CN113468453A - 一种目标用户的识别方法、装置、电子设备及存储介质 - Google Patents
一种目标用户的识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113468453A CN113468453A CN202010239258.2A CN202010239258A CN113468453A CN 113468453 A CN113468453 A CN 113468453A CN 202010239258 A CN202010239258 A CN 202010239258A CN 113468453 A CN113468453 A CN 113468453A
- Authority
- CN
- China
- Prior art keywords
- user
- identified
- determining
- preset feature
- feature data
- 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
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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (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)
Abstract
本发明实施例公开了一种目标用户的识别方法、装置、电子设备及存储介质,该方法包括:基于设定关联因子确定待识别用户的关联用户;确定待识别用户的预设特征数据,以及所述关联用户的预设特征数据;将待识别用户的预设特征数据与所述关联用户的预设特征数据进行叠加,获得待识别用户的叠加特征;基于叠加特征确定所述待识别用户的邻近用户;根据所述待识别用户的邻近用户,以及已知目标用户的邻近用户确定所述待识别用户是否为目标用户。本发明实施例的技术方案,实现了对目标用户进行准确识别的目的。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种目标用户的识别方法、装置、电子设备及存储介质。
背景技术
目前,在直播平台上,存在主播不守诚信的现象。
主播不守诚信的行为会使观众的利益受损,进而影响直播平台的生态环境,危害了直播平台的健康发展。
发明内容
本发明实施例提供一种目标用户的识别方法、装置、电子设备及存储介质,实现了对目标用户的准确识别。
第一方面,本发明实施例提供了一种目标用户的识别方法,该方法包括:
基于设定关联因子确定待识别用户的关联用户;
确定待识别用户的预设特征数据,以及所述关联用户的预设特征数据;
将待识别用户的预设特征数据与所述关联用户的预设特征数据进行叠加,获得待识别用户的叠加特征;
基于叠加特征确定所述待识别用户的邻近用户;
根据所述待识别用户的邻近用户,以及已知目标用户的邻近用户确定所述待识别用户是否为目标用户。
第二方面,本发明实施例还提供了一种目标用户的识别装置,该装置包括:
关联用户确定模块,用于基于设定关联因子确定待识别用户的关联用户;
预设特征确定模块,用于确定待识别用户的预设特征数据,以及所述关联用户的预设特征数据;
叠加模块,用于将待识别用户的预设特征数据与所述关联用户的预设特征数据进行叠加,获得待识别用户的叠加特征;
邻近用户确定模块,用于基于叠加特征确定所述待识别用户的邻近用户;
目标用户识别模块,用于根据所述待识别用户的邻近用户,以及已知目标用户的邻近用户确定所述待识别用户是否为目标用户。
第三方面,本发明实施例还提供了一种设备,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例任一所述的目标用户的识别方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例任一所述的目标用户的识别方法。
本发明实施例的技术方案,通过基于设定关联因子确定待识别用户的关联用户;确定待识别用户的预设特征数据,以及所述关联用户的预设特征数据;将待识别用户的预设特征数据与所述关联用户的预设特征数据进行叠加,获得待识别用户的叠加特征;基于叠加特征确定所述待识别用户的邻近用户;根据所述待识别用户的邻近用户,以及已知目标用户的邻近用户确定所述待识别用户是否为目标用户的技术手段,实现了对目标用户进行准确识别的目的。
附图说明
结合附图并参考以下具体实施方式,本发明各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本发明实施例一所提供的一种目标用户的识别方法流程示意图;
