CN111339437A - 一种团伙成员角色的确定方法、装置及电子设备 - Google Patents
一种团伙成员角色的确定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111339437A CN111339437A CN202010093399.8A CN202010093399A CN111339437A CN 111339437 A CN111339437 A CN 111339437A CN 202010093399 A CN202010093399 A CN 202010093399A CN 111339437 A CN111339437 A CN 111339437A
- Authority
- CN
- China
- Prior art keywords
- node
- group
- role
- distribution probability
- optimization function
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000009826 distribution Methods 0.000 claims abstract description 77
- 238000005457 optimization Methods 0.000 claims abstract description 73
- 238000010586 diagram Methods 0.000 claims abstract description 38
- 230000006870 function Effects 0.000 claims description 79
- 238000012545 processing Methods 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000004590 computer program Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000005295 random walk Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书实施例涉及一种团伙成员角色的确定方法、装置及电子设备。该方法包括：获取团伙网络关系图；计算团伙网络关系图中每个节点在预设角色类型上的分布概率，并将所述分布概率代入预设优化函数，得到每个节点的角色。这样，通过将团伙成员角色的划分问题转化为求解最优解的问题，可以较为准确的确定出团伙内每个节点的角色，不再依赖于人工经验，能够适用于任意场景。
Description
技术领域
本说明书实施例涉及风险控制技术领域，更具体地，涉及一种团伙成员角色的确定方法、一种团伙成员角色的确定装置、一种电子设备以及一种计算机可读存储介质。
背景技术
团伙挖掘通常用来识别多个账号是否属于一个相同的团伙。目前已有很多关于团伙挖掘的方案。而对于挖掘出的团伙成员的角色进行分析有助于提高团伙的可解释性和运营审理的效率。现有技术中，通常是按照人为制定的规则对于团伙成员的角色进行分析。因此，需要提供一种新的用于团伙成员角色的确定方法。
发明内容
本说明书实施例的一个目的是提供一种新的用于团伙成员角色的确定的技术方案。
根据本说明书实施例的第一方面，提供了一种团伙成员角色的确定方法，包括：
获取团伙网络关系图；所述团伙网络关系图中包括多个节点；
计算每个节点在预设角色类型上的分布概率；
将所述分布概率代入预设优化函数，得到每个节点的角色。
可选地，其中，所述预设角色类型包括汇集者节点、流转者节点以及抽离者节点；
其中，所述汇集者节点的输入来自团伙外部节点；所述流转者节点的输入为团伙内部相同角色节点，所述流转者节点的输出为团伙内部不同角色节点；所述抽离者节点的输出是所述团伙外部节点。
可选地，其中，所述计算每个节点在预设角色类型上的分布概率的步骤，包括：
计算每个节点的输入来自所述团伙内部相同角色节点的第一输入分布概率、来自所述团伙内部不同角色节点的第二输入分布概率和来自所述团伙外部节点的第三输入分布概率；以及，
计算每个节点输出在所述团伙内部相同角色节点的第一输出分布概率、在所述团伙内部不同角色节点的第二输出分布概率和在所述团伙外部节点的第三输出分布概率。
可选地，其中，所述预设优化函数包括：汇集者节点优化函数，流转者节点优化函数以及抽离者节点优化函数。
可选地，其中，所述将所述分布概率代入预设优化函数，计算得到每个节点的角色的步骤，包括：
