CN111835730A - 服务账号处理方法、装置、电子设备及可读存储介质 - Google Patents

服务账号处理方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN111835730A
CN111835730A CN202010559473.0A CN202010559473A CN111835730A CN 111835730 A CN111835730 A CN 111835730A CN 202010559473 A CN202010559473 A CN 202010559473A CN 111835730 A CN111835730 A CN 111835730A
Authority
CN
China
Prior art keywords
service
account
service account
user
accounts
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
Application number
CN202010559473.0A
Other languages
English (en)
Other versions
CN111835730B (zh
Inventor
熊俊霖
刘刚刚
何龙
霍士杰
卓呈祥
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.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development 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 Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN202010559473.0A priority Critical patent/CN111835730B/zh
Publication of CN111835730A publication Critical patent/CN111835730A/zh
Application granted granted Critical
Publication of CN111835730B publication Critical patent/CN111835730B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00Network architectures or network communication protocols for network security
    • H04L63/08Network architectures or network communication protocols for network security for authentication of entities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/50Network services
    • H04L67/51Discovery or management thereof, e.g. service location protocol [SLP] or web services

Landscapes

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

Abstract

本申请提供了服务账号处理方法、装置、电子设备及可读存储介质,其中该方法包括:获取在共享服务平台注册过的多个服务账号的账号属性信息;根据每个服务账号的账号属性信息,计算使用每个服务账号的用户的身份相似度;确定身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。本申请实施例将身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号,可以更加准确地确定出属于同一用户使用的服务账号,使得共享服务平台能够针对同一用户所使用的账号做到有效管理。

Description

服务账号处理方法、装置、电子设备及可读存储介质
技术领域
本申请涉及信息技术领域,尤其是涉及服务账号处理方法、装置、电子设备及可读存储介质。
背景技术
随着互联网技术以及共享服务的发展,人们可以随时在网上下单预约网约车。
用户首次使用预约出行的网约车软件时,通常需要利用手机号码在网约车平台上注册账号,注册完成之后,便可以在登录成功之后的网约车软件上预约车辆。随着在网约车平台上注册的账号越来越多,注册账号的用户越来越多,网约车平台需要确定出这些账号与用户之间的对应关系。
现有技术中仅仅通过注册账号时的手机号是否相同来确定多个账号是否为同一人的账号,但是目前在同一网约车平台上普遍存在一个用户同时使用多个手机号注册多个账号或者前后使用多个手机号注册账号的情况,因此网约车平台无法准确确定出属于同一用户使用的账号,导致网约车平台无法针对同一用户所使用的账号做到有效管理。
发明内容
有鉴于此,本申请的目的在于提供服务账号处理方法、装置、电子设备及可读存储介质,以准确确定出属于同一用户使用的账号,使得网约车平台能够针对同一用户所使用的账号做到有效管理。
第一方面,本申请实施例提供了服务账号处理方法,包括:
获取在共享服务平台注册过的多个服务账号的账号属性信息;所述账号属性信息包括:通过所述服务账号下达服务订单时使用的服务请求端的身份信息、使用所述服务账号的用户的识别信息和目标支付程序的身份信息;
根据每个服务账号的账号属性信息,计算使用每个服务账号的用户的身份相似度;
