CN113393250A - 一种信息处理方法及装置、存储介质 - Google Patents

一种信息处理方法及装置、存储介质 Download PDF

Info

Publication number
CN113393250A
CN113393250A CN202110642349.5A CN202110642349A CN113393250A CN 113393250 A CN113393250 A CN 113393250A CN 202110642349 A CN202110642349 A CN 202110642349A CN 113393250 A CN113393250 A CN 113393250A
Authority
CN
China
Prior art keywords
transaction
identified
information
community
user
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
Application number
CN202110642349.5A
Other languages
English (en)
Inventor
李佩佩
王黎
林睿
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 Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information 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 Beijing Jingdong Century Trading Co Ltd, Beijing Wodong Tianjun Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN202110642349.5A priority Critical patent/CN113393250A/zh
Publication of CN113393250A publication Critical patent/CN113393250A/zh
Pending legal-status Critical Current

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
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • G06Q30/0185—Product, service or business identity fraud
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例公开了一种信息处理方法及装置、存储介质，信息处理方法包括：在获取到待识别交易的情况下，获取待识别交易对应的待识别交易信息；从多个社区对应的多类社区拓扑结构信息中，确定出与待识别交易信息匹配的目标类社区拓扑结构信息；在待识别交易信息中获取与目标类社区拓扑结构信息匹配的目标特征；根据目标特征确定待识别交易的虚假性，以基于虚假性调整待识别交易对应的商品的曝光度。

