CN111224865B - 基于付费会话的用户识别方法、电子装置及存储介质 - Google Patents

基于付费会话的用户识别方法、电子装置及存储介质 Download PDF

Info

Publication number
CN111224865B
CN111224865B CN202010325155.8A CN202010325155A CN111224865B CN 111224865 B CN111224865 B CN 111224865B CN 202010325155 A CN202010325155 A CN 202010325155A CN 111224865 B CN111224865 B CN 111224865B
Authority
CN
China
Prior art keywords
user
preset
session
identification
neural network
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
Application number
CN202010325155.8A
Other languages
English (en)
Other versions
CN111224865A (zh
Inventor
杨扬
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.)
Shenzhen Aichat Technology Co ltd
Original Assignee
Shenzhen Aichat 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 Shenzhen Aichat Technology Co ltd filed Critical Shenzhen Aichat Technology Co ltd
Priority to CN202010325155.8A priority Critical patent/CN111224865B/zh
Publication of CN111224865A publication Critical patent/CN111224865A/zh
Application granted granted Critical
Publication of CN111224865B publication Critical patent/CN111224865B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/21—Monitoring or handling of messages
    • H04L51/216—Handling conversation history, e.g. grouping of messages in sessions or threads
    • 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
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/1066—Session management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/1066—Session management
    • H04L65/1076—Screening of IP real time communications, e.g. spam over Internet telephony [SPIT]
    • H04L65/1079—Screening of IP real time communications, e.g. spam over Internet telephony [SPIT] of unsolicited session attempts, e.g. SPIT

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明涉及数据处理技术，提供了一种基于付费会话的用户识别方法、电子装置及存储介质。该方法通过接收第一用户向第二用户发起会话的请求，将该请求中携带的第一数据包发送至第二用户，判断第一用户在第一预设时长内是否接收到第二用户的响应信息，若未接收到，则将第一数据包发送至所述第一用户，若接收到，则将预设的第二数据包发送至第二用户，获取第二用户的属性信息输入预先训练好的用户识别模型，根据得到的识别结果对第二用户执行相应的处理操作。利用本发明，可以提高真实用户回复的积极性，从而提升消息回复及时性，并通过智能识别对机器人和专业陪聊人员做出相应的处理，有效地杜绝陪聊机器人和专业陪聊人员。