图2为本发明实施例二所提供的一种目标用户的识别装置结构示意图;
图3为本发明实施例三所提供的一种电子设备结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例,然而应当理解的是,本发明可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
应当理解,本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
实施例一
图1为本发明实施例一所提供的一种目标用户的识别方法流程示意图,该方法可适用于对直播平台上有不守诚信行为的主播进行识别的场景。该方法可以由目标用户的识别装置来执行,该装置可以通过软件和/或硬件的形式实现。
如图1所述,本实施例提供的目标用户的识别方法包括如下步骤:
步骤110、基于设定关联因子确定待识别用户的关联用户。
其中,所述设定关联因子包括下述至少一种:使用的直播设备、直播间画面上的联系方式以及直播时使用的IP地址。所述直播设备例如包括手机、电脑等终端。所述联系方式可以是即时通讯qq号、微信号等。
具体的,基于设定关联因子确定待识别用户的关联用户,包括:
若当前用户与待识别用户使用了相同的直播设备(例如同一部手机),则确定当前用户为所述待识别用户的关联用户,具体是基于关联因子“使用的直播设备”关联的关联用户。
若当前用户直播间画面上的联系方式与待识别用户直播间画面上的联系方式相同,则确定当前用户为所述待识别用户的关联用户;具体是基于关联因子“直播间画面上的联系方式”关联的关联因子。
若当前用户直播时使用的IP地址与待识别用户直播时使用的IP地址相同,则确定当前用户为所述待识别用户的关联用户,具体是基于关联因子“直播时使用的IP地址”关联的关联因子。
将上述关联因子设置为设定关联因子的原因是:不守诚信主播(即目标用户)所在的直播间通常是同一个自然人在操作,因此使用的直播设备是一致的。由于该类主播经常是集体活动,因此通常处于同一个网络环境,直播时使用的IP地址存在一致性。此外,同一不守诚信的主播集体通常使用相同的联系方式,方便获取利益,因此直播间挂的联系方式往往是同样一个。基于上述考量,将使用的直播设备、直播间画面上的联系方式以及直播时使用的IP地址中的至少一个选定为设定关联因子。
示例性的,可通过用户行为日志获取用户直播时使用的直播设备以及IP地址信息。
步骤120、确定待识别用户的预设特征数据,以及所述关联用户的预设特征数据。
其中,所述预设特征数据包括下述至少一种:
开播日期距参考日期的时间、连续开播最长时间以及直播间等级。
选取上述预设特征数据的原因是:不守诚信主播的行为特点通常是一个直播间封禁后,立即再开另一个直播间,因此开播日期据参考日期的间隔天数一般都很短,并且直播间的等级通常非常低。此外,不守诚信主播所在的直播间往往不是真人直播而是挂录像,因此连续直播的时间非常长,这样会增加其获取利益的几率。所述参考日期可以理解为当前日期,即进行不守诚信主播识别的日期。
步骤130、将待识别用户的预设特征数据与所述关联用户的预设特征数据进行叠加,获得待识别用户的叠加特征。
具体的,通过以下公式对待识别用户的预设特征数据与所述关联用户的预设特征数据进行叠加:
其中,fij表示待识别用户i叠加后的第j个特征,xij表示待识别用户i的第j个预设特征数据,αd表示关联因子d的叠加贡献权重,D表示关联因子的集合,Nd(i)表示与待识别用户i以关联因子d关联的关联用户集合,|Nd(i)|表示集合Nd(i)的元素个数,k表示集合Nd(i)中的任意一个元素,oper(x,y)表示对x和y求平均值的函数。
每种关联因子d都有自己的叠加贡献权重,对叠加贡献权重采用指数归一化,即通过对叠加贡献权重进行归一化,以将各叠加贡献权重的取值映射到0到1的区间,并且表示了一种对数几率,通过这样的归一化方式能够真实地刻画不同关联因子的真实贡献。
对于每种关联因子d,表示的是与主播i(即待识别用户)以关联因子d关联的主播预设特征的向量表示。这里采用了求平均的方法,其原因是可以将每个关联主播的预设特征贡献看成是一样的。采用确定的合并方法将关联主播预设特征和自身的预设特征进行合并,得到关联因子d下的预设特征表示。表示的是将不同关联因子的预设特征向量进行加权求和。求和后还需要将该结果进行非线性变换,这里采用的非线性变换函数是1/[1+exp(-x)],采用该变换函数的目的是为了将结果值映射在0到1之间,且非线性变换比线性变换更具有表达性。
