CN110162956B - 确定关联账户的方法和装置 - Google Patents
确定关联账户的方法和装置 Download PDFInfo
- Publication number
- CN110162956B CN110162956B CN201810200979.5A CN201810200979A CN110162956B CN 110162956 B CN110162956 B CN 110162956B CN 201810200979 A CN201810200979 A CN 201810200979A CN 110162956 B CN110162956 B CN 110162956B
- Authority
- CN
- China
- Prior art keywords
- account
- accounts
- candidate
- attribute information
- determining
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000009826 distribution Methods 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 13
- 238000012217 deletion Methods 0.000 claims description 7
- 230000037430 deletion Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 claims 19
- 230000002596 correlated effect Effects 0.000 claims 1
- 239000013598 vector Substances 0.000 description 18
- 230000008569 process Effects 0.000 description 15
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 101150060629 def gene Proteins 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 101150096397 pdf1 gene Proteins 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/44—Program or device authentication
Abstract
本发明提供了一种确定关联账户的方法和装置,属于计算机技术领域。方法包括:获取候选账户集合,其中,所述候选账户集合中包括多个候选账户对以及每个候选账户对中的两个账户分别对应的属性信息,所述每个候选账户对由第一应用程序的账户和第二应用程序的账户组成;获取每个属性信息对应的参数值,所述每个属性信息对应的参数值基于所述候选账户集合、预设的关联账户集合得到,所述关联账户集合中包括多个关联账户对以及每个关联账户对中的两个账户分别对应的属性信息;根据所述每个属性信息对应的参数值对所述候选账户集合中的账户进行关联决策,得到关联账户。采用本发明,可以提高确定关联账户的效率。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种确定关联账户的方法和装置。
背景技术
随着计算机技术和网络技术的发展,不断出现大量的应用程序,用户可以在不同的应用程序中注册账户,进行登录。当用户通过操作登录应用程序后,应用程序的运营者可以对用户基本信息和生成内容信息进行分析,得到用户的行为习惯,为用户推荐符合用户需求的内容。通常获取用户在另一个应用程序的行为习惯之前,首先要确定用户在另一个应用程序中注册的账户,然后获取该账户对应的行为习惯,所以判断两个应用程序中的账户是否属于同一个用户就显的非常重要。
相关技术中,确定两个应用程序的账户属于同一个用户的方法是:技术人员人工标定两个应用程序中属于同一个用户的两个账户,然后将属于同一个用户的两个账户、以及两个账户对应的属性信息作为样本数据,训练分类器,然后使用训练出的分类器来预测两个应用程序中的账户是否属于同一个用户。其中,属性信息中包括用户基本信息、生成内容信息等。
在实现本发明的过程中,发明人发现相关技术至少存在以下问题:
一般训练分类器时,获取到的样本数据越多越好,这样,如果要训练出较为准确的分类器,需要人工标定大量的样本数据,从而花费的时间比较多,进而导致确定关联账户的效率较低。
发明内容
本发明实施例提供了一种确定关联账户的方法和装置,以解决相关技术的问题。所述技术方案如下:
一方面,提供了一种确定关联账户的方法,所述方法包括:
获取候选账户集合,其中,所述候选账户集合中包括多个候选账户对以及每个候选账户对中的两个账户分别对应的属性信息,所述每个候选账户对由第一应用程序的账户和第二应用程序的账户组成;
获取每个属性信息对应的参数值,所述每个属性信息对应的参数值基于所述候选账户集合、预设的关联账户集合得到,所述关联账户集合中包括多个关联账户对以及每个关联账户对中的两个账户分别对应的属性信息;
根据所述每个属性信息对应的参数值对所述候选账户集合中的账户进行关联决策,得到关联账户。
一方面,提供了一种确定关联账户的装置,所述装置包括:
第一获取模块,用于获取候选账户集合,其中,所述候选账户集合中包括多个候选账户对以及每个候选账户对中的两个账户分别对应的属性信息,所述每个候选账户对由第一应用程序的账户和第二应用程序的账户组成;
第二获取模块,用于获取每个属性信息对应的参数值,所述每个属性信息对应的参数值基于所述候选账户集合、预设的关联账户集合得到,所述关联账户集合中包括多个关联账户对以及每个关联账户对中的两个账户分别对应的属性信息;
确定模块,用于根据所述每个属性信息对应的参数值对所述候选账户集合中的账户进行关联决策,得到关联账户。
一方面,提供了一种服务器,所述服务器包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现上述所述的确定关联账户的方法。
一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现上述所述的确定关联账户的方法。
本发明实施例中,获取候选账户集合,并且获取每个属性信息对应的参数值,每个属性信息对应的参数值基于候选账户集合和关联账户集合构建得到,然后可以基于每个属性对应的参数值对候选账户集合中的账户进行关联决策,得到关联账户。由于是使用候选账户集合和关联账户集合,确定每个属性信息对应的参数值,所以只需要少量的关联账户对,这样人工标定所用的时间也比较少,从而确定关联账户的效率比较高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1(a)是本发明实施例提供的一种确定关联账户的场景示意图;
图1(b)是本发明实施例提供的一种确定关联账户的方法流程示意图;
图2(a)是本发明实施例提供的一种向量二元化的示意图;
图2(b)是本发明实施例提供的一种最小哈希化的示意图;
图3是本发明实施例提供的一种确定每个属性信息对应的参数值的方法流程示意图;
图4是本发明实施例提供的一种确定关联账户的装置的结构意图;
图5是本发明实施例提供的一种服务器的结构意图;
图6是本发明实施例提供的一种终端的结构意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