为所述汇集者节点优化函数设置第一权重值，为所述流转者节点优化函数设置第二权重值，以及为所述抽离者节点优化函数设置第三权重值；其中，所述第一权重值、所述第二权重值和所述第三权重值之和为1；
将所述第三输入分布概率代入所述汇集者节点优化函数，将所述第一输入分布概率、第二输入分布概率、第一输出分布概率和第二输出分布概率分布代入所述流转者节点优化函数，以及将所述第三输出分布概率代入所述抽离者节点优化函数进行最优化最小值计算，得到每个所述节点的角色。
可选地，其中，所述获取团伙网络关系图的步骤，包括：
基于节点之间的关系，构建初步网络关系图；
对所述初步网络关系图进行团伙划分处理，得到至少一个所述团伙网络关系图。
可选地，其中，所述对所述初步网络关系图进行团伙划分处理的步骤，包括：
基于模块度的社区发现算法对所述初步网络关系图进行团伙划分处理；或者，
基于信息论的社区发现算法对所述初步网络关系图进行团伙划分处理；或者，
基于K核算法对所述初步网络关系图进行团伙划分处理；或者，
基于标签传播算法对所述初步网络关系图进行团伙划分处理。
根据本说明书实施例的第二方面，提供了一种团伙成员角色的确定装置，包括：
获取模块，用于获取团伙网络关系图；所述团伙网络关系图中包括多个节点；
计算模块，用于计算每个节点在预设角色类型上的分布概率；
确定模块，用于将所述分布概率代入预设优化函数，得到每个节点的角色。
根据本说明书实施例的第三方面，提供了一种电子设备，包括如本说明书实施例的第二方面所述的团伙成员角色的确定装置，或者，所述电子设备包括：
存储器，用于存储可执行命令；
处理器，用于在所述可执行命令的控制下，执行如本说明书实施例的第一方面中任一项所述的团伙成员角色的确定方法。
根据本说明书实施例的第四方面，还提供一种计算机可读存储介质，存储有可执行指令，所述可执行指令被处理器执行时，执行如本说明书实施例第一方面所述的团伙成员角色的确定方法。
本说明书实施例的一个有益效果在于，本实施例的方法通过获取团伙网络关系图；计算团伙网络关系图中每个节点在预设角色类型上的分布概率，并将所述分布概率代入预设优化函数，得到每个节点的角色。这样，通过将团伙成员角色的划分问题转化为求解最优解的问题，可以较为准确的确定出团伙内每个节点的角色，不再依赖于人工经验，能够适用于任意场景。解决了现有技术中对于团伙内角色的划分严重依赖人工审理经验，且在某些场景中无法使用认为定义规则划分角色的问题。
通过以下参照附图对本说明书实施例的示例性实施例的详细描述，本说明书实施例的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本说明书实施例的实施例，并且连同其说明一起用于解释本说明书实施例的原理。
图1为本说明书实施例的团伙成员角色的确定方法的团伙网络关系图示意图；
图2为本说明书实施例的团伙成员角色的确定方法中每个节点的资金流转关系示意图；
图3是示出可以实现本发明的实施例的服务器1000的硬件配置的框图；
图4是根据本说明书实施例的团伙成员角色的确定方法的流程图；
图5是根据本说明书实施例的团伙成员角色的确定装置的原理框图；
图6示出了根据本说明书实施例的电子设备的原理框图。
具体实施方式
现在将参照附图来详细描述本说明书实施例的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本说明书实施例的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本说明书实施例及其应用或使用的任何限制。
对于相关领域普通技术人物已知的技术、方法和设备可能不作详细讨论，但在适当情况下，该技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
在确定团伙成员的角色时，传统的方法是先人为制定一套规则，给定每一种角色的定义逻辑。例如：资金来源团伙外部占比超过60％的用户定义为汇集者，资金来源和去向超过50％都在团伙内部的用户定义为流转者，资金去向为团伙外部占比超过60％的用户定义为抽离者。这种规则的逻辑简洁易懂，虽然具有很强的操作性，但同时也存在一些很明显的缺点，比如严重依赖于制定规则的运营人员的审理经验，部分用户的角色无法定义，使得定义规则无法适用于不同的场景等。基于此，本说明书实施例提供一种更为通用有效的方法。
参照图1所示，在团伙网络关系图中，每一个节点表示一个用户，用户之间的关系只有资金关系，且该资金关系是有向的。在这种团伙网络关系图中，其中的每个节点的角色可以分为三类，如图1中所示的汇集者，流转者和抽离者。