确定所述身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式,其中,还包括:
获取待推送消息;
针对属于同一用户的多个服务账号,向所述多个服务账号中的一个推送所述待推送消息。
结合第一方面的第一种可能的实施方式,本申请实施例提供了第一方面的第二种可能的实施方式,其中,所述针对属于同一用户的多个服务账号,向所述多个服务账号中的一个推送所述待推送消息,包括:
针对属于同一用户的多个服务账号,计算所述多个服务账号中每个服务账号的活跃度;
向活跃度最高的服务账号推送所述待推送消息。
结合第一方面的第二种可能的实施方式,本申请实施例提供了第一方面的第三种可能的实施方式,其中,所述针对属于同一用户的多个服务账号,计算所述多个服务账号中每个服务账号的活跃度,包括:
针对属于同一用户的多个服务账号,根据每个服务账号的历史服务订单信息,计算所述多个服务账号中每个服务账号的活跃度。
结合第一方面的第三种可能的实施方式,本申请实施例提供了第一方面的第四种可能的实施方式,其中,所述历史服务订单信息包括以下任意一种或多种:历史服务订单的总数量、相邻两次服务订单的平均时间间隔和最后一次下达服务订单的时间。
结合第一方面,本申请实施例提供了第一方面的第五种可能的实施方式,其中,所述识别信息包括以下任意一种或多种:身份证号、姓名、年龄、出生日期、性别、邮箱、毕业院校、经常居住地、职业、工作地址和经常出行地。
结合第一方面,本申请实施例提供了第一方面的第六种可能的实施方式,其中,所述确定所述身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号,包括:
将每个服务账号的账号属性信息均输入到预先训练完成的极端梯度提升模型中,以得到身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。
结合第一方面的第六种可能的实施方式,本申请实施例提供了第一方面的第七种可能的实施方式,其中,所述将每个服务账号的账号属性信息均输入到预先训练完成的极端梯度提升模型中,以得到身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号,包括:
根据每个服务账号的身份相似情况,将所述多个服务账号进行聚类;
针对聚类得到的每一类服务账号,将该类服务账号的账号属性信息均输入到预先训练完成的极端梯度提升模型中,以得到身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。
结合第一方面的第六种可能的实施方式或的第七种可能的实施方式,本申请实施例提供了第一方面的第八种可能的实施方式,其中,所述极端梯度提升模型是通过以下步骤进行训练的:
获取多个候选样本;每个所述候选样本中均包括同一样本服务账号下的用户的用户语音以及所述样本服务账号所对应的账号属性信息;所述用户语音是服务订单执行过程中获取的用户的语音;
基于所述用户语音的相似程度,将所述候选样本进行聚类,以得到多个训练样本;同一所述训练样本中包括语音相似度超过预设阈值的多个候选样本;
将所述训练样本输入至未训练完成的极端梯度提升模型中,以对所述极端梯度提升模型进行训练。
结合第一方面,本申请实施例提供了第一方面的第九种可能的实施方式,其中,还包括:
针对属于同一个用户的多个服务账号,计算每个服务账号的活跃度;
将活跃度最低的至少一个服务账号进行销号处理。
结合第一方面的第九种可能的实施方式,本申请实施例提供了第一方面的第十种可能的实施方式,其中,所述将活跃度最低的至少一个服务账号进行销号处理,包括:
向属于同一个用户的多个服务账号中,活跃度最高的服务账号发送针对活跃度最低的服务账号进行销号的销号通知;
在接收到针对所述销号通知的确认消息后,对所述活跃度最低的服务账号进行销号。
第二方面,本申请实施例还提供服务账号处理装置,包括:
第一获取模块,用于获取在共享服务平台注册过的多个服务账号的账号属性信息;所述账号属性信息包括:通过所述服务账号下达服务订单时使用的服务请求端的身份信息、使用所述服务账号的用户的识别信息和目标支付程序的身份信息;
第一计算模块,用于根据每个服务账号的账号属性信息,计算使用每个服务账号的用户的身份相似度;
第一确定模块,用于确定所述身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面中任一种可能的实施方式中的步骤。
第四方面,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述第一方面中任一种可能的实施方式中的步骤。
本申请实施例提供的服务账号处理方法,首先获取在共享服务平台注册过的多个服务账号的账号属性信息;然后根据每个服务账号的账号属性信息,计算使用每个服务账号的用户的身份相似度;最后确定身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。本申请实施例将身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号,相比于现有技术中仅仅通过手机号确定账号是否属于同一用户,本申请根据服务账号的账号属性信息,可以更加准确地确定出属于同一用户使用的服务账号,使得共享服务平台能够针对同一用户所使用的账号做到有效管理。
本申请实施例提供的服务账号处理方法,通过计算所述多个服务账号中每个服务账号的活跃度;向活跃度最高的服务账号推送待推送消息,可以实现对服务账号的精准管理,减少触达成本。
本申请实施例提供的服务账号处理方法,通过计算所述多个服务账号中每个服务账号的活跃度;将活跃度最低的至少一个服务账号进行销号处理,从而剔除冗余账号,实现对服务账号的精准管理。