Description

一种信息处理方法及装置、存储介质
技术领域
本申请涉及信息处理技术领域，尤其涉及一种信息处理方法及装置、存储介质。
背景技术
随着互联网技术的不断发展，互联网上的信息越来越多，交易信息也逐渐增多。
现有技术中，人工从浏览、下单、出库、物流、评价等各个交易环节筛选出虚假交易，从这些虚假交易中获取虚假交易特征，并标识该虚假交易得到标识信息，利用虚假交易特征和标识信息来训练二分类模型，以利用该二分类模型来判断其他交易的虚假性，由于这些虚假交易是人工确定的，特征提取时通常也是从店铺、商品、品类等角度进行划分来提取特征，特征划分的粒度较粗，如此得到的二分类模型的准确性较低，从而降低了识别虚假交易时的准确性。
发明内容
为解决上述技术问题，本申请实施例期望提供一种信息处理方法及装置、存储介质，能够提高识别虚假交易时的准确性。
本申请的技术方案是这样实现的：
本申请实施例提供一种信息处理方法，所述信息处理方法包括：
在获取到待识别交易的情况下，获取所述待识别交易对应的待识别交易信息；
从多个社区对应的多类社区拓扑结构信息中，确定出与所述待识别交易信息匹配的目标类社区拓扑结构信息；
在所述待识别交易信息中获取与所述目标类社区拓扑结构信息匹配的目标特征；
根据所述目标特征确定所述待识别交易的虚假性，以基于所述虚假性调整所述待识别交易对应的商品的曝光度。
本申请实施例提供了一种信息处理装置，所述装置包括：
获取单元，用于在获取到待识别交易的情况下，获取所述待识别交易对应的待识别交易信息；在所述待识别交易信息中获取与所述目标类社区拓扑结构信息匹配的目标特征；
确定单元，用于从多个社区对应的多类社区拓扑结构信息中，确定出与所述待识别交易信息匹配的目标类社区拓扑结构信息；根据所述目标特征确定所述待识别交易的虚假性，以基于所述虚假性调整所述待识别交易对应的商品的曝光度。
本申请实施例提供了一种信息处理装置，所述装置包括：
存储器、处理器和通信总线，所述存储器通过所述通信总线与所述处理器进行通信，所述存储器存储所述处理器可执行的信息处理的程序，当所述信息处理的程序被执行时，通过所述处理器执行上述所述的信息处理方法。
本申请实施例提供了一种存储介质，其上存储有计算机程序，应用于信息处理装置，其特征在于，该计算机程序被处理器执行时实现上述所述的信息处理方法。
本申请实施例提供了一种信息处理方法及装置、存储介质，信息处理方法包括：在获取到待识别交易的情况下，获取待识别交易对应的待识别交易信息；从多个社区对应的多类社区拓扑结构信息中，确定出与待识别交易信息匹配的目标类社区拓扑结构信息；在待识别交易信息中获取与目标类社区拓扑结构信息匹配的目标特征；根据目标特征确定待识别交易的虚假性，以基于虚假性调整待识别交易对应的商品的曝光度。采用上述方法实现方案，信息处理装置通过从多个社区对应的多类社区拓扑结构信息中，确定出与待识别交易信息匹配的目标类社区拓扑结构信息；并在待识别交易信息中获取与目标类社区拓扑结构信息匹配的目标特征，信息处理装置就可以利用目标特征来确定出待识别交易的虚假性了，由于虚假交易的拓扑结构与非虚假交易的拓扑结构不同，使得信息处理装置可以根据多个社区对应的多类社区拓扑结构信息来准确的确定出待识别交易的虚假性，提高了识别虚假交易时的准确性。
附图说明
图1为本申请实施例提供的一种信息处理方法流程图；
图2为本申请实施例提供的一种示例性的基于标签传播的社区发现示意图；
图3为本申请实施例提供的一种示例性的信息处理时的结构示意图；
图4为本申请实施例提供的一种信息处理装置的组成结构示意图一；
图5为本申请实施例提供的一种信息处理装置的组成结构示意图二。
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。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
实施例一
本申请实施例提供了一种信息处理方法，图1为本申请实施例提供的一种信息处理方法流程图，如图1所示，信息处理方法可以包括：
S101、在获取到待识别交易的情况下，获取待识别交易对应的待识别交易信息。
本申请实施例提供的一种信息处理方法适用于确定待识别交易是否为虚假交易的场景下。
在本申请实施例中，信息处理装置可以以各种形式来实施。例如，本申请中描述的信息处理装置可以包括诸如手机、照相机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PDA)、便捷式媒体播放器(Portable Media Player，PMP)、导航装置、可穿戴设备、智能手环、计步器等装置，以及诸如数字TV、台式计算机、服务器等装置。
在本申请实施例中，待识别交易可以为信息处理装置从其他装置处获取到的交易；待识别交易也可以为信息处理装置按照一定的条件筛选得到的交易；待识别交易还可以为信息处理装置通过其他的方式获取到的交易，具体的可根据实际情况进行确定，本申请实施例对此不作限定。
在本申请实施例中，待识别交易的数量可以为一个，待识别交易的数量也可以为两个，待识别交易的数量还可以为多个，具体的待识别交易的数量可根据实际情况进行确定，本申请实施例对此不作限定。
在本申请实施例中，待识别交易信息为与待识别交易关联的所有信息，如待识别交易对应的用户、待识别交易对应的商品、待识别交易的评价信息、待识别交易的物流信息等。