如图2所示，团伙网络关系图中，每个节点的输入输出资金都可以分为三个部分，来自团伙内部相同角色的节点，来自团伙内部不同角色节点和来自团伙外部节点。据此，如果节点的输入资金的主要来源是团伙外部节点，我们将该节点的角色定义为汇集者；如果节点的输入输出资金的主要对象事故团伙内部节点，我们将该节点的角色定义为流转者；如果节点的输出资金的主要去向是团伙外部节点，我们将该节点的角色定义为抽离者。
在本实施例中，将团伙成员角色的划分问题变成一个求解最优解的问题，因此，本说明书中的主要问题就转变为如何定义一个最优化的函数。具体的，基于上述不同角色的定义，在本说明书中，定义三个优化函数分别对应上述三种角色：汇集者节点优化函数，流转者节点优化函数以及抽离者节点优化函数。在本说明书中，先计算团伙网络关系图中每个节点在预设角色类型上的分布概率，然后将各分布概率分别代入对应的优化函数，并为各优化函数设定对应的权重，且使得三种权重之和为1，最后，将三个优化函数加权求和得到最终的优化函数。对该优化函数进行最优化最小值计算，从而得到每个该节点的角色。
图3是示出可以实现本发明的实施例的服务器1000的硬件配置的框图。
服务器1000例如可以是刀片服务器等。
在一个例子中，服务器1000可以是一台计算机。
在另一个例子中，服务器1000可以如图3所示，包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600。尽管服务器也可以包括扬声器、麦克风等等，但是，这些部件与本发明无关，故在此省略。
其中，处理器1100例如可以是中央处理器CPU、微处理器MCU等。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、串行接口等。通信装置1400例如能够进行有线或无线通信。显示装置1500例如是液晶显示屏。输入装置1600例如可以包括触摸屏、键盘等。
本实施例中，服务器1000用于获取团伙网络关系图；计算团伙网络关系图中每个节点在预设角色类型上的分布概率，并将该分布概率代入预设优化函数，得到每个节点的角色。
图3所示的服务器仅仅是说明性的并且决不意味着对本发明、其应用或使用的任何限制。应用于本发明的实施例中，服务器1000的的该存储器1200用于存储指令，该指令用于控制该处理器1100进行操作以执行本发明实施例提供的任意一项团伙成员角色的确定方法。
本领域技术人员应当理解，尽管在图1中对服务器1000的示出了多个装置，但是，本发明可以仅涉及其中的部分装置，例如，服务器1000的只涉及处理器1100和存储装置1200。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。
<方法实施例>
本实施例提供了一种团伙成员角色的确定方法，该方法例如可以由如图3所示的服务器1000执行。
如图4所示，该方法包括以下步骤2000～步骤2400：
步骤2000，获取团伙网络关系图；该团伙网络关系图中包括多个节点。
在本步骤中，该服务器1000在获取团伙网络关系图时，具体可以基于节点之间的关系，构建初步网络关系图；再对该初步网络关系图进行团伙划分处理，得到至少一个该团伙网络关系图。
具体的，该服务器1000构建初步网络关系图的过程包括确定节点和边信息。在风控场景中，常见的节点包括客户、设备、地址、wifi等各种互相关联的个体，边信息用于描述两个节点之间的关系，包括转账关系、社交关系、同地区关系、同设备关系、同wifi关系等。一旦节点和边确定下来，整个网络就构建完成。在实际应用中，根据图中节点和边的类型，初步网络关系图可以被分为同构图和异构图，有向图和无向图等。
在构建完初步网络关系图后，该服务器就可以进行团伙划分处理了，从而得到至少一个团伙网络关系图。可选地，常用的团伙划分处理的方法可以包括以下几种：
第一种是利用Louvain算法(基于模块度的社区发现算法)对该初步网络关系图进行团伙划分处理。在该方法中，会不断的将社区折叠成一个单点，直到整体的模块度不再增加。
第二种是利用Infomap算法(基于信息论的社区发现算法)对该初步网络关系图进行团伙划分处理。该算法的核心思想是假设在图上做随机游走，用最短的语言去描述随机游走的路径信息。
第三种是利用K-Core算法(K核算法)对该初步网络关系图进行团伙划分处理。该算法从一个网络图中逐步移除节点的度小于n的节点，以及其相关的link不断迭代直到图里所有节点的度大于等于k。
第四种是利用LPA算法(Label Propagation Algorithm，标签传播算法)对该初步网络关系图进行团伙划分处理。该算法的基本思想是为网络中所有的节点赋予不同的标签，在每次迭代传播时，每个节点的标签都更新为最多数量的邻居节点拥有的标签，直到所有节点的标签传播达到稳定，最后将具有相同标签的节点划分到一个社区中。
