CN113779346A - 用于识别一人多账号的方法及装置 - Google Patents
用于识别一人多账号的方法及装置 Download PDFInfo
- Publication number
- CN113779346A CN113779346A CN202110049322.5A CN202110049322A CN113779346A CN 113779346 A CN113779346 A CN 113779346A CN 202110049322 A CN202110049322 A CN 202110049322A CN 113779346 A CN113779346 A CN 113779346A
- Authority
- CN
- China
- Prior art keywords
- account
- pair
- account number
- information
- identification information
- 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
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
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/908—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
Abstract
本申请公开了一种用于识别一人多账号的方法及装置。方法的一具体实施方式包括:获取账号对中的账号所对应的用户信息、所涉及的标识信息;确定账号对中的账号是否满足预设关联信息,预设关联信息用于表征账号对中的账号是否具有属于同一人的可能性;响应于确定账号对中的账号满足预设关联信息,确定账号对中的账号是否满足预设判定条件,预设判定条件用于确定账号对中的账号是否属于同一人;响应于确定账号对中的账号不满足预设判定条件,对账号对中的账号的用户信息、标识信息进行处理,得到账号对对应的特征向量;将特征向量输入识别模型,确定账号对中的账号是否属于同一人。本申请提供了一种识别一人多账号的方法,提高了识别准确率。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及一种用于识别一人多账号的方法及装置。
背景技术
在电商平台中,同一人拥有多个账号的情况十分常见。例如,用户在京东平台除了拥有个人账号外,还拥有一个用于开展企业业务的企业账号。又例如,用户在不同的设备上注册了多个个人账号。
发明内容
本申请实施例提出了一种用于识别一人多账号的方法及装置。
第一方面,本申请实施例提供了一种用于识别一人多账号的方法,包括:获取账号对中的账号所对应的用户信息、所涉及的标识信息;确定账号对中的账号是否满足预设关联信息,预设关联信息用于表征账号对中的账号是否具有属于同一人的可能性;响应于确定账号对中的账号满足预设关联信息,确定账号对中的账号是否满足预设判定条件,其中,预设判定条件用于确定账号对中的账号是否属于同一人;响应于确定账号对中的账号不满足预设判定条件,对账号对中的账号的用户信息、标识信息进行处理,得到账号对对应的特征向量;将特征向量输入预先训练的识别模型,确定账号对中的账号是否属于同一人,其中,识别模型用于表征账号对对应的特征向量与账号对中的账号是否属于同一人的判定结果之间的对应关系。
在一些实施例中,预设判定条件包括第一判定条件和第二判定条件,第一判定条件用于确定账号对中的账号属于同一人,第二判定条件用于确定账号对中的账号不属于同一人。
在一些实施例中,上述对账号对中的账号的用户信息、标识信息进行处理,得到账号对对应的特征向量,包括:对账号对中的账号之间的相应项信息进行处理,得到每个相应项信息对应的子特征向量;拼接每个子特征向量,得到特征向量。
在一些实施例中,用户信息包括用户画像信息、消费习惯信息和收件信息;上述对账号对中的账号之间的相应项信息进行处理,得到每个相应项信息对应的子特征向量,包括:根据账号对中的账号的用户信息,确定表征账号之间的相应项信息的相似度的子特征向量。
在一些实施例中,上述对账号对中的账号之间的相应项信息进行处理,得到每个相应项信息对应的子特征向量,包括:针对于每一类型的标识信息,执行如下操作:根据账号对中的账号的该类型的标识信息,确定表征账号对中的账号均涉及的交集标识信息的数量的子特征向量;针对于账号对中的每个账号,根据该账号与交集标识信息的关联次数,以及与该类型的所有的标识信息的关联次数,确定表征交集标识信息相对于该账号的归属度的子特征向量;确定表征账号对中的账号的归属度之和的子特征向量,以及表征账号对中的账号的归属度之差的子特征向量;对于该类型中的每个标识信息,根据该标识信息关联过的账号的数量,确定表征该标识信息共享度的子特征向量。
在一些实施例中,识别模型通过如下方式训练得到:获取账号集合中每个账号所对应的用户信息、所涉及的标识信息;将账号集合中满足预设关联信息的账号组合为账号对,得到多个账号对;从多个账号对中筛选出满足预设判定条件的账号对,得到多个训练账号对,并根据预设判定条件对每个训练账号对设置表征该训练账号对中的账号是否属于同一人的标签;对多个账号对中的每个训练账号对中的账号的用户信息、标识信息进行处理,得到该训练账号对对应的特征向量;利用机器学习方法,以训练账号对对应的特征向量作为输入,以所输入的训练账号对对应的标签作为期望输出,训练初始识别模型,得到识别模型。
第二方面,本申请实施例提供了一种用于识别一人多账号的装置,包括:获取单元,被配置成获取账号对中的账号所对应的用户信息、所涉及的标识信息;第一确定单元,被配置成确定账号对中的账号是否满足预设关联信息,预设关联信息用于表征账号对中的账号是否具有属于同一人的可能性;第二确定单元,被配置成响应于确定账号对中的账号满足预设关联信息,确定账号对中的账号是否满足预设判定条件,其中,预设判定条件用于确定账号对中的账号是否属于同一人;处理单元,被配置成响应于确定账号对中的账号不满足预设判定条件,对账号对中的账号的用户信息、标识信息进行处理,得到账号对对应的特征向量;第三确定单元,被配置成将特征向量输入预先训练的识别模型,确定账号对中的账号是否属于同一人,其中,识别模型用于表征账号对对应的特征向量与账号对中的账号是否属于同一人的判定结果之间的对应关系。