本申请实施例提供的服务账号处理方法,通过基于用户语音的相似程度,对包含同一样本服务账号下的用户的用户语音以及样本服务账号所对应的账号属性信息的候选样本进行聚类,得到训练样本,使得训练完成的极端梯度提升模型可以根据输入的服务账号的账号属性信息,更确定地得到身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号的输出结果。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本申请实施例所提供的账户、手机和用户的对应关系图;
图2示出了本申请实施例所提供的一种服务账号处理方法的流程图;
图3示出了本申请实施例所提供的极端梯度提升模型的训练过程示意图;
图4示出了本申请实施例所提供的一种服务账号处理装置的结构示意图;
图5示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的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。
随着大众生活水平的提高,人们的出行方式越来越多样化,比如目前常见的出行方式有网约车、出租车、公共交通、步行和自驾等。由于网约车不仅可以节约时间,而且比传统打车更快捷,使得人们的出行越来越方便,成为很多人的首选出行方式。
在首次使用预约出行的网约车软件时,用户首先需要下载一款预约出行的网约车软件,并安装到手机上;然后用户打开网约车软件的注册页面,输入手机号和验证码等信息完成注册;注册成功后,用户便可以在登录成功之后的网约车软件上预约车辆。随着在网约车平台上注册的账号越来越多,注册账号的用户越来越多,网约车平台需要确定出这些账号与用户之间的对应关系。
考虑到现有技术中仅仅通过将注册账号时的手机号是否相同确定多个账号是否为同一人的账号,但是目前在同一网约车平台上普遍存在一个用户同时使用多个手机号注册多个账号或者前后使用多个手机号注册账号的情况,如图1所示账户、手机和用户的对应关系图中,目前有些型号的手机支持应用分身或者支持双卡双待,用户可能会在同一个手机上使用多个服务账号,甚至有些用户使用多个手机在同一共享服务平台注册多个服务账号,因此网约车平台无法准确确定出属于同一用户使用的账号,导致网约车平台无法针对同一用户的账号做到有效管理。基于此,本申请实施例提供了一种服务账号处理方法、装置、电子设备及可读存储介质,下面通过实施例进行描述。
本申请实施例的服务账号处理方法、装置、电子设备及可读存储介质可以适用于任何共享服务类型,例如网约车叫车服务、共享充电宝服务、共享单车服务等。
为便于对本实施例进行理解,首先对本申请实施例所公开的服务账号处理方法进行详细介绍。
如图2所示的一种服务账号处理方法的流程图中,包括以下步骤:
S101:获取在共享服务平台注册过的多个服务账号的账号属性信息;账号属性信息包括:通过服务账号下达服务订单时使用的服务请求端的身份信息、使用服务账号的用户的识别信息和目标支付程序的身份信息;
S102:根据每个服务账号的账号属性信息,计算使用每个服务账号的用户的身份相似度;
S103:确定身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。
步骤S101-步骤S103的执行过程是通过服务器完成的,因此执行主体是服务器。
步骤S101中,服务器针对同一共享服务平台,获取在该共享服务平台注册过的多个服务账号的账号属性信息。
其中,服务请求端的身份信息指的是用于标识服务请求端身份的信息,例如服务请求端的设备标识符。用户在服务请求端上使用服务账号下达服务订单时,服务器可以获取到该服务请求端的身份信息。
用户在共享服务平台注册服务账号的时候,或者进行身份验证的时候可能需要填写手机号或者身份证号;在注册成功之后,完善个人信息的时候,可能需要填写姓名、年龄、出生日期、性别、邮箱、毕业院校、经常居住地、职业、工作地址和经常出行地等信息。
因此用户的识别信息可以包括身份证号、姓名、年龄、出生日期、性别、邮箱、毕业院校、经常居住地、职业、工作地址和经常出行地等中的至少一项信息。
目前的共享服务一般都是有偿服务,需要用户支付服务费用,而随着网上支付技术的发展,用户通常选择支付程序(例如支付宝、翼支付、云闪付等)支付服务费用,因此目标支付程序指的是用于支付服务订单时所使用的支付程序。
目标支付程序的身份信息指的是用于标识目标支付程序身份的信息,例如支付账号等。
当服务器获取到在共享服务平台注册过的多个服务账号的账号属性信息之后,进入步骤S102。
在步骤S102中,在根据每个服务账号的账号属性信息,计算使用每个服务账号的用户的身份相似度时,可以根据获取的账号属性信息所包含的内容进行对比,具体地,将相同内容的账号属性信息进行对比,例如,将通过服务账号A下达服务订单时使用的服务请求端的身份信息与通过服务账号B下达服务订单时使用的服务请求端的身份信息进行对比;再如,将使用服务账号A的用户的身份证号与使用服务账号B的用户的身份证号进行对比等。
在具体实施中,可以将每个服务账号中每项账号属性信息分别与其他服务账号中内容相同项的账号属性信息进行对比。在对比过程中,每项账号属性信息的对比结果的置信度并不是一样的。
例如针对使用服务账号的用户的身份证号、姓名和年龄这三项识别信息中,身份证号的对比结果的置信度最高,姓名的对比结果的置信度次之,年龄的对比结果的置信度最低。
当使用服务账号A的用户的身份证号与使用服务账号B的用户的身份证号一样时,可以直接判断出使用服务账号A的用户与使用服务账号B的用户为同一个人,这是因为用户的身份证号是唯一确定的,因此身份证号的对比结果的置信度最高。当使用服务账号A的用户的年龄与使用服务账号B的用户的年龄一样时,完全无法判断出使用服务账号A的用户与使用服务账号B的用户是否为同一个人,因为年龄相同的用户非常多,完全需要借助其他识别信息的对比结果才能判断出使用服务账号A的用户与使用服务账号B的用户是否为同一个人,因此年龄的对比结果的置信度很低。
