CN111160917A - 对象状态检测方法、装置、电子设备及可读存储介质 - Google Patents
对象状态检测方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111160917A CN111160917A CN201911312092.6A CN201911312092A CN111160917A CN 111160917 A CN111160917 A CN 111160917A CN 201911312092 A CN201911312092 A CN 201911312092A CN 111160917 A CN111160917 A CN 111160917A
- Authority
- CN
- China
- Prior art keywords
- target object
- user
- bipartite graph
- preset operation
- vertex
- 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
Links
Images
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
本申请实施例提供了一种对象状态检测方法、装置、电子设备及可读存储介质,其中方法包括:确定待检测的目标对象,根据针对目标对象执行预设操作的用户的用户标识,以及该用户执行预设操作所针对的除目标对象外其他对象的对象标识,构建目标对象的二部图,在目标对象的二部图的稠密度大于预设阈值时,将目标对象的状态标记为异常状态。采用本申请实施例提供的方法,针对任意一个待检测目标对象,可以通过在线生成的方式构建目标对象二部图,整个检测过程发生在目标对象被执行预设操作期间,因此支持实时风险检测,做到在事中发现风险。
Description
技术领域
本申请实施例涉及数据处理技术领域,尤其涉及一种对象状态检测方法、装置、电子设备及可读存储介质。
背景技术
O2O(Online To Offline,在线离线/线上到线下),是指将线下的商务机会与互联网结合,让互联网成为线下交易的平台。
随着互联网技术的发展,O2O平台得到了巨大的发展,O2O平台提供了各种业务,涵盖了人们的衣食住行多方面,极大地方便了人们的日常生活。但是,O2O平台的发展的同时,也促进了众包团伙的发展,众包团伙通常对O2O平台上的一些对象进行异常操作,使其出现欺诈风险,成为异常状态,例如,O2O平台上的对象可以是商户、订单、商品等,其中,商户和商品可能存在被众包团伙刷单的情况,订单可能存在被众包团伙作弊、套现、砍价等情况,这些对象由于经过众包团伙的上述欺诈操作而成为异常状态。这些对象的异常状态会误导正常用户或者商家,从而阻碍O2O平台的正常运行。
由于这些对象的异常状态基本上不会有举报、投诉等反馈,因此对于对象的异常状态进行检测往往比较困难。
发明内容
本申请实施例提供一种对象状态检测方法、装置、电子设备及可读存储介质,以提高对象状态检测的效果。
本申请实施例第一方面提供了一种对象状态检测方法,所述方法包括:
确定待检测的目标对象;
根据针对所述目标对象执行预设操作的用户的用户标识,以及该用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,构建所述目标对象的二部图;
在所述目标对象的二部图的稠密度大于预设阈值时,将所述目标对象的状态标记为异常状态;
其中,所述目标对象的二部图中的顶点为所述用户标识、所述目标对象和所述其他对象各自的对象标识,所述目标对象的二部图中的边表征任一用户针对所述目标对象已执行所述预设操作。
可选地,在确定待检测的目标对象之后,所述方法还包括:
将所述目标对象的对象标识作为顶点,添加到所述目标对象的二部图中;
根据针对所述目标对象执行预设操作的用户的用户标识,以及该用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,构建所述目标对象的二部图,包括:
当检测到针对所述目标对象执行所述预设操作的第一个用户的用户标识时,将所述第一个用户的用户标识作为顶点,添加到所述目标对象的二部图中,并在所述二部图中添加连接所述第一个用户的用户标识对应的顶点和所述目标对象的对象标识对应的顶点的边;
根据所述第一个用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,将所述其他对象的对象标识作为顶点,添加到所述目标对象的二部图中,并在所述目标对象的二部图中添加连接所述第一个用户的用户标识对应的顶点和所述其他对象的对象标识对应的顶点的边;
当检测到针对所述目标对象执行所述预设操作的下一个用户的用户标识且所述目标对象的二部图不大于所述预设阈值时,重复上述步骤,直到针对所述目标对象执行所述预设操作的用户总数达到预设数量为止。
可选地,所述第一个用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,是按照以下步骤确定的:
在检测到所述第一个用户针对所述目标对象执行所述预设操作时,以所述第一用户的用户标识为索引,从历史二部图中搜索出所述第一个用户的用户标识对应的顶点所在的边所连接的其他对象的对象标识。
可选地,所述第一个用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,是按照以下步骤确定的:
在检测到所述第一个用户针对所述目标对象和除所述目标对象外其他对象先后执行所述预设操作时,确定所述其他对象的对象标识。
可选地,在从历史二部图中搜索出所述第一个用户的用户标识对应的顶点所在的边所连接的其他对象的对象标识之前,所述方法还包括:
根据任一用户对任一对象已执行所述预设操作的历史操作记录,构建所述历史二部图;或
在检测到任一用户对任一对象执行所述预设操作时,将相应的顶点和边添加到所述历史二部图中。
可选地,在构建所述目标对象的二部图之后,所述方法还包括:
从所述目标对象的二部图中,确定对所述目标对象已执行所述预设操作的各个用户的用户标识的集合;