在一些实施例中,预设判定条件包括第一判定条件和第二判定条件,第一判定条件用于确定账号对中的账号属于同一人,第二判定条件用于确定账号对中的账号不属于同一人。
在一些实施例中,处理单元,进一步被配置成:对账号对中的账号之间的相应项信息进行处理,得到每个相应项信息对应的子特征向量;拼接每个子特征向量,得到特征向量。
在一些实施例中,用户信息包括用户画像信息、消费习惯信息和收件信息;处理单元,进一步被配置成:根据账号对中的账号的用户信息,确定表征账号之间的相应项信息的相似度的子特征向量。
在一些实施例中,处理单元,进一步被配置成:针对于每一类型的标识信息,执行如下操作:根据账号对中的账号的该类型的标识信息,确定表征账号对中的账号均涉及的交集标识信息的数量的子特征向量;针对于账号对中的每个账号,根据该账号与交集标识信息的关联次数,以及与该类型的所有的标识信息的关联次数,确定表征交集标识信息相对于该账号的归属度的子特征向量;确定表征账号对中的账号的归属度之和的子特征向量,以及表征账号对中的账号的归属度之差的子特征向量;对于该类型中的每个标识信息,根据该标识信息关联过的账号的数量,确定表征该标识信息共享度的子特征向量。
在一些实施例中,上述装置还包括:训练单元,被配置成通过如下方式训练得到识别模型:获取账号集合中每个账号所对应的用户信息、所涉及的标识信息;将账号集合中满足预设关联信息的账号组合为账号对,得到多个账号对;从多个账号对中筛选出满足预设判定条件的账号对,得到多个训练账号对,并根据预设判定条件对每个训练账号对设置表征该训练账号对中的账号是否属于同一人的标签;对多个账号对中的每个训练账号对中的账号的用户信息、标识信息进行处理,得到该训练账号对对应的特征向量;利用机器学习方法,以训练账号对对应的特征向量作为输入,以所输入的训练账号对对应的标签作为期望输出,训练初始识别模型,得到识别模型。
第三方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面任一实现方式描述的方法。
第四方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面任一实现方式描述的方法。
本申请实施例提供的用于识别一人多账号的方法及装置,通过获取账号对中的账号所对应的用户信息、所涉及的标识信息;确定账号对中的账号是否满足预设关联信息,预设关联信息用于表征账号对中的账号是否具有属于同一人的可能性;响应于确定账号对中的账号满足预设关联信息,确定账号对中的账号是否满足预设判定条件,其中,预设判定条件用于确定账号对中的账号是否属于同一人;响应于确定账号对中的账号不满足预设判定条件,对账号对中的账号的用户信息、标识信息进行处理,得到账号对对应的特征向量;将特征向量输入预先训练的识别模型,确定账号对中的账号是否属于同一人,其中,识别模型用于表征账号对对应的特征向量与账号对中的账号是否属于同一人的判定结果之间的对应关系,从而提供了一种识别一人多账号的方法,提高了识别准确率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本申请用于识别一人多账号的方法的一个实施例的流程图;
图3是根据本实施例的用于识别一人多账号的方法的应用场景的示意图;
图4是根据本申请的用于识别一人多账号的方法的又一个实施例的流程图;
图5是根据本申请的用于识别一人多账号的装置的一个实施例的结构图;
图6是适于用来实现本申请实施例的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于识别一人多账号的方法及装置的示例性架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。终端设备101、102、103之间通信连接构成拓扑网络,网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103可以是支持网络连接从而进行数据交互和数据处理的硬件设备或软件。当终端设备101、102、103为硬件时,其可以是支持网络连接,信息获取、交互、显示、处理等功能的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如获取终端设备101、102、103上关联的账号所对应的用户信息、所涉及的标识信息,确定一人多账号的后台处理服务器。后台处理服务器将需要判定是否属于同一人的两个账号组成账号对,并根据是否满足预设关联信息、是否满足预设判定条件以及通过识别模型进行识别的三重识别,得到账号对中的账号是否属于同一人。作为示例,服务器105可以是云端服务器。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
还需要说明的是,本公开的实施例所提供的用于识别一人多账号的方法可以由服务器执行,也可以由终端设备执行,还可以由服务器和终端设备彼此配合执行。相应地,用于识别一人多账号的装置包括的各个部分(例如各个单元、子单元、模块、子模块)可以全部设置于服务器中,也可以全部设置于终端设备中,还可以分别设置于服务器和终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。当用于识别一人多账号的方法运行于其上的电子设备不需要与其他电子设备进行数据传输时,该系统架构可以仅包括用于识别一人多账号的方法运行于其上的电子设备(例如服务器或终端设备)。
继续参考图2,示出了用于识别一人多账号的方法的一个实施例的流程200,包括以下步骤:
步骤201,获取账号对中的账号所对应的用户信息、所涉及的标识信息。
本实施例中,用于识别一人多账号的方法的执行主体(例如图1中的服务器)可以通过有线连接方式或无线连接方式从远程,或从本地获取账号对中的账号所对应的用户信息、所涉及的标识信息。
其中,账号可以是各种类型的账号,例如京东账号、淘宝账号、QQ账号等。账号对中的两个账号为需要判定是否属于同一人的账号。针对于账号对中的每个账号,上述执行主体可以获取该账号所对应的用户信息、所涉及的标识信息。