可以理解的是，在实际应用中可以根据需求选择不同的团伙划分的方法，本实施例对此不作具体限定。
步骤2200，计算每个节点在预设角色类型上的分布概率。
在本实施例中，该预设角色类型包括汇集者节点、流转者节点以及抽离者节点；其中，该汇集者节点的输入来自团伙外部节点；该流转者节点的输入为团伙内部相同角色节点，该流转者节点的输出为团伙内部不同角色节点；该抽离者节点的输出是该团伙外部节点。
具体的，该服务器1000在计算每个节点在预设角色类型上的分布概率时，计算每个节点的输入来自该团伙内部相同角色节点的第一输入分布概率、来自该团伙内部不同角色节点的第二输入分布概率和来自该团伙外部节点的第三输入分布概率；以及，计算每个节点输出在该团伙内部相同角色节点的第一输出分布概率、在该团伙内部不同角色节点的第二输出分布概率和在该团伙外部节点的第三输出分布概率。
步骤2400，将该分布概率代入预设优化函数，得到每个节点的角色。
其中，该预设优化函数包括：汇集者节点优化函数，流转者节点优化函数以及抽离者节点优化函数。
具体的，本步骤中，该服务器1000会为该汇集者节点优化函数设置第一权重值，为该流转者节点优化函数设置第二权重值，以及为该抽离者节点优化函数设置第三权重值；并将该第三输入分布概率代入该汇集者节点优化函数，将该第一输入分布概率、第二输入分布概率、第一输出分布概率和第二输出分布概率分布代入该流转者节点优化函数，以及将该第三输出分布概率代入该抽离者节点优化函数进行最优化最小值计算，得到每个节点的角色。其中，该第一权重值、该第二权重值和该第三权重值之和为1。
在一个例子中，定义
表示节点的输入来自该团伙内部相同角色节点，定义
表示节点的输入来自该团伙内部不同角色节点，定义
表示节点的输入来自该团伙外部节点。定义
表示节点的输出来自该团伙内部相同角色节点，定义
表示节点的输出来自该团伙内部不同角色节点，定义
表示节点的输出来自该团伙外部节点。
同时，定义节点的输入来自该团伙内部相同角色节点、该团伙内部不同角色节点和该团伙外部节点的分布概率是：
其中，
为第一输入分布概率，
为第二输入分布概率，
为第三输入分布概率。
定义节点的输出来自该团伙内部相同角色节点、该团伙内部不同角色节点和该团伙外部节点的分布概率是：
其中，
为第一输出分布概率，
为第二输出分布概率，
为第三输出分布概率。
于是，在本例中，我们将不同角色的优化函数定义如下：
汇集者节点优化函数为：
流转者节点优化函数为：
抽离者节点优化函数为：
其中L(P1，P2)表示代价函数，可以采用负对数似然(negiative log-likelihood)函数、交叉熵损失函数、平方损失函数等函数来表示。在本例中，以negiative log-likelihood函数来表示，直接定义L(P1，P2)＝-P1log(P2)，最终得到的优化函数是：
F(Rc，Rt，Rw)＝αFcollect+βFtransfer+γFwithdraw
其中，α，β，γ分别第一权重值、第二权重值和第三权重值，在实际应用中，可以按照具体情况设置不同的权重值，并满足条件α+β+γ＝1。比如，需要团伙中节点角色更偏向于汇集者就增大α，需要团伙角色偏向于抽离者就增大β。但不论怎么调整都需要满足上述α+β+γ＝1的条件。
需要说明的是，该优化函数是关于不同角色节点的集合(Rc，Rt，Rw)的函数，该服务器1000进行最优化最小值计算得到的该函数的最小值即为角色节点集合(Rc，Rt，Rw)，也就确定了每一个节点的角色。
以上已结合附图对本实施例的方法进行了说明。该服务器通过获取团伙网络关系图；计算团伙网络关系图中每个节点在预设角色类型上的分布概率，并将该分布概率代入预设优化函数，得到每个节点的角色。这样，通过将团伙成员角色的划分问题转化为求解最优解的问题，可以较为准确的确定出团伙内每个节点的角色，不再依赖于人工经验，能够适用于任意场景。解决了现有技术中对于团伙内角色的划分严重依赖人工审理经验，且在某些场景中无法使用认为定义规则划分角色的问题。
<装置实施例>
本实施例提供一种团伙成员角色的确定装置，该装置例如是图5所示的团伙成员角色的确定装置5000，该团伙成员角色的确定装置5000可以包括获取模块5100，计算模块5200以及确定模块5300。
其中，获取模块5100，用于获取团伙网络关系图；该团伙网络关系图中包括多个节点。
计算模块5200，用于计算每个节点在预设角色类型上的分布概率。
确定模块5300，用于将该分布概率代入预设优化函数，得到每个节点的角色。