以所述用户标识的集合为索引,从所述历史二部图中搜索出所述用户标识的集合对应的对象标识的集合;
根据所述对象标识的集合中相比于所述目标对象的二部图新增加的对象标识,在所述目标对象的二部图中添加相应的顶点和边。
可选地,在执行步骤在所述目标对象的二部图的稠密度大于预设阈值时,将所述目标对象的状态标记为异常状态之前,所述方法还包括:
根据所述目标对象的二部图中顶点的总数和边的总数,确定所述目标对象的二部图的稠密度;或者
根据所述目标对象的二部图中顶点的总数和各个顶点的可疑度,以及,所述目标对象的二部图中边的总数和各个边的可疑度,确定所述目标对象的二部图的稠密度;
其中,针对相同对象执行过所述预设操作的用户越多,所述目标对象的二部图的稠密度越高。
可选地,所述方法还包括:
在所述目标对象的二部图的稠密度大于预设阈值时,确定针对所述目标对象执行过所述预设操作的各个用户中存在异常用户。
本申请实施例第二方面提供一种对象状态检测装置,所述装置包括:
第一确定模块,用于确定待检测的目标对象;
第一构建模块,用于根据针对所述目标对象执行预设操作的用户的用户标识,以及该用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,构建所述目标对象的二部图;
标记模块,用于在所述目标对象的二部图的稠密度大于预设阈值时,将所述目标对象的状态标记为异常状态;
其中,所述目标对象的二部图中的顶点为所述用户标识、所述目标对象和所述其他对象各自的对象标识,所述目标对象的二部图中的边表征任一用户针对所述目标对象已执行所述预设操作。
可选地,所述装置还包括:
第一添加模块,用于将所述目标对象的对象标识作为顶点,添加到所述目标对象的二部图中;
所述第一构建模块,包括:
第一添加子模块,用于当检测到针对所述目标对象执行所述预设操作的第一个用户的用户标识时,将所述第一个用户的用户标识作为顶点,添加到所述目标对象的二部图中,并在所述二部图中添加连接所述第一个用户的用户标识对应的顶点和所述目标对象的对象标识对应的顶点的边;
第二添加子模块,用于根据所述第一个用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,将所述其他对象的对象标识作为顶点,添加到所述目标对象的二部图中,并在所述目标对象的二部图中添加连接所述第一个用户的用户标识对应的顶点和所述其他对象的对象标识对应的顶点的边;
重复子模块,用于当检测到针对所述目标对象执行所述预设操作的下一个用户的用户标识且所述目标对象的二部图不大于所述预设阈值时,重复上述步骤,直到针对所述目标对象执行所述预设操作的用户总数达到预设数量为止。
可选地,第二添加子模块还包括:
搜索子单元,用于在检测到所述第一个用户针对所述目标对象执行所述预设操作时,以所述第一用户的用户标识为索引,从历史二部图中搜索出所述第一个用户的用户标识对应的顶点所在的边所连接的其他对象的对象标识。
可选地,第二添加子模块还包括:
确定子单元,用于在检测到所述第一个用户针对所述目标对象和除所述目标对象外其他对象先后执行所述预设操作时,确定所述其他对象的对象标识。
可选地,所述装置还包括:
第二构建模块,用于根据任一用户对任一对象已执行所述预设操作的历史操作记录,构建所述历史二部图;
第二添加模块,用于在检测到任一用户对任一对象执行所述预设操作时,将相应的顶点和边添加到所述历史二部图中。
可选地,所述装置还包括:
第二确定模块,用于从所述目标对象的二部图中,确定对所述目标对象已执行所述预设操作的各个用户的用户标识的集合;
搜索模块,用于以所述用户标识的集合为索引,从所述历史二部图中搜索出所述用户标识的集合对应的对象标识的集合;
第三添加模块,用于根据所述对象标识的集合中相比于所述目标对象的二部图新增加的对象标识,在所述目标对象的二部图中添加相应的顶点和边。
可选地,所述装置还包括:
第三确定模块,用于根据所述目标对象的二部图中顶点的总数和边的总数,确定所述目标对象的二部图的稠密度;
第四确定模块,用于根据所述目标对象的二部图中顶点的总数和各个顶点的可疑度,以及,所述目标对象的二部图中边的总数和各个边的可疑度,确定所述目标对象的二部图的稠密度;
其中,针对相同对象执行过所述预设操作的用户越多,所述目标对象的二部图的稠密度越高。
可选地,所述装置还包括:
第五确定模块,用于在所述目标对象的二部图的稠密度大于预设阈值时,确定针对所述目标对象执行过所述预设操作的各个用户中存在异常用户。
本申请实施例第三方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请第一方面所述的方法中的步骤。
本申请实施例第四方面提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行时实现本申请第一方面所述的方法的步骤。
采用本申请实施例提供的对象状态检测方法,针对任意一个待检测目标对象,在该目标对象被任意一个用户执行预设操作之后,即能够生成目标对象的二部图,接着便可以通过目标对象二部图的稠密度与预设阈值进行比较的方式检测目标对象是否为异常状态,即,本实施例的方法可以通过在线生成的方式构建目标对象二部图,整个检测过程发生在目标对象被执行预设操作期间,因此支持实时风险检测,做到在事中发现风险。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例的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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提出的一种对象状态检测方法的流程图;
图2是本申请一实施例提出的一种目标订单的二部图;
图3是本申请一实施例提出的另一种对象状态检测方法的流程图;
图4是本申请一实施例提出的目标对象的二部图构建过程示意图;
图5是本申请一实施例提出的一种状态检测方法的流程示意图;
图6是本申请一实施例提出的一种对象状态检测装置的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