当使用服务账号A的用户的姓名与使用服务账号B的用户的姓名一样时,并不能直接判断出使用服务账号A的用户与使用服务账号B的用户为同一个人,因为现实中存在重名的情况,对于重名概率比较大的名字,也需要借助其他识别信息的对比结果才能判断出使用服务账号A的用户与使用服务账号B的用户是否为同一个人,但是对于重名概率比较小的名字,可以不根据其他识别信息的对比结果,而仅根据姓名判断出使用服务账号A的用户与使用服务账号B的用户为同一个人,因此姓名的对比结果的置信度低于身份证号的对比结果的置信度而高于年龄的对比结果的置信度。
因此,基于上述情况,可以尽可能地将账号属性信息中的每项信息都进行对比,当对比的账号属性信息的项数越多,计算的用户的身份相似度越准确,确定出的身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号的结果越准确。
在一种可行的实施方式中,在执行步骤S102时,还可以根据用户通过使用服务账号下达的服务订单的订单信息,确定使用每个服务账号的用户乘坐车型的情况;根据使用每个服务账号的用户乘坐车型的情况,计算使用每个服务账号的用户的身份相似度。其中,订单信息可以包括下单时间、服务开始时间、服务结束时间、服务开始地点、服务终止地点等。
针对出行服务而言,考虑到由于工作性质、常驻地、生活习惯的差异,在特定时间和空间下用户会表现出不同的出行偏好。比如上班族会在工作日早晚高峰乘坐拼车来往于公司和居住地之间,周末会选择乘坐专车去往商场、KTV等休闲场所。根据用户通过使用服务账号下达的服务订单的订单信息,可以确定出使用每个服务账号的用户乘坐车型的情况,乘坐车型的情况越相同的用户,使用每个服务账号的用户的身份相似度越高。
计算出使用每个服务账号的用户的身份相似度后,进入步骤S103。
步骤S103中,可以预先设定身份相似度的阈值,当服务账号的身份相似度超过预设阈值时,可以确定身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。
通过上述步骤S101-S103的方案,根据每个服务账号的用户的身份相似度,可以准确确定出属于同一用户使用的服务账号,使得共享服务平台能够针对同一用户所使用的账号做到有效管理。
在一种可行的实施方式中,在确定出身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号后,可以对同一用户所使用的服务账号推送消息,因此可以进入以下步骤:
S104:获取待推送消息;
S105:针对属于同一用户的多个服务账号,向多个服务账号中的一个推送待推送消息。
步骤S104中,待推送消息可以是用于同一用户的多个服务账号中的一个或多个推送的消息,例如优惠活动详情、广告信息、邀请好友信息等。
步骤S105中,被推送待推送消息的服务账号可以是随机选择的一个服务账号,也可以是按照预设筛选条件筛选出的一个服务账号。
在某些情况下,也可以针对属于同一用户的多个服务账号,向多个服务账号中的多个推送待推送消息。例如,多个服务账号同时符合预设筛选条件,那么可以同时向多个服务账号推送待推送消息。
在一种可行的实施方式中,当预设筛选条件为筛选活跃度最高的服务账号时,步骤S105可以包括以下步骤:
S1051:针对属于同一用户的多个服务账号,计算多个服务账号中每个服务账号的活跃度;
S1052:向活跃度最高的服务账号推送待推送消息。
在步骤S1051中,针对属于同一用户的多个服务账号,可以根据每个服务账号的历史服务订单信息,计算多个服务账号中每个服务账号的活跃度。
历史服务订单信息可以包括以下任意一种或多种:历史服务订单的总数量、相邻两次服务订单的平均时间间隔和最后一次下达服务订单的时间。
其中,历史服务订单的总数量指的是从该服务账号注册之日起到当前时刻,用户使用该服务账号所下达的服务订单的总数量;相邻两次服务订单的平均时间间隔指的是相邻两次服务订单的时间间隔的平均值;最后一次下达服务订单的时间指的是距离当前时刻最近一次下达服务订单的时间。
当服务账号的历史服务订单的总数量越多、或者相邻两次服务订单的平均时间间隔越短、或者最后一次下达服务订单的时间距离当前时刻越近,说明该服务账号的活跃度越高。
这里,可以分别对每种历史服务订单信息进行活跃度打分,最后根据每种历史服务订单信息的权重对每个服务账号的活跃度进行求和。
在步骤S1052中,对服务账号的活跃度进行排序,选择活跃度最高的服务账号,并向该服务账号推送待推送消息。
在一种可行的实施方式中,在确定出身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号后,还可以对同一用户所使用的服务账号进行销号处理,因此可以进入以下步骤:
步骤S1053:针对属于同一个用户的多个服务账号,计算每个服务账号的活跃度;
步骤S1054:将活跃度最低的至少一个服务账号进行销号处理。
步骤S1053的过程与步骤S1051的过程相同,此处不再赘述。
在步骤S1054中,由于用户使用服务账号时可能存在不良的行为,例如用户使用该服务账号出现恶意下单、恶意评价、中途恶意取消订单等,共享服务平台可以对这些服务账号进行封号处理,这些服务账号无法再进行下单,活跃度会降低。还有一些用户习惯使用某个服务账号,而很少使用其他账号,也会导致某些服务账号活跃度较低。
通过选择活跃度最低的至少一个服务账号,对其选择销号处理。
在对活跃度最低的至少一个服务账号进行销号处理,具体可以按照以下步骤进行:
S10541:向属于同一个用户的多个服务账号中,活跃度最高的服务账号发送针对活跃度最低的服务账号进行销号的销号通知;
S10542:在接收到针对销号通知的确认消息后,对活跃度最低的服务账号进行销号。
步骤S10541中,由于活跃度最低的服务账号可能已经无法接收到服务器发送的信息,因此这里可以向活跃度最高的服务账号发送针对活跃度最低的服务账号进行销号的销号通知,以保证该用户能及时接收到服务器发送的销号通知。