随着计算机技术和网络技术的发展,不断出现大量的应用程序,用户可以在不同的应用程序中注册账户,进行登录。当用户通过操作登录应用程序后,应用程序的运营者可以对用户基本信息和生成内容信息进行分析,得到用户的行为习惯,为用户推荐符合用户需求的内容。通常为用户推荐符合用户需求的内容时,获取到用户的行为习惯越多越好,所以还会获取用户在其它应用程序的行为习惯,通常获取用户在其它应用程序的行为习惯之前,首先要确定用户在其它应用程序中注册的账户,然后获取该账户对应的行为习惯,所以判断两个应用程序中的账户是否属于同一个用户就显的非常重要。
相关技术中,确定两个应用程序的账户属于同一个用户的方法是:技术人员人工标定两个应用程序中属于同一个用户的两个账户,然后将属于同一个用户的两个账户、以及两个账户对应的属性信息作为样本数据,训练分类器,然后使用训练出的分类器来预测两个应用程序中的账户是否属于同一个用户。由于在训练分类器时,获取到的样本数据越多越好,所以要训练出准确的分类器,需要人工标定大量的样本数据,花费的时间较多,导致确定关联账户的效率比较低。
本发明实施例提供的技术方案,获取候选账户集合,并且获取每个属性信息对应的参数值,每个属性信息对应的参数值基于候选账户集合和关联账户集合构建得到,然后可以基于每个属性对应的参数值对候选账户集合中的账户进行关联决策,得到关联账户。由于是使用候选账户集合和关联账户集合,确定每个属性信息对应的参数值,所以只需要少量的关联账户对,这样人工标定所用的时间也比较少,从而确定关联账户的效率比较高。
首先介绍一下本发明实施例的环境架构,本发明实施例的执行主体可以是终端,也可以是服务器,还可以是终端和服务器(如图1(a)所示),其中,终端可以是电脑等,终端中安装有关联账户的确定应用程序,用于确定关联账户。终端中可以设置有处理器、接发器和存储器,处理器可以用于处理确定关联账户过程中的相关处理,接发器可以用于接收以及发送消息,存储器可以用于存储确定关联账户过程中需要的数据以及产生的数据。终端中还可以设置有屏幕、麦克风等输入输出设备,屏幕可以是触摸屏,可以用于显示关联账户。服务器中可以设置有处理器、接发器和存储器,处理器可以用于处理确定关联账户过程中的相关处理,接发器可以用于接收以及发送消息,存储器可以用于存储确定关联账户过程中需要的数据以及产生的数据。
如图1(a)所示,服务器可以用于根据概率生成模型得到的每个属性信息对应的参数值,终端可以用于获取候选账户集合,从服务器获取每个属性信息对应的参数值,终端还可以用于确定候选账户集合中的关联账户。
本发明实施例以执行主体为服务器为例,进行方案的详细描述,其它情况与之类似,本实施例不再累述。
如图1(b)所示,该方法的处理流程可以如下:
步骤101,获取候选账户集合。
在实施中,技术人员想要确定第一应用程序中的账户和第二应用程序中的账户是否是关联账户,可以控制服务器获取这两个应用程序中的账户,以及每个账户分别对应的属性信息,将两个应用程序中的账户以及每个账户对应的属性信息,组成候选账户集合。属性信息中包括用户基本信息、生成内容信息和联系人信息,用户基本信息有用户名、性别、年龄、位置信息、学历等,生成内容信息是用户在使用应用程序过程中,记录的关于该应用程序的使用日志,如上线时间信息、上线位置信息等,联系人信息是指账户中的社交好友的用户名等。
需要说明的是,上述提到的第一应用程序和第二应用程序是两个不相同的应用程序。
可选的,用户基本信息中包括用户名,相应的,步骤101的处理可以如下:
获取第一应用程序对应的第一账户集合和第二应用程序对应的第二账户集合;根据第一账户集合和第二账户集合中的账户对应的用户名以及位置敏感哈希LSH算法,对第一账户集合和第二账户集合中的账户进行匹配,将匹配的账户进行分组;从匹配的账户组中获取账户,组成候选账户集合。
在实施中,服务器可以获取第一应用程序对应的第一账户集合(用字母A表示),第二应用程序对应的第二账户集合B(用字母B表示),a、b分别是A和B中的账户,α(a)和β(b)分别表示账户a和b的属性信息的向量,α(A)和β(B)分别表示A和B中账户的属性信息的向量集合,(α(a),β(b))定义为一个候选用户对,这样,候选账户集合为:
C=(α(A)×β(B))={(α(a),β(b))|a∈A,b∈B} (1)
这样,关联账户的问题可以定义为识别候选账户集合C中关联账户对集合M和非关联账户对集合U:
M={(α(a),β(b))|a=b,a∈A,b∈B}
U={(α(a),β(b))|a≠b,a∈A,b∈B} (2)
其中,a=b表示账户a和账户b属于同一个用户,a≠b表示账户a和账户b属于不同用户。
为了减少候选账户对的数目,可以对候选账户对进行过滤,由于用户在注册账户时,往往会选择与已注册的用户名相似的用户名,也就是拥有完全不一样的用户名的两个账户属于同一个真实用户的概率非常低,所以可以基于用户名进行过滤,过滤步骤可以如下:
shingling过程:获取A和B中每个账户的用户名,然后使用n-gram的分词技术,对所有用户名进行切分,得到所有账户的用户名对应的分词集合,将所有账户的用户名对应的分词grams作为切分后的词条全集,对于某个用户名,如果一个分词gram在该用户名中被观测到,则二进制向量中对应位置设置为1,否则为0,这样,每一个用户名可以被转换为一个二进制向量。
例如,假设所有账户的用户名对应的分词集合为W={a,b,c,d,e},有3个用户名分词后分别为S1={a,d},S2={c},S3={b,d,e},S4={a,c,d},根据shingling的定义,可将S1表示成向量(1,0,0,1,0),S2表示成向量(0,0,1,0,0),S3表示成向量(0,1,0,1,1),S4表示成向量(1,0,1,1,0),上述S1至S4可以使用图2(a)表示。
Min-Hasing(最小哈希)过程:根据预设的随机置换π,二进制向量可以映射为min-Hash值。使用第一个随机置换,对所有账户的用户名对应的二进制向量,进行置换,然后确定随机置换后每个账户的用户名对应的二进制向量中,第一个值为1的位置索引值,将该位置索引值,确定为签名,这样,将每个账户的用户名对应的二进制向量,就降维为一维,这样,经过第N个随机置换,进行置换后,每个账户的用户名对应的二进制向量,就被降为N维,对于所有的用户名,会形成一个签名矩阵。
例如,如图2(b)所示,假设随机置换π,使用随机置换π,对图2(a)中所示的向量进行置换,假设随机置换有三个,分别为(2,3,1,4,5)、(5,1,2,4,3)、(4,2,1,5,3),使用(2,3,1,4,5)对S1进行置换后,置换后的S1表示为(0,1,0,1,0),使用(2,3,1,4,5)对S2进行置换后,置换后的S2表示为(1,0,0,0,0),使用(2,3,1,4,5)对S3进行置换后,置换后的S3表示为(0,0,1,1,1),使用(2,3,1,4,5)对S4进行置换后,置换后的S4表示为(1,1,0,1,0)。这样,对于置换后的S1中第一个1的位置为2,对于置换后的S2中第一个1的位置为1,对于置换后的S3中第一个3的位置为3,对于置换后的S4中第一个1的位置为1,得到2、1、3、1可以称为是签名。使用剩余的随机置换进行置换即可得到签名矩阵。
Locality-sensitive hashing(局部敏感哈希)过程:对于每个账户的用户名,如果某两个用户名的签名中有预设数目个相同,则将可以两个用户名对应的账户,确定为匹配的账户,将匹配的账户分在同一组中,后续可以从同一组中获取匹配的账户对组成候选账户集合。
例如,如图2(b)中所示,S2和S4中的每一维签名均相同,说明S2和S4相匹配,可以将S2和S3分到同一组中。
这样,就可以过滤掉一些不太可能关联的账户对,在后续处理过程中,可以减少处理量。
另外,为了让过滤技术更加准确,在进行过滤之前,对每个账户的用户名进行数据清洗,具体处理包括:移除一些前缀和后缀,如表情符号、重复字符等;将用户空格和相似的英文字符分别替换标点符号和希腊字母等;将大写统一转换成小写。
步骤102,获取每个属性信息对应的参数值。