O2O平台发展的同时,也促进了众包团伙的发展,O2O平台上的对象存在被众包团伙刷单、作弊、套现、砍价等欺诈操作而成为异常状态的可能性。例如,以砍价场景为例,商家通常是通过砍价的方式,让用户将待砍价的订单分享给朋友,使得用户以低价购入的同时可以推广自己的业务,实现商家以及用户双赢的局面,但是,由于众包团伙的出现,用户请了众包团伙进行砍价,由于众包团伙群体相对固定,因此,并不能得到将订单进行有效推广的效果,因此,结局往往只能是用户以低价购入,商家的业务却不能得到推广。
本申请发明人通过对众包团伙的作弊模式进行分析,发现众包团伙的作弊模式一般会预示着大量的同步行为,也就是说,众包团伙可能会对很多的业务均进行操作。
本申请发明人基于上述发现,针对待检测的目标对象,提出首先构建目标对象的二部图,再在目标对象的二部图的稠密度大于预设阈值时,将目标对象的状态标记为异常状态这一技术方案。
参考图1,图1是本申请一实施例提出的一种对象状态检测方法的流程图。如图1所示,该方法包括以下步骤:
步骤S11:确定待检测的目标对象。
本实施例中,在O2O领域,目标对象可以是商家、商品或者订单等对象,当然本申请实施例的方法不仅仅局限于O2O领域,也可以应用于其他领域,例如,应用在互联网领域,目标对象也可以是网址、网页等。此处不对目标对象进行限定。
例如,可以应用本申请的对象状态检测方法对订单的状态进行检测,检测其为正常状态还是异常状态。其中。目标对象的正常状态指的是被普通用户正常操作,正常操作可以为普通用户的正常购买、预定、砍价等操作,目标对象的异常状态指的是目标对象被众包团伙异常操作,异常操作为众包团伙大量购买、预定或者砍价等操作。
步骤S12:根据针对所述目标对象执行预设操作的用户的用户标识,以及该用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,构建所述目标对象的二部图。
其中,所述目标对象的二部图中的顶点为所述用户标识、所述目标对象和所述其他对象各自的对象标识,所述目标对象的二部图中的边表征任一用户针对所述目标对象已执行所述预设操作。
本实施例中,预设操作指的是对目标对象执行的固有操作,例如,以砍价场景为例,预设操作为砍价操作,即用户对订单进行了砍价操作,以预定场景为例,预设操作为预定操作,即用户对订单进行了预定。
用户标识和对象标识均具有唯一性,即用户标识能够唯一标识一个用户,对象标识能够唯一标识一个对象。例如,在O2O平台上,每个用户均具有唯一的用户标识,例如用户ID,每个订单均具有唯一的订单标识,例如订单ID。
为了更详细地对步骤S12进行解释,本申请发明人以对O2O平台上的订单进行砍价操作为例,建立了图2所示目标订单的二部图,参考图2,图2是目标订单的二部图,图2中,根据对目标订单进行了砍价操作的用户的用户ID,以及进行砍价操作的用户对应的砍价操作订单中除去目标订单后,对应的订单的订单ID,构建目标订单的二部图,记为GA。
在图2所示的目标订单的二部图GA中,包括订单集合O和用户集合U,其中用户集合U中的顶点为用户标识,即用户ID,订单集合O中的顶点为目标订单和所述其他订单各自的订单标识,即订单ID,订单集合O和用户集合U之间的边表征任意一个用户针对目标订单已经执行的砍价操作。
步骤S13,在所述目标对象的二部图的稠密度大于预设阈值时,将所述目标对象的状态标记为异常状态。
本实施例中,在构建目标对象的二部图之后,便可以计算目标对象的二部图的稠密度。从而将计算出的目标对象的二部图的稠密度与预设阈值进行比较。
在一种实施方式中,可以根据所述目标对象的二部图中顶点的总数和边的总数,确定所述目标对象的二部图的稠密度。
以图2中目标订单的二部图为例,可以根据目标订单的二部图中顶点的总数和边的总数,确定目标订单的二部图的稠密度。具体可以利用以下公式计算目标对象的稠密度:
其中,g(GA)图GA的稠密度,NE表示图GA内边的个数,NO表示图GA内订单标识的个数,NU表示图GA内用户标识的个数。
在一种实施方式中,可以根据所述目标对象的二部图中顶点的总数和各个顶点的可疑度,以及,所述目标对象的二部图中边的总数和各个边的可疑度,确定所述目标对象的二部图的稠密度。
以图2中目标订单的二部图为例,可以根据目标订单的二部图中顶点的总数和各个顶点的可疑度,以及,所述目标订单的二部图中边的总数和各个边的可疑度,确定所述目标对象的二部图的稠密度。具体可以利用以下公式计算目标对象的稠密度:
其中,g(GA)表示图GA的稠密度,ai表示图GA内第i个顶点的可疑度,Cij表示图GA内第i个顶点和第j个顶点构成边的可疑度。
其中,可疑度可以通过先验知识获得。例如,用户或订单历史被判别出作弊用户或作弊订单,那么该用户节点和订单节点的可疑度较高,并且该用户和该订单构成的边的可疑度较高。
由于针对相同对象执行过所述预设操作的用户越多,所述目标对象的二部图的稠密度越高,同时结合众包团伙执行的操作一般会预示着大量的同步行为的特性,因此,目标对象的二部图的稠密度越高,说明目标对象被众包团伙执行预设操作而成为异常状态的可能性越大。
因此,可以设置一个预设阈值,用于与目标对象的二部图的稠密度进行比较,若目标对象的二部图的稠密度大于预设阈值,则可以判断目标对象为被众包团伙执行了预设操作,可以将目标对象的状态标记为异常状态。
在一种实施方式中,本实施例提出的对象状态检测方法还可以包括以下步骤:
步骤S14:在所述目标对象的二部图的稠密度大于预设阈值时,确定针对所述目标对象执行过所述预设操作的各个用户中存在异常用户。
本实施例中,在目标对象的二部图的稠密度大于预设阈值时,可以判断出该目标对象被众包团伙执行了预设操作,因此,可以进一步判断出针对目标对象执行预设操作的各个用户中存在众包团伙的用户,即异常用户。接着便可以获取到这些针对目标对象执行预设操作的各个用户,对这些用户进行持续关注,从而进一步确定众包用户。
以图2中目标订单的二部图为例,若计算出目标订单的二部图的稠密度大于预设阈值,则可以判断此订单的被众包团伙砍过价,从而将目标订单的状态标记为异常状态,同时可以确定对目标订单砍价的用户中存在众包团伙的用户。