在步骤S10542中,服务器在接收到活跃度最高的服务账号发送的针对销号通知的确认消息后,则可以对活跃度最低的服务账号进行销号。
在具体实施中,还可以在预设时间内未接收到针对销号通知的确认消息后,对活跃度最低的服务账号进行销号。
在执行上述步骤S103时,可以将每个服务账号的账号属性信息均输入到预先训练完成的极端梯度提升模型中,以得到身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。
具体通过预先训练完成的极端梯度提升模型,得到身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号的过程中,还可以包括以下步骤:
S201:根据每个服务账号的身份相似情况,将多个服务账号进行聚类;
S202:针对聚类得到的每一类服务账号,将该类服务账号的账号属性信息均输入到预先训练完成的极端梯度提升模型中,以得到身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。
步骤S201中,在对多个服务账号进行聚类时,可以根据每个服务账号中的账号属性信息确定服务账号的身份相似情况,从而对服务账号进行聚类,得到不同类别的服务账号集合。
这里,可以设置身份相似度阈值,例如,将身份相似度超过第一预设阈值的服务账号分为第一类;将身份相似度超过第二预设阈值且未超过第一预设阈值(第一预设阈值大于第二预设阈值)的服务账号分为第二类;身份相似度未超过第二预设阈值的服务账号分为第三类。
考虑到当获取的在共享服务平台注册过的多个服务账号的账号属性信息过多时,将每个服务账号的账号属性信息分别与其他服务账号中内容相同项的账号属性信息进行对比时,服务器的处理量非常庞大,会降低服务器的处理效率,因此可以先根据服务账号的部分账号属性信息,确定服务账号的身份相似情况,从而对多个服务账号进行聚类。
例如,可以根据每项账号属性信息的对比结果的置信度,根据部分账号属性信息确定服务账号的身份相似度。
步骤S202中,这里,极端梯度提升模型为eXtreme Gradient Boosting模型,简称XGBoost模型。
在实际利用极端梯度提升模型得到服务账号是否为同一用户所使用的服务账号的结果时,极端梯度提升模型可以对同一类服务账号中的两两服务账号进行比较。当某一类服务账号中包括至少N(N>2)个服务账号时,在极端梯度提升模型得到服务账号是否为同一用户所使用的服务账号的结果时,如果通过前N-1次已经可以得出服务账号是否为同一用户所使用的服务账号的结果,没有必要再进行第N次输入。
例如某一类服务账号中包括3个服务账号:服务账号A、服务账号B和服务账号C,可以先将服务账号A和服务账号B输入至极端梯度提升模型中,再将服务账号C和服务账号B输入至极端梯度提升模型中,当服务账号A和服务账号B为同一用户所使用的服务账号且服务账号C和服务账号B为同一用户所使用的服务账号时,那么服务账号A和服务账号C肯定为同一用户所使用的服务账号,因此,就没有必要再将服务账号A和服务账号C输入至极端梯度提升模型,从而减少服务器的处理量。
在具体实施中,如图3所示的极端梯度提升模型的训练过程示意图中,可以包括以下步骤:
S301:获取多个候选样本;每个候选样本中均包括同一样本服务账号下的用户的用户语音以及样本服务账号所对应的账号属性信息;用户语音是服务订单执行过程中获取的用户的语音;
S302:基于用户语音的相似程度,将候选样本进行聚类,以得到多个训练样本;同一训练样本中包括语音相似度超过预设阈值的多个候选样本;
S303:将训练样本输入至未训练完成的极端梯度提升模型中,以对极端梯度提升模型进行训练。
步骤S301中,用户语音是在服务订单执行过程获取的用户的语音,具体地可以是从用户与司机的对话中获取的用户的语音。
根据用于的语音可以确定出用户的语音特征。
样本服务账号所对应的账号属性信息包括上述的:通过服务账号下达服务订单时使用的服务请求端的身份信息、使用服务账号的用户的识别信息和目标支付程序的身份信息;其中,目标支付程序是支付服务订单时所使用的支付程序。
步骤S302中,考虑到当用户的多条语音达到预设的相似程度时,可以判断多条语音对应的用户为同一个人。因此,基于用户语音的相似程度,将候选样本进行聚类。
同一训练样本中包括语音相似度超过预设阈值的多个候选样本。
步骤S303中,将训练样本输入至未训练完成的极端梯度提升模型中,以对极端梯度提升模型进行训练,训练完成的极端梯度提升模型可以根据输入的多个服务账号的账号属性信息,得到身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。
基于相同的技术构思,本申请实施例还提供一种服务账号处理装置、电子设备、以及计算机可读存储介质等,具体可参见以下实施例。
图4是示出本申请的一些实施例的服务账号处理装置的框图,该服务账号处理装置实现的功能对应上述在终端设备上执行服务账号处理方法的步骤。该装置可以理解为一个包括处理器的服务器的组件,该组件能够实现上述服务账号处理方法,如图4所示,该服务账号处理装置可以包括:
第一获取模块401,用于获取在共享服务平台注册过的多个服务账号的账号属性信息;所述账号属性信息包括:通过所述服务账号下达服务订单时使用的服务请求端的身份信息、使用所述服务账号的用户的识别信息和目标支付程序的身份信息;
第一计算模块402,用于根据每个服务账号的账号属性信息,计算使用每个服务账号的用户的身份相似度;
第一确定模块403,用于确定所述身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。
在一种可行的实施方式中,该服务账号处理装置还可以包括:
第二获取模块,用于获取待推送消息;
第一推送模块,用于针对属于同一用户的多个服务账号,向所述多个服务账号中的一个推送所述待推送消息。