Description

基于付费会话的用户识别方法、电子装置及存储介质
技术领域
本发明涉及数据处理领域，尤其涉及一种基于付费会话的用户识别方法、电子装置及存储介质。
背景技术
目前社交软件的免费聊天场景中，用户向另一陌生用户发起会话之后，往往不能及时得到回复，虽然用户在付费聊天场景时回复率较高，但会话的对象大多是公司雇佣的专业陪聊兼职人员或机器人，而非真实用户，提供的并不是真实的社交服务。
因此，提供一种提高会话消息回复积极性，且能自动识别用户是否为专业付费陪聊用户的技术方案，已成为本领域技术人员亟待解决的技术问题。
发明内容
鉴于以上内容，本发明提供一种基于付费会话的用户识别方法、电子装置及存储介质，其目的在于解决现有技术中会话消息回复积极性低且不能自动识别用户是否为专业付费陪聊用户的问题。
为实现上述目的，本发明提供一种基于付费会话的用户识别方法，该方法包括：
接收步骤：接收第一用户向第二用户发起会话的请求，将该请求中携带的第一数据包发送至第二用户，并创建所述第一用户与所述第二用户的会话界面；
判断步骤：判断所述第一用户在第一预设时长内是否接收到所述第二用户基于会话请求的响应信息，若未接收到，则将所述第一数据包发送至所述第一用户；
监测步骤：若所述第一用户在第一预设时长内接收到所述响应信息，则将预设的第二数据包发送至所述第二用户；及
识别步骤：基于所述会话界面获取所述第二用户的属性信息，将该属性信息输入预先训练好的用户识别模型进行识别，若识别到所述第二用户为预设第一类型的用户，则对所述第二用户执行第一处理操作，若识别到所述第二用户为预设第二类型的用户，则对所述第二用户执行第二处理操作。
优选的，所述接收步骤包括：
对所述第一用户进行身份鉴定，当所述第一用户身份鉴定通过时，执行所述将该请求中携带的第一数据包发送至第二用户的步骤，当所述第一用户身份鉴定失败是，拒绝所述会话的请求并生成预警信息。
优选的，，所述基于所述会话界面获取所述第二用户的属性信息包括：
基于所述会话界面获取所述第二用户的标识信息，基于所述标识信息从预设数据库获取所述第二用户的历史行为信息，将所述历史行为信息作为所述第二用户的属性信息。
优选的所述用户识别模型是通过神经网络模型训练得到的，训练过程包括：
获取预设目标用户群的属性信息，对该属性信息执行预处理操作后作为训练样本，构建神经网络模型并设定神经网络模型的参数，利用第一预设计算规则计算出该神经网络模型的隐含层节点数量的取值范围，利用第二预设计算规则及所述训练样本集，分别计算隐含层节点数量在所述取值范围中各取值时的神经网络模型的学习误差，将学习误差取值最小的神经网络模型作为用户识别模型。
优选的，所述第一预设计算规则包括：
Figure 336110DEST_PATH_IMAGE001
，
其中，
Figure 669003DEST_PATH_IMAGE002
表示神经网络模型的隐含层节点数量，n表示神经网络模型的输入层节点数量，m表示神经网络模型的输出层节点数量，a表示正整数。
为实现上述目的，本发明还提供一种电子装置，该电子装置包括：存储器及处理器，所述存储器上存储基于付费会话的用户识别程序，所述基于付费会话的用户识别程序被所述处理器执行，实现如下步骤：
接收步骤：接收第一用户向第二用户发起会话的请求，将该请求中携带的第一数据包发送至第二用户，并创建所述第一用户与所述第二用户的会话界面；
判断步骤：判断所述第一用户在第一预设时长内是否接收到所述第二用户基于会话请求的响应信息，若未接收到，则将所述第一数据包发送至所述第一用户；
监测步骤：若所述第一用户在第一预设时长内接收到所述响应信息，则将预设的第二数据包发送至所述第二用户；及
识别步骤：基于所述会话界面获取所述第二用户的属性信息，将该属性信息输入预先训练好的用户识别模型进行识别，若识别到所述第二用户为预设第一类型的用户，则对所述第二用户执行第一处理操作，若识别到所述第二用户为预设第二类型的用户，则对所述第二用户执行第二处理操作。
优选的，所述接收步骤包括：
对所述第一用户进行身份鉴定，当所述第一用户身份鉴定通过时，执行所述将该请求中携带的第一数据包发送至第二用户的步骤，当所述第一用户身份鉴定失败是，拒绝所述会话的请求并生成预警信息。
优选的，所述基于所述会话界面获取所述第二用户的属性信息包括：
基于所述会话界面获取所述第二用户的标识信息，基于所述标识信息从预设数据库获取所述第二用户的历史行为信息，将所述历史行为信息作为所述第二用户的属性信息。
优选的，所述用户识别模型是通过神经网络模型训练得到的，训练过程包括：
获取预设目标用户群的属性信息，对该属性信息执行预处理操作后作为训练样本，构建神经网络模型并设定神经网络模型的参数，利用第一预设计算规则计算出该神经网络模型的隐含层节点数量的取值范围，利用第二预设计算规则及所述训练样本集，分别计算隐含层节点数量在所述取值范围中各取值时的神经网络模型的学习误差，将学习误差取值最小的神经网络模型作为用户识别模型。
为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中包括基于付费会话的用户识别程序，所述基于付费会话的用户识别程序被处理器执行时，实现如上所述基于付费会话的用户识别方法中的任意步骤。
本发明提出的基于付费会话的用户识别方法、电子装置及存储介质，可以在会话场景中，提高真实用户回复消息积极性，从而提升消息回复及时性，并可以准确地识别出对方是否为机器人或专业陪聊用户，有效地杜绝机器人和专业陪聊用户的存在。
附图说明
图1为本发明电子装置较佳实施例的示意图；
图2为图1中基于付费会话的用户识别程序较佳实施例的模块示意图；