在实施中,服务器可以获取预先得到的每个属性信息对应的参数值,每个属性信息对应的参数值可以由候选账户集合和预设的关联账户集合得到,预设的关联账户集合可以由技术人员预设,并且存储至服务器中,具体包括多个关联账户对,以及每个关联账户中的两个账户分别对应的属性信息,属性信息与步骤101中提到的属性信息相同,此处不再赘述,该关联账户集合中的关联账户对中的两个账户分别属于第一应用程序和第二应用程序。
上述关联账户对的数目远远小于候选账户对的数目,例如,关联账户对的数目与候选账户对的数目的比值可以是5比100。
可选的,获取每个属性信息对应的参数值的方法可以如下:
获取根据概率生成模型得到的每个属性信息对应的参数值,概率生成模型基于候选账户集合、预设的关联账户集合构建得到。
在实施中,服务器获取到候选账户集合后,可以获取根据概率生成模型得到每个属性信息对应的参数值,该概率生成模型是基于候选账户集合和预设的关联账户集合构建得到。
步骤103,根据每个属性信息对应的参数值对候选账户集合中的账户进行关联决策,得到关联账户。
在实施中,服务器在获取到每个属性信息对应的参数值后,可以将每个属性信息对应的参数值,代入预设的决策函数中:
其中,式子(3)中的字母的含义在后面详细描述。
然后可以将候选账户集合中的候选账户对的两个账户的属性信息对应的第一相似度代入预设的决策函数(3)中,确定候选账户集合中的关联账户。
可选的,可以基于每个候选账户对中的两个账户是关联账户的预测值,来确定关联账户,相应的处理可以如下:
根据每个属性信息对应的参数值对候选账户集合中的账户进行关联决策,得到每个候选账户对中的两个账户是关联账户的预测值;根据确定出的预测值,确定候选账户集合中的关联账户。
在实施中,服务器可以将候选账户集合中的候选账户对的两个账户的属性信息对应的第一相似度代入预设的决策函数(3)中,得到的输出值即为候选账户集合中的每个候选账户对中的两个账户是关联账户的预测值。将确定出的候选账户对对应的预测值从大到小进行排列,从最大的预测值开始从大到小数第二预设数目个预测值(第二预设数目可以由技术人员预设,并且存储至服务器中),将第二数目个预测值对应的候选账户对,确定为候选账户集合中的关联账户对。或者将确定出的预测值中大于预设数值的预测值分别对应的候选账户对(预设数值可以由技术人员预设,并且存储至服务器中),确定为候选账户集合中的关联账户对。
然后使用确定出的关联账户对,确定出候选账户集合中的关联账户,例如,确定出的关联账户对有A-B、C-D、A-E,得到的关联账户为A-B-E、C-D。
需要说明的是,当P(rj∈M|γj,Θ)>P(rj∈U|γj,Θ),也就是scj大于0,rj更可能成为一对关联账户。因此,分数越大,说明两个账户越可能成为关联账户。
可选的,可以首先确定出关联账户对,然后由关联账户对,确定关联账户,相应的处理可以如下:
根据每个属性信息对应的参数值对候选账户集合中的账户进行关联决策,得到候选账户集合中的关联账户对,根据确定出的关联账户对,得到关联账户。
在实施中,服务器可以使用每个属性信息对应的参数值,对候选账户集合中的账户进行关联决策,得到候选账户集合中的关联账户对(详细过程可以参见前面的描述),然后使用确定出的关联账户对,确定出关联账户。
可选的,可以使用确定出的关联账户对,确定关联账户,相应的步骤103的处理可以如下:
如果确定出的关联账户对的数目小于第一数值,则将确定出的关联账户对添加至预设的关联账户集合中,并在候选账户集合中删除确定出的关联账户对,根据添加处理后的预设的关联账户集合和删除处理后的候选账户集合,重新对每个属性信息对应的参数值进行训练,根据重新训练得到的参数值对删除处理后的候选账户集合中的账户进行关联决策,确定删除处理后的候选账户集合中的关联账户。
其中,第一数值为候选账户集合中属于第一应用程序的账户的数目和属于第二应用程序的账户的数目二者中的最小数目。
在实施中,服务器可以使用预设的决策函数,计算出候选账户集合中的每个候选账户对中的两个账户是关联账户的预测值。将确定出的候选账户对对应的预测值从大到小进行排列,从最大的预测值开始从大到小数第二预设数目个预测值,将第二数目个预测值对应的候选账户对,确定为候选账户集合中的关联账户对。或者将确定出的预测值中大于预设数值的预测值分别对应的候选账户对,确定为关联账户对。
然后判断关联账户对的数目是否小于第一数值,如果确定出的关联账户对的数目小于第一数值,说明还可以进行迭代计算,服务器可以将确定出的关联账户对添加至预设的关联账户集合中,并且在候选账户集合中删除确定出的关联账户对。然后使用这次重新确定的关联账户集合和候选账户集合,构建账户关联的概率生成模型,重新基于概率生成模型,确定出每个属性信息的参数值。使用重新训练得到的参数值代入预设的决策函数中,确定删除处理后的候选账户集合中的关联账户对,继续判断关联账户对的数目是否小于第一数值,直到确定出的关联账户对的数目大于或等于一数值,迭代停止。然后可以使用确定出的关联账户对,确定候选账户集合中的关联账户。例如,确定出的关联账户对有A-B、C-D、A-E,得到的关联账户为A-B-E、C-D。
如果确定出的关联账户对的数目大于或等于第一数值,则可以直接使用确定出的关联账户对,确定候选账户集合中的关联账户。
需要说明的是,由于预设的关联账户集合中的关联账户对的数目比较少,这样,在计算候选账户对中两个账户在联系人信息下的相似度也不太准确,随着迭代次数的增加,关联账户集合中的关联账户的数目增加,这样,候选账户对中两个账户可以有更多的公共关联联系人,这些公共关联联系人可以被用于更新候选账户对中两个账户在联系人信息下的相似度。
另外,确定迭代停止的判断原则还可以是每个属性信息对应的上一次确定出的参数值与这次确定出的参数值之差均小于预设阈值,预设阈值可以由技术人员预设。
可选的,如图3所示,本发明实施例还提供了获取根据概率生成模型得到每个属性信息对应的参数值的方法,相应的处理流程可以如下:
步骤301,确定每个候选账户对中的两个账户在每个属性信息下的第一相似度,并确定每个关联账户对中的两个账户在每个属性信息下的第二相似度。
在实施中,属性信息中包括用户基本信息、生成内容信息和联系人信息,用户基本信息中年龄可以是认为是一个属性信息,用户基本信息中性别也可以认为是一个属性信息,生成内容信息中的上线时间信息都可以认为是一个属性信息。
服务器获取到候选账户集合(第一应用程序的账户和第二应用程序的账户组成的账户集合,前面已详细说明,此处不再赘述)后,可以获取候选账户集合中每个候选账户对中两个账户分别对应的属性信息,然后计算每个候选账户对中的两个账户在每个属性信息下的第一相似度。并且可以获取预先存储的关联账户集合,确定关联账户集合中,每个关联账户对的两个账户在每个属性信息下的第二相似度。
可选的,确定第一相似度和第二相似度的方法可以如下:
根据每个属性信息分别对应的预设的属性相似度函数,确定每个候选账户对中的两个账户在每个属性信息下的第一相似度,并确定每个关联账户对中的两个账户在每个属性信息下的第二相似度。
在实施中,不同的属性信息有不同的分布,所以可以确定每个属性信息分别对应的预设的属性相似度函数,进而基于每个属性信息对应的属性相似度函数,确定出每个候选账户对中的两个账户在每个属性信息下的第一相似度,并确定每个关联账户对中的两个账户在每个属性信息下的第二相似度。
具体的,对于属性信息为类别类的属性信息,如性别、语言等,如果两个账户的类别属性信息一样,那么这两个账户的相似度被置为1,否则为0,这样,伯努利分布可以用于类别类的属性信息的相似度分布的建模。
对于属性信息为数字类的属性信息,如年龄、收入、体重等,可以直接计算两个账户的数值的相似度,可以使用泊松分布、高斯分布和指数分布来对相似度进行建模,属性相似度函数可以是泊松分布、高斯分布和指数分布中的一种。