在本申请实施例中，信息处理装置可以在接收到虚假交易检测指令的情况下，信息处理装置就获取待识别交易；信息处理装置也可以间隔预设时间段就获取一次待识别交易；具体的信息处理装置获取待识别交易的方式可根据实际情况进行确定，本申请实施例对此不作限定。
需要说的是，预设时间段可以为信息处理装置中配置的时间段，也可以为信息处理装置以其他的方式获取到的时间段，具体的信息处理装置获取预设时间段的方式可根据实际情况进行确定，本申请实施例对此不作限定。
S102、从多个社区对应的多类社区拓扑结构信息中，确定出与待识别交易信息匹配的目标类社区拓扑结构信息。
在本申请实施例中，信息处理装置获取待识别交易对应的待识别交易信息之后，信息处理装置就可以从多个社区对应的多类社区拓扑结构信息中，确定出与待识别交易信息匹配的目标类社区拓扑结构信息。
在本申请实施例中，多个社区与多类社区拓扑结构信息一一对应，即一个社区对应一类社区拓扑结构信息。
在本申请实施例中，多类社区拓扑结构信息可以为用于描述多个拓扑结构的信息。具体的，社区拓扑结构信息可以为社区对应的异步二部图的结构信息。
在本申请实施例中，信息处理装置从多个社区对应的多类社区拓扑结构信息中，确定出与待识别交易信息匹配的目标类社区拓扑结构信息之前，信息处理装置还会获取多个样本交易对应的多个样本交易信息；信息处理装置根据多个样本交易信息构建异步二部图；信息处理装置根据异步二部图，确定多类社区拓扑结构信息。
在本申请实施例中，多个样本交易信息为与多个样本交易关联的所有信息，如多个样本交易对应的多个样本用户、多个样本交易对应的多个样本商品、多个样本交易的多个评价信息、多个样本交易的多个物流信息等。
在本申请实施例中，信息处理装置根据异步二部图，确定多类社区拓扑结构信息的过程，包括：信息处理装置对异步二部图进行迭代更新，得到迭代更新后的二部图；信息处理装置根据迭代更新后的二部图确定迭代更新后的二部图的社区模块度；在社区模块度与上一个社区模块度之间的差异值小于或者等于预设差异阈值的情况下，信息处理装置根据多个迭代更新后的用户标签和多个迭代更新后的商品标签确定多个样本交易对应的多个社区标签；信息处理装置根据多个社区标签对多个样本交易进行社区划分，得到多个社区；并从多个社区中获取多类社区拓扑结构信息。
需要说明的是，迭代更新后的二部图包括多个迭代更新后的用户标签和多个迭代更新后的商品标签。
在本申请实施例中，在社区模块度与上一个社区模块度之间的差异值大于预设差异阈值的情况下，信息处理装置就对迭代更新后的二部图继续进行更新，直至得到的新的二部图的社区模块度与上一个社区模块度之间的差异小于或者等于预设差异阈值。
在本申请实施例中，预设差异阈值可以为信息处理装置中配置的阈值；预设差异阈值也可以为信息处理装置将社区模块度与上一个社区模块度对比之前，信息处理装置接收到的阈值；具体的信息处理装置获取预设差异阈值的方式可根据实际情况进行确定，本申请实施例对此不作限定。
需要说明的是，若社区模块度为信息处理装置第一次迭代更新异步二部图后计算出来的模块度，则上一个社区模块度可以为初始社区模块度，该初始社区模块度的值为0；若社区模块度不是信息处理装置第一次迭代更新异步二部图后计算出来的模块度，则上一个社区模块度可以为信息处理装置得到社区模块度之前得到的模块度。
在本申请实施例中，社区模块度Q的计算方式如公式(1)所示：
Figure BDA0003108472440000061
其中，m代表异步二部图中的交易的总数，ki代表节点i的交易数量，Aij代表节点i和节点j之间实际交易数量，
Figure BDA0003108472440000062
代表随机放置边(交易)的情况下节点i和节点j之间边数的期望值，若δ(i,j)＝0表示节点i和节点j不属于同一个社区；若δ(i,j)＝1表示节点i和节点j属于同一个社区。
需要说明的是，若节点i为异步二部图中的样本用户节点，则节点j为异步二部图中的样本商品节点；若节点i为异步二部图中的样本商品节点，则节点j为异步二部图中的样本用户节点。
在本申请实施例中，多个样本交易信息包括多个样本交易关系、多个初始用户标签和多个初始商品标签；信息处理装置根据多个样本交易信息构建异步二部图的过程，包括信息处理装置基于多个样本交易关系构建初始异步二部图；并从初始异步二部图中确定出至少一个最大团结构和至少一个最大团结构对应的至少一个最大团标签；信息处理装置根据至少一个最大团标签，确定多个初始用户标签；信息处理装置在初始异步二部图中，将多个初始用户标签传播至与多个用户节点对应的多个商品节点处，得到多个初始商品标签；信息处理装置根据多个初始用户标签、多个初始商品标签和初始异步二部图，得到异步二部图。
需要说明的是，至少一个最大团标签为确定出至少一个最大团结构时设置的标签；多个用户节点与多个初始用户标签一一对应，即一个用户节点对应一个初始用户标签。
在本申请实施例中，多个初始用户标签具体为多个样本交易信息中的多个样本用户对应的初始用户标签；多个初始商品标签具体为多个样本交易信息中的多个样本商品的初始商品标签。
需要说明的是，多个商品节点对应的初始标签为空，直至信息处理装置根据多个样本交易关系将多个初始用户标签传播至多个商品节点处。
在本申请实施例中，信息处理装置根据至少一个最大团标签，确定多个初始用户标签的过程，包括：在多个用户节点中的第一用户节点处于至少一个最大团结构中的情况下，信息处理装置在至少一个最大团结构中确定出交易最多的目标最大团结构以及目标最大团结构的目标最大团标签；信息处理装置将目标最大团标签作为第一用户节点的第一用户标签，直至从至少一个最大团中确定出多个用户节点对应的多个初始用户标签。