图3为本发明基于付费会话的用户识别方法较佳实施例的流程图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1所示，为本发明电子装置1较佳实施例的示意图。
该电子装置1包括但不限于：存储器11、处理器12、显示器13及网络接口14。所述电子装置1通过网络接口14连接网络，获取原始数据。其中，所述网络可以是企业内部网（Intranet）、互联网（Internet）、全球移动通讯系统（Global System of Mobilecommunication，GSM）、宽带码分多址（Wideband Code Division Multiple Access，WCDMA）、4G网络、5G网络、蓝牙（Bluetooth）、Wi-Fi、通话网络等无线或有线网络。
其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、随机访问存储器（RAM）、静态随机访问存储器（SRAM）、只读存储器（ROM）、电可擦除可编程只读存储器（EEPROM）、可编程只读存储器（PROM）、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器11可以是所述电子装置1的内部存储单元，例如该电子装置1的硬盘或内存。在另一些实施例中，所述存储器11也可以是所述电子装置1的外部存储设备，例如该电子装置1配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。当然，所述存储器11还可以既包括所述电子装置1的内部存储单元也包括其外部存储设备。本实施例中，存储器11通常用于存储安装于所述电子装置1的操作系统和各类应用软件，例如基于付费会话的用户识别程序10的程序代码等。此外，存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器12在一些实施例中可以是中央处理器（Central Processing Unit，CPU）、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述电子装置1的总体操作，例如执行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据，例如运行基于付费会话的用户识别程序10的程序代码等。
显示器13可以称为显示屏或显示单元。在一些实施例中显示器13可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管（Organic Light-EmittingDiode，OLED）触摸器等。显示器13用于显示在电子装置1中处理的信息以及用于显示可视化的工作界面，例如显示数据统计的结果。
网络接口14可选地可以包括标准的有线接口、无线接口（如WI-FI接口），该网络接口14通常用于在所述电子装置1与其它电子设备之间建立通信连接。
图1仅示出了具有组件11-14以及基于付费会话的用户识别程序10的电子装置1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
可选地，所述电子装置1还可以包括用户接口，用户接口可以包括显示器（Display）、输入单元比如键盘（KEYboard），可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管（Organic Light-Emitting Diode，OLED）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面。
该电子装置1还可以包括射频（Radio Frequency，RF）电路、传感器和音频电路等等，在此不再赘述。
在上述实施例中，处理器12执行存储器11中存储的基于付费会话的用户识别程序10时可以实现如下步骤：
接收步骤：接收第一用户向第二用户发起会话的请求，将该请求中携带的第一数据包发送至第二用户，并创建所述第一用户与所述第二用户的会话界面；
判断步骤：判断所述第一用户在第一预设时长内是否接收到所述第二用户基于会话请求的响应信息，若未接收到，则将所述第一数据包发送至所述第一用户；
监测步骤：若所述第一用户在第一预设时长内接收到所述响应信息，则将预设的第二数据包发送至所述第二用户；及
识别步骤：基于所述会话界面获取所述第二用户的属性信息，将该属性信息输入预先训练好的用户识别模型进行识别，若识别到所述第二用户为预设第一类型的用户，则对所述第二用户执行第一处理操作，若识别到所述第二用户为预设第二类型的用户，则对所述第二用户执行第二处理操作。
所述存储设备可以为电子装置1的存储器11，也可以为与电子装置1通讯连接的其它存储设备。
关于上述步骤的详细介绍，请参照下述图2关于基于付费会话的用户识别程序10实施例的程序模块图以及图3关于基于付费会话的用户识别方法实施例的流程图的说明。
在其他实施例中，所述基于付费会话的用户识别程序10可以被分割为多个模块，该多个模块被存储于存储器12中，并由处理器13执行，以完成本发明。本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段。
参照图2所示，为图1中基于付费会话的用户识别程序10一实施例的程序模块图。在本实施例中，所述基于付费会话的用户识别程序10可以被分割为：接收模块110、判断模块120、监测模块130及识别模块140。
接收模块110，用于接收第一用户向第二用户发起会话的请求，将该请求中携带的第一数据包发送至第二用户，并创建所述第一用户与所述第二用户的会话界面。