对于属性信息为字符串类型的属性信息,如用户名、地址、职业、邮箱等,通常使用编辑距离、最长子序列等常见的度量方式来衡量字符串的相似度。但是,在用户名属性信息中,除了含有一些噪音外,它在不同的社交平台上还有不同的表示形式,所以需要先进行统一,属性相似度函数可以是编辑距离、最长子序列中的一种。
对于属性信息是分布类型的属性信息,如单词的分布,游览地点的分布和用户话题的分布等,可以使用Jensen-Shannon divergence、Squared Euclidean、Inner product等来计算相似度。因此,我们使用高斯分布或者指数分布来对分布进行建模,属性相似度函数可以是高斯分布或者指数分布中的一种。
对于属性信息是联系人信息,可以使用扩展的Adamic/Adar方法和来扩展的Jaccard Coefficient方法确定:
扩展的Adamic/Adar方法:假设a和b分别是候选账户对中的两个账户,Γ(a)和Γ(b)分别是a和b的联系人集合,公共的联系人为Γ(a)∩Γ(b)定义为CF(a,b)。联系人信息的相似度衡量方式:
扩展的Adamic/Adar方法将两个账户的公共联系人数目的平均值作为权重,来度量这两个账户的在联系人信息下的相似度。式(4)中,当a和b在各自的应用程序中有越多的公共联系人时,EA(a,b)的值会越大。如果a和b在各自的应用程序中只有一个好友,而他们的联系人也只有很少的真实关联的公共联系人,那么他们更可能属于同一个用户。我们进一步将Jaccard系数集成到扩展的Adamic/Adar方法中。
扩展的Jaccard Coefficient方法:
假设a是候选账户对中的其中一个账户,U是第一应用程序的全部账户集合,我们在集合Γ(a)\U上定义账户a的度的权重为:
根据扩展的 Adamic/Adar方法和度的权重,候选账户集合中两个账户的相似度为:
使用相同的方法也可以得到预设的关联账户集合中每个关联账户对中两个账户在联系人信息的相似度,联系人信息对应的属性相似度函数可以是
需要说明的是,a和b的公共联系人可以通过预设的关联账户集合确定,假设预设的关联账户集合中,c和d是关联账户,a的联系人中有c,b的联系人有d,那么a和b的公共联系人中就有c和d。
步骤302,根据第一相似度和第二相似度,确定每个属性信息对应的联合概率分布。
在实施中,假设第j个候选账户对使用rj表示,结合式(2)可得,P(rj∈M|γj,Θ)和P(rj∈U|γj,Θ)分别表示候选账户对rj关联和不关联的概率,其中,γj表示相似度,γj可以表示成的m维向量,m为属性信息的数目(也就是j可以的最大值为m),Θ为每个属性信息对应的参数值。
假设P(rj∈M|γj,Θ)=p,则P(rj∈U|γj,Θ)=1-p。结合贝叶斯法则,我们有如下等式:
P(γj|Θ)=p·P(γj|rj∈M,Θ)+(1-p)·P(γj|rj∈U,Θ) (7)
为了简化计算过程,定义示性函数:
由式(8)可知,如果lj取1,表示候选账户对rj为关联账户对,那么有如果lj取0,表示候选账户对rj为非关联账户对。这样,对于候选账户对rj,我们可以定义xj=(lj,γj)为rj的完整向量。根据确定出的第一相似度和第二相似度,在给定参数Θ时,每个属性信息对应的联合概率分布可以表示为:
步骤303,根据联合概率分布,构建账户关联的概率生成模型,根据概率生成模型得到每个属性信息对应的参数值。
在实施中,在预设的关联账户集合中,关联账户对的数目为R,假设候选账户集合中一共有N组账户对,其中,关联账户对有N对,那么非关联账户对会有N2-N对。假设lj=(lj,1-lj)。这样,我们有:
虽然R是关联账户对的数目,但是使用半监督模型,所以要将R对关联账户对与候选账户对结合到一起组成样本集合,可以使用表示,在式(11)中lj是一个隐变量,j的范围为N2+1≤j≤N2+R。这样,对式(9)取对数似然可以得到:
式(12)即为构建出来的概率生成模型,其中,Θ为每个属性信息分别对应的参数值,γj为第j候选账户对中两个账户在每个属性信息下的相似度。
在构建出概率生成模型后,可以对概率生成模型进行训练,得到每个属性信息分别对应的参数值。
可选的,由于每个候选账户对中的两个账户在每个属性信息下的相似度固有异构特点,有的服从连续分布,有的服从离散分布,可以使用指数族分布,将多个属性统一到一个模型中,相应的处理可以如下:
确定第一相似度和第二相似度满足的指数族分布;根据联合概率分布和指数族分布,构建账户关联的概率生成模型。
在实施中,指数族分布的形式为f(x|θ)=h(x)exp(θTS(x)-z(θ))其中θ∈ΘS(x)是θ充分统计量,θ是分布的自然参数。当固定h、S和z时,我们能使用θ定义指数族函数。假设γj来自指数族分布,它的元素关于隐变量lj条件独立,则关于P(γj|rj∈M,Θ)和P(γj|rj∈U,Θ)有:
P(γj,i|rj∈M,Θ)~f1,i(γj,i,θ1,i),for i=1,···,m,
P(γj,i|rj∈U,Θ)~f2,i(γj,i,θ2,i),for i=1,···,m, (13)
式(13)中f·,i(·,·)(简写为f·,i)是指数族的一个PDF1和PMF2,γj,i表示第j对候选账户对中两个账户的第i个属性信息的相似度。
将式(13)中的P(γj|rj∈M,Θ)和P(γj|rj∈U,Θ)代入式(12)中则有:
式(13)则为集成所有属性信息的概率生成模型,每个属性信息对应的参数值Θ={p,θ1,i,θ2,i,i=1,…,m}。
由于式(9)中,lj(N2+1≤j≤N2+R)是隐变量,不能直接估计出每个属性信息对应的参数值,所以此处借助EM(Expectation-maximization algorithm,最大期望化算法),进行计算,相应的处理过程可以如下:
E步骤,用于计算L(Θ|X)的期望,在给定γj和Θ(k-1)时,隐变量lj的条件分布服从那么:
使用替换lj,我们可以得到L(Θ|X)的期望。
M步骤,用于通过最大似然估计来估计参数值,在E步骤计算出隐变量后,对L(Θ|X)取导数得到如下等式:
首先我们假定Θ的初始值,代入式(11)至式(13)中,然后调整Θ经过k轮迭代之后,参数值的最大化似然估计通过以下等式得到:
由于γj,i是第一相似度和第二相似度,是已知量,所以通过式(18)至式(20),即可求出每个属性信息对应的参数值。
当具体化向量γ·,i时,i=1,…,m,我们能估计第k轮迭代的M步骤中分布的参数值。概率p能被估计为
另外,本发明实施例中,如表一所示,还给出了关联账户对的参数的MLE(MaximumLikelihood Estimation,极大似然估计):
表一
另外,如表二所示,还给出了非关联账户对的参数的MLE:
表二
需要说明的是,图3所示的执行流程可以在图1所示的流程之前,也可以在图1所示的流程的步骤102中。
另外,本发明实施例还可以由终端执行,处理过程与上述处理过程完全相同,此处不再赘述。
另外,本发明实施例还可以由终端和服务器共同执行,具体的,服务器可以用于根据概率生成模型得到每个属性信息对应的参数值,终端可以用于具体的计算两个应用程序的关联账户,具体处理过程可以参见上述的描述。
本发明实施例中,获取候选账户集合,并且获取每个属性信息对应的参数值,每个属性信息对应的参数值基于候选账户集合和关联账户集合构建得到,然后可以基于每个属性对应的参数值对候选账户集合中的账户进行关联决策,得到关联账户。由于是使用候选账户集合和关联账户集合,确定每个属性信息对应的参数值,所以只需要少量的关联账户对,这样人工标定所用的时间也比较少,从而确定关联账户的效率比较高。
基于相同的技术构思,本发明实施例还提供了一种确定候选账户对的装置,如图4所示,该装置包括:
第一获取模块410,用于获取候选账户集合,其中,所述候选账户集合中包括多个候选账户对以及每个候选账户对中的两个账户分别对应的属性信息,所述每个候选账户对由第一应用程序的账户和第二应用程序的账户组成;