在本申请实施例中，信息处理装置根据至少一个最大团标签，确定多个初始用户标签的过程，包括：在多个用户节点中的第一用户节点不处于至少一个最大团结构中的情况下，信息处理装置获取第一用户节点的第一编号，并将第一编号作为第一用户节点的第一用户标签，直至从至少一个最大团中确定出多个用户对应的多个初始用户标签。
需要说明的是，第一编号为创建第一用户节点时确定的编号。
需要说明的是，信息处理装置将至少一个最大团结构g汇总至集合
Figure BDA0003108472440000077
中的过程，包括信息处理装置在确定出至少一个最大团结构的情况下，信息处理装置就将该最大团结构中的每一个节点(用户节点和商品节点)汇总至集合
Figure BDA0003108472440000078
中。
在本申请实施例中，信息处理装置构建了异步二部图之后，信息处理装置就在异步二部图中寻找至少一个最大团结构g，并将至少一个最大团结构g汇总至集合
Figure BDA00031084724400000710
中，根据集合
Figure BDA0003108472440000079
为每一个用户节点赋予一个初始标签，得到该用户节点对应的初始用户标签，即：如公式(2)所示，若用户节点i(Labeli)存在于集合
Figure BDA00031084724400000712
中，则选择交易最多的目标最大团的编号作为用户节点i的初始用户标签，若用户节点i不存在于集合
Figure BDA00031084724400000711
中，则使用用户节点i的编号作为初始用户标签。商品节点的初始标签为空。经过初始化多个初始用户标签，部分用户节点提前划分到同一社区，从而加速标签传播的迭代。
Figure BDA0003108472440000081
S103、在待识别交易信息中获取与目标类社区拓扑结构信息匹配的目标特征。
在本申请实施例中，信息处理装置从多个社区对应的多类社区拓扑结构信息中，确定出与待识别交易信息匹配的目标类社区拓扑结构信息之后，信息处理装置就在待识别交易信息中获取与目标类社区拓扑结构信息匹配的目标特征。
需要说明的是，目标特征的数量可以为一个，目标特征的数量也可以为两个；目标特征的数量还可以为多个；具体的目标特征的数量可以根据实际情况进行确定，本申请实施例对此不作限定。
在本申请实施例中，目标特征可以为社区划分的结果(多个社区)从社区、社区和商品、社区和用户、社区和订单等不同的维度来抽取得到的特征，例如，社区和商品维度指的是将每个社区内每个商品下的所有订单看成一组，计算组内订单的各项特征。除了一般的统计特征，如平均值、中位数、标准差等，还通过计算信息熵H(X)来反映不同指标对各个社区的影响。如公式(3)所示，其中P(xi)是信息量xi出现的概率，例如，要计算某个分组中优惠券面额的信息熵，则X代表用户在每笔订单中使用优惠券的面额，当xi等于10时P(xi)代表的是组内所有订单中使用10元优惠券的概率，最终的信息熵的值H(X)反映的是该分组内优惠券的面额的不确定性的量度。
H(X)＝-∑iP(xi)logP(xi) (3)
S104、根据目标特征确定待识别交易的虚假性，以基于虚假性调整待识别交易对应的商品的曝光度。
在本申请实施例中，信息处理装置在待识别交易信息中获取与目标类社区拓扑结构信息匹配的目标特征之后，信息处理装置就可以根据目标特征确定待识别交易的虚假性。
在本申请实施例中，信息处理装置根据目标特征确定待识别交易的虚假性的过程，包括：信息处理装置将目标特征输入虚假交易检测模型中，得到待识别交易的虚假标签；信息处理装置根据虚假标签确定待识别交易的虚假性。
需要说明的是，虚假交易检测模型可以为二分类模型，具体的虚假交易检测模型可以为xgboost二分类模型，虚假交易检测模型也可以为其他的用于确定交易的虚假性的模型，具体的可根据实际情况进行确定，本申请实施例对此不作限定。
在本申请实施例中，信息处理装置将目标特征输入虚假交易检测模型中，得到待识别交易的虚假标签之前，信息处理装置还会在多个样本交易信息中，获取与多类社区拓扑结构信息匹配的多个样本特征；信息处理装置标识多个样本特征对应的多个样本虚假交易标识；信息处理装置利用多个样本特征和多个样本虚假交易标识训练初始虚假交易检测模型，得到虚假交易检测模型。
在本申请实施例中，信息处理装置可以将多个样本特征拼接成特征向量，之后信息处理装置就可以利用特征向量和多个样本虚假交易标识来训练初始虚假交易检测模型，得到虚假交易检测模型。
示例性的，如图2所示，在基于用户和商品之间的购买关系构建异步二部图中，有两类节点(用户节点和商品节点)，用户节点和商品节点之间的边(连线)代表用户购买商品的行为，即交易，每个节点(用户节点或者商品节点)都有一个标签列表(用户节点的标签列表为用户节点左侧的方括号所示，商品节点的标签列表为商品节点右侧的方括号所示)，记录标签传播的过程。步骤A(标签初始化)：在构建的异步二部图中寻找至少一个最大团结构g，至少一个最大团结构g对应的用户节点和商品节点存储至集合
Figure BDA0003108472440000095
中，利用集合
Figure BDA0003108472440000096
为每一个用户节点赋予一个初始标签。即：若用户节点i出现在集合