在本实施例中，接收第一用户向第二用户发起会话的请求，会话请求的方式包括文字、语音电话、视频电话、图片及小视频等，将该会话请求中携带的第一数据包发送至第二用户，第一数据包可以为付费数据（例如，第一用户向第二用户付费），通过付费的会话模式，有效调动用户回复会话的积极性，从而提升消息回复及时性，再创建第一用户与第二用户的会话界面。
在一个实施例中，还包括对所述第一用户进行身份鉴定，当所述第一用户身份鉴定通过时，执行所述将该请求中携带的第一数据包发送至第二用户的步骤，当所述第一用户身份鉴定失败时，拒绝该用户发起会话的请求并生成预警信息。例如，获取第一用户的身份信息，根据第一用户的身份信息判断该用户是否具备向其它用户发起会话请求的权限，若具备，继续执行后续步骤，若不具备，则拒绝请求并生成预警信息。本实施例可以限制黑名单用户或者用户恶意发起会话请求。
判断模块120，用于判断所述第一用户在第一预设时长内是否接收到所述第二用户基于会话请求的响应信息，若未接收到，则将所述第一数据包发送至所述第一用户。
在本实施例中，判断第一用户在第一预设时长内是否接收到所述第二用户基于会话请求的响应信息，第一预设时长可以设为12小时，若第一用户在12小时内未接收到第二用户的响应信息，则将所述第一数据包发送至第一用户，即第二用户在12小时内未回复第一用户，将第一用户的付费退还。
监测模块130，用于若所述第一用户在第一预设时长内接收到所述响应信息，则将预设的第二数据包发送至所述第二用户。
在本实施例中，若第一用户在第一预设时长（12小时）内接收到第二用户的响应信息，则将预设的第二数据包发送至第二用户，预设的第二数据包可以是积分数据，对积极回复消息的一方，给予积分鼓励，以激励用户积极回复消息，用户可将积分兑换实物礼品、虚拟礼品和现金等。第二用户回复第一用户后的会话请求后，监测模块可以在后续会话过程中可以对第二用户是否为特定类型（例如，专业陪聊或机器人）的用户进行识别。
识别模块140，用于基于所述会话界面获取所述第二用户的属性信息，将该属性信息输入预先训练好的用户识别模型进行识别，若识别到所述第二用户为预设第一类型的用户，则对所述第二用户执行第一处理操作，若识别到所述第二用户为预设第二类型的用户，则对所述第二用户执行第二处理操作。
在本实施例中，当监测到第一用户发出对所述第二用户进行识别的请求时，在实际会话场景中可以是第一用户根据人为主观判断第二用户为特定类型的用户（例如，专业陪聊），发起了对第二用户进行识别的请求，基于会话界面获取第二用户的属性信息，具体地，基于所述会话界面获取所述第二用户的标识信息，基于所述标识信息从预设数据库获取所述第二用户的历史行为信息，将所述历史行为信息作为所述第二用户的属性信息。历史行为信息包括用户的未回复次数、用户的搭讪次数、用户的聊天出现敏感字眼次数、用户注册时间等。将第二用户的属性信息输入预先训练好的用户识别模型对第二用户进行识别，若识别到第二用户为预设第一类型（例如，机器人）的用户，则对第二用户执行第一处理操作，第一处理操作可以是对该用户直接封号处理，如果识别到第二用户为预设第二类型（例如，职业陪聊用户）的用户，则对第二用户执行第二处理操作，第二处理操作可以是取消对该用户的推荐、减少或不再推荐、不再为该用户牵线推荐异性对象等。本实施例通过人工智能的识别方式有效杜绝机器人和专业陪聊用户的存在。
其中，所述用户识别模型是通过神经网络模型训练得到的，训练过程包括：获取预设目标用户群的属性信息，对该属性信息执行预处理（例如，归一化处理）后操作后作为训练样本，构建神经网络模型并设定神经网络模型的参数，利用第一预设计算规则计算出该神经网络模型的隐含层节点数量的取值范围，利用第二预设计算规则及所述训练样本集，分别计算隐含层节点数量在所述取值范围中各取值时的神经网络模型的学习误差，将学习误差取值最小的神经网络模型作为用户识别模型。第一预设计算规则包括：
Figure 421058DEST_PATH_IMAGE003
，
其中，
Figure 181204DEST_PATH_IMAGE002
表示神经网络模型的隐含层节点数量，n表示神经网络模型的输入层节点数量，m表示神经网络模型的输出层节点数量，a表示正整数。
第二预设计算规则包括：
Figure 448237DEST_PATH_IMAGE004
，
Figure 647137DEST_PATH_IMAGE005
为神经网络模型的输出层的实际输出与目标输出的误差，
Figure 191382DEST_PATH_IMAGE006
为第k个样本中的目标输出，
Figure 184746DEST_PATH_IMAGE007
为第k个样本的实际输出，N为样本数据的个数。
此外，本发明还提供一种基于付费会话的用户识别方法。参照图3所示，为本发明基于付费会话的用户识别方法的实施例的方法流程示意图。电子装置1的处理器12执行存储器11中存储的基于付费会话的用户识别程序10时实现基于付费会话的用户识别方法的如下步骤：
步骤S10：接收第一用户向第二用户发起会话的请求，将该请求中携带的第一数据包发送至第二用户，并创建所述第一用户与所述第二用户的会话界面。
在本实施例中，在本实施例中，接收第一用户向第二用户发起会话的请求，会话请求的方式包括文字、语音电话、视频电话、图片及小视频等，将该会话请求中携带的第一数据包发送至第二用户，第一数据包可以为付费数据（例如，第一用户向第二用户付费），通过付费的会话模式，有效调动用户回复会话的积极性，从而提升消息回复及时性，再创建第一用户与第二用户的会话界面。