第二获取模块420,用于获取每个属性信息对应的参数值,所述每个属性信息对应的参数值基于所述候选账户集合、预设的关联账户集合得到,所述关联账户集合中包括多个关联账户对以及每个关联账户对中的两个账户分别对应的属性信息;
确定模块430,用于根据所述每个属性信息对应的参数值对所述候选账户集合中的账户进行关联决策,得到关联账户。
可选的,所述第二获取模块420,用于:
获取根据概率生成模型得到的每个属性信息对应的参数值,所述概率生成模型基于所述候选账户集合、预设的关联账户集合构建得到。
可选的,所述第二获取模块420,用于:
确定所述每个候选账户对中的两个账户在每个属性信息下的第一相似度,并确定所述每个关联账户对中的两个账户在每个属性信息下的第二相似度;
根据第一相似度和第二相似度,确定每个属性信息对应的联合概率分布;
根据所述联合概率分布,构建账户关联的概率生成模型,根据所述概率生成模型得到每个属性信息对应的参数值。
可选的,所述第二获取模块420,用于:
确定所述第一相似度和所述第二相似度满足的指数族分布;
根据所述联合概率分布和所述指数族分布,构建账户关联的概率生成模型。
可选的,所述第二获取模块420,用于:
根据所述每个属性信息分别对应的预设的属性相似度函数,确定所述每个候选账户对中的两个账户在每个属性信息下的第一相似度,并确定所述每个关联账户对中的两个账户在每个属性信息下的第二相似度。
可选的,所述用户基本信息中包括用户名;
所述第一获取模块410,用于:
获取所述第一应用程序对应的第一账户集合和所述第二应用程序对应的第二账户集合;
根据所述第一账户集合和所述第二账户集合中的账户对应的用户名以及位置敏感哈希LSH算法,对所述第一账户集合和第二账户集合中的账户进行匹配,将匹配的账户进行分组;
从匹配的账户组中获取账户,组成候选账户集合。
可选的,所述确定模块430,用于:
所述根据所述每个属性信息对应的参数值对所述候选账户集合中的账户进行关联决策,得到所述每个候选账户对中的两个账户是关联账户的预测值;
根据确定出的预测值,确定所述候选账户集合中的关联账户。
可选的,所述确定模块430,用于:
根据所述每个属性信息对应的参数值对所述候选账户集合中的账户进行关联决策,得到所述候选账户集合中的关联账户对;
根据确定出的关联账户对,得到关联账户。
可选的,所述确定模块430,用于:
如果确定出的关联账户对的数目小于第一数值,则将所述确定出的关联账户对添加至所述预设的关联账户集合中,并在所述候选账户集合中删除所述确定出的关联账户对;其中,所述第一数值为所述候选账户集合中属于所述第一应用程序的账户的数目和属于所述第二应用程序的账户的数目二者中的最小数目;
根据添加处理后的预设的关联账户集合和删除处理后的候选账户集合,重新对所述每个属性信息对应的参数值进行训练,根据重新训练得到的参数值对所述删除处理后的候选账户集合中的账户进行关联决策,确定所述删除处理后的候选账户集合中的关联账户。
可选的,确定模块430,用于:
如果确定出的关联账户对的数目大于或等于第一数值,则根据所述确定出的关联账户对,确定所述候选账户集合中的关联账户;
其中,所述第一数值为所述候选账户集合中属于所述第一应用程序的账户的数目和属于所述第二应用程序的账户的数目二者中的最小数目。
本发明实施例中,获取候选账户集合,并且获取每个属性信息对应的参数值,每个属性信息对应的参数值基于候选账户集合和关联账户集合构建得到,然后可以基于每个属性对应的参数值对候选账户集合中的账户进行关联决策,得到关联账户。由于是使用候选账户集合和关联账户集合,确定每个属性信息对应的参数值,所以只需要少量的关联账户对,这样人工标定所用的时间也比较少,从而确定关联账户的效率比较高。
需要说明的是:上述实施例提供的确定关联账户的装置在确定关联账户时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的确定关联账户的装置与确定关联账户的方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
请参考图5,其示出了本发明实施例所涉及的服务器的结构示意图,该服务器可以用于实施上述实施例中提供的确定关联账户的方法。具体来讲:
该服务器500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processing units,CPU)522(例如,一个或一个以上处理器)和存储器532,一个或一个以上存储应用程序542或数据544的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器532和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器522可以设置为与存储介质530通信,在服务器500上执行存储介质530中的一系列指令操作。
服务器500还可以包括一个或一个以上电源526,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口558,一个或一个以上键盘556,和/或,一个或一个以上操作系统541,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
服务器500可以包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行上述确定关联账户的方法。
图6示出了本发明一个示例性实施例提供的终端600的结构框图。该终端600可以是:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio LayerIV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端600还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端600包括有:处理器601和存储器602。
处理器601可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器601可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器601也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器601可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器601还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器602可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器602还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器602中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器601所执行以实现本申请中方法实施例提供的确定关联账户的方法。
在一些实施例中,终端600还可选包括有:外围设备接口603和至少一个外围设备。处理器601、存储器602和外围设备接口603之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口603相连。具体地,外围设备包括:射频电路604、触摸显示屏605、摄像头606、音频电路607、定位组件608和电源609中的至少一种。