Figure BDA0003108472440000097
中，则选择边数(交易)最多的最大团的唯一编号作为节点i的初始标签，若用户节点i未出现在集合
Figure BDA0003108472440000098
中，则使用节点i的唯一编号作为初始标签(示例性的，如步骤A右侧的异步二部图所示：第一个用户的初始用户标签为a，第二个用户的初始用户标签为a，第三个用户的初始用户标签为b，第四个用户的初始用户标签为c，第五个用户的初始用户标签为d，第六个用户的初始用户标签为d，而商品节点的初始标签为空)。经过初始化，部分用户节点提前划分到同一社区，从而加速标签传播的迭代。步骤B～F(标签传播与模块度评估)：标签传播在用户节点和商品节点之间依次进行，步骤B为从用户节点的用户标签向商品节点传播，从而得到初始商品标签，即：每个用户节点先从各自的用户标签列表中随机选择一个标签作为要传出的标签，然后依据两类节点之间的边向商品节点传递，每个商品节点接收、汇总标签并从中选择出现频次最高的一个标签来更新各自的标签列表，于是传播完成后每个商品节点的标签列表中都仅新增了一个标签，即得到迭代更新后的商品标签。步骤C为从商品节点的迭代更新后的商品标签向用户节点传播，传播过程与步骤B相似，传播完成后每个用户节点的标签列表中都新增了一个标签，得到迭代更新后的用户标签，同理步骤D、E、F等重复上述传播过程。其中，每进行两次传播，如步骤B和步骤C，称为一次迭代，每次迭代完成进行模块度评估，得到模块度的值Q，并与上一轮迭代的模块度Q′进行比较，当模块度的变化ΔQ＝Q-Q′小于或者等于预设差异阈值时，则继续传播对社区结构的影响较小，就可以停止传播了，若模块度的变化ΔQ大于预设差异阈值，则继续传播过程。步骤G～H(汇总社区结果)。本申请实施例中的方案更关注图中边的社区归属，所以步骤G为每条边计算归属社区，方法是将每条边连接的两个节点的标签列表合并，然后从中选择出现频次最高的标签作为边的归属社区，若有多个标签的出现频次相同，则随机选择一个。这样每条边都有唯一的归属社区，用户或商品节点则可以归属到多个社区从而形成重叠社区，如图2最后一个异步二部图所示，一个用户节点可以同时归属于两个社区(一个圈对应一个社区)。
示例性的，如图3所示，信息处理装置获取多个样本交易对应的多个样本交易信息之后，信息处理装置就对异步二部图(标签初始化)进行迭代更新(标签传播)，得到迭代更新后的二部图，根据迭代更新后的二部图确定迭代更新后的二部图的社区模块度，在社区模块度与上一个社区模块度之间的差异值小于或者等于预设差异阈值的情况下，根据多个迭代更新后的用户标签和多个迭代更新后的商品标签确定多个样本交易对应的多个社区标签；根据多个社区标签对多个样本交易进行社区划分，得到多个社区(社区划分结果)，并从多个社区中获取多类社区拓扑结构信息，信息处理装置在多个样本交易信息中，获取与多类社区拓扑结构信息匹配的多个样本特征(社区维度的特征、社区和商品维度的特征、社区和订单维度的特征、社区和目标对象维度的特征、…)；标识多个样本特征对应的多个样本虚假交易标识，利用多个样本特征和多个样本虚假交易标识训练初始虚假交易检测模型，得到虚假交易检测模型(xgboost分类模型)，以在获取到待识别交易的情况下，获取待识别交易对应的待识别交易信息；从多个社区对应的多类社区拓扑结构信息中，确定出与待识别交易信息匹配的目标类社区拓扑结构信息；在待识别交易信息中获取与目标类社区拓扑结构信息匹配的目标特征；根据目标特征确定待识别交易的虚假性，即得到虚假交易检测结果。
可以理解的是，信息处理装置通过从多个社区对应的多类社区拓扑结构信息中，确定出与待识别交易信息匹配的目标类社区拓扑结构信息；并在待识别交易信息中获取与目标类社区拓扑结构信息匹配的目标特征，信息处理装置就可以利用目标特征来确定出待识别交易的虚假性了，由于虚假交易的拓扑结构与非虚假交易的拓扑结构不同，使得信息处理装置可以根据多个社区对应的多类社区拓扑结构信息来准确的确定出待识别交易的虚假性，提高了识别虚假交易时的准确性。
实施例二
基于实施例一同一发明构思，本申请实施例提供了一种信息处理装置1，对应于一种信息处理方法；图4为本申请实施例提供的一种信息处理装置的组成结构示意图一，该信息处理装置1可以包括：
获取单元11，用于在获取到待识别交易的情况下，获取所述待识别交易对应的待识别交易信息；在所述待识别交易信息中获取与目标类社区拓扑结构信息匹配的目标特征；
确定单元12，用于从多个社区对应的多类社区拓扑结构信息中，确定出与所述待识别交易信息匹配的所述目标类社区拓扑结构信息；根据所述目标特征确定所述待识别交易的虚假性，以基于所述虚假性调整所述待识别交易对应的商品的曝光度。
在本申请的一些实施例中，所述装置还包括构建单元元；
所述获取单元11，用于获取多个样本交易对应的多个样本交易信息；根据所述异步二部图，确定所述多类社区拓扑结构信息。
所述构建单元，用于根据所述多个样本交易信息构建异步二部图。
在本申请的一些实施例中，所述装置还包括更新单元和划分单元；
所述更新单元，用于对所述异步二部图进行迭代更新，得到迭代更新后的二部图；所述迭代更新后的二部图包括多个迭代更新后的用户标签和多个迭代更新后的商品标签；
所述确定单元12，用于根据所述迭代更新后的二部图确定迭代更新后的二部图的社区模块度；在所述社区模块度与上一个社区模块度之间的差异值小于或者等于预设差异阈值的情况下，根据所述多个迭代更新后的用户标签和所述多个迭代更新后的商品标签确定所述多个样本交易对应的多个社区标签；