用户信息表征基于账号所能获取的用户的任意信息。例如,用户信息包括用户在注册账号时填写的注册信息。标识信息表征账号关联过的任意类型的硬件标识信息和软件标识信息。例如,标识信息包括设备ID(Identity document,身份标识号)、小程序的OpenID(开放的身份标识号)和Union ID(联合的身份标识号)等。其中,设备ID包括但不限于是安卓系统的IMEI(International Mobile Equipment Identity,国际移动设备识别码),AID(Andriod ID,Andriod系统的身份标识符),IOS(苹果公司开发的移动操作系统)的IDFA(Identifier for Advertising,广告识别符),Open UDID(Unique Device Identifier,设备的唯一设备识别符)等。本实施例中,当账号在硬件标识信息所对应的硬件设备登录过,或者在软件标识信息对应的软件登录过,则认为标识信息为账号所涉及或所关联的标识信息。
作为示例,账号为京东账号,上述执行主体可以从京东电商全平台的各个业务渠道采集账号对应的用户信息和标识信息。
步骤202,确定账号对中的账号是否满足预设关联信息。
本实施例中,上述执行主体可以确定账号对中的账号是否满足预设关联信息。其中,预设关联信息用于表征账号对中的账号是否具有属于同一人的可能性。
预设关联信息可以根据账号对中的账号具体设置。作为示例,预设关联信息可以是两个账号涉及的标识信息中有至少一个相同的标识信息。例如,两个账号登陆过同一台设备,或者是两个账号连接过同一个无线热点。
可以理解,属于同一人的两个账号之间一般存在关联性。通过预设关联信息可以表征同一人账号之间的关联性。当账号对中的两个账号满足预设关联信息时,上述执行主体可以确定账号对中的账号存在属于同一人的可能性;当账号对中的两个账号不满足预设关联信息时,上述执行主体可以确定账号对中的账号不存在属于同一人的可能性。
步骤203,响应于确定账号对中的账号满足预设关联信息,确定账号对中的账号是否满足预设判定条件。
本实施例中,上述执行主体可以响应于确定账号对中的账号满足预设关联信息,确定账号对中的账号是否满足预设判定条件。其中,预设判定条件用于确定账号对中的账号是否属于同一人。
预设判定条件可以根据账号对中的账号具体设置。作为示例,账号为电商平台的用户账号,预设判定条件可以为账号之间的注册信息是否相同。具体的,当两个账号的注册信息中的身份证号不同时,可以确定两个账号不属于同一人。
在本实施例的一些可选的实现方式中,预设判定条件包括第一判定条件和第二判定条件。其中,第一判定条件用于确定账号对中的账号属于同一人。当账号对中的账号满足第一判定条件时,可以确定账号对中的账号属于同一人;但是,当账号对中的账号不满足第一判定条件时,并不能确定账号对中的账号不属于同一人。第二判定条件用于确定账号对中的账号不属于同一人,当账号对中的账号满足第二判定条件时,可以确定账号对中的账号不属于同一人;但是,当账号对中的账号不满足第二判定条件时,并不能确定账号对中的账号属于同一人。
继续以账号为电商平台的用户账号为例,第一判定条件为账号对应的最高频的收件信息中的电话相同、账号对应的用户的性别相同且年龄相同。当确定账号对中的账号对应的最高频的收件信息中的电话相同、账号对应的用户的性别相同且年龄相同,则认定账号对中的账号属于同一人;但是,当账号对中的账号收件信息中的电话、账号对应的用户的性别、年龄中存在至少一项不同时,并不能确定账号对中的账号不属于同一人,其仍存在属于同一人的可能性。第二判定条件为账号对中的账号为已注册的家庭账号中的各成员对应的账号,或者账号对中的账号的注册信息中的身份证号不同。其中,家庭账号为以家庭关系进行关联的多个账号,其中的多个账号已被认证为家庭关系。
当确定账号对中的账号不属于家庭账号中的各成员对应的账号,或者并不能确定账号对中的账号的注册信息中的身份证号不同,此时,并不能认定账号对中的账号就属于同一人。
可以理解,通过预设判定条件可能不能确定出账号对中的账号是否属于同一人。也即,账号对中的账号既不满足第一判定条件,被确定为属于同一人,也不满足第二判条件,被确定为不属于同一人。
步骤204,响应于确定账号对中的账号不满足预设判定条件,对账号对中的账号的用户信息、标识信息进行处理,得到账号对对应的特征向量。
本实施例中,上述执行主体可以响应于确定账号对中的账号不满足预设判定条件,对账号对中的账号的用户信息、标识信息进行处理,得到账号对对应的特征向量。
作为示例,上述执行主体可以基于相同的标准,将账号对中的账号的用户信息、标识信息进行数字化,将数字化后得到的向量作为账号对对应的特征向量。
在本实施例的一些可选的实现方式中,上述执行主体通过如下方式执行上述步骤204:
第一,对账号对中的账号之间的相应项信息进行处理,得到每个相应项信息对应的子特征向量。其中,相应项信息表征账号对中的账号之间相对应的信息。例如,账号对中包括账号x和账号y,账号x对应的注册信息和账号y对应的注册信息可以认为是相应项信息。上述执行主体可以针对于每一组相应项信息,进行数字化,得到该相应项信息对应的子特征向量。
第二,拼接每个子特征向量,得到特征向量。
作为示例,上述执行主体可以基于预先设定的顺序拼接每个子特征向量,得到特征向量。
在本实施例的一些可选的实现方式中,账号所对应的用户信息包括用户画像信息、消费习惯信息和收件信息。针对于上述用户信息,上述执行主体可以根据账号对中的账号的用户信息,确定表征账号之间的相应项信息的相似度的子特征向量。
可以理解,当账号对中的账号属于同一人时,账号对中的账号对应的用户信息的相似度较高;当账号对中的账号不属于同一人时,账号对中的账号对应的用户信息的相似度较低。
以收件信息为例,上述执行主体可以统计得到账号对中的账号之间重合的收件信息的订单数占比。针对于收件人姓名,记账号x的订单数为ox,账号y的订单数为oy,记账号x和账号y收件人姓名相同的订单数为oxy。上述执行主体得到重合的收件人姓名在账号x的订单中的占比rx=oxy/ox,得到重合的收件人姓名在账号y的订单中的占比ry=oxy/oy。重合收件信息的订单数占比刻画了收件信息是账号持有者信息的可能性,占比越高,说明收件信息越可能是账号持有者的信息,两个账号之间的相似度越高。
针对于用户信息中如性别、购买力、常用支付方式等可分类的信息,通过特定数值区分账号对中的账号之间的相似度。以性别为例,当账号x和账号y的性别均非空且相同时,相似度确定为1;当账号x和账号y中有性别为空的情况时,相似度确定为0;当账号x和账号y的性别均非空且不同,相似度确定为-1。
在本实施例的一些可选的实现方式中,针对于每一类型的标识信息,上述执行主体可以执行如下操作:
第一,根据账号对中的账号的该类型的标识信息,确定表征账号对中的账号均涉及的交集标识信息的数量的子特征向量。
作为示例,该类型的标识信息为安卓系统的IMEI信息。账号对中的账号x的该类型的标识信息包括A、B、C、D,账号对中的账号y的该类型的标识信息包括B、C、D、E,则账号对中的账号x、y的交集标识信息为B、C、D,数量为3。进而,上述执行主体可以确定表征账号对中的账号均涉及的交集标识信息的数量的子特征向量
第二,针对于账号对中的每个账号,根据该账号与交集标识信息的关联次数,以及与该类型的所有的标识信息的关联次数,确定表征交集标识信息相对于该账号的归属度的子特征向量。
本实现方式中,账号每登录一次硬件标识信息对应的硬件设备或软件标识信息对应的软件,可以认定账号与硬件标识信息对应的硬件设备或软件标识信息对应的软件关联一次。
继续以该类型的标识信息为安卓系统的IMEI信息为例,账号x登陆过的设备的IMEI集合为账号y登陆过的设备的IMEI集合为则账号x和账号y登陆过的相同的设备的IMEI的集合为其中,m和n均为正整数。记账号x在IMEI上登陆的总次数为则 其中,xi为账号x在imeii对应的设备上的登录次数。类似地,记账号y在IMEI上登陆的总次数为则其中,yi为账号y在imeii对应的设备上的登录次数。确定账号x和账号y在相同地IMEI上登陆的总次数分别为和则 我们将IMEI对账号x的归属度定义为将IMEI对账号y的归属度定义为 直观来看,对于账号对中的账号x和y,IMEI对账号x的归属度即为账号x在两个账号的相同IMEI上的登陆次数与账号x在所有IMEI上登陆次数的占比;IMEI对账号y的归属度即为账号y在两个账号的相同IMEI上的登陆次数与账号y在所有IMEI上登陆次数的占比。ID归属度越大,说明该ID对应的设备越有可能归账号对应的用户拥有。相对应的,ID归属度小通常说明账号可能只是偶尔在该ID对应的设备登陆一次,并没有强烈的所属关系。
第三,确定表征账号对中的账号的归属度之和的子特征向量,以及表征账号对中的账号的归属度之差的子特征向量。
第四,对于该类型中的每个标识信息,根据该标识信息关联过的账号的数量,确定表征该标识信息共享度的子特征向量。
其中,标识信息的共享度为:登陆过该标识信息的账号的个数。可以理解,标识信息的共享度越高,说明该标识信息对应的设备越有可能是公用设备。
步骤205,将特征向量输入预先训练的识别模型,确定账号对中的账号是否属于同一人。
本实施例中,上述执行主体可以将征向量输入预先训练的识别模型,确定账号对中的账号是否属于同一人。其中,识别模型用于表征账号对对应的特征向量与账号对中的账号是否属于同一人的判定结果之间的对应关系。
识别模型可以是具有识别功能的任意网络模型,包括但不限于是卷积神经网络模型、循环神经网络模型、残差神经网络模型。
继续参见图3,图3是根据本实施例的用于识别一人多账号的方法的应用场景的一个示意图300。在图3的应用场景中,账号对中包括电商账号x和电商账号y。服务器301首先从数据库服务器302中获取账号对中的账号x和账号y分别对应的用户信息、所涉及的标识信息。然后,服务器确定账号对中的账号x和账号y涉及的标识信息中是否存在至少一个相同的标识信息(也即预设关联信息)。其中,预设关联信息用于表征账号对中的账号x和账号y是否具有属于同一人的可能性。然后,服务器301响应于确定账号对中的账号x和账号y存在至少一个相同的标识信息(包括第二标识和第三标识),确定账号对中的账号x和账号y是否满足收件信息中的电话相同、账号对应的用户的性别相同且年龄相同,以及账号对中的账号的注册信息中的身份证号不同(也即预设判定条件)。其中,预设判定条件用于确定账号对中的账号是否属于同一人。然后,响应于确定账号对中的账号x和账号y不满足预设判定条件,对账号对中的账号的用户信息、标识信息进行处理,得到账号对对应的特征向量。最后,服务器301将特征向量输入预先训练的识别模型,确定账号对中的账号x和账号y不属于同一人。其中,识别模型用于表征账号对对应的特征向量与账号对中的账号是否属于同一人的判定结果之间的对应关系。
本公开的上述实施例提供的方法,通过获取账号对中的账号所对应的用户信息、所涉及的标识信息;确定账号对中的账号是否满足预设关联信息,预设关联信息用于表征账号对中的账号是否具有属于同一人的可能性;响应于确定账号对中的账号满足预设关联信息,确定账号对中的账号是否满足预设判定条件,其中,预设判定条件用于确定账号对中的账号是否属于同一人;响应于确定账号对中的账号不满足预设判定条件,对账号对中的账号的用户信息、标识信息进行处理,得到账号对对应的特征向量;将特征向量输入预先训练的识别模型,确定账号对中的账号是否属于同一人,其中,识别模型用于表征账号对对应的特征向量与账号对中的账号是否属于同一人的判定结果之间的对应关系,从而提供了一种识别一人多账号的方法,提高了识别准确率。
在本实施例的一些可选的实现方式中,识别模型通过如下方式训练得到:
第一,获取账号集合中每个账号所对应的用户信息、所涉及的标识信息。
本实现方式中,账号集合中包括大量的账号。获取账号所对应的用户信息、所涉及的标识信息的方式可以参照步骤201的方式进行,在此不再赘述。
第二,将账号集合中满足预设关联信息的账号组合为账号对,得到多个账号对。
可以理解,满足预设关联信息的账号才具有属于同一人的可能性,当存在属于同一人的可能性时,可以将账号组合成账号对。
第三,从多个账号对中筛选出满足预设判定条件的账号对,得到多个训练账号对,并根据预设判定条件对每个训练账号对设置表征该训练账号对中的账号是否属于同一人的标签。
本实现方式,预设判定条件可以确定出属于同一人的账号对和不属于同一人的账号对。针对于属于同一人的账号对,上述执行主体可以设置该账号对中的账号属于同一人的标签,并将此类账号对作为正样本。针对于不属于同一人的账号对,上述执行主体可以设置该账号对中的账号不属于同一人的标签,并将此类账号对作为负样本。
第四,对多个账号对中的每个训练账号对中的账号的用户信息、标识信息进行处理,得到该训练账号对对应的特征向量。
本实现方式中,信息处理的方式可以参照步骤204的方式进行,在此不再赘述。
第五,利用机器学习方法,以训练账号对对应的特征向量作为输入,以所输入的训练账号对对应的标签作为期望输出,训练初始识别模型,得到识别模型。