在一个实施例中，还包括对所述第一用户进行身份鉴定，当所述第一用户身份鉴定通过时，执行所述将该请求中携带的第一数据包发送至第二用户的步骤，当所述第一用户身份鉴定失败时，拒绝该用户发起会话的请求并生成预警信息。例如，获取第一用户的身份信息，根据第一用户的身份信息判断该用户是否具备向其它用户发起会话请求的权限，若具备，继续执行后续步骤，若不具备，则拒绝请求并生成预警信息。本实施例可以限制黑名单用户或者用户恶意发起会话请求。
步骤S20：判断所述第一用户在第一预设时长内是否接收到所述第二用户基于会话请求的响应信息，若未接收到，则将所述第一数据包发送至所述第一用户。
在本实施例中，判断第一用户在第一预设时长内是否接收到所述第二用户基于会话请求的响应信息，第一预设时长可以设为12小时，若第一用户在12小时内未接收到第二用户的响应信息，则将所述第一数据包发送至第一用户，即第二用户在12小时内未回复第一用户，将第一用户的付费退还。
步骤S30：若所述第一用户在第一预设时长内接收到所述响应信息，则将预设的第二数据包发送至所述第二用户。
在本实施例中，若第一用户在第一预设时长（12小时）内接收到第二用户的响应信息，则将预设的第二数据包发送至第二用户，预设的第二数据包可以是积分数据，对积极回复消息的一方，给予积分鼓励，以激励用户积极回复消息，用户可将积分兑换实物礼品、虚拟礼品和现金等。第二用户回复第一用户后的会话请求后，可以在后续会话过程中对第二用户是否为特定类型（例如，专业陪聊或机器人）的用户进行识别。
步骤S40：基于所述会话界面获取所述第二用户的属性信息，将该属性信息输入预先训练好的用户识别模型进行识别，若识别到所述第二用户为预设第一类型的用户，则对所述第二用户执行第一处理操作，若识别到所述第二用户为预设第二类型的用户，则对所述第二用户执行第二处理操作。
在本实施例中，当监测到第一用户发出对所述第二用户进行识别的请求时，在实际会话场景中可以是第一用户根据人为主观判断第二用户为特定类型的用户（例如，专业陪聊），发起了对第二用户进行识别的请求，基于会话界面获取第二用户的属性信息，具体地，基于所述会话界面获取所述第二用户的标识信息，基于所述标识信息从预设数据库获取所述第二用户的历史行为信息，将所述历史行为信息作为所述第二用户的属性信息。历史行为信息包括用户的未回复次数、用户的搭讪次数、用户的聊天出现敏感字眼次数、用户注册时间等。将第二用户的属性信息输入预先训练好的用户识别模型对第二用户进行识别，若识别到第二用户为预设第一类型（例如，机器人）的用户，则对第二用户执行第一处理操作，第一处理操作可以是对该用户直接封号处理，如果识别到第二用户为预设第二类型（例如，职业陪聊用户）的用户，则对第二用户执行第二处理操作，第二处理操作可以是取消对该用户的推荐、减少或不再推荐、不再为该用户牵线推荐异性对象等。本实施例通过人工智能的识别方式有效杜绝机器人和专业陪聊用户的存在。
其中，所述用户识别模型是通过神经网络模型训练得到的，训练过程包括：获取预设目标用户群的属性信息，对该属性信息执行预处理后操作后作为训练样本，构建神经网络模型并设定神经网络模型的参数，利用第一预设计算规则计算出该神经网络模型的隐含层节点数量的取值范围，利用第二预设计算规则及所述训练样本集，分别计算隐含层节点数量在所述取值范围中各取值时的神经网络模型的学习误差，将学习误差取值最小的神经网络模型作为用户识别模型。第一预设计算规则包括：
Figure 876758DEST_PATH_IMAGE003
,
其中，
Figure 551453DEST_PATH_IMAGE002
表示神经网络模型的隐含层节点数量，n表示神经网络模型的输入层节点数量，m表示神经网络模型的输出层节点数量，a表示正整数。
第二预设计算规则包括：
Figure 970713DEST_PATH_IMAGE004
,
Figure 338240DEST_PATH_IMAGE005
为神经网络模型的输出层的实际输出与目标输出的误差，
Figure 517549DEST_PATH_IMAGE006
为第k个样本中的目标输出，
Figure 792672DEST_PATH_IMAGE007
为第k个样本的实际输出，N为样本数据的个数。
此外，本发明实施例还提出一种计算机可读存储介质，该计算机可读存储介质可以是硬盘、多媒体卡、SD卡、闪存卡、SMC、只读存储器（ROM）、可擦除可编程只读存储器（EPROM）、便携式紧致盘只读存储器（CD-ROM）、USB存储器等等中的任意一种或者几种的任意组合。所述计算机可读存储介质中包括基于付费会话的用户识别程序10，所述基于付费会话的用户识别程序10被处理器执行时实现如下操作：
接收步骤：接收第一用户向第二用户发起会话的请求，将该请求中携带的第一数据包发送至第二用户，并创建所述第一用户与所述第二用户的会话界面；
判断步骤：判断所述第一用户在第一预设时长内是否接收到所述第二用户基于会话请求的响应信息，若未接收到，则将所述第一数据包发送至所述第一用户；
监测步骤：若所述第一用户在第一预设时长内接收到所述响应信息，则将预设的第二数据包发送至所述第二用户；及
识别步骤：基于所述会话界面获取所述第二用户的属性信息，将该属性信息输入预先训练好的用户识别模型进行识别，若识别到所述第二用户为预设第一类型的用户，则对所述第二用户执行第一处理操作，若识别到所述第二用户为预设第二类型的用户，则对所述第二用户执行第二处理操作。
本发明之计算机可读存储介质的具体实施方式与上述基于付费会话的用户识别方法的具体实施方式大致相同，在此不再赘述。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，电子装置，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (3)