上述特征叠加公式(1)的好处是能够将通过不同关联因子关联的主播的预设特征进行叠加,由于待识别主播和有关联的主播在预设特征上是存在联系的,因此采用预设特征叠加的方法,与只考虑自身的预设特征相比的好处是,引入了关联主播的预设特征信息,即使待识别主播在自身特征上采取一些伪装手段(如:通过不正当途径提高自身直播间等级、故意注册一段时间后再开播等)通过其关联主播的预设特征仍然可以被识别,这也就是为什么需要将预设特征向量进行合并的理由。
进一步的,关联因子d的叠加贡献权重αd可通过如下方式获取:
其中,αd表示关联因子d的叠加贡献权重,i和j表示已知的不守诚信主播(即目标用户)集合K中的任意两个主播,wij d表示主播i和j通过关联因子d进行关联的关联权重,可采用关联的因子个数来衡量,例如,如果主播i和j直播时都使用了直播设备a和直播设备b,则wij d的取值为2,|K|表示的是集合K的元素个数,即已知不守诚信主播的总个数,|K|(|K|-1)表示集合K内不同元素之间的关联对。
上述计算叠加贡献权重的公式(2)采用了不守诚信主播集合的平均关联权重来计算各关联因子的叠加贡献权重。如果已知的不守诚信主播之间在某个关联因子下具有强关联,那么该关联因子的平均关联权重会很高,这种关联因子的叠加贡献就会越大,即叠加贡献权重就会越高。
步骤140、基于叠加特征确定所述待识别用户的邻近用户。
示例性的,所述基于叠加特征确定所述待识别用户的邻近用户,包括:
按照上述公式(1)确定当前用户的叠加特征;
计算当前用户的叠加特征与待识别用户的叠加特征之间的相似度;
若所述相似度达到阈值,则将当前用户确定为待识别用户的邻近用户。
具体的,可按照如下公式(3)计算当前用户的叠加特征与待识别用户的叠加特征之间的相似度:
其中,sij表示主播i和主播j的叠加特征之间的相似度,xik表示主播i的第k维叠加特征数据,xjk表示主播j的第k维叠加特征数据,m表示叠加特征数据的维度数。
上述公式(3)计算相似度采用的方式是余弦相似度。通过设定阈值,若所述相似度达到阈值,则将当前用户确定为待识别用户的邻近用户。阈值的设定方法可以采用一段时间内,计算已知的不守诚信主播和他们的关联主播之间的叠加特征相似度的平均值,从大到小排序取95%分位数作为该阈值。影响该阈值的主要因素是平台对不守诚信的容忍度,如容忍度越低,那么阈值会低一些,这样可能计算的关联程度更大,嫌疑主播的数量会更多。
步骤150、根据所述待识别用户的邻近用户,以及已知目标用户的邻近用户确定所述待识别用户是否为目标用户。
具体的,所述根据所述待识别用户的邻近用户,以及已知目标用户的邻近用户确定所述待识别用户是否为目标用户,包括:
确定待识别用户与已知目标用户的共有邻近用户的数量;
基于所述共有邻近用户的数量的确定所述待识别用户是否为目标用户。
上述确定目标用户的基本思想是,如果待识别用户与已知目标用户的共有邻近用户数量很多,那么待识别用户为目标用户的可能性会很大,即如果当前主播与已知的不守诚信主播的共有邻近用户的数量很多,则当前主播为不守诚信主播的嫌疑度很大。上述基本思想的好处是如果两个主播是有关联的,那么通过已知的不守诚信主播和其关联主播很容易找到嫌疑主播;但是如果两个主播不是有关联的,那么主播之间的关系是无法通过关联来建立的,而本实施例提出的采用其共享的邻近主播作为桥梁能够很好的解决该问题。
进一步的,以待识别用户为直播间的待识别主播,目标用户为有不守诚信行为的主播为例,可通过下面公式计算待识别主播的不守诚信嫌疑程度:
其中:Susr表示待识别主播r的不守诚信嫌疑程度,结果值越高说明其不守诚信嫌疑程度越高,sr表示与待识别主播r存在共有邻近主播的已知不守诚信主播集合,k表示集合sr中的一个,|sr|表示集合sr中的元素总数量;Nrk是待识别主播r和不守诚信主播k之间的共有邻近主播数量。
上述公式(4)考虑了两个因素,一是与待识别主播r存在共有邻近主播的已知不守诚信主播集合数量,该数量越多,那么待识别主播r的不守诚信嫌疑程度越大。二是待识别主播r和各已知不守诚信主播之间的共有邻近主播数量之和越大,则待识别主播r的不守诚信嫌疑程度越大。这两个因素都会正向影响待识别主播r的不守诚信嫌疑程度。上述公式(4)采用取对数的原因是为了缩小不守诚信嫌疑程度的分布区间,便于后续阈值和惩罚措施的设定。
若只考虑上述提到的两个因素中的一个必然会降低不守诚信嫌疑识别的准确率。若只考虑与待识别主播r存在共有邻近主播的已知不守诚信主播集合数量,那么容易对一些公会主播造成误判(公会主播之间通常有较强关联,如存在统一登录行为,因此存在一些共享邻近的不守诚信主播数量);若只考虑待识别主播r和各已知不守诚信主播之间的共有邻近主播数量之和,那么会对一些账号来源相同的主播造成误判(账号来源相同的主播可能与某一个已知不守诚信主播共享很多邻近主播)。