本实现方式中,上述执行主体可以通过大量的训练账号对循环训练初始模型,响应于达到预设结束条件,完成初始模型的训练。其中,预设结束条件例如可以是模型的损失函数收敛,训练次数达到一定次数。
在本实施例的一些可选的实现方式中,上述执行主体还可以针对于属于同一人的多个账号,基于用户粒度进行信息处理。其中,用户粒度表征以用户为单位,而不是以账号为单位。作为示例,信息处理例如可以是信息推送。当账号x和账号y属于同一人时,以账号x和账号y所属的用户为信息推送的对象进行信息推送。具体的,可以针对于该用户的一个账号进行信息推送。当该用户的一个账号接收到推送信息后,不再对该用户的另一账号进行信息推送。可以理解,基于用户粒度进行信息处理,可以提高用户的体验度
继续参考图4,示出了根据本申请的用于识别一人多账号的方法的一个实施例的示意性流程400,包括以下步骤:
步骤401,获取账号对中的账号所对应的用户信息、所涉及的标识信息。
步骤402,确定账号对中的账号是否满足预设关联信息。
其中,预设关联信息用于表征账号对中的账号是否具有属于同一人的可能性。
步骤403,响应于确定账号对中的账号满足预设关联信息,确定账号对中的账号是否满足第一判定条件。
其中,第一判定条件用于确定账号对中的账号属于同一人。当账号对中的账号满足第一判定条件,证明账号对中的账号属于同一人。需要说明的是,当账号对中的账号不满足第一判定条件,并不能证明账号对中的账号不属于同一人。
步骤404,响应于确定账号对中的账号不满足第一判定条件,确定账号对中的账号是否满足第二判定条件。
其中,第二判定条件用于确定账号对中的账号不属于同一人。当账号对中的账号满足第二判定条件,证明账号对中的账号不属于同一人。需要说明的是,当账号对中的账号不满足第二判定条件,并不能证明账号对中的账号属于同一人。
步骤405,响应于确定账号对中的账号不满足第一判定条件和第二判定条件,执行如下操作:
步骤4051,根据账号对中的账号的用户信息,确定表征账号之间的相应项信息的相似度的子特征向量。
步骤4052,针对于每一类型的标识信息,执行如下操作:
步骤40521,根据账号对中的账号的该类型的标识信息,确定表征账号对中的账号均涉及的交集标识信息的数量的子特征向量。
步骤40522,针对于账号对中的每个账号,根据该账号与交集标识信息的关联次数,以及与该类型的所有的标识信息的关联次数,确定表征交集标识信息相对于该账号的归属度的子特征向量。
步骤40523,确定表征账号对中的账号的归属度之和的子特征向量,以及表征账号对中的账号的归属度之差的子特征向量。
步骤40524,对于该类型中的每个标识信息,根据该标识信息关联过的账号的数量,确定表征该标识信息共享度的子特征向量。
步骤406,拼接每个子特征向量,得到特征向量。
步骤407,将特征向量输入预先训练的识别模型,确定账号对中的账号是否属于同一人。
其中,识别模型用于表征账号对对应的特征向量与账号对中的账号是否属于同一人的判定结果之间的对应关系。
从本实施例中可以看出,与图2对应的实施例相比,本实施例中的用于识别一人多账号的方法的流程400具体说明了特征向量的处理过程以及账号对的账号是否属于同一人的判定过程,进一步提高了识别准确率。
继续参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于识别一人多账号的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,用于识别一人多账号的装置包括:包括:获取单元501,被配置成获取账号对中的账号所对应的用户信息、所涉及的标识信息;第一确定单元502,被配置成确定账号对中的账号是否满足预设关联信息,预设关联信息用于表征账号对中的账号是否具有属于同一人的可能性;第二确定单元503,被配置成响应于确定账号对中的账号满足预设关联信息,确定账号对中的账号是否满足预设判定条件,其中,预设判定条件用于确定账号对中的账号是否属于同一人;处理单元504,被配置成响应于确定账号对中的账号不满足预设判定条件,对账号对中的账号的用户信息、标识信息进行处理,得到账号对对应的特征向量;第三确定单元505,被配置成将特征向量输入预先训练的识别模型,确定账号对中的账号是否属于同一人,其中,识别模型用于表征账号对对应的特征向量与账号对中的账号是否属于同一人的判定结果之间的对应关系。
在一些实施例中,预设判定条件包括第一判定条件和第二判定条件,第一判定条件用于确定账号对中的账号属于同一人,第二判定条件用于确定账号对中的账号不属于同一人。
在一些实施例中,处理单元504,进一步被配置成:对账号对中的账号之间的相应项信息进行处理,得到每个相应项信息对应的子特征向量;拼接每个子特征向量,得到特征向量。
在一些实施例中,用户信息包括用户画像信息、消费习惯信息和收件信息;处理单元504,进一步被配置成:根据账号对中的账号的用户信息,确定表征账号之间的相应项信息的相似度的子特征向量。
在一些实施例中,处理单元504,进一步被配置成:针对于每一类型的标识信息,执行如下操作:根据账号对中的账号的该类型的标识信息,确定表征账号对中的账号均涉及的交集标识信息的数量的子特征向量;针对于账号对中的每个账号,根据该账号与交集标识信息的关联次数,以及与该类型的所有的标识信息的关联次数,确定表征交集标识信息相对于该账号的归属度的子特征向量;确定表征账号对中的账号的归属度之和的子特征向量,以及表征账号对中的账号的归属度之差的子特征向量;对于该类型中的每个标识信息,根据该标识信息关联过的账号的数量,确定表征该标识信息共享度的子特征向量。
在一些实施例中,上述装置还包括:训练单元(图中未示出),被配置成通过如下方式训练得到识别模型:获取账号集合中每个账号所对应的用户信息、所涉及的标识信息;将账号集合中满足预设关联信息的账号组合为账号对,得到多个账号对;从多个账号对中筛选出满足预设判定条件的账号对,得到多个训练账号对,并根据预设判定条件对每个训练账号对设置表征该训练账号对中的账号是否属于同一人的标签;对多个账号对中的每个训练账号对中的账号的用户信息、标识信息进行处理,得到该训练账号对对应的特征向量;利用机器学习方法,以训练账号对对应的特征向量作为输入,以所输入的训练账号对对应的标签作为期望输出,训练初始识别模型,得到识别模型。