1.一种基于付费会话的用户识别方法，应用于电子装置，其特征在于，所述方法包括：
接收步骤：接收第一用户向第二用户发起会话的请求，将该请求中携带的第一数据包发送至第二用户，并创建所述第一用户与所述第二用户的会话界面，其中，所述第一数据包为付费数据，所述会话界面为付费的会话模式；
判断步骤：判断所述第一用户在第一预设时长内是否接收到所述第二用户基于会话请求的响应信息，若未接收到，则将所述第一数据包发送至所述第一用户；
监测步骤：若所述第一用户在第一预设时长内接收到所述响应信息，则将预设的第二数据包发送至所述第二用户；所述监测步骤还包括：当监测到所述第一用户对所述第二用户进行识别的请求时，发起对所述第二用户的识别请求，其中，所述第二用户包括预设第一类型的用户和预设第二类型的用户，所述预设第一类型为机器人用户类型，所述预设第二类型为专业陪聊用户类型；
及识别步骤：基于所述会话界面获取所述第二用户的属性信息，将该属性信息输入预先训练好的用户识别模型进行识别，若识别到所述第二用户为预设第一类型的用户，则对所述第二用户执行第一处理操作，若识别到所述第二用户为预设第二类型的用户，则对所述第二用户执行第二处理操作；
若识别到所述第二用户为所述预设第一类型的用户，对所述第二用户进行封号处理；若识别到所述第二用户为所述预设第二类型的用户，对所述第二用户进行取消对该用户的推荐、减少或不再推荐、不再为该用户牵线推荐异性对象的处理；
所述接收步骤包括：
对所述第一用户进行身份鉴定，当所述第一用户身份鉴定通过时，执行所述将该请求中携带的第一数据包发送至第二用户的步骤，当所述第一用户身份鉴定失败时，拒绝所述会话的请求并生成预警信息；
所述基于所述会话界面获取所述第二用户的属性信息包括：
基于所述会话界面获取所述第二用户的标识信息，基于所述标识信息从预设数据库获取所述第二用户的历史行为信息，将所述历史行为信息作为所述第二用户的属性信息；
其中，基于所述标识信息从预设数据库获取所述第二用户的历史行为信息，包括：基于所述标识信息从所述预设数据库中获取与所述标识信息对应的用户未回复次数、用户搭讪次数、用户聊天出现敏感字眼次数和用户注册时间的数据，将所述用户未回复次数、用户搭讪次数、用户聊天出现敏感字眼次数和用户注册时间的数据作为所述历史行为信息；
所述用户识别模型是通过神经网络模型训练得到的，训练过程包括：
获取预设目标用户群的属性信息，对该属性信息执行预处理后操作后作为训练样本，构建神经网络模型并设定神经网络模型的参数，利用第一预设计算规则计算出该神经网络模型的隐含层节点数量的取值范围，利用第二预设计算规则及训练样本集，分别计算隐含层节点数量在所述取值范围中各取值时的神经网络模型的学习误差，将学习误差取值最小的神经网络模型作为用户识别模型；所述第一预设计算规则包括：
Figure 727208DEST_PATH_IMAGE001
，
其中，
Figure 807904DEST_PATH_IMAGE002
表示神经网络模型的隐含层节点数量，n表示神经网络模型的输入层节点数量，m表示神经网络模型的输出层节点数量，a表示正整数；
所述第二预设计算规则包括：
Figure 91117DEST_PATH_IMAGE003
，
其中，
Figure 507055DEST_PATH_IMAGE004
为神经网络模型的输出层的实际输出与目标输出的误差，
Figure 196925DEST_PATH_IMAGE005
为第k个样本中的目标输出，
Figure 786038DEST_PATH_IMAGE006
为第k个样本的实际输出，N为样本数据的个数。
2.一种电子装置，该电子装置包括存储器及处理器，其特征在于，所述存储器上存储基于付费会话的用户识别程序，所述基于付费会话的用户识别程序被所述处理器执行，实现如下步骤：
接收步骤：接收第一用户向第二用户发起会话的请求，将该请求中携带的第一数据包发送至第二用户，并创建所述第一用户与所述第二用户的会话界面，其中，所述第一数据包为付费数据，所述会话界面为付费的会话模式；
判断步骤：判断所述第一用户在第一预设时长内是否接收到所述第二用户基于会话请求的响应信息，若未接收到，则将所述第一数据包发送至所述第一用户；