所述划分单元，用于根据所述多个社区标签对所述多个样本交易进行社区划分，得到多个社区；并从所述多个社区中获取所述多类社区拓扑结构信息。
在本申请的一些实施例中，所述多个样本交易信息包括多个样本交易关系、多个初始用户标签和多个初始商品标签；所述装置还包括传播单元；
所述构建单元，用于基于所述多个样本交易关系构建初始异步二部图；
所述确定单元12，用于从所述初始异步二部图中确定出至少一个最大团结构和所述至少一个最大团结构对应的至少一个最大团标签；所述至少一个最大团标签为确定出所述至少一个最大团结构时设置的标签；根据所述至少一个最大团标签，确定所述多个初始用户标签；
所述传播单元，用于在所述初始异步二部图中，将所述多个初始用户标签传播至与多个用户节点对应的多个商品节点处，得到所述多个初始商品标签；所述多个用户节点与所述多个初始用户标签一一对应；根据所述多个初始用户标签、所述多个初始商品标签和所述初始异步二部图，得到所述异步二部图。。
在本申请的一些实施例中，所述确定单元12，用于在所述多个用户节点中的第一用户节点处于所述至少一个最大团结构中的情况下，在所述至少一个最大团结构中确定出交易最多的目标最大团结构以及所述目标最大团结构的目标最大团标签；将所述目标最大团标签作为所述第一用户节点的第一用户标签，直至从所述至少一个最大团中确定出多个用户节点对应的多个初始用户标签。。
在本申请的一些实施例中，
所述获取单元11，用于在所述多个用户节点中的第一用户节点不处于所述至少一个最大团结构中的情况下，获取所述第一用户节点的第一编号，并将所述第一编号作为所述第一用户节点的第一用户标签，直至从所述至少一个最大团中确定出多个用户对应的多个初始用户标签，所述第一编号为创建第一用户节点时确定的编号。
在本申请的一些实施例中，所述装置还包括输入单元；
所述输入单元，用于将所述目标特征输入虚假交易检测模型中，得到所述待识别交易的虚假标签；
所述确定单元12，用于根据所述虚假标签确定所述待识别交易的虚假性。
在本申请的一些实施例中，所述装置还包括标识单元和训练单元；
所述获取单元11，用于在多个样本交易信息中，获取与多类社区拓扑结构信息匹配的多个样本特征；
所述标识单元，用于标识所述多个样本特征对应的多个样本虚假交易标识；
所述训练单元，用于利用所述多个样本特征和所述多个样本虚假交易标识训练初始虚假交易检测模型，得到所述虚假交易检测模型。
需要说明的是，在实际应用中，上述获取单元11和确定单元12可由信息处理装置1上的处理器13实现，具体为CPU(Central Processing Unit，中央处理器)、MPU(Microprocessor Unit，微处理器)、DSP(Digital Signal Processing，数字信号处理器)或现场可编程门阵列(FPGA，Field Programmable Gate Array)等实现；上述数据存储可由信息处理装置1上的存储器14实现。
本申请实施例还提供了一种信息处理装置1，如图5所示，所述信息处理装置1包括：处理器13、存储器14和通信总线15，所述存储器14通过所述通信总线15与所述处理器13进行通信，所述存储器14存储所述处理器13可执行的程序，当所述程序被执行时，通过所述处理器13执行如上述所述的信息处理方法。
在实际应用中，上述存储器14可以是易失性存储器(volatile memory)，例如随机存取存储器(Random-Access Memory，RAM)；或者非易失性存储器(non-volatile memory)，例如只读存储器(Read-Only Memory，ROM)，快闪存储器(flash memory)，硬盘(Hard DiskDrive，HDD)或固态硬盘(Solid-State Drive，SSD)；或者上述种类的存储器的组合，并向处理器13提供指令和数据。
本申请实施例提供了一种计算机可读存储介质，其上有计算机程序，所述程序被处理器13执行时实现如上述所述的信息处理方法。
可以理解的是，信息处理装置通过从多个社区对应的多类社区拓扑结构信息中，确定出与待识别交易信息匹配的目标类社区拓扑结构信息；并在待识别交易信息中获取与目标类社区拓扑结构信息匹配的目标特征，信息处理装置就可以利用目标特征来确定出待识别交易的虚假性了，由于虚假交易的拓扑结构与非虚假交易的拓扑结构不同，使得信息处理装置可以根据多个社区对应的多类社区拓扑结构信息来准确的确定出待识别交易的虚假性，提高了识别虚假交易时的准确性。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用硬件实施例、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和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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设备上，使得在计算机或其他可编程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。
以上所述，仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。