本实施例中,用于识别一人多账号的装置中的获取单元获取账号对中的账号所对应的用户信息、所涉及的标识信息;第一确定单元确定账号对中的账号是否满足预设关联信息,预设关联信息用于表征账号对中的账号是否具有属于同一人的可能性;第二确定单元响应于确定账号对中的账号满足预设关联信息,确定账号对中的账号是否满足预设判定条件,其中,预设判定条件用于确定账号对中的账号是否属于同一人;处理单元响应于确定账号对中的账号不满足预设判定条件,对账号对中的账号的用户信息、标识信息进行处理,得到账号对对应的特征向量;第三确定单元将特征向量输入预先训练的识别模型,确定账号对中的账号是否属于同一人,其中,识别模型用于表征账号对对应的特征向量与账号对中的账号是否属于同一人的判定结果之间的对应关系,从而提供了一种识别一人多账号的装置,提高了识别准确率。
下面参考图6,其示出了适于用来实现本申请实施例的设备(例如图1所示的设备101、102、103、105)的计算机系统600的结构示意图。图6示出的设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括处理器(例如CPU,中央处理器)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中,还存储有系统600操作所需的各种程序和数据。处理器601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,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,本公开的实施例包括一种计算机程序产品,其包括承载在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部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请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。在本申请中,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。而在本申请中,计算机可读的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。计算机可读的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:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
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申请的操作的计算机程序代码,程序设计语言包括面向目标的程序设计语言—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客户计算机上执行、部分地在客户计算机上执行、作为一个独立的软件包执行、部分在客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)—连接到客户计算机,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,图示了按照本申请各种实施例的装置、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。
描述于本申请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。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器,包括获取单元、第一确定单元、第二确定单元、处理单元和第三确定单元。其中,这些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,第三确定单元还可以被描述为“将特征向量输入预先训练的识别模型,确定账号对中的账号是否属于同一人的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。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装置执行时,使得该计算机设备:获取账号对中的账号所对应的用户信息、所涉及的标识信息;确定账号对中的账号是否满足预设关联信息,预设关联信息用于表征账号对中的账号是否具有属于同一人的可能性;响应于确定账号对中的账号满足预设关联信息,确定账号对中的账号是否满足预设判定条件,其中,预设判定条件用于确定账号对中的账号是否属于同一人;响应于确定账号对中的账号不满足预设判定条件,对账号对中的账号的用户信息、标识信息进行处理,得到账号对对应的特征向量;将特征向量输入预先训练的识别模型,确定账号对中的账号是否属于同一人,其中,识别模型用于表征账号对对应的特征向量与账号对中的账号是否属于同一人的判定结果之间的对应关系。
以上描述仅为本申请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,本申请中所涉及的发明范围,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发明构思的情况下,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。例如上述特征与本申请中公开的(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。
Claims (14)
1.一种用于识别一人多账号的方法,包括:
获取账号对中的账号所对应的用户信息、所涉及的标识信息;
确定所述账号对中的账号是否满足预设关联信息,所述预设关联信息用于表征所述账号对中的账号是否具有属于同一人的可能性;
响应于确定所述账号对中的账号满足所述预设关联信息,确定所述账号对中的账号是否满足预设判定条件,其中,所述预设判定条件用于确定所述账号对中的账号是否属于同一人;
响应于确定所述账号对中的账号不满足所述预设判定条件,对所述账号对中的账号的用户信息、标识信息进行处理,得到所述账号对对应的特征向量;
将所述特征向量输入预先训练的识别模型,确定所述账号对中的账号是否属于同一人,其中,所述识别模型用于表征账号对对应的特征向量与账号对中的账号是否属于同一人的判定结果之间的对应关系。