外围设备接口603可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器601和存储器602。在一些实施例中,处理器601、存储器602和外围设备接口603被集成在同一芯片或电路板上;在一些其他实施例中,处理器601、存储器602和外围设备接口603中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路604用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路604通过电磁信号与通信网络以及其他通信设备进行通信。射频电路604将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路604包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路604可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路604还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏605用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏605是触摸显示屏时,显示屏605还具有采集在显示屏605的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器601进行处理。此时,显示屏605还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏605可以为一个,设置终端600的前面板;在另一些实施例中,显示屏605可以为至少两个,分别设置在终端600的不同表面或呈折叠设计;在再一些实施例中,显示屏605可以是柔性显示屏,设置在终端600的弯曲表面上或折叠面上。甚至,显示屏605还可以设置成非矩形的不规则图形,也即异形屏。显示屏605可以采用LCD(LiquidCrystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件606用于采集图像或视频。可选地,摄像头组件606包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件606还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路607可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器601进行处理,或者输入至射频电路604以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端600的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器601或射频电路604的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路607还可以包括耳机插孔。
定位组件608用于定位终端600的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件608可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源609用于为终端600中的各个组件进行供电。电源609可以是交流电、直流电、一次性电池或可充电电池。当电源609包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端600还包括有一个或多个传感器610。该一个或多个传感器610包括但不限于:加速度传感器611、陀螺仪传感器612、压力传感器613、指纹传感器614、光学传感器615以及接近传感器616。
加速度传感器611可以检测以终端600建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器611可以用于检测重力加速度在三个坐标轴上的分量。处理器601可以根据加速度传感器611采集的重力加速度信号,控制触摸显示屏605以横向视图或纵向视图进行用户界面的显示。加速度传感器611还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器612可以检测终端600的机体方向及转动角度,陀螺仪传感器612可以与加速度传感器611协同采集用户对终端600的3D动作。处理器601根据陀螺仪传感器612采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器613可以设置在终端600的侧边框和/或触摸显示屏605的下层。当压力传感器613设置在终端600的侧边框时,可以检测用户对终端600的握持信号,由处理器601根据压力传感器613采集的握持信号进行左右手识别或快捷操作。当压力传感器613设置在触摸显示屏605的下层时,由处理器601根据用户对触摸显示屏605的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器614用于采集用户的指纹,由处理器601根据指纹传感器614采集到的指纹识别用户的身份,或者,由指纹传感器614根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器601授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器614可以被设置终端600的正面、背面或侧面。当终端600上设置有物理按键或厂商Logo时,指纹传感器614可以与物理按键或厂商Logo集成在一起。
光学传感器615用于采集环境光强度。在一个实施例中,处理器601可以根据光学传感器615采集的环境光强度,控制触摸显示屏605的显示亮度。具体地,当环境光强度较高时,调高触摸显示屏605的显示亮度;当环境光强度较低时,调低触摸显示屏605的显示亮度。在另一个实施例中,处理器601还可以根据光学传感器615采集的环境光强度,动态调整摄像头组件606的拍摄参数。
接近传感器616,也称距离传感器,通常设置在终端600的前面板。接近传感器616用于采集用户与终端600的正面之间的距离。在一个实施例中,当接近传感器616检测到用户与终端600的正面之间的距离逐渐变小时,由处理器601控制触摸显示屏605从亮屏状态切换为息屏状态;当接近传感器616检测到用户与终端600的正面之间的距离逐渐变大时,由处理器601控制触摸显示屏605从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图6中示出的结构并不构成对终端600的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种确定关联账户的方法,其特征在于,所述方法包括:
获取候选账户集合,其中,所述候选账户集合中包括多个候选账户对以及每个候选账户对中的两个账户分别对应的属性信息,所述每个候选账户对由第一应用程序的账户和第二应用程序的账户组成;
确定所述每个候选账户对中的两个账户在每个属性信息下的第一相似度,并确定预设的关联账户集合中每个关联账户对中的两个账户在每个属性信息下的第二相似度,所述关联账户集合中包括多个关联账户对以及每个关联账户对中的两个账户分别对应的属性信息;
根据所述第一相似度和所述第二相似度,确定每个属性信息对应的联合概率分布;
根据所述联合概率分布,构建账户关联的概率生成模型,根据所述概率生成模型得到每个属性信息对应的参数值;
根据所述每个属性信息对应的参数值对所述候选账户集合中的账户进行关联决策,得到关联账户。
2.根据权利要求1所述的方法,其特征在于,所述根据所述联合概率分布,构建账户关联的概率生成模型,包括:
确定所述第一相似度和所述第二相似度满足的指数族分布;
根据所述联合概率分布和所述指数族分布,构建账户关联的概率生成模型。