监测步骤：若所述第一用户在第一预设时长内接收到所述响应信息，则将预设的第二数据包发送至所述第二用户；所述监测步骤还包括：当监测到所述第一用户对所述第二用户进行识别的请求时，发起对所述第二用户的识别请求，其中，所述第二用户包括预设第一类型的用户和预设第二类型的用户，所述预设第一类型为机器人用户类型，所述预设第二类型为专业陪聊用户类型；及
识别步骤：基于所述会话界面获取所述第二用户的属性信息，将该属性信息输入预先训练好的用户识别模型进行识别，若识别到所述第二用户为预设第一类型的用户，则对所述第二用户执行第一处理操作，若识别到所述第二用户为预设第二类型的用户，则对所述第二用户执行第二处理操作；
若识别到所述第二用户为预设第一类型的用户，对所述第二用户进行封号处理；若识别到所述第二用户为预设第二类型的用户，对所述第二用户进行取消对该用户的推荐、减少或不再推荐、不再为该用户牵线推荐异性对象的处理；
所述基于所述会话界面获取所述第二用户的属性信息包括：
基于所述会话界面获取所述第二用户的标识信息，基于所述标识信息从预设数据库获取所述第二用户的历史行为信息，将所述历史行为信息作为所述第二用户的属性信息；
所述接收步骤包括：
对所述第一用户进行身份鉴定，当所述第一用户身份鉴定通过时，执行所述将该请求中携带的第一数据包发送至第二用户的步骤，当所述第一用户身份鉴定失败时，拒绝所述会话的请求并生成预警信息；
所述用户识别模型是通过神经网络模型训练得到的，训练过程包括：
获取预设目标用户群的属性信息，对该属性信息执行预处理后操作后作为训练样本，构建神经网络模型并设定神经网络模型的参数，利用第一预设计算规则计算出该神经网络模型的隐含层节点数量的取值范围，利用第二预设计算规则及训练样本集，分别计算隐含层节点数量在所述取值范围中各取值时的神经网络模型的学习误差，将学习误差取值最小的神经网络模型作为用户识别模型；所述第一预设计算规则包括：
Figure 127021DEST_PATH_IMAGE007
，
其中，表示神经网络模型的隐含层节点数量，n表示神经网络模型的输入层节点数量，m表示神经网络模型的输出层节点数量，a表示正整数；
所述第二预设计算规则包括：
Figure 337029DEST_PATH_IMAGE008
，
其中，
Figure 950413DEST_PATH_IMAGE009
为神经网络模型的输出层的实际输出与目标输出的误差，
Figure 156266DEST_PATH_IMAGE010
为第k个样本中的目标输出，
Figure 102488DEST_PATH_IMAGE011
第k个样本的实际输出，N为样本数据的个数；
所述基于所述会话界面获取所述第二用户的属性信息包括：
基于所述会话界面获取所述第二用户的标识信息，基于所述标识信息从预设数据库获取所述第二用户的历史行为信息，将所述历史行为信息作为所述第二用户的属性信息；
其中，基于所述标识信息从预设数据库获取所述第二用户的历史行为信息，包括：基于所述标识信息从所述预设数据库中获取与所述标识信息对应的用户未回复次数、用户搭讪次数、用户聊天出现敏感字眼次数和用户注册时间的数据，将所述用户未回复次数、用户搭讪次数、用户聊天出现敏感字眼次数和用户注册时间的数据作为所述历史行为信息。
3.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于付费会话的用户识别程序，所述基于付费会话的用户识别程序被处理器执行时，实现如权利要求1所述基于付费会话的用户识别方法的步骤。
CN202010325155.8A 2020-04-23 2020-04-23 基于付费会话的用户识别方法、电子装置及存储介质 Active CN111224865B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010325155.8A CN111224865B (zh) 2020-04-23 2020-04-23 基于付费会话的用户识别方法、电子装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010325155.8A CN111224865B (zh) 2020-04-23 2020-04-23 基于付费会话的用户识别方法、电子装置及存储介质