采用本实施例的方法,针对任意一个待检测目标对象,在该目标对象被任意一个用户执行预设操作之后,即能够生成目标对象的二部图,接着便可以通过目标对象二部图的稠密度与预设阈值进行比较的方式检测目标对象是否为异常状态,即,本实施例的方法可以通过在线生成的方式构建目标对象二部图,整个检测过程发生在目标对象被执行预设操作期间,因此支持实时风险检测,做到在事中发现风险。
参考图3和图5,图3是本申请一实施例提出的另一种对象状态检测方法的流程图,图5是本申请一实施例提出的状态检测方法的流程示意图。如图3所示,该方法包括以下步骤:
步骤S31,确定待检测的目标对象。
该步骤可以参考步骤11的详细说明,在此不再赘述。
步骤S32,将所述目标对象的对象标识作为顶点,添加到所述目标对象的二部图中。
本实施例中,在确定了待检测的目标对象之后,可以在图数据库中建立一个目标对象二部图GB,目标对象的二部图GB包括两个集合,一个是对象标识集合,另一个是用户标识集合,可以将目标对象的对象标识作为顶点添加到二部图GB的对象标识集合中。请参考图4,图4目标对象的二部图构建过程示意图,如图4中(1)所示,此时的二部图GB中仅存在目标对象的对象标识这个顶点(对象标识A)。
步骤S33,当检测到针对所述目标对象执行所述预设操作的第一个用户的用户标识时,将所述第一个用户的用户标识作为顶点,添加到所述目标对象的二部图中,并在所述二部图中添加连接所述第一个用户的用户标识对应的顶点和所述目标对象的对象标识对应的顶点的边。
本实施例中,用户标识属于二部图中用户标识集合中的顶点,在检测到针对所述目标对象执行所述预设操作的第一个用户的用户标识时,可以将所述第一个用户的用户标识作为顶点添加到所述目标对象的二部图GB中,并且还可以在二部图GB中添加连接第一个用户的用户标识对应的顶点和所述目标对象的对象标识对应的顶点的边。
继续参考图4,如图4中(2)所示,此时二部图GB中存在目标对象的对象标识这个顶点(对象标识A)以及第一个用户的用户标识(用户标识1)这个顶点,以及边AI,且目标对象的对象标识这个顶点与第一个用户的用户标识这个顶点分别属于不同的集合。
步骤S34,根据所述第一个用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,将所述其他对象的对象标识作为顶点,添加到所述目标对象的二部图中,并在所述目标对象的二部图中添加连接所述第一个用户的用户标识对应的顶点和所述其他对象的对象标识对应的顶点的边。
本实施例中,在将第一个用户的用户标识加入二部图GB之后,可以继续获取第一个用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,接着将其他对象的对象标识作为顶点添加到二部图GB的对象标识集合中,并且还可以在二部图GB中添加连接第一个用户的用户标识对应的顶点和所述其他对象的对象标识对应的顶点的边。
继续参考图4,如图4中(3)所示,假设第一个用户执行预设操作的对象对应的对象标识为对象标识A、对象标识B、对象标识C,其中目标对象的对象标识为对象标识A,因此除所述目标对象外其他对象的对象标识为对象标识B和对象标识C,此时二部图GB中不仅存在目标对象的对象标识这个顶点(对象标识A)、第一个用户的用户标识(用户标识1)这个顶点以及边AI,还存在步骤S34中添加的对象标识B、对象标识C,以及连接对象标识B和用户标识1的边B1以及连接对象标识C和用户标识1的边C1。
在一种实施方式中,考虑到数据库中预先建立历史二部图,在这种情况下,所述第一个用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,可以是按照以下步骤确定的:
在检测到所述第一个用户针对所述目标对象执行所述预设操作时,以所述第一用户的用户标识为索引,从历史二部图中搜索出所述第一个用户的用户标识对应的顶点所在的边所连接的其他对象的对象标识。
本实施例中,历史二部图同样包括两个集合,一个是对象标识集合,另一个是用户标识集合,用户标识集合中保存的是对各个对象执行过预设操作的用户,对象标识集合中保存的是这些用户执行预设操作的对象。
如果数据库中预存有历史二部图,且历史二部图中存在第一用户标识,即用户不是第一次进行预设操作,则可以直接利用历史二部图,以第一用户的用户标识为索引,从历史二部图中搜索出所述第一个用户的用户标识对应的顶点所在的边所连接的其他对象的对象标识。
在一种实施方式中,考虑到数据库中可能存在任一用户已经执行了对任一对象的预设操作的历史数据,但是并没有构建历史二部图,此时,可以通过以下步骤构建历史二部图,即在从历史二部图中搜索出所述第一个用户的用户标识对应的顶点所在的边所连接的其他对象的对象标识之前,还可以包括以下步骤:
根据任一用户对任一对象已执行所述预设操作的历史操作记录,构建所述历史二部图。
本实施例中,历史二部图是包括了任一用户对任一对象已执行所述预设操作的历史操作记录的二部图,因此,任一用户对任一对象已执行所述预设操作的历史操作记录均会被添加到历史二部图中,从而构建历史二部图,在构建历史二部图之后便可以直接利用历史二部图,以第一用户的用户标识为索引,从历史二部图中搜索出所述第一个用户的用户标识对应的顶点所在的边所连接的其他对象的对象标识。
以第一用户的用户标识为索引,从历史二部图中搜索出所述第一个用户的用户标识对应的顶点所在的边所连接的其他对象的对象标识的过程可以看做是从历史二部图中筛选与第一用户的用户标识关联的边,以构建目标对象的子图的过程。
采用本实施例的方法,进一步考虑了数据库不存在历史二部图,但是存在任一用户已经执行了对任一对象的预设操作的历史数据的情况,提高了本申请对象状态检测方法的适用范围。
另外,本实施例的方法是根据目标对象执行预设操作的用户实时生成的目标对象的二部图,并且通过从历史二部图中索引出对目标对象执行预设操作的用户的其他对象,来对目标对象的二部图进行补充,因此构建的目标对象的二部图的数据量小,支持超大型图的子图挖掘。
在一种实施方式中,考虑到众包团伙可能是第一次对对象执行预设操作,此时不存在任何历史数据,在这种情况下,所述第一个用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,还可以是按照以下步骤确定的:
在检测到所述第一个用户针对所述目标对象和除所述目标对象外其他对象先后执行所述预设操作时,确定所述其他对象的对象标识。
本实施例中,如果第一个用户是众包团伙中的用户,且该用户是第一次执行预设操作,那么数据库中不会存在第一个用户的历史数据,此时,只能根据第一个用户的实时操作数据确定其他对象的对象标识。
仍以砍价场景为例,假设目标订单为订单A,第一个用户在对订单A砍价后,还对订单B、C、D进行了砍价,此时可以确定其他对象的对象标识为B、C、D。由于第一个用户是第一次砍价,因此订单A的砍价时间最早,订单B、C、D的砍价时间迟于订单A。
采用本实施例的方法,可以在完全缺乏历史数据,或者存在历史数据,但是对于第一个用户是第一次执行预设操作的情况下,也能够确定所述其他对象的对象标识,进而对对象状态进行检测,提高了本申请对象状态检测方法的适用范围以及准确性。
步骤S35,当检测到针对所述目标对象执行所述预设操作的下一个用户的用户标识且所述目标对象的二部图不大于所述预设阈值时,重复上述步骤,直到针对所述目标对象执行所述预设操作的用户总数达到预设数量为止。
本实施例中,预设数量指的是用户对目标对象执行预设操作的最大次数限定,对目标对象状态进行检测也是在这个过程期间的,如果这个过程期间,目标对象状态都是正常状态的话,则这个目标订单的状态就是正常状态。以砍价场景为例,通常商家会为订单设置一个砍价次数,用户为这个订单砍价的次数达到砍价次数之后,即完成了砍价,用户可以享受砍价后的价格。
对于目标对象,会有多个用户对其执行预设操作,即在检测到第一个用户对其执行了预设操作之后,还会检测到第二个、第三个用户等对其执行预设操作,每检测到一个用户,则重复执行上述步骤S32-步骤S34一次。重复执行上述步骤S32-步骤S34的过程,可以看做是根据对目标对象执行预设操作的用户标识逐渐丰富目标对象的二部图的过程,在这个过程中,如果目标对象的二部图的稠密度大于预设阈值,则已经可以将目标对象的状态标记为异常状态了,不必继续检测了;如果在这个过程中,目标对象的二部图的稠密度不大于预设阈值,则需要继续重复执行上述步骤S33-步骤S34,直到针对所述目标对象执行所述预设操作的用户总数达到预设数量。
继续参考图4,如图4中(4)所示,假设检测到第二个用户,第二个用户的用户标识为2,将第二个用户的用户标识2作为顶点添加到所述目标对象的二部图GB中,并且还可以在二部图GB中添加连接第二个用户的用户标识2对应的顶点和所述目标对象的对象标识A对应的顶点的边A2。
如图4中(5)所示,假设第二个用户执行预设操作的对象对应的对象标识为对象标识A、对象标识C、对象标识D,其中目标对象的对象标识为对象标识A,因此除所述目标对象外其他对象的对象标识为对象标识C和对象标识D,此时二部图GB中不仅存在对象标识A、对象标识B、对象标识C、用户标识1和对象标识2这5个顶点以及AI、A2、B1、C1这4条边,还存在重复步骤S34中添加的对象标识D,以及连接对象标识D和用户标识2的边D2以及连接对象标识C和用户标识2的边C2。
步骤S36,在所述目标对象的二部图的稠密度大于预设阈值时,将所述目标对象的状态标记为异常状态。
该步骤可以参考步骤13的详细说明,在此不再赘述。
采用本实施例的方法,整个方法中涉及历史二部图的索引,目标对象的二部图的构建以及稠密度的确定三个操作,在图数据库中,这三个操作均为常数时间复杂度,即,最终整个方法的时间复杂度大于等于O(1),而一般的子图挖掘方法的时间复杂度大于等于O(n),因此,本申请实施例提供的对象状态检测方法效率更高。
在一种实施方式中,考虑到虽然存在历史二部图,但是众包团伙的用户会不断地对各个对象执行预设操作,例如,假设第一个用户是众包团伙的用户,第一个用户对目标对象执行预设操作后,还会继续对其他对象执行预设操作,因此,为了提高历史二部图的准确性,可以执行以下步骤:
在检测到任一用户对任一对象执行所述预设操作时,将相应的顶点和边添加到所述历史二部图中。
仍以砍价场景为例,对于正常用户,用户可能在第一分钟收到朋友A的邀请,对订单A进行了砍价,在第二分钟收到朋友B的邀请,又对订单B进行了砍价,那么用户的历史砍价数据会变化,但是用户砍价数量通常较少。但是对于众包团伙的用户,如果是在操作初期,众包团伙的用户砍价数量也很少,那么普通用户与众包团伙的差异不大,此时构建的历史二部图可能会存在误差,但是随着时间变化,众包团伙的用户的历史砍价数量会明显增加,也就是说众包团伙在一段时间内会对很多的订单进行砍价,因此,为了提高检测的准确性,可以及时对历史二部图进行更新,即在检测到任一用户对任一对象执行所述预设操作时,将相应的顶点和边添加到所述历史二部图中。
采用本实施例的方法,通过及时更新历史二部图,提高对象状态检测的准确性。
结合以上实施例,在构建目标对象的二部图,且对历史二部图进行更新,即在检测到任一用户对任一对象执行所述预设操作时,将相应的顶点和边添加到所述历史二部图中之后,相应地可以执行以下步骤:
步骤S351,从所述目标对象的二部图中,确定对所述目标对象已执行所述预设操作的各个用户的用户标识的集合。
步骤S352,以所述用户标识的集合为索引,从所述历史二部图中搜索出所述用户标识的集合对应的对象标识的集合。
步骤S353,根据所述对象标识的集合中相比于所述目标对象的二部图新增加的对象标识,在所述目标对象的二部图中添加相应的顶点和边。
本实施例中,首先通过目标对象的二部图,确定用户标识集合中各个用户标识,再以这些用户标识为索引,从更新后的历史二部图中搜索出所述用户标识的集合对应的对象标识的集合,将这些对象标识的集合与目标对象的二部图进行比较,若有新增的对象标识,则将新增的对象标识作为目标对象的二部图中对象标识集合中的顶点加入目标对象的二部图中。
本实施例的方法能够及时更新历史二部图,并且在历史二部图更新更新之后,及时更新目标对象的二部图,使得目标对象的二部图更加准确,提高对象状态检测的准确性。