在一种可行的实施方式中,所述第一推送模块,包括:
第二计算模块,用于针对属于同一用户的多个服务账号,计算所述多个服务账号中每个服务账号的活跃度;
第二推送模块,用于向活跃度最高的服务账号推送所述待推送消息。
在一种可行的实施方式中,所述第二计算模块,包括:
第三计算模块,用于针对属于同一用户的多个服务账号,根据每个服务账号的历史服务订单信息,计算所述多个服务账号中每个服务账号的活跃度。
在一种可行的实施方式中,所述历史服务订单信息包括以下任意一种或多种:历史服务订单的总数量、相邻两次服务订单的平均时间间隔和最后一次下达服务订单的时间。
在一种可行的实施方式中,所述识别信息包括以下任意一种或多种:身份证号、姓名、年龄、出生日期、性别、邮箱、毕业院校、经常居住地、职业、工作地址和经常出行地。
在一种可行的实施方式中,所述第一确定模块403,包括:
第一输入模块,用于将每个服务账号的账号属性信息均输入到预先训练完成的极端梯度提升模型中,以得到身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。
在一种可行的实施方式中,所述第一输入模块,包括:
第一聚类模块,用于根据每个服务账号的身份相似情况,将所述多个服务账号进行聚类;
第二输入模块,用于针对聚类得到的每一类服务账号,将该类服务账号的账号属性信息均输入到预先训练完成的极端梯度提升模型中,以得到身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。
在一种可行的实施方式中,还包括:
第三获取模块,用于获取多个候选样本;每个所述候选样本中均包括同一样本服务账号下的用户的用户语音以及所述样本服务账号所对应的账号属性信息;所述用户语音是服务订单执行过程中获取的用户的语音;
第二聚类模块,用于基于所述用户语音的相似程度,将所述候选样本进行聚类,以得到多个训练样本;同一所述训练样本中包括语音相似度超过预设阈值的多个候选样本;
第三输入模块,用于将所述训练样本输入至未训练完成的极端梯度提升模型中,以对所述极端梯度提升模型进行训练。
在一种可行的实施方式中,还包括:
第四计算模块,用于针对属于同一个用户的多个服务账号,计算每个服务账号的活跃度;
第一销号模块,用于将活跃度最低的至少一个服务账号进行销号处理。
在一种可行的实施方式中,所述第一销号模块,包括:
发送模块,用于向属于同一个用户的多个服务账号中,活跃度最高的服务账号发送针对活跃度最低的服务账号进行销号的销号通知;
第二销号模块,用于在接收到针对所述销号通知的确认消息后,对所述活跃度最低的服务账号进行销号。
如图5所示,为本申请实施例所提供的一种电子设备的结构示意图,该电子设备包括:处理器501、存储器502和总线503,存储器502存储有执行指令,当电子设备运行时,处理器501与存储器502之间通过总线503通信,处理器501执行存储器502中存储的如图2所示的一种服务账号处理方法的步骤。
本申请实施例所提供的进行服务账号处理方法的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。

Claims (14)

1.服务账号处理方法,其特征在于,包括:
获取在共享服务平台注册过的多个服务账号的账号属性信息;所述账号属性信息包括:通过所述服务账号下达服务订单时使用的服务请求端的身份信息、使用所述服务账号的用户的识别信息和目标支付程序的身份信息;
根据每个服务账号的账号属性信息,计算使用每个服务账号的用户的身份相似度;
确定所述身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。
2.根据权利要求1所述的服务账号处理方法,其特征在于,还包括:
获取待推送消息;
针对属于同一用户的多个服务账号,向所述多个服务账号中的一个推送所述待推送消息。
3.根据权利要求2所述的服务账号处理方法,其特征在于,所述针对属于同一用户的多个服务账号,向所述多个服务账号中的一个推送所述待推送消息,包括:
针对属于同一用户的多个服务账号,计算所述多个服务账号中每个服务账号的活跃度;
向活跃度最高的服务账号推送所述待推送消息。
4.根据权利要求3所述的服务账号处理方法,其特征在于,所述针对属于同一用户的多个服务账号,计算所述多个服务账号中每个服务账号的活跃度,包括:
针对属于同一用户的多个服务账号,根据每个服务账号的历史服务订单信息,计算所述多个服务账号中每个服务账号的活跃度。
5.根据权利要求4所述的服务账号处理方法,其特征在于,所述历史服务订单信息包括以下任意一种或多种:历史服务订单的总数量、在预设时间段内所下达的历史服务订单的数量和存在不良行为的历史服务订单的数量。
6.根据权利要求1所述的服务账号处理方法,其特征在于,所述识别信息包括以下任意一种或多种:姓名、年龄、出生日期、性别、邮箱、毕业院校、经常居住地、职业、工作地址和经常出行地。
7.根据权利要求1所述的服务账号处理方法,其特征在于,所述确定所述身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号,包括:
将每个服务账号的账号属性信息均输入到预先训练完成的极端梯度提升模型中,以得到身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。
8.根据权利要求7所述的服务账号处理方法,其特征在于,所述将每个服务账号的账号属性信息均输入到预先训练完成的极端梯度提升模型中,以得到身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号,包括:
根据每个服务账号的身份相似情况,将所述多个服务账号进行聚类;
针对聚类得到的每一类服务账号,将该类服务账号的账号属性信息均输入到预先训练完成的极端梯度提升模型中,以得到身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。