Publications (2)

Publication Number Publication Date
CN111224865A CN111224865A (zh) 2020-06-02
CN111224865B true CN111224865B (zh) 2022-11-01

Family

ID=70827347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010325155.8A Active CN111224865B (zh) 2020-04-23 2020-04-23 基于付费会话的用户识别方法、电子装置及存储介质

Country Status (1)

Country Link
CN (1) CN111224865B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116883188B (zh) * 2023-09-08 2024-01-16 深圳市爱聊科技有限公司 基于付费社交的会话处理方法和装置
CN116932927B (zh) * 2023-09-18 2023-12-15 深圳市爱聊科技有限公司 基于人工智能实现社交匹配推荐的数据处理方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102090018A (zh) * 2008-07-15 2011-06-08 高通股份有限公司 减少无线通信系统内预付费群通信会话中的等待时间
CN106506459A (zh) * 2016-10-17 2017-03-15 北京小米移动软件有限公司 身份信息验证方法及装置
CN107332763A (zh) * 2017-07-11 2017-11-07 广州久邦世纪科技有限公司 一种聊天系统
CN108537530A (zh) * 2018-04-02 2018-09-14 安徽时间分享信息科技有限公司 一种在线付费咨询服务系统及其使用方法
CN110322317A (zh) * 2019-06-13 2019-10-11 腾讯科技（深圳）有限公司 一种交易数据处理方法、装置、电子设备及介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090006228A1 (en) * 2007-06-27 2009-01-01 International Business Machines Corporation Time tracking system and method of use
CN104657849A (zh) * 2014-02-14 2015-05-27 刘森 一种实现客户端之间有偿即时通信的伴随支付方法
CN105337841B (zh) * 2014-08-15 2020-04-07 腾讯科技（深圳）有限公司 一种信息处理方法和系统、客户端和服务器
US10616289B2 (en) * 2016-02-16 2020-04-07 LinkTime Corp. System and method for managing online group chat
KR102588394B1 (ko) * 2017-02-14 2023-10-11 고석주 Reward 메신저 플랫폼 서비스 시스템 및 그 방법
CN107437172A (zh) * 2017-08-11 2017-12-05 安徽时间分享信息科技有限公司 一种聊天付费方法以及系统
CN110427971A (zh) * 2019-07-05 2019-11-08 五八有限公司 用户及ip的识别方法、装置、服务器和存储介质
CN110929203B (zh) * 2019-10-18 2024-03-22 平安科技（深圳）有限公司 异常用户的识别方法、装置、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102090018A (zh) * 2008-07-15 2011-06-08 高通股份有限公司 减少无线通信系统内预付费群通信会话中的等待时间
CN106506459A (zh) * 2016-10-17 2017-03-15 北京小米移动软件有限公司 身份信息验证方法及装置
CN107332763A (zh) * 2017-07-11 2017-11-07 广州久邦世纪科技有限公司 一种聊天系统
CN108537530A (zh) * 2018-04-02 2018-09-14 安徽时间分享信息科技有限公司 一种在线付费咨询服务系统及其使用方法
CN110322317A (zh) * 2019-06-13 2019-10-11 腾讯科技（深圳）有限公司 一种交易数据处理方法、装置、电子设备及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Adhitya Bhawiyuga ; M. Ali Fauzi ; Eko Sakti Pramukantoro ; Widhi Yahy.Design of E-commerce chat robot for automatically answering customer question.《2017 International Conference on Sustainable Information Engineering and Technology (SIET)》.2017, *
改变中的聊天方式;友藏;《移动信息》;20110601(第06期);全文 *
用户感知视角下档案网站服务质量影响因素研究;邓君等;《档案学研究》;20180828(第04期);全文 *

Also Published As

Publication number Publication date
CN111224865A (zh) 2020-06-02

Similar Documents

Publication Publication Date Title
CN107566358B (zh) 一种风险预警提示方法、装置、介质及设备
TWI684886B (zh) 安全問題的生成以及身份驗證的方法及裝置
CN104205721B (zh) 情景感知自适应认证方法和装置
US20160127363A1 (en) Method and System for Verifying the Identity of a User of an Online Service
CN111224865B (zh) 基于付费会话的用户识别方法、电子装置及存储介质
CN108681871B (zh) 一种提示信息的方法、终端设备及计算机可读存储介质
WO2022002246A1 (zh) 电子设备投保的校验方法和装置
CN109547426B (zh) 业务响应方法及服务器
CN108256303A (zh) 电子装置、身份验证方法及存储介质
CN109063969A (zh) 一种账户风险评估的方法及装置
CN109460653B (zh) 基于规则引擎的验证方法、验证设备、存储介质及装置
CN108366052A (zh) 验证短信的处理方法及系统
CN107656959B (zh) 一种留言方法、装置及留言设备
CN111814064B (zh) 基于Neo4j的异常用户处理方法、装置、计算机设备和介质
CN112182520B (zh) 非法账号的识别方法、装置、可读介质及电子设备
CN110781153B (zh) 基于区块链的跨应用信息共享方法及系统
CN113836509B (zh) 信息采集方法、装置、电子设备和存储介质
CN114022292B (zh) 基于人工智能的定损规则筛选方法、装置、设备及介质
CN107256231A (zh) 一种团队成员识别设备、方法及系统
CN105162931B (zh) 一种通信号码的分类方法及装置
CN114638501A (zh) 一种业务数据处理方法、装置、计算机设备及存储介质
CN113886526A (zh) 会话处理方法、装置、设备及存储介质
CN112084932A (zh) 基于图像识别的数据处理方法、装置、设备及存储介质
KR20140111137A (ko) 온라인 게임용 쿠폰을 제공하는 방법, 서버 및 시스템
CN109711975A (zh) 一种借贷风险识别方法及装置

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
GR01 Patent grant
GR01 Patent grant