此外,由于本申请是以用户标识为索引,从历史二部图中搜索出用户标识的集合对应的对象标识的集合的方式,如果在同一时刻检测到多个目标对象,本实施例提供的对象状态检测方法可以同时并行构建多个目标对象各自的二部图,同时对多个目标对象进行状态检测,相互之间不影响。
下面以一个砍价场景的具体示例来对本发明实施例的一种对象状态检测方法的流程进行说明:
参考图5,图5是本申请一实施例提出的状态检测方法的流程示意图,如图5所示,具体包括以下流程:
1、在图数据库中构建历史砍价数据的用户-订单二部图Gh(U∪O,E),Gh的顶点集合由用户集合U和订单集合O组成,如果用户ui对于订单oj砍价过,那么用户顶点ui和订单顶点oj存在一条边。
2、订单A发起了“帮忙砍价”,那么在图数据库中建立一个二部图GA(U∪O,E),GA和Gh的格式一致,此时GA中仅存在订单节点oA;
3、用户i帮订单A进行砍价,那么将用户节点ui加入GA,并且ui和oA存在一条边
4、在Gh中索引出所有与ui节点相连的订单节点集合Oi
5、将订单节点集合Oi并入GA,并且Oi中的每一个订单节点与ui节点存在一条边
6、比较GA的稠密度与预设阈值的大小,稠密度大于预设阈值标识异常状态,结束流程。
7、计算当前的砍价次数是否达到上限S,如果砍价次数达到上限,结束流程。
8、等待新用户帮订单A进行砍价,重复上述流程3-6。
基于同一发明构思,本申请一实施例提供一种对象状态检测装置。参考图6,图6是本申请一实施例提供的对象状态检测装置60的示意图。如图6所示,该装置包括:
第一确定模块61,用于确定待检测的目标对象;
第一构建模块62,用于根据针对所述目标对象执行预设操作的用户的用户标识,以及该用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,构建所述目标对象的二部图;
标记模块63,用于在所述目标对象的二部图的稠密度大于预设阈值时,将所述目标对象的状态标记为异常状态;
其中,所述目标对象的二部图中的顶点为所述用户标识、所述目标对象和所述其他对象各自的对象标识,所述目标对象的二部图中的边表征任一用户针对所述目标对象已执行所述预设操作。
可选地,所述装置还包括:
第一添加模块,用于将所述目标对象的对象标识作为顶点,添加到所述目标对象的二部图中;
所述第一构建模块,包括:
第一添加子模块,用于当检测到针对所述目标对象执行所述预设操作的第一个用户的用户标识时,将所述第一个用户的用户标识作为顶点,添加到所述目标对象的二部图中,并在所述二部图中添加连接所述第一个用户的用户标识对应的顶点和所述目标对象的对象标识对应的顶点的边;
第二添加子模块,用于根据所述第一个用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,将所述其他对象的对象标识作为顶点,添加到所述目标对象的二部图中,并在所述目标对象的二部图中添加连接所述第一个用户的用户标识对应的顶点和所述其他对象的对象标识对应的顶点的边;
重复子模块,用于当检测到针对所述目标对象执行所述预设操作的下一个用户的用户标识且所述目标对象的二部图不大于所述预设阈值时,重复上述步骤,直到针对所述目标对象执行所述预设操作的用户总数达到预设数量为止。
可选地,第二添加子模块还包括:
搜索子单元,用于在检测到所述第一个用户针对所述目标对象执行所述预设操作时,以所述第一用户的用户标识为索引,从历史二部图中搜索出所述第一个用户的用户标识对应的顶点所在的边所连接的其他对象的对象标识。
可选地,第二添加子模块还包括:
确定子单元,用于在检测到所述第一个用户针对所述目标对象和除所述目标对象外其他对象先后执行所述预设操作时,确定所述其他对象的对象标识。
可选地,所述装置还包括:
第二构建模块,用于根据任一用户对任一对象已执行所述预设操作的历史操作记录,构建所述历史二部图;
第二添加模块,用于在检测到任一用户对任一对象执行所述预设操作时,将相应的顶点和边添加到所述历史二部图中。
可选地,所述装置还包括:
第二确定模块,用于从所述目标对象的二部图中,确定对所述目标对象已执行所述预设操作的各个用户的用户标识的集合;
搜索模块,用于以所述用户标识的集合为索引,从所述历史二部图中搜索出所述用户标识的集合对应的对象标识的集合;
第三添加模块,用于根据所述对象标识的集合中相比于所述目标对象的二部图新增加的对象标识,在所述目标对象的二部图中添加相应的顶点和边。
可选地,所述装置还包括:
第三确定模块,用于根据所述目标对象的二部图中顶点的总数和边的总数,确定所述目标对象的二部图的稠密度;
第四确定模块,用于根据所述目标对象的二部图中顶点的总数和各个顶点的可疑度,以及,所述目标对象的二部图中边的总数和各个边的可疑度,确定所述目标对象的二部图的稠密度;
其中,针对相同对象执行过所述预设操作的用户越多,所述目标对象的二部图的稠密度越高。
可选地,所述装置还包括:
第五确定模块,用于在所述目标对象的二部图的稠密度大于预设阈值时,确定针对所述目标对象执行过所述预设操作的各个用户中存在异常用户。
基于同一发明构思,本申请另一实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请上述任一实施例所述的方法中的步骤。
基于同一发明构思,本申请另一实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行时实现本申请上述任一实施例所述的方法中的步骤。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种对象状态检测方法、装置、存储介质和电子设备,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (11)
1.一种对象状态检测方法,其特征在于,所述方法包括:
确定待检测的目标对象;
根据针对所述目标对象执行预设操作的用户的用户标识,以及该用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,构建所述目标对象的二部图;
在所述目标对象的二部图的稠密度大于预设阈值时,将所述目标对象的状态标记为异常状态;