在本实施例中，该预设角色类型包括汇集者节点、流转者节点以及抽离者节点；其中，该汇集者节点的输入来自团伙外部节点；该流转者节点的输入为团伙内部相同角色节点，该流转者节点的输出为团伙内部不同角色节点；该抽离者节点的输出是该团伙外部节点。
在一个可行的实施方式中，该计算模块5200具体可以用于计算每个节点的输入来自该团伙内部相同角色节点的第一输入分布概率、来自该团伙内部不同角色节点的第二输入分布概率和来自该团伙外部节点的第三输入分布概率；以及，计算每个节点输出在该团伙内部相同角色节点的第一输出分布概率、在该团伙内部不同角色节点的第二输出分布概率和在该团伙外部节点的第三输出分布概率。
在一个例子中，该预设优化函数可以包括：汇集者节点优化函数，流转者节点优化函数以及抽离者节点优化函数。相应的，该确定模块5300可以用于为该汇集者节点优化函数设置第一权重值，为该流转者节点优化函数设置第二权重值，以及为该抽离者节点优化函数设置第三权重值；其中，该第一权重值、该第二权重值和该第三权重值之和为1；并将该第三输入分布概率代入该汇集者节点优化函数，将该第一输入分布概率、第二输入分布概率、第一输出分布概率和第二输出分布概率分布代入该流转者节点优化函数，以及将该第三输出分布概率代入该抽离者节点优化函数进行最优化最小值计算，得到每个该节点的角色。
在一个可行的实施方式中，该获取模块5100可以用于基于节点之间的关系，构建初步网络关系图；对该初步网络关系图进行团伙划分处理，得到至少一个该团伙网络关系图。
具体的，该获取模块5100可以基于模块度的社区发现算法对该初步网络关系图进行团伙划分处理；或者，基于信息论的社区发现算法对该初步网络关系图进行团伙划分处理；或者，基于K核算法对该初步网络关系图进行团伙划分处理；或者，基于标签传播算法对该初步网络关系图进行团伙划分处理。
本实施例的团伙成员角色的确定装置，可用于执行上述方法实施例的技术方案，其实现原理及技术效果类似，此处不再赘述。
<设备实施例>
本实施例中，还提供一种电子设备，该电子设备包括本说明书装置实施例中描述的团伙成员角色的确定装置5000；或者，该电子设备为图6所示的电子设备6000，包括：
存储器6100，用于存储可执行命令。
处理器6200，用于在存储器6100存储的可执行命令的控制下，执行本说明书任意方法实施例中描述的方法。
在电子设备根据所执行的方法实施例的实施主体可以是服务器或终端设备。
<计算机可读存储介质实施例>
本实施例提供一种计算机可读存储介质，该存储介质中存储有可执行命令，该可执行命令被处理器执行时，执行本说明书任意方法实施例中描述的方法。
本说明书实施例可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本说明书实施例的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本说明书实施例操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本说明书实施例的各个方面。
这里参照根据本说明书实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本说明书实施例的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本说明书实施例的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人物来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本说明书实施例的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人物来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人物能理解本文披露的各实施例。本说明书实施例的范围由所附权利要求来限定。
Claims (10)
1.一种团伙成员角色的确定方法，包括：
获取团伙网络关系图；所述团伙网络关系图中包括多个节点；
计算每个节点在预设角色类型上的分布概率；
将所述分布概率代入预设优化函数，得到每个节点的角色。
2.根据权利要求1所述的方法，其中，所述预设角色类型包括汇集者节点、流转者节点以及抽离者节点；
其中，所述汇集者节点的输入来自团伙外部节点；所述流转者节点的输入为团伙内部相同角色节点，所述流转者节点的输出为团伙内部不同角色节点；所述抽离者节点的输出是所述团伙外部节点。
3.根据权利要求2所述的方法，其中，所述计算每个节点在预设角色类型上的分布概率的步骤，包括：