设定不守诚信嫌疑程度阈值,若通过上述公式(4)得到的嫌疑程度结果高于所述阈值,则认为当前待识别该主播具有不守诚信嫌疑,根据结果分值高低的程度给予不同的惩罚措施,例如,针对高分值,直接封禁直播间,不太高分值,则对直播间进行人脸实名认证。
所述不守诚信嫌疑程度阈值的确定依据是:计算已知的不守诚信主播一段时间内的不守诚信嫌疑程度分数,从大到小排序取95%分位数作为所述阈值。影响所述阈值的主要因素是直播平台对不守诚信的容忍度,如容忍度越低,那么阈值会高一些,需要进行惩罚的主播数量会减少。
下面举例说明上述不守诚信主播的识别过程,为了方便,适当地减少了选取的要素。假设待识别主播A归一化后的预设特征取值是(0.8,1,2),选择“使用的直播设备”和“直播间画面上的联系方式”两种设定关联因子,对应的叠加贡献权重分别是1.2和1.6;
与待识别主播A通过设定关联因子“使用的直播设备”关联的关联主播有1个,其预设特征取值是(0.6,0.5,1);
与待识别主播A通过设定关联因子“直播间画面上的联系方式”关联的关联主播有1个,其预设特征取值是(0.9,0.6,1.9);
按照上述公式(1)计算待识别主播A的叠加特征分别是:
同理,计算得到f2=0.685,f3=0.851;
按照上述公式(3)进行相似度计算,确定待识别主播A和3个主播有共享邻近主播,共享的邻近主播数分别是1、2、1,于是通过上述公式(4)计算得到待识别主播A的不守诚信嫌疑程度为:
log(1+2+1)*log|3|=0.287
若设定阈值为0.25,由于分数0.287高于阈值0.25,因此判定待识别主播A是一个嫌疑不守诚信主播。
本发明实施例的技术方案,通过基于设定关联因子确定待识别用户的关联用户;确定待识别用户的预设特征数据,以及所述关联用户的预设特征数据;将待识别用户的预设特征数据与所述关联用户的预设特征数据进行叠加,获得待识别用户的叠加特征;基于叠加特征确定所述待识别用户的邻近用户;根据所述待识别用户的邻近用户,以及已知目标用户的邻近用户确定所述待识别用户是否为目标用户的技术手段,实现了对目标用户进行准确识别的目的。
实施例二
图2为本发明实施例二提供的一种目标用户的识别装置的结构示意图。如图2所示,该装置包括:关联用户确定模块210,预设特征确定模块220,叠加模块230,邻近用户确定模块240和目标用户识别模块250。
其中,关联用户确定模块210,用于基于设定关联因子确定待识别用户的关联用户;预设特征确定模块220,用于确定待识别用户的预设特征数据,以及所述关联用户的预设特征数据;叠加模块230,用于将待识别用户的预设特征数据与所述关联用户的预设特征数据进行叠加,获得待识别用户的叠加特征;邻近用户确定模块240,用于基于叠加特征确定所述待识别用户的邻近用户;目标用户识别模块250,用于根据所述待识别用户的邻近用户,以及已知目标用户的邻近用户确定所述待识别用户是否为目标用户。
在上述技术方案的基础上,所述设定关联因子包括下述至少一种:使用的直播设备、直播间画面上的联系方式以及直播时使用的IP地址。
在上述各技术方案的基础上,关联用户确定模块210具体用于:
若当前用户与待识别用户使用了相同的直播设备,则确定当前用户为所述待识别用户的关联用户;
若当前用户直播间画面上的联系方式与待识别用户直播间画面上的联系方式相同,则确定当前用户为所述待识别用户的关联用户;
若当前用户直播时使用的IP地址与待识别用户直播时使用的IP地址相同,则确定当前用户为所述待识别用户的关联用户。
在上述各技术方案的基础上,所述预设特征数据包括下述至少一种:
开播日期距参考日期的时间、连续开播最长时间以及直播间等级。
在上述各技术方案的基础上,叠加模块230具体用于:
通过以下公式对待识别用户的预设特征数据与所述关联用户的预设特征数据进行叠加:
其中,fij表示待识别用户i叠加后的第j个特征,xij表示待识别用户i的第j个预设特征数据,αd表示关联因子d的叠加贡献权重,D表示关联因子的集合,Nd(i)表示与待识别用户i以关联因子d关联的关联用户集合,|Nd(i)|表示集合Nd(i)的元素个数,k表示集合Nd(i)中的任意一个元素,oper(x,y)表示对x和y求平均值的函数。
在上述各技术方案的基础上,邻近用户确定模块240包括:
第一确定单元,用于确定当前用户的叠加特征;
计算单元,用于计算当前用户的叠加特征与待识别用户的叠加特征之间的相似度;
第二确定单元,用于若所述相似度达到阈值,则将当前用户确定为待识别用户的邻近用户。
在上述各技术方案的基础上,目标用户识别模块250具体包括:
第一确定单元,用于确定待识别用户与已知目标用户的共有邻近用户的数量;