3.根据权利要求1所述的方法,其特征在于,所述确定所述每个候选账户对中的两个账户在每个属性信息下的第一相似度,并确定所述每个关联账户对中的两个账户在每个属性信息下的第二相似度,包括:
根据所述每个属性信息分别对应的预设的属性相似度函数,确定所述每个候选账户对中的两个账户在每个属性信息下的第一相似度,并确定所述每个关联账户对中的两个账户在每个属性信息下的第二相似度。
4.根据权利要求1所述的方法,其特征在于,所述获取候选账户集合,包括:
获取所述第一应用程序对应的第一账户集合和所述第二应用程序对应的第二账户集合;
根据所述第一账户集合和所述第二账户集合中的账户对应的用户名以及位置敏感哈希LSH算法,对所述第一账户集合和第二账户集合中的账户进行匹配,将匹配的账户进行分组;
从匹配的账户组中获取账户,组成候选账户集合。
5.根据权利要求1所述的方法,其特征在于,所述根据所述每个属性信息对应的参数值对所述候选账户集合中的账户进行关联决策,得到关联账户,包括:
根据所述每个属性信息对应的参数值对所述候选账户集合中的账户进行关联决策,得到所述每个候选账户对中的两个账户是关联账户的预测值;
根据确定出的预测值,确定所述候选账户集合中的关联账户。
6.根据权利要求1至4任一所述的方法,其特征在于,所述根据所述每个属性信息对应的参数值对所述候选账户集合中的账户进行关联决策,得到关联账户,包括:
根据所述每个属性信息对应的参数值对所述候选账户集合中的账户进行关联决策,得到所述候选账户集合中的关联账户对;
根据确定出的关联账户对,得到关联账户。
7.根据权利要求6所述的方法,其特征在于,所述根据确定出的关联账户对,得到关联账户,包括:
如果确定出的关联账户对的数目小于第一数值,则将所述确定出的关联账户对添加至所述预设的关联账户集合中,并在所述候选账户集合中删除所述确定出的关联账户对;其中,所述第一数值为所述候选账户集合中属于所述第一应用程序的账户的数目和属于所述第二应用程序的账户的数目二者中的最小数目;
根据添加处理后的预设的关联账户集合和删除处理后的候选账户集合,重新对所述每个属性信息对应的参数值进行训练,根据重新训练得到的参数值对所述删除处理后的候选账户集合中的账户进行关联决策,确定所述删除处理后的候选账户集合中的关联账户。
8.根据权利要求6所述的方法,其特征在于,所述根据确定出的关联账户对,得到关联账户,包括:
如果确定出的关联账户对的数目大于或等于第一数值,则根据所述确定出的关联账户对,确定所述候选账户集合中的关联账户;
其中,所述第一数值为所述候选账户集合中属于所述第一应用程序的账户的数目和属于所述第二应用程序的账户的数目二者中的最小数目。
9.一种确定关联账户的装置,其特征在于,所述装置包括:
第一获取模块,用于获取候选账户集合,其中,所述候选账户集合中包括多个候选账户对以及每个候选账户对中的两个账户分别对应的属性信息,所述每个候选账户对由第一应用程序的账户和第二应用程序的账户组成;
第二获取模块,用于确定所述每个候选账户对中的两个账户在每个属性信息下的第一相似度,并确定预设的关联账户集合中每个关联账户对中的两个账户在每个属性信息下的第二相似度,所述关联账户集合中包括多个关联账户对以及每个关联账户对中的两个账户分别对应的属性信息;
根据所述第一相似度和所述第二相似度,确定每个属性信息对应的联合概率分布;
根据所述联合概率分布,构建账户关联的概率生成模型,根据所述概率生成模型得到每个属性信息对应的参数值;
确定模块,用于根据所述每个属性信息对应的参数值对所述候选账户集合中的账户进行关联决策,得到关联账户。
10.一种服务器,其特征在于,所述服务器包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现如权利要求1至8任一所述的确定关联账户的方法。
11.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现如权利要求1至8任一所述的确定关联账户的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810200979.5A CN110162956B (zh) | 2018-03-12 | 2018-03-12 | 确定关联账户的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810200979.5A CN110162956B (zh) | 2018-03-12 | 2018-03-12 | 确定关联账户的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110162956A CN110162956A (zh) | 2019-08-23 |
CN110162956B true CN110162956B (zh) | 2024-01-19 |
Family
ID=67635853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810200979.5A Active CN110162956B (zh) | 2018-03-12 | 2018-03-12 | 确定关联账户的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110162956B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110717388B (zh) * | 2019-09-02 | 2023-06-06 | 平安科技(深圳)有限公司 | 多账户关联注册的方法、装置、计算机设备及存储介质 |
CN111127094B (zh) * | 2019-12-19 | 2023-08-25 | 秒针信息技术有限公司 | 一种账户匹配方法、装置、电子设备和存储介质 |
CN111429219A (zh) * | 2020-03-25 | 2020-07-17 | 京东数字科技控股有限公司 | 数据确认方法、装置、设备及存储介质 |
CN113971038A (zh) * | 2020-07-22 | 2022-01-25 | 北京达佳互联信息技术有限公司 | 应用程序账户的异常识别方法、装置、服务器及存储介质 |
CN113536252B (zh) * | 2021-07-21 | 2022-08-09 | 贝壳找房(北京)科技有限公司 | 账号识别方法和计算机可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831219A (zh) * | 2012-08-22 | 2012-12-19 | 浙江大学 | 一种应用于社区发现的可覆盖聚类算法 |
CN104052651A (zh) * | 2014-06-03 | 2014-09-17 | 西安交通大学 | 一种建立社交组的方法和装置 |
CN104574192A (zh) * | 2013-10-25 | 2015-04-29 | 华为技术有限公司 | 在多个社交网络中识别同一用户的方法及装置 |
CN105069083A (zh) * | 2015-07-31 | 2015-11-18 | 小米科技有限责任公司 | 关联用户的确定方法及装置 |
CN105096161A (zh) * | 2015-07-17 | 2015-11-25 | 腾讯科技(深圳)有限公司 | 一种进行信息展示的方法和装置 |
CN105302807A (zh) * | 2014-06-06 | 2016-02-03 | 腾讯科技(深圳)有限公司 | 一种获取信息类别的方法和装置 |
CN105528352A (zh) * | 2014-09-29 | 2016-04-27 | 国际商业机器公司 | 建立移动通信用户与其网络账户信息的对应关系的方法 |