其中,所述目标对象的二部图中的顶点为所述用户标识、所述目标对象和所述其他对象各自的对象标识,所述目标对象的二部图中的边表征任一用户针对所述目标对象已执行所述预设操作。
2.根据权利要求1所述的方法,其特征在于,在确定待检测的目标对象之后,所述方法还包括:
将所述目标对象的对象标识作为顶点,添加到所述目标对象的二部图中;
根据针对所述目标对象执行预设操作的用户的用户标识,以及该用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,构建所述目标对象的二部图,包括:
当检测到针对所述目标对象执行所述预设操作的第一个用户的用户标识时,将所述第一个用户的用户标识作为顶点,添加到所述目标对象的二部图中,并在所述二部图中添加连接所述第一个用户的用户标识对应的顶点和所述目标对象的对象标识对应的顶点的边;
根据所述第一个用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,将所述其他对象的对象标识作为顶点,添加到所述目标对象的二部图中,并在所述目标对象的二部图中添加连接所述第一个用户的用户标识对应的顶点和所述其他对象的对象标识对应的顶点的边;
当检测到针对所述目标对象执行所述预设操作的下一个用户的用户标识且所述目标对象的二部图不大于所述预设阈值时,重复上述步骤,直到针对所述目标对象执行所述预设操作的用户总数达到预设数量为止。
3.根据权利要求2所述的方法,其特征在于,所述第一个用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,是按照以下步骤确定的:
在检测到所述第一个用户针对所述目标对象执行所述预设操作时,以所述第一用户的用户标识为索引,从历史二部图中搜索出所述第一个用户的用户标识对应的顶点所在的边所连接的其他对象的对象标识。
4.根据权利要求2所述的方法,其特征在于,所述第一个用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,是按照以下步骤确定的:
在检测到所述第一个用户针对所述目标对象和除所述目标对象外其他对象先后执行所述预设操作时,确定所述其他对象的对象标识。
5.根据权利要求3所述的方法,其特征在于,在从历史二部图中搜索出所述第一个用户的用户标识对应的顶点所在的边所连接的其他对象的对象标识之前,所述方法还包括:
根据任一用户对任一对象已执行所述预设操作的历史操作记录,构建所述历史二部图;或
在检测到任一用户对任一对象执行所述预设操作时,将相应的顶点和边添加到所述历史二部图中。
6.根据权利要求5所述的方法,其特征在于,在构建所述目标对象的二部图之后,所述方法还包括:
从所述目标对象的二部图中,确定对所述目标对象已执行所述预设操作的各个用户的用户标识的集合;
以所述用户标识的集合为索引,从所述历史二部图中搜索出所述用户标识的集合对应的对象标识的集合;
根据所述对象标识的集合中相比于所述目标对象的二部图新增加的对象标识,在所述目标对象的二部图中添加相应的顶点和边。
7.根据权利要求1所述的方法,其特征在于,在执行步骤在所述目标对象的二部图的稠密度大于预设阈值时,将所述目标对象的状态标记为异常状态之前,所述方法还包括:
根据所述目标对象的二部图中顶点的总数和边的总数,确定所述目标对象的二部图的稠密度;或者
根据所述目标对象的二部图中顶点的总数和各个顶点的可疑度,以及,所述目标对象的二部图中边的总数和各个边的可疑度,确定所述目标对象的二部图的稠密度;
其中,针对相同对象执行过所述预设操作的用户越多,所述目标对象的二部图的稠密度越高。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述目标对象的二部图的稠密度大于预设阈值时,确定针对所述目标对象执行过所述预设操作的各个用户中存在异常用户。
9.一种对象状态检测装置,其特征在于,所述装置包括:
第一确定模块,用于确定待检测的目标对象;
第一构建模块,用于根据针对所述目标对象执行预设操作的用户的用户标识,以及该用户执行所述预设操作所针对的除所述目标对象外其他对象的对象标识,构建所述目标对象的二部图;
标记模块,用于在所述目标对象的二部图的稠密度大于预设阈值时,将所述目标对象的状态标记为异常状态;
其中,所述目标对象的二部图中的顶点为所述用户标识、所述目标对象和所述其他对象各自的对象标识,所述目标对象的二部图中的边表征任一用户针对所述目标对象已执行所述预设操作。
10.一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任一所述的方法中的步骤。
11.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行时实现如权利要求1-8任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911312092.6A CN111160917A (zh) | 2019-12-18 | 2019-12-18 | 对象状态检测方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911312092.6A CN111160917A (zh) | 2019-12-18 | 2019-12-18 | 对象状态检测方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111160917A true CN111160917A (zh) | 2020-05-15 |
Family
ID=70557240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911312092.6A Pending CN111160917A (zh) | 2019-12-18 | 2019-12-18 | 对象状态检测方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111160917A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107256465A (zh) * | 2017-06-28 | 2017-10-17 | 阿里巴巴集团控股有限公司 | 风险账户的识别方法及装置 |