2.根据权利要求1所述的方法,其中,所述预设判定条件包括第一判定条件和第二判定条件,所述第一判定条件用于确定所述账号对中的账号属于同一人,所述第二判定条件用于确定所述账号对中的账号不属于同一人。
3.根据权利要求1所述的方法,其中,所述对所述账号对中的账号的用户信息、标识信息进行处理,得到所述账号对对应的特征向量,包括:
对所述账号对中的账号之间的相应项信息进行处理,得到每个相应项信息对应的子特征向量;
拼接每个子特征向量,得到所述特征向量。
4.根据权利要求3所述的方法,其中,所述用户信息包括用户画像信息、消费习惯信息和收件信息;
所述对所述账号对中的账号之间的相应项信息进行处理,得到每个相应项信息对应的子特征向量,包括:
根据所述账号对中的账号的用户信息,确定表征账号之间的相应项信息的相似度的子特征向量。
5.根据权利要求3所述的方法,其中,所述对所述账号对中的账号之间的相应项信息进行处理,得到每个相应项信息对应的子特征向量,包括:
针对于每一类型的标识信息,执行如下操作:
根据所述账号对中的账号的该类型的标识信息,确定表征所述账号对中的账号均涉及的交集标识信息的数量的子特征向量;
针对于所述账号对中的每个账号,根据该账号与所述交集标识信息的关联次数,以及与该类型的所有的标识信息的关联次数,确定表征所述交集标识信息相对于该账号的归属度的子特征向量;
确定表征所述账号对中的账号的归属度之和的子特征向量,以及表征所述账号对中的账号的归属度之差的子特征向量;
对于该类型中的每个标识信息,根据该标识信息关联过的账号的数量,确定表征该标识信息共享度的子特征向量。
6.根据权利要求1-5任一所述的方法,其中,所述识别模型通过如下方式训练得到:
获取账号集合中每个账号所对应的用户信息、所涉及的标识信息;
将所述账号集合中满足所述预设关联信息的账号组合为账号对,得到多个账号对;
从所述多个账号对中筛选出满足所述预设判定条件的账号对,得到多个训练账号对,并根据所述预设判定条件对每个训练账号对设置表征该训练账号对中的账号是否属于同一人的标签;
对所述多个账号对中的每个训练账号对中的账号的用户信息、标识信息进行处理,得到该训练账号对对应的特征向量;
利用机器学习方法,以训练账号对对应的特征向量作为输入,以所输入的训练账号对对应的标签作为期望输出,训练初始识别模型,得到所述识别模型。
7.一种用于识别一人多账号的装置,包括:
获取单元,被配置成获取账号对中的账号所对应的用户信息、所涉及的标识信息;
第一确定单元,被配置成确定所述账号对中的账号是否满足预设关联信息,所述预设关联信息用于表征所述账号对中的账号是否具有属于同一人的可能性;
第二确定单元,被配置成响应于确定所述账号对中的账号满足所述预设关联信息,确定所述账号对中的账号是否满足预设判定条件,其中,所述预设判定条件用于确定所述账号对中的账号是否属于同一人;
处理单元,被配置成响应于确定所述账号对中的账号不满足所述预设判定条件,对所述账号对中的账号的用户信息、标识信息进行处理,得到所述账号对对应的特征向量;
第三确定单元,被配置成将所述特征向量输入预先训练的识别模型,确定所述账号对中的账号是否属于同一人,其中,所述识别模型用于表征账号对对应的特征向量与账号对中的账号是否属于同一人的判定结果之间的对应关系。
8.根据权利要求7所述的装置,其中,所述预设判定条件包括第一判定条件和第二判定条件,所述第一判定条件用于确定所述账号对中的账号属于同一人,所述第二判定条件用于确定所述账号对中的账号不属于同一人。
9.根据权利要求7所述的装置,其中,所述处理单元,进一步被配置成:
对所述账号对中的账号之间的相应项信息进行处理,得到每个相应项信息对应的子特征向量;拼接每个子特征向量,得到所述特征向量。
10.根据权利要求9所述的装置,其中,所述用户信息包括用户画像信息、消费习惯信息和收件信息;
所述处理单元,进一步被配置成:
根据所述账号对中的账号的用户信息,确定表征账号之间的相应项信息的相似度的子特征向量。
11.根据权利要求9所述的装置,其中,所述处理单元,进一步被配置成:
针对于每一类型的标识信息,执行如下操作:根据所述账号对中的账号的该类型的标识信息,确定表征所述账号对中的账号均涉及的交集标识信息的数量的子特征向量;针对于所述账号对中的每个账号,根据该账号与所述交集标识信息的关联次数,以及与该类型的所有的标识信息的关联次数,确定表征所述交集标识信息相对于该账号的归属度的子特征向量;确定表征所述账号对中的账号的归属度之和的子特征向量,以及表征所述账号对中的账号的归属度之差的子特征向量;对于该类型中的每个标识信息,根据该标识信息关联过的账号的数量,确定表征该标识信息共享度的子特征向量。
12.根据权利要求7-11任一所述的装置,其中,还包括:
训练单元,被配置成通过如下方式训练得到所述识别模型:获取账号集合中每个账号所对应的用户信息、所涉及的标识信息;将所述账号集合中满足所述预设关联信息的账号组合为账号对,得到多个账号对;从所述多个账号对中筛选出满足所述预设判定条件的账号对,得到多个训练账号对,并根据所述预设判定条件对每个训练账号对设置表征该训练账号对中的账号是否属于同一人的标签;对所述多个账号对中的每个训练账号对中的账号的用户信息、标识信息进行处理,得到该训练账号对对应的特征向量;利用机器学习方法,以训练账号对对应的特征向量作为输入,以所输入的训练账号对对应的标签作为期望输出,训练初始识别模型,得到所述识别模型。
13.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
14.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
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1-6中任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110049322.5A CN113779346A (zh) | 2021-01-14 | 2021-01-14 | 用于识别一人多账号的方法及装置 |