计算每个节点的输入来自所述团伙内部相同角色节点的第一输入分布概率、来自所述团伙内部不同角色节点的第二输入分布概率和来自所述团伙外部节点的第三输入分布概率；以及，
计算每个节点输出在所述团伙内部相同角色节点的第一输出分布概率、在所述团伙内部不同角色节点的第二输出分布概率和在所述团伙外部节点的第三输出分布概率。
4.根据权利要求3所述的方法，其中，所述预设优化函数包括：汇集者节点优化函数，流转者节点优化函数以及抽离者节点优化函数。
5.根据权利要求4所述的方法，其中，所述将所述分布概率代入预设优化函数，计算得到每个节点的角色的步骤，包括：
为所述汇集者节点优化函数设置第一权重值，为所述流转者节点优化函数设置第二权重值，以及为所述抽离者节点优化函数设置第三权重值；其中，所述第一权重值、所述第二权重值和所述第三权重值之和为1；
将所述第三输入分布概率代入所述汇集者节点优化函数，将所述第一输入分布概率、第二输入分布概率、第一输出分布概率和第二输出分布概率分布代入所述流转者节点优化函数，以及将所述第三输出分布概率代入所述抽离者节点优化函数进行最优化最小值计算，得到每个所述节点的角色。
6.根据权利要求1所述的方法，其中，所述获取团伙网络关系图的步骤，包括：
基于节点之间的关系，构建初步网络关系图；
对所述初步网络关系图进行团伙划分处理，得到至少一个所述团伙网络关系图。
7.根据权利要求6所述的方法，其中，所述对所述初步网络关系图进行团伙划分处理的步骤，包括：
基于模块度的社区发现算法对所述初步网络关系图进行团伙划分处理；或者，
基于信息论的社区发现算法对所述初步网络关系图进行团伙划分处理；或者，
基于K核算法对所述初步网络关系图进行团伙划分处理；或者，
基于标签传播算法对所述初步网络关系图进行团伙划分处理。
8.一种团伙成员角色的确定装置，包括：
获取模块，用于获取团伙网络关系图；所述团伙网络关系图中包括多个节点；
计算模块，用于计算每个节点在预设角色类型上的分布概率；
确定模块，用于将所述分布概率代入预设优化函数，得到每个节点的角色。
9.一种电子设备，包括如权利要求8所述的团伙成员角色的确定装置，或者，所述电子设备包括：
存储器，用于存储可执行命令；
处理器，用于在所述可执行命令的控制下，执行如权利要求1-7中任一项所述的团伙成员角色的确定方法。
10.一种计算机可读存储介质，存储有可执行指令，所述可执行指令被处理器执行时，执行如权利要求1-7中任一项所述的团伙成员角色的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010093399.8A CN111339437B (zh) | 2020-02-14 | 2020-02-14 | 一种团伙成员角色的确定方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010093399.8A CN111339437B (zh) | 2020-02-14 | 2020-02-14 | 一种团伙成员角色的确定方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111339437A true CN111339437A (zh) | 2020-06-26 |
| CN111339437B CN111339437B (zh) | 2023-07-14 |
Family
ID=71181494
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010093399.8A Active CN111339437B (zh) | 2020-02-14 | 2020-02-14 | 一种团伙成员角色的确定方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111339437B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111949835A (zh) * | 2020-07-13 | 2020-11-17 | 北京明略软件系统有限公司 | 一种数据处理方法及装置 |
| CN112163096A (zh) * | 2020-09-18 | 2021-01-01 | 中国建设银行股份有限公司 | 一种恶意团体确定方法、装置、电子设备及存储介质 |
| CN112380531A (zh) * | 2020-11-11 | 2021-02-19 | 平安科技（深圳）有限公司 | 黑产团伙识别方法、装置、设备及存储介质 |