Claims (11)

1.一种信息处理方法，其特征在于，所述方法包括：
在获取到待识别交易的情况下，获取所述待识别交易对应的待识别交易信息；
从多个社区对应的多类社区拓扑结构信息中，确定出与所述待识别交易信息匹配的目标类社区拓扑结构信息；
在所述待识别交易信息中获取与所述目标类社区拓扑结构信息匹配的目标特征；
根据所述目标特征确定所述待识别交易的虚假性，以基于所述虚假性调整所述待识别交易对应的商品的曝光度。
2.根据权利要求1所述的方法，其特征在于，所述从多个社区对应的多类社区拓扑结构信息中，确定出与所述待识别交易信息匹配的目标类社区拓扑结构信息之前，所述方法还包括：
获取多个样本交易对应的多个样本交易信息；
根据所述多个样本交易信息构建异步二部图；
根据所述异步二部图，确定所述多类社区拓扑结构信息。
3.根据权利要求2所述的方法，其特征在于，所述根据所述异步二部图，确定所述多类社区拓扑结构信息，包括：
对所述异步二部图进行迭代更新，得到迭代更新后的二部图；所述迭代更新后的二部图包括多个迭代更新后的用户标签和多个迭代更新后的商品标签；
根据所述迭代更新后的二部图确定迭代更新后的二部图的社区模块度；
在所述社区模块度与上一个社区模块度之间的差异值小于或者等于预设差异阈值的情况下，根据所述多个迭代更新后的用户标签和所述多个迭代更新后的商品标签确定所述多个样本交易对应的多个社区标签；
根据所述多个社区标签对所述多个样本交易进行社区划分，得到多个社区；并从所述多个社区中获取所述多类社区拓扑结构信息。
4.根据权利要求2所述的方法，其特征在于，所述多个样本交易信息包括多个样本交易关系、多个初始用户标签和多个初始商品标签，所述根据所述多个样本交易信息构建异步二部图，包括：
基于所述多个样本交易关系构建初始异步二部图；并从所述初始异步二部图中确定出至少一个最大团结构和所述至少一个最大团结构对应的至少一个最大团标签；所述至少一个最大团标签为确定出所述至少一个最大团结构时设置的标签；
根据所述至少一个最大团标签，确定所述多个初始用户标签；
在所述初始异步二部图中，将所述多个初始用户标签传播至与多个用户节点对应的多个商品节点处，得到所述多个初始商品标签；所述多个用户节点与所述多个初始用户标签一一对应；
根据所述多个初始用户标签、所述多个初始商品标签和所述初始异步二部图，得到所述异步二部图。
5.根据权利要求4所述的方法，其特征在于，所述根据所述至少一个最大团标签，确定所述多个初始用户标签，包括：
在所述多个用户节点中的第一用户节点处于所述至少一个最大团结构中的情况下，在所述至少一个最大团结构中确定出交易最多的目标最大团结构以及所述目标最大团结构的目标最大团标签；
将所述目标最大团标签作为所述第一用户节点的第一用户标签，直至从所述至少一个最大团中确定出多个用户节点对应的多个初始用户标签。
6.根据权利要求4所述的方法，其特征在于，所述根据所述至少一个最大团标签，确定所述多个初始用户标签，包括：
在所述多个用户节点中的第一用户节点不处于所述至少一个最大团结构中的情况下，获取所述第一用户节点的第一编号，并将所述第一编号作为所述第一用户节点的第一用户标签，直至从所述至少一个最大团中确定出多个用户对应的多个初始用户标签，所述第一编号为创建第一用户节点时确定的编号。
7.根据权利要求1所述的方法，其特征在于，所述根据所述目标特征确定所述待识别交易的虚假性，包括：
将所述目标特征输入虚假交易检测模型中，得到所述待识别交易的虚假标签；
根据所述虚假标签确定所述待识别交易的虚假性。
8.根据权利要求7所述的方法，其特征在于，所述将所述目标特征输入虚假交易检测模型中，得到所述待识别交易的虚假标签之前，所述方法还包括：
在多个样本交易信息中，获取与多类社区拓扑结构信息匹配的多个样本特征；
标识所述多个样本特征对应的多个样本虚假交易标识；
利用所述多个样本特征和所述多个样本虚假交易标识训练初始虚假交易检测模型，得到所述虚假交易检测模型。
9.一种信息处理装置，其特征在于，所述装置包括：
获取单元，用于在获取到待识别交易的情况下，获取所述待识别交易对应的待识别交易信息；在所述待识别交易信息中获取与所述目标类社区拓扑结构信息匹配的目标特征；
确定单元，用于从多个社区对应的多类社区拓扑结构信息中，确定出与所述待识别交易信息匹配的目标类社区拓扑结构信息；根据所述目标特征确定所述待识别交易的虚假性，以基于所述虚假性调整所述待识别交易对应的商品的曝光度。
10.一种信息处理装置，其特征在于，所述装置包括：
存储器、处理器和通信总线，所述存储器通过所述通信总线与所述处理器进行通信，所述存储器存储所述处理器可执行的信息处理的程序，当所述信息处理的程序被执行时，通过所述处理器执行如权利要求1至8任一项所述的方法。
11.一种存储介质，其上存储有计算机程序，应用于信息处理装置，其特征在于，该计算机程序被处理器执行时实现权利要求1至8任一项所述的方法。
CN202110642349.5A 2021-06-09 2021-06-09 一种信息处理方法及装置、存储介质 Pending CN113393250A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110642349.5A CN113393250A (zh) 2021-06-09 2021-06-09 一种信息处理方法及装置、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110642349.5A CN113393250A (zh) 2021-06-09 2021-06-09 一种信息处理方法及装置、存储介质