9.根据权利要求7-8任一项所述的服务账号处理方法,其特征在于,所述极端梯度提升模型是通过以下步骤进行训练的:
获取多个候选样本;每个所述候选样本中均包括同一样本服务账号下的用户的用户语音以及所述样本服务账号所对应的账号属性信息;所述用户语音是服务订单执行过程中获取的用户的语音;
基于所述用户语音的相似程度,将所述候选样本进行聚类,以得到多个训练样本;同一所述训练样本中包括语音相似度超过预设阈值的多个候选样本;
将所述训练样本输入至未训练完成的极端梯度提升模型中,以对所述极端梯度提升模型进行训练。
10.根据权利要求1所述的服务账号处理方法,其特征在于,还包括:
针对属于同一个用户的多个服务账号,计算每个服务账号的活跃度;
将活跃度最低的至少一个服务账号进行销号处理。
11.根据权利要求10所述的服务账号处理方法,其特征在于,所述将活跃度最低的至少一个服务账号进行销号处理,包括:
向属于同一个用户的多个服务账号中,活跃度最高的服务账号发送针对活跃度最低的服务账号进行销号的销号通知;
在接收到针对所述销号通知的确认消息后,对所述活跃度最低的服务账号进行销号。
12.服务账号处理装置,其特征在于,包括:
第一获取模块,用于获取在共享服务平台注册过的多个服务账号的账号属性信息;所述账号属性信息包括:通过所述服务账号下达服务订单时使用的服务请求端的身份信息、使用所述服务账号的用户的识别信息和目标支付程序的身份信息;
第一计算模块,用于根据每个服务账号的账号属性信息,计算使用每个服务账号的用户的身份相似度;
第一确定模块,用于确定所述身份相似度超过预设阈值的服务账号为同一用户所使用的服务账号。
13.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至11任一所述的服务账号处理方法的步骤。
14.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至11任一所述的服务账号处理方法的步骤。
CN202010559473.0A 2020-06-18 2020-06-18 服务账号处理方法、装置、电子设备及可读存储介质 Active CN111835730B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010559473.0A CN111835730B (zh) 2020-06-18 2020-06-18 服务账号处理方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010559473.0A CN111835730B (zh) 2020-06-18 2020-06-18 服务账号处理方法、装置、电子设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN111835730A true CN111835730A (zh) 2020-10-27
CN111835730B CN111835730B (zh) 2023-04-28

Family

ID=72899213

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010559473.0A Active CN111835730B (zh) 2020-06-18 2020-06-18 服务账号处理方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN111835730B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117609974A (zh) * 2024-01-24 2024-02-27 普利泽信(滨州)科技咨询中心 一种用于技术交易平台的服务管理系统及方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7725421B1 (en) * 2006-07-26 2010-05-25 Google Inc. Duplicate account identification and scoring
CN103118043A (zh) * 2011-11-16 2013-05-22 阿里巴巴集团控股有限公司 一种用户账号的识别方法及设备
CN105978717A (zh) * 2016-05-09 2016-09-28 深圳市永兴元科技有限公司 网络账号识别方法和装置
CN108040032A (zh) * 2017-11-02 2018-05-15 阿里巴巴集团控股有限公司 一种声纹认证方法、账号注册方法及装置
CN108449327A (zh) * 2018-02-27 2018-08-24 平安科技(深圳)有限公司 一种账号清理方法、装置、终端设备及存储介质
CN108632367A (zh) * 2018-04-18 2018-10-09 家园网络科技有限公司 账户关联方法和信息推送方法
CN109242470A (zh) * 2018-08-14 2019-01-18 阿里巴巴集团控股有限公司 身份识别方法、装置、设备及计算机可读存储介质
CN109543040A (zh) * 2018-11-26 2019-03-29 北京知道创宇信息技术有限公司 相似账户识别方法及装置
WO2019085275A1 (zh) * 2017-10-31 2019-05-09 广东工业大学 一种字符串分类方法、系统及一种字符串分类设备