| CN114003648A (zh) * | 2021-10-20 | 2022-02-01 | 支付宝(杭州)信息技术有限公司 | 风险交易团伙的识别方法、装置、电子设备与存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130046901A1 (en) * | 2011-08-18 | 2013-02-21 | International Business Machine Corporation | System and method for stream processing |
| CN104620236A (zh) * | 2012-03-15 | 2015-05-13 | 美国高通技术公司 | 用于神经网络的基于标记的装置和方法 |
| CN104731962A (zh) * | 2015-04-03 | 2015-06-24 | 重庆邮电大学 | 一种社交网络中基于相似社团的好友推荐方法及系统 |
| CN108038692A (zh) * | 2017-11-06 | 2018-05-15 | 阿里巴巴集团控股有限公司 | 角色识别方法、装置及服务器 |
| CN108683534A (zh) * | 2018-05-17 | 2018-10-19 | 浙江工业大学 | 一种面向社区发现的网络薄弱节点搜索方法 |
| CN109919316A (zh) * | 2019-03-04 | 2019-06-21 | 腾讯科技（深圳）有限公司 | 获取网络表示学习向量的方法、装置和设备及存储介质 |
| CN110413900A (zh) * | 2019-08-01 | 2019-11-05 | 电子科技大学 | 基于维特比算法的多社交网络账号匹配方法 |
| US20190340500A1 (en) * | 2018-05-01 | 2019-11-07 | International Business Machines Corporation | Foiling neuromorphic hardware limitations by reciprocally scaling connection weights and input values to neurons of neural networks |
-
2020
- 2020-02-14 CN CN202010093399.8A patent/CN111339437B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130046901A1 (en) * | 2011-08-18 | 2013-02-21 | International Business Machine Corporation | System and method for stream processing |
| CN104620236A (zh) * | 2012-03-15 | 2015-05-13 | 美国高通技术公司 | 用于神经网络的基于标记的装置和方法 |
| CN104731962A (zh) * | 2015-04-03 | 2015-06-24 | 重庆邮电大学 | 一种社交网络中基于相似社团的好友推荐方法及系统 |
| CN108038692A (zh) * | 2017-11-06 | 2018-05-15 | 阿里巴巴集团控股有限公司 | 角色识别方法、装置及服务器 |
| US20190340500A1 (en) * | 2018-05-01 | 2019-11-07 | International Business Machines Corporation | Foiling neuromorphic hardware limitations by reciprocally scaling connection weights and input values to neurons of neural networks |
| CN108683534A (zh) * | 2018-05-17 | 2018-10-19 | 浙江工业大学 | 一种面向社区发现的网络薄弱节点搜索方法 |
| CN109919316A (zh) * | 2019-03-04 | 2019-06-21 | 腾讯科技（深圳）有限公司 | 获取网络表示学习向量的方法、装置和设备及存储介质 |