CN107423695A (zh) * | 2017-07-13 | 2017-12-01 | 苏州珂锐铁电气科技有限公司 | 基于二分图的动态纹理识别方法 |
CN108322473A (zh) * | 2018-02-12 | 2018-07-24 | 北京京东金融科技控股有限公司 | 用户行为分析方法与装置 |
CN108920947A (zh) * | 2018-05-08 | 2018-11-30 | 北京奇艺世纪科技有限公司 | 一种基于日志图建模的异常检测方法和装置 |
CN109948641A (zh) * | 2019-01-17 | 2019-06-28 | 阿里巴巴集团控股有限公司 | 异常群体识别方法及装置 |
CN110504679A (zh) * | 2019-07-25 | 2019-11-26 | 深圳供电局有限公司 | 一种基于km匹配算法的非侵入式负荷辨识方法 |
-
2019
- 2019-12-18 CN CN201911312092.6A patent/CN111160917A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107256465A (zh) * | 2017-06-28 | 2017-10-17 | 阿里巴巴集团控股有限公司 | 风险账户的识别方法及装置 |
CN107423695A (zh) * | 2017-07-13 | 2017-12-01 | 苏州珂锐铁电气科技有限公司 | 基于二分图的动态纹理识别方法 |
CN108322473A (zh) * | 2018-02-12 | 2018-07-24 | 北京京东金融科技控股有限公司 | 用户行为分析方法与装置 |
CN108920947A (zh) * | 2018-05-08 | 2018-11-30 | 北京奇艺世纪科技有限公司 | 一种基于日志图建模的异常检测方法和装置 |
CN109948641A (zh) * | 2019-01-17 | 2019-06-28 | 阿里巴巴集团控股有限公司 | 异常群体识别方法及装置 |
CN110504679A (zh) * | 2019-07-25 | 2019-11-26 | 深圳供电局有限公司 | 一种基于km匹配算法的非侵入式负荷辨识方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109241415B (zh) | 项目推荐方法、装置、计算机设备及存储介质 | |
CN111274495B (zh) | 用户关系强度的数据处理方法、装置、计算机设备及存储介质 | |
TWI599901B (zh) | 用於更新信任分數之方法及系統 | |
WO2020048084A1 (zh) | 资源推荐方法、装置、计算机设备及计算机可读存储介质 | |
JP2021515427A (ja) | ブロックチェーンベースのデータ検証方法および装置、ならびに電子デバイス | |
IL261465A (en) | Method, system and computer software product for updating a trust score | |
WO2016015444A1 (zh) | 一种目标用户的确定方法、设备和网络服务器 | |
CN108920947A (zh) | 一种基于日志图建模的异常检测方法和装置 | |
CN107357790B (zh) | 一种异常消息检测方法、装置及系统 | |
CN109635007B (zh) | 一种行为评估方法、装置及相关设备 | |
CN105391594B (zh) | 识别特征账号的方法及装置 | |
CN110415107A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN107808346B (zh) | 一种潜在目标对象的评估方法及评估装置 | |
CN112650482A (zh) | 一种逻辑组件的推荐方法及相关装置 | |
CN103391302A (zh) | 一种信息发送的方法及系统 | |
Zhang et al. | A trust model stemmed from the diffusion theory for opinion evaluation | |
CN108053214B (zh) | 一种虚假交易的识别方法和装置 | |
US8577714B2 (en) | Business information management system, business information management method, and business information management program | |
CN111428095A (zh) | 图数据质量验证方法及图数据质量验证装置 | |
CN112925899B (zh) | 排序模型建立方法、案件线索推荐方法、装置及介质 | |
WO2019234827A1 (ja) | 情報処理装置、判定方法、プログラムが格納された非一時的なコンピュータ可読媒体および情報処理システム | |
CN112132589A (zh) | 一种基于多次融合构建欺诈识别模型的方法 | |
CN116186119A (zh) | 用户行为分析方法、装置、设备及存储介质 | |
CN110059097B (zh) | 数据处理方法和装置 | |
CN111160917A (zh) | 对象状态检测方法、装置、电子设备及可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200515 |
|
RJ01 | Rejection of invention patent application after publication |