CN110390584A (zh) * 2019-07-24 2019-10-29 秒针信息技术有限公司 一种异常用户的识别方法、识别装置及可读存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7725421B1 (en) * 2006-07-26 2010-05-25 Google Inc. Duplicate account identification and scoring
CN103118043A (zh) * 2011-11-16 2013-05-22 阿里巴巴集团控股有限公司 一种用户账号的识别方法及设备
CN105978717A (zh) * 2016-05-09 2016-09-28 深圳市永兴元科技有限公司 网络账号识别方法和装置
WO2019085275A1 (zh) * 2017-10-31 2019-05-09 广东工业大学 一种字符串分类方法、系统及一种字符串分类设备
CN108040032A (zh) * 2017-11-02 2018-05-15 阿里巴巴集团控股有限公司 一种声纹认证方法、账号注册方法及装置
CN108449327A (zh) * 2018-02-27 2018-08-24 平安科技(深圳)有限公司 一种账号清理方法、装置、终端设备及存储介质
CN108632367A (zh) * 2018-04-18 2018-10-09 家园网络科技有限公司 账户关联方法和信息推送方法
CN109242470A (zh) * 2018-08-14 2019-01-18 阿里巴巴集团控股有限公司 身份识别方法、装置、设备及计算机可读存储介质
CN109543040A (zh) * 2018-11-26 2019-03-29 北京知道创宇信息技术有限公司 相似账户识别方法及装置
CN110390584A (zh) * 2019-07-24 2019-10-29 秒针信息技术有限公司 一种异常用户的识别方法、识别装置及可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
搜狐: "滴滴出行"关联"机制从何而来", 《HTTPS://WWW.SOHU.COM/A/254294002_100144867》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117609974A (zh) * 2024-01-24 2024-02-27 普利泽信(滨州)科技咨询中心 一种用于技术交易平台的服务管理系统及方法
CN117609974B (zh) * 2024-01-24 2024-04-19 普利泽信(滨州)科技咨询中心 一种用于技术交易平台的服务管理系统及方法

Also Published As

Publication number Publication date
CN111835730B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN106651213B (zh) 服务订单的处理方法及装置
JP2019532372A (ja) ドライバーの安全性スコアを決定するためのシステムおよび方法
GB2535718A (en) Resource management
US10021243B2 (en) Telephone call placement
CN110363611B (zh) 网约车用户匹配方法、装置、服务器及存储介质
US11514471B2 (en) Method and system for model training and optimization in context-based subscription product suite of ride-hailing platforms
US11756037B2 (en) Product analysis platform to perform a facial recognition analysis to provide information associated with a product to a user
CN110033120A (zh) 用于为商户提供风险预测赋能服务的方法及装置
CN111353092A (zh) 服务推送方法、装置、服务器及可读存储介质
CN111859172B (zh) 信息推送方法、装置、电子设备和计算机可读存储介质
CN107862556A (zh) 一种vip广告的投放方法和系统
CN111104585B (zh) 一种问题推荐方法及装置
CN111161104A (zh) 一种社区用户画像的生成方法及装置
CN111835730B (zh) 服务账号处理方法、装置、电子设备及可读存储介质
CN114266592A (zh) 一种广告素材的分配方法、分配装置、设备和介质
CN109816470B (zh) 险种推荐方法、装置、电子设备及计算机可读存储介质
CN111598632A (zh) 权益份额、权益份额序列的确定方法及装置
CN111612493A (zh) 一种用户分群方法及装置
CN110705733A (zh) 取号方法、装置、电子设备及计算机可读存储介质
CN111327661A (zh) 推送方法、推送装置、服务器和计算机可读存储介质
CN115169757A (zh) 旅客升舱预测方法、旅客升舱预测模型获得方法及装置
CN108109042A (zh) 业务优惠信息推送方法及装置
CN111695919B (zh) 评价数据处理方法、装置、电子设备及存储介质
US20160148323A1 (en) System and method for crediting users respective of a value-added tax reclaim
CN113723974A (zh) 一种信息处理方法、装置、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