CN105741175A (zh) * | 2016-01-27 | 2016-07-06 | 电子科技大学 | 一种对在线社交网络中账户进行关联的方法 |
CN106034149A (zh) * | 2015-03-13 | 2016-10-19 | 阿里巴巴集团控股有限公司 | 一种账户识别方法及装置 |
CN107018000A (zh) * | 2016-01-27 | 2017-08-04 | 阿里巴巴集团控股有限公司 | 账户关联方法和装置 |
CN107404408A (zh) * | 2017-08-30 | 2017-11-28 | 北京邮电大学 | 一种虚拟身份关联识别方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090094695A1 (en) * | 2007-10-05 | 2009-04-09 | Ravi Prakash Bansal | Account association generation |
CN103593799B (zh) * | 2012-08-16 | 2016-10-26 | 腾讯科技(深圳)有限公司 | 自然人信息设置方法、系统及相应的好友推荐方法、系统 |
US9942321B2 (en) * | 2016-01-06 | 2018-04-10 | Ca, Inc. | Identity-to-account correlation and synchronization |
-
2018
- 2018-03-12 CN CN201810200979.5A patent/CN110162956B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831219A (zh) * | 2012-08-22 | 2012-12-19 | 浙江大学 | 一种应用于社区发现的可覆盖聚类算法 |
CN104574192A (zh) * | 2013-10-25 | 2015-04-29 | 华为技术有限公司 | 在多个社交网络中识别同一用户的方法及装置 |
CN104052651A (zh) * | 2014-06-03 | 2014-09-17 | 西安交通大学 | 一种建立社交组的方法和装置 |
CN105302807A (zh) * | 2014-06-06 | 2016-02-03 | 腾讯科技(深圳)有限公司 | 一种获取信息类别的方法和装置 |
CN105528352A (zh) * | 2014-09-29 | 2016-04-27 | 国际商业机器公司 | 建立移动通信用户与其网络账户信息的对应关系的方法 |
CN106034149A (zh) * | 2015-03-13 | 2016-10-19 | 阿里巴巴集团控股有限公司 | 一种账户识别方法及装置 |
CN105096161A (zh) * | 2015-07-17 | 2015-11-25 | 腾讯科技(深圳)有限公司 | 一种进行信息展示的方法和装置 |
CN105069083A (zh) * | 2015-07-31 | 2015-11-18 | 小米科技有限责任公司 | 关联用户的确定方法及装置 |
CN105741175A (zh) * | 2016-01-27 | 2016-07-06 | 电子科技大学 | 一种对在线社交网络中账户进行关联的方法 |
CN107018000A (zh) * | 2016-01-27 | 2017-08-04 | 阿里巴巴集团控股有限公司 | 账户关联方法和装置 |
CN107404408A (zh) * | 2017-08-30 | 2017-11-28 | 北京邮电大学 | 一种虚拟身份关联识别方法及装置 |
Non-Patent Citations (7)
Title |
---|
互联网用户身份同一性判定若干关键技术研究;刘东;《中国博士学位论文电子期刊网》;全文 * |
利用实体解析的跨社交媒体同一用户识别;齐林峰;《图书情报工作》;第107-113页 * |
基于信息熵的跨社交网络用户身份识别方法;吴铮;于洪涛;刘树新;朱宇航;;计算机应用(第08期);全文 * |
基于用户名特征的用户身份同一性判定方法;刘东;吴泉源;韩伟红;周斌;;计算机学报(第10期);第2028-2039页 * |
社交媒体复杂行为分析与建模;蒋朦;《社交媒体复杂行为分析与建模》;全文 * |
跨社交网络的实体用户关联技术研究;罗梁;王文贤;钟杰;王海舟;;信息网络安全(第02期);全文 * |
跨领域推荐技术综述;陈雷慧;匡俊;陈辉;曾炜;郑建兵;高明;;华东师范大学学报(自然科学版)(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110162956A (zh) | 2019-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210349940A1 (en) | Video clip positioning method and apparatus, computer device, and storage medium | |
CN110162956B (zh) | 确定关联账户的方法和装置 | |
WO2020228519A1 (zh) | 字符识别方法、装置、计算机设备以及存储介质 | |
WO2020019873A1 (zh) | 图像处理方法、装置、终端及计算机可读存储介质 | |
CN109918669B (zh) | 实体确定方法、装置及存储介质 | |
CN111027490B (zh) | 人脸属性识别方法及装置、存储介质 | |
CN110162604B (zh) | 语句生成方法、装置、设备及存储介质 | |
CN110147533B (zh) | 编码方法、装置、设备及存储介质 | |
WO2020048392A1 (zh) | 应用程序的病毒检测方法、装置、计算机设备及存储介质 | |
WO2022057435A1 (zh) | 基于搜索的问答方法及存储介质 | |
CN111680697B (zh) | 实现领域自适应的方法、装置、电子设备及介质 | |
CN111339737B (zh) | 实体链接方法、装置、设备及存储介质 | |
CN110147532B (zh) | 编码方法、装置、设备及存储介质 | |
CN111507094A (zh) | 基于深度学习的文本处理模型训练方法、装置及设备 | |
WO2021218634A1 (zh) | 内容推送 | |
CN111353946A (zh) | 图像修复方法、装置、设备及存储介质 | |
CN110837557B (zh) | 摘要生成方法、装置、设备及介质 | |
CN111639639B (zh) | 检测文本区域的方法、装置、设备及存储介质 | |
CN113836946B (zh) | 训练评分模型的方法、装置、终端及存储介质 | |
CN112001442B (zh) | 特征检测方法、装置、计算机设备及存储介质 | |
CN114358102A (zh) | 数据分类方法、装置、设备及存储介质 | |
WO2020220702A1 (zh) | 生成自然语言 | |
CN111143441A (zh) | 性别确定方法、装置、设备及存储介质 | |
CN111897709A (zh) | 监控用户的方法、装置、电子设备及介质 | |
CN111858983A (zh) | 图片类别的确定方法、装置、电子设备及存储介质 |
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 |