第二确定单元,用于基于所述共有邻近用户的数量的确定所述待识别用户是否为目标用户。
本发明实施例的技术方案,通过基于设定关联因子确定待识别用户的关联用户;确定待识别用户的预设特征数据,以及所述关联用户的预设特征数据;将待识别用户的预设特征数据与所述关联用户的预设特征数据进行叠加,获得待识别用户的叠加特征;基于叠加特征确定所述待识别用户的邻近用户;根据所述待识别用户的邻近用户,以及已知目标用户的邻近用户确定所述待识别用户是否为目标用户的技术手段,实现了对目标用户进行准确识别的目的。
本发明实施例所提供的目标用户的识别装置可执行本发明任意实施例所提供的目标用户的识别方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
实施例三
下面参考图3,其示出了适于用来实现本发明实施例的电子设备(例如图3中的终端设备或服务器)400的结构示意图。本发明实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置406加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置406;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置406被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本发明实施例的方法中限定的上述功能。
本发明实施例提供的终端与上述实施例提供的目标用户的识别方法属于同一发明构思,未在本发明实施例中详尽描述的技术细节可参见上述实施例,并且本发明实施例与上述实施例具有相同的有益效果。
实施例四
本发明实施例提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例所提供的目标用户的识别方法。
需要说明的是,本发明上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
基于设定关联因子确定待识别用户的关联用户;
确定待识别用户的预设特征数据,以及所述关联用户的预设特征数据;
将待识别用户的预设特征数据与所述关联用户的预设特征数据进行叠加,获得待识别用户的叠加特征;
基于叠加特征确定所述待识别用户的邻近用户;
根据所述待识别用户的邻近用户,以及已知目标用户的邻近用户确定所述待识别用户是否为目标用户。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、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、或代码的一部分,该模块、程序段、或代码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。也应当注意,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,两个接连地表示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操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。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,可编辑内容显示单元还可以被描述为“编辑单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本发明的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本发明中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本发明的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种目标用户的识别方法,其特征在于,包括:
基于设定关联因子确定待识别用户的关联用户;
确定待识别用户的预设特征数据,以及所述关联用户的预设特征数据;
将待识别用户的预设特征数据与所述关联用户的预设特征数据进行叠加,获得待识别用户的叠加特征;
基于叠加特征确定所述待识别用户的邻近用户;
根据所述待识别用户的邻近用户,以及已知目标用户的邻近用户确定所述待识别用户是否为目标用户。
2.根据权利要求1所述的方法,其特征在于,所述设定关联因子包括下述至少一种:使用的直播设备、直播间画面上的联系方式以及直播时使用的IP地址。
