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019134307A1 (zh) * | 2018-01-02 | 2019-07-11 | 武汉斗鱼网络科技有限公司 | 恶意用户识别方法、装置及可读存储介质 |
CN108184148A (zh) * | 2018-01-08 | 2018-06-19 | 武汉斗鱼网络科技有限公司 | 一种用于识别用户的方法、装置及计算机设备 |
WO2019134284A1 (zh) * | 2018-01-08 | 2019-07-11 | 武汉斗鱼网络科技有限公司 | 一种用于识别用户的方法、装置及计算机设备 |
WO2020155508A1 (zh) * | 2019-01-28 | 2020-08-06 | 平安科技(深圳)有限公司 | 可疑用户筛选方法、装置、计算机设备及存储介质 |
CN110335034A (zh) * | 2019-06-27 | 2019-10-15 | 甘肃万华金慧科技股份有限公司 | 一种资费异常处理系统 |
CN110418173A (zh) * | 2019-07-18 | 2019-11-05 | 北京达佳互联信息技术有限公司 | 确定异常账户的方法、装置、服务器及存储介质 |
CN110418173B (zh) * | 2019-07-18 | 2021-10-08 | 北京达佳互联信息技术有限公司 | 确定异常账户的方法、装置、服务器及存储介质 |
CN110855723A (zh) * | 2020-01-16 | 2020-02-28 | 武汉斗鱼鱼乐网络科技有限公司 | 一种识别目标互动账号的方法及系统、介质、设备 |
CN111726359A (zh) * | 2020-06-18 | 2020-09-29 | 五八有限公司 | 一种账户信息的检测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107481009B (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107481009A (zh) | 识别直播平台异常充值用户的方法、装置及终端 | |
US10469902B2 (en) | Apparatus and method for confirming content viewing | |
CN110365703B (zh) | 物联网终端异常状态检测方法、装置及终端设备 | |
CN101960461B (zh) | 消费者不恰当使用检测系统和方法 | |
US20150156544A1 (en) | System and method for viewership validation based on cross-device contextual inputs | |
US20160105520A1 (en) | Method, apparatus, and system for pushing network content | |
CN102945652A (zh) | 一种解决显示屏显示异常的方法及系统 | |
CN103164301B (zh) | 便携式检测装置及其检测方法 | |
KR102391940B1 (ko) | 전자 장치 및 전자 장치의 이어폰 삽입 오인식 방지 방법 | |
CN103905904A (zh) | 播放多媒体文件的方法及装置 | |
CN106739533A (zh) | 一种软件复位耗材芯片、系统及其使用方法 | |
WO2016206347A1 (zh) | 一种程序图标排序方法和装置 | |
CN103514391B (zh) | 一种数字证书到期提醒方法及装置 | |
CN112313963B (zh) | 电子装置及其控制方法 | |
CN109636641A (zh) | 基于大数据分析的医保异常检测方法、装置、设备和介质 | |
CN107729538A (zh) | 评论信息处理方法、装置、终端设备及存储介质 | |
CN108282410A (zh) | 后台流量控制方法、装置、存储介质及用户终端 | |
CN112035717A (zh) | 信息处理方法、装置、设备及存储介质 | |
CN102089790A (zh) | 自动贩卖机及其控制方法 | |
CN105049886B (zh) | 一种上报红外遥控器事件的方法及系统 | |
CN105825048A (zh) | 一种饮食规划方法及装置 | |
WO2014066155A2 (en) | Monitoring media consumption habits | |
CN111008868A (zh) | 一种广告监测方法、系统和计算机可读存储介质 | |
CN110248181A (zh) | 外接设备自复位方法、装置、系统和计算机可读介质 | |
CN107993087A (zh) | 一种数据处理方法、服务器及计算机可读介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20171215 Assignee: GUANGZHOU HUYA TECHNOLOGY Co.,Ltd. Assignor: GUANGZHOU HUYA INFORMATION TECHNOLOGY Co.,Ltd. Contract record no.: X2021990000339 Denomination of invention: Method, device and terminal for identifying abnormal recharge users of live broadcast platform Granted publication date: 20200821 License type: Common License Record date: 20210607 |
|
EE01 | Entry into force of recordation of patent licensing contract |