PCT/CN2022/070277 WO2022152018A1 (zh) | 2021-01-14 | 2022-01-05 | 用于识别一人多账号的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110049322.5A CN113779346A (zh) | 2021-01-14 | 2021-01-14 | 用于识别一人多账号的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113779346A true CN113779346A (zh) | 2021-12-10 |
Family
ID=78835432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110049322.5A Pending CN113779346A (zh) | 2021-01-14 | 2021-01-14 | 用于识别一人多账号的方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113779346A (zh) |
WO (1) | WO2022152018A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022152018A1 (zh) * | 2021-01-14 | 2022-07-21 | 北京沃东天骏信息技术有限公司 | 用于识别一人多账号的方法及装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115730251A (zh) * | 2022-12-06 | 2023-03-03 | 贝壳找房(北京)科技有限公司 | 关系识别方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102768659B (zh) * | 2011-05-03 | 2015-06-24 | 阿里巴巴集团控股有限公司 | 重复账号自动识别方法和系统 |
CN110555451A (zh) * | 2018-05-31 | 2019-12-10 | 北京京东尚科信息技术有限公司 | 信息识别方法和装置 |
US20200201966A1 (en) * | 2018-12-21 | 2020-06-25 | Oath Inc. | Biometric based self-sovereign information management |
CN110704776B (zh) * | 2019-09-12 | 2022-05-10 | 北京百度网讯科技有限公司 | 账号类型的识别方法、装置和电子设备 |
CN113779346A (zh) * | 2021-01-14 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 用于识别一人多账号的方法及装置 |
-
2021
- 2021-01-14 CN CN202110049322.5A patent/CN113779346A/zh active Pending
-
2022
- 2022-01-05 WO PCT/CN2022/070277 patent/WO2022152018A1/zh active Application Filing
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022152018A1 (zh) * | 2021-01-14 | 2022-07-21 | 北京沃东天骏信息技术有限公司 | 用于识别一人多账号的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2022152018A1 (zh) | 2022-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107393541B (zh) | 信息验证方法和装置 | |
US11038975B2 (en) | Information pushing method and device | |
CN110543946B (zh) | 用于训练模型的方法和装置 | |
US11412070B2 (en) | Method and apparatus for generating information | |
WO2019228494A1 (zh) | 用于确定无线接入点的类别的方法及装置 | |
CN108280200B (zh) | 用于推送信息的方法和装置 | |
WO2022152018A1 (zh) | 用于识别一人多账号的方法及装置 | |
CN110619253B (zh) | 身份识别的方法和装置 | |
CN114297278A (zh) | 批量数据快速写入方法、系统和装置 | |
CN113590756A (zh) | 信息序列生成方法、装置、终端设备和计算机可读介质 | |
CN111275542A (zh) | 一种贷款请求的处理方法、装置和系统 | |
CN110557351B (zh) | 用于生成信息的方法和装置 | |
CN111435381A (zh) | 请求分发方法和装置 | |
CN107368597B (zh) | 信息输出方法和装置 | |
CN113486749A (zh) | 图像数据收集方法、装置、电子设备和计算机可读介质 | |
CN112669000A (zh) | 政务事项处理方法、装置、电子设备及存储介质 | |
CN111782776A (zh) | 一种通过填槽实现意图识别的方法和装置 | |
CN111178696A (zh) | 一种业务处理时长超时预警方法和装置 | |
CN112131484A (zh) | 一种多人会话建立方法、装置、设备和存储介质 | |
CN112306596A (zh) | 信息交互方法、装置和电子设备 | |
CN111131354A (zh) | 用于生成信息的方法和装置 | |
CN110896374B (zh) | 生成用户信息、发送请求信息的方法和设备 | |
CN116911304B (zh) | 一种文本推荐方法及装置 | |
CN113779647A (zh) | 用于生成信息的方法和装置 | |
CN115600886A (zh) | 一种业务处理方法、装置、电子设备及计算机可读介质 |
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 |