Publications (1)

Publication Number Publication Date
CN113393250A true CN113393250A (zh) 2021-09-14

Family

ID=77620026

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110642349.5A Pending CN113393250A (zh) 2021-06-09 2021-06-09 一种信息处理方法及装置、存储介质

Country Status (1)

Country Link
CN (1) CN113393250A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115776445A (zh) * 2023-02-10 2023-03-10 中科南京软件技术研究院 面向流量迁移的节点识别方法、装置、设备及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104199832A (zh) * 2014-08-01 2014-12-10 西安理工大学 基于信息熵的金融网络异常交易社区发现方法
US20160314471A1 (en) * 2015-04-24 2016-10-27 Fmr Llc Aberrant and Diminished Activity Detector Apparatuses, Methods and Systems
CN106920109A (zh) * 2017-02-21 2017-07-04 福建师范大学福清分校 用于电子商务虚假交易的识别方法、系统及电子商务系统
CN108228706A (zh) * 2017-11-23 2018-06-29 中国银联股份有限公司 用于识别异常交易社团的方法和装置
CN108921566A (zh) * 2018-05-03 2018-11-30 阿里巴巴集团控股有限公司 一种基于图结构模型的虚假交易识别方法和装置
US20190012733A1 (en) * 2017-07-06 2019-01-10 Xero Limited Data reconciliation based on computer analysis of data
CN110647590A (zh) * 2019-09-23 2020-01-03 税友软件集团股份有限公司 一种目标社群数据的识别方法及相关装置
CN110751354A (zh) * 2018-07-24 2020-02-04 北京京东金融科技控股有限公司 一种异常用户的检测方法和装置
CN111311408A (zh) * 2020-02-10 2020-06-19 支付宝(杭州)信息技术有限公司 电子交易属性识别方法及装置
CN111339436A (zh) * 2020-02-11 2020-06-26 腾讯科技（深圳）有限公司 一种数据识别方法、装置、设备以及可读存储介质
CN111340509A (zh) * 2020-05-22 2020-06-26 支付宝(杭州)信息技术有限公司 一种虚假交易识别方法、装置及电子设备
CN112926990A (zh) * 2021-03-25 2021-06-08 支付宝(杭州)信息技术有限公司 欺诈识别的方法和装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104199832A (zh) * 2014-08-01 2014-12-10 西安理工大学 基于信息熵的金融网络异常交易社区发现方法
US20160314471A1 (en) * 2015-04-24 2016-10-27 Fmr Llc Aberrant and Diminished Activity Detector Apparatuses, Methods and Systems
CN106920109A (zh) * 2017-02-21 2017-07-04 福建师范大学福清分校 用于电子商务虚假交易的识别方法、系统及电子商务系统
US20190012733A1 (en) * 2017-07-06 2019-01-10 Xero Limited Data reconciliation based on computer analysis of data
WO2019100967A1 (zh) * 2017-11-23 2019-05-31 中国银联股份有限公司 用于识别异常交易社团的方法和装置
CN108228706A (zh) * 2017-11-23 2018-06-29 中国银联股份有限公司 用于识别异常交易社团的方法和装置
CN108921566A (zh) * 2018-05-03 2018-11-30 阿里巴巴集团控股有限公司 一种基于图结构模型的虚假交易识别方法和装置
CN110751354A (zh) * 2018-07-24 2020-02-04 北京京东金融科技控股有限公司 一种异常用户的检测方法和装置
CN110647590A (zh) * 2019-09-23 2020-01-03 税友软件集团股份有限公司 一种目标社群数据的识别方法及相关装置
CN111311408A (zh) * 2020-02-10 2020-06-19 支付宝(杭州)信息技术有限公司 电子交易属性识别方法及装置
CN111339436A (zh) * 2020-02-11 2020-06-26 腾讯科技（深圳）有限公司 一种数据识别方法、装置、设备以及可读存储介质
CN111340509A (zh) * 2020-05-22 2020-06-26 支付宝(杭州)信息技术有限公司 一种虚假交易识别方法、装置及电子设备
CN112926990A (zh) * 2021-03-25 2021-06-08 支付宝(杭州)信息技术有限公司 欺诈识别的方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YUZHANG LIN, 等: ""Secure Market Operation in Presence of Critical Model Parameters in State Estimation""", 《JOURNAL OF MODERN POWER SYSTEMS AND CLEAN ENERGY》, vol. 8, no. 4, 31 July 2020 (2020-07-31), pages 699 - 708 *
刘畅等: ""电子商务中基于深度学习的虚假交易识别研究"", 《现代情报》, vol. 36, no. 10, 15 October 2016 (2016-10-15), pages 62 - 73 *
庞加兰等: ""金融科技对商业银行信贷业务影响研究"", 《科技创业月刊》, vol. 34, no. 4, 30 April 2021 (2021-04-30), pages 71 - 75 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115776445A (zh) * 2023-02-10 2023-03-10 中科南京软件技术研究院 面向流量迁移的节点识别方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN107341716B (zh) 一种恶意订单识别的方法、装置及电子设备
US11170395B2 (en) Digital banking platform and architecture
CN112085172B (zh) 图神经网络的训练方法及装置
CN108595506B (zh) 需求匹配方法及装置、存储介质、终端
CN110008973B (zh) 一种模型训练方法、基于模型确定目标用户的方法及装置
WO2021164373A1 (zh) 有向网络的检测方法、计算机可读存储介质及相关设备
CN110033097B (zh) 基于多个数据域确定用户与物品的关联关系的方法及装置
CN113609345B (zh) 目标对象关联方法和装置、计算设备以及存储介质
CN101127049A (zh) 结构化数据的聚类
CN110909868A (zh) 基于图神经网络模型的节点表示方法和装置
CN112381216A (zh) 混合图神经网络模型的训练、预测方法和装置
CN111369306B (zh) 产品推荐的方法和装置
CN111538909A (zh) 一种信息推荐方法及装置
CN108512674B (zh) 用于输出信息的方法、装置和设备
CN113393250A (zh) 一种信息处理方法及装置、存储介质
CN112182243B (zh) 基于实体识别模型构建知识图谱的方法、终端及存储介质
CN108985755B (zh) 一种账号状态识别方法、装置及服务器
CN111325255B (zh) 特定人群圈定方法、装置、电子设备及存储介质
CN111242670B (zh) 一种确定最大影响程度指标的种子集合的方法及装置
CN112328881A (zh) 文章推荐方法、装置、终端设备及存储介质
CN110348947B (zh) 对象推荐方法及装置
CN114741433B (zh) 一种社群挖掘方法、装置、设备及存储介质
CN107943943B (zh) 用户相似度的确定方法、装置、电子设备及存储介质
JP5835802B2 (ja) 購買予測装置、方法、及びプログラム
CN110827101A (zh) 一种店铺推荐的方法和装置

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