| CN110413900A (zh) * | 2019-08-01 | 2019-11-05 | 电子科技大学 | 基于维特比算法的多社交网络账号匹配方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111949835A (zh) * | 2020-07-13 | 2020-11-17 | 北京明略软件系统有限公司 | 一种数据处理方法及装置 |
| CN112163096A (zh) * | 2020-09-18 | 2021-01-01 | 中国建设银行股份有限公司 | 一种恶意团体确定方法、装置、电子设备及存储介质 |
| CN112380531A (zh) * | 2020-11-11 | 2021-02-19 | 平安科技（深圳）有限公司 | 黑产团伙识别方法、装置、设备及存储介质 |
| CN114003648A (zh) * | 2021-10-20 | 2022-02-01 | 支付宝(杭州)信息技术有限公司 | 风险交易团伙的识别方法、装置、电子设备与存储介质 |
| CN114003648B (zh) * | 2021-10-20 | 2024-04-26 | 支付宝(杭州)信息技术有限公司 | 风险交易团伙的识别方法、装置、电子设备与存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111339437B (zh) | 2023-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111339437B (zh) | 一种团伙成员角色的确定方法、装置及电子设备 | |
| CN112487173B (zh) | 人机对话方法、设备和存储介质 | |
| CN110555172B (zh) | 用户关系挖掘方法及装置、电子设备和存储介质 | |
| CN110874396B (zh) | 一种关键词抽取方法、装置以及计算机存储介质 | |
| CN112115698B (zh) | 用于生成主题模型的技术 | |
| JP7498248B2 (ja) | コンテンツ推薦とソートモデルトレーニング方法、装置、機器、記憶媒体及びコンピュータプログラム | |
| CN111582452A (zh) | 生成神经网络模型的方法和装置 | |
| CN110633717A (zh) | 一种目标检测模型的训练方法和装置 | |
| CN111652354B (zh) | 用于训练超网络的方法、装置、设备以及存储介质 | |
| CN114612600A (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
| CN115456167A (zh) | 轻量级模型训练方法、图像处理方法、装置及电子设备 | |
| KR101931624B1 (ko) | 패션 분야의 트렌드 분석방법 및 이를 포함하는 저장매체 | |
| CN113037489B (zh) | 数据处理方法、装置、设备和存储介质 | |
| CN111160552B (zh) | 新闻信息的推荐处理方法、装置、设备和计算机存储介质 | |
| CN113792876A (zh) | 骨干网络的生成方法、装置、设备以及存储介质 | |
| CN112948584A (zh) | 短文本分类方法、装置、设备以及存储介质 | |
| CN112580723A (zh) | 多模型融合方法、装置、电子设备和存储介质 | |
| CN116012161A (zh) | 一种用户群体的风险分析方法、装置及设备 | |
| CN113033205B (zh) | 实体链接的方法、装置、设备以及存储介质 | |
| CN114219694A (zh) | 目标全连接子图的采样方法、装置及电子设备 | |
| US20200387811A1 (en) | Systems and methods for neighbor frequency aggregation of parametric probability distributions with decision trees | |
| CN114548407A (zh) | 层级目标定向因果发现方法、装置及电子设备 | |
| CN112559727A (zh) | 用于输出信息的方法、装置、设备、存储介质和程序 | |
| CN113408297B (zh) | 生成节点表示的方法、装置、电子设备和可读存储介质 | |
| CN113572679B (zh) | 账户亲密度的生成方法、装置、电子设备和存储介质 |
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 |