3.根据权利要求2所述的方法,其特征在于,基于设定关联因子确定待识别用户的关联用户,包括:
若当前用户与待识别用户使用了相同的直播设备,则确定当前用户为所述待识别用户的关联用户;
若当前用户直播间画面上的联系方式与待识别用户直播间画面上的联系方式相同,则确定当前用户为所述待识别用户的关联用户;
若当前用户直播时使用的IP地址与待识别用户直播时使用的IP地址相同,则确定当前用户为所述待识别用户的关联用户。
4.根据权利要求1所述的方法,其特征在于,所述预设特征数据包括下述至少一种:
开播日期距参考日期的时间、连续开播最长时间以及直播间等级。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述基于叠加特征确定所述待识别用户的邻近用户,包括:
确定当前用户的叠加特征;
计算当前用户的叠加特征与待识别用户的叠加特征之间的相似度;
若所述相似度达到阈值,则将当前用户确定为待识别用户的邻近用户。
7.根据权利要求1-5任一项所述的方法,其特征在于,所述根据所述待识别用户的邻近用户,以及已知目标用户的邻近用户确定所述待识别用户是否为目标用户,包括:
确定待识别用户与已知目标用户的共有邻近用户的数量;
基于所述共有邻近用户的数量的确定所述待识别用户是否为目标用户。
8.一种目标用户的识别装置,其特征在于,包括:
关联用户确定模块,用于基于设定关联因子确定待识别用户的关联用户;
预设特征确定模块,用于确定待识别用户的预设特征数据,以及所述关联用户的预设特征数据;
叠加模块,用于将待识别用户的预设特征数据与所述关联用户的预设特征数据进行叠加,获得待识别用户的叠加特征;
邻近用户确定模块,用于基于叠加特征确定所述待识别用户的邻近用户;
目标用户识别模块,用于根据所述待识别用户的邻近用户,以及已知目标用户的邻近用户确定所述待识别用户是否为目标用户。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的目标用户的识别方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一项所述的目标用户的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010239258.2A CN113468453B (zh) | 2020-03-30 | 2020-03-30 | 一种目标用户的识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010239258.2A CN113468453B (zh) | 2020-03-30 | 2020-03-30 | 一种目标用户的识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113468453A true CN113468453A (zh) | 2021-10-01 |
CN113468453B CN113468453B (zh) | 2022-09-09 |
Family
ID=77865058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010239258.2A Active CN113468453B (zh) | 2020-03-30 | 2020-03-30 | 一种目标用户的识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113468453B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067128A (zh) * | 2016-12-08 | 2017-08-18 | 阿里巴巴集团控股有限公司 | 任务质检方法、确定非关联用户的方法及装置 |
CN107133811A (zh) * | 2016-02-29 | 2017-09-05 | 阿里巴巴集团控股有限公司 | 一种目标用户的识别方法和装置 |
CN107657048A (zh) * | 2017-09-21 | 2018-02-02 | 北京麒麟合盛网络技术有限公司 | 用户识别方法及装置 |
CN110502697A (zh) * | 2019-08-26 | 2019-11-26 | 武汉斗鱼网络科技有限公司 | 一种目标用户识别方法、装置及电子设备 |
-
2020
- 2020-03-30 CN CN202010239258.2A patent/CN113468453B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107133811A (zh) * | 2016-02-29 | 2017-09-05 | 阿里巴巴集团控股有限公司 | 一种目标用户的识别方法和装置 |
CN107067128A (zh) * | 2016-12-08 | 2017-08-18 | 阿里巴巴集团控股有限公司 | 任务质检方法、确定非关联用户的方法及装置 |
CN107657048A (zh) * | 2017-09-21 | 2018-02-02 | 北京麒麟合盛网络技术有限公司 | 用户识别方法及装置 |
CN110502697A (zh) * | 2019-08-26 | 2019-11-26 | 武汉斗鱼网络科技有限公司 | 一种目标用户识别方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113468453B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110245645B (zh) | 人脸活体识别方法、装置、设备及存储介质 | |
CN110991373A (zh) | 图像处理方法、装置、电子设备及介质 | |
CN110516422B (zh) | 用户身份的识别方法、装置、电子设备及存储介质 | |
CN113722738A (zh) | 数据保护方法、装置、介质及电子设备 | |
CN110781066B (zh) | 用户行为分析方法、装置、设备及存储介质 | |
CN112507884A (zh) | 直播内容的检测方法、装置、可读介质和电子设备 | |
CN113468453B (zh) | 一种目标用户的识别方法、装置、电子设备及存储介质 | |
CN112000251A (zh) | 用于播放视频的方法、装置、电子设备和计算机可读介质 | |
CN111798251A (zh) | 房源数据的验证方法、装置和电子设备 | |
CN110634024A (zh) | 一种用户属性标记方法、装置、电子设备及存储介质 | |
CN115272760A (zh) | 适用于森林火灾烟雾检测的小样本烟雾图像细分类方法 | |
CN115205089A (zh) | 图像加密方法、网络模型的训练方法、装置及电子设备 | |
CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN113837808A (zh) | 一种推广信息的推送方法、装置、设备、介质及产品 | |
CN112434064B (zh) | 数据处理方法、装置、介质及电子设备 | |
CN110209851B (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN113297277A (zh) | 检验统计量确定方法、装置、可读介质及电子设备 | |
CN113034570A (zh) | 图像处理方法、装置和电子设备 | |
CN110532475B (zh) | 一种信息预估方法、装置、电子设备及存储介质 | |
CN111582376B (zh) | 神经网络的可视化方法、装置、电子设备和介质 | |
CN111461227B (zh) | 样本生成方法、装置、电子设备和计算机可读介质 | |
CN115438191A (zh) | 一种账号知识图谱的建立方法、装置、设备和介质 | |
CN117725420A (zh) | 数据集生成方法、装置、可读介质及电子设备 | |
CN117312127A (zh) | 程序测试方法、装置、电子设备、存储介质及产品 | |
CN115661899A (zh) | 针对难例样本的人脸识别模型的训练方法及装置 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20211001 Assignee: Yidu Lehuo Network Technology Co.,Ltd. Assignor: WUHAN DOUYU NETWORK TECHNOLOGY Co.,Ltd. Contract record no.: X2023980041384 Denomination of invention: A method, device, electronic device, and storage medium for identifying target users Granted publication date: 20220909 License type: Common License Record date: 20230908 |