本发明专利技术涉及人工智能技术，揭露了一种垃圾账户的检测方法，包括：生成目标账户中用户信息的邻接列表，利用所述邻接列表生成所述用户信息的用户矩阵；对所述用户矩阵进行聚合和更新，得到更新向量；对所述更新向量进行分类，得到所述更新向量的用户分类结果；对目标账户中文本进行向量化转换，得到文本向量；将所述文本向量进行分类，得到文本分类结果；计算分类结果的加权平均值，比较所述加权平均值和阈值的大小，确定所述目标账户为垃圾账户。此外，本发明专利技术还涉及区块链技术，数据列表可存储于区块链的节点。本发明专利技术还提出一种垃圾账户的检测装置、电子设备以及存储介质。本发明专利技术可以提高垃圾账户的检测的准确率。圾账户的检测的准确率。圾账户的检测的准确率。
【技术实现步骤摘要】
垃圾账户的检测方法、装置、电子设备及存储介质
[0001]本专利技术涉及人工智能
，尤其涉及一种垃圾账户的检测方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]随着计算机和互联网技术的迅速发展,人们越来越习惯于利用网络处理各种工作和生活事项,处理这些事项一般由用户在提供相应服务的业务系统中注册账户,比如电商平台账户、第三方支付平台账户、论坛平台账户等，然后将账户作为其身份的代表,来运行相关的业务逻辑。网络具有两面性，网络在极大的方便用户的同时,也不可避免的带来一些安全隐患。一些用户或者组织出于不良目的,会注册大量账户,并利用这些账户进行一些异常操作,比如传播留言、推销虚假广告、刷单等,不仅浪费了业务系统的资源,而且对合法用户的利益造成了损害。
[0003]现如今，运用传统分类器包括Randforest,SVM,NB,KNN检测垃圾信息，由于这些传统分类器的性能缺点，同时，需要人工提炼出用户信息和垃圾信息的属性，导致检测准确率不高；运用多层反向神经网络检测垃圾信息，可能由于网络深度不够、选择的激活函数不对、参数设置等原因导致检测准确率更是低于部分传统分类器，因此如何提升垃圾账户的检测准确率，成为了亟待解决的问题。
技术实现思路
[0004]本专利技术提供一种垃圾账户的检测方法、装置及计算机可读存储介质，其主要目的在于解决垃圾账户的检测时准确率较低的问题。
[0005]为实现上述目的，本专利技术提供的一种垃圾账户的检测方法，包括：
[0006]生成目标账户中用户信息的邻接列表，利用所述邻接列表生成所述用户信息的用户矩阵；
[0007]对所述用户矩阵进行节点聚合，得到目标用户矩阵；
[0008]按照预设的更新函数对所述目标用户矩阵中的向量进行更新，得到更新向量；
[0009]利用预设的用户分类模型对所述更新向量进行分类，得到所述更新向量的用户分类结果；
[0010]对目标账户中文本进行向量化转换，得到文本向量；
[0011]将所述文本向量输入至预设的文本分类模型，得到所述文本向量的文本分类结果；
[0012]计算所述用户分类结果和所述文本分类结果的加权平均值，比较所述加权平均值和阈值的大小，当所述加权平均值大于阈值时，确定所述目标账户为垃圾账户。
[0013]可选地，所述生成目标账户中用户信息的邻接列表，包括：
[0014]对所述目标账户中用户信息按照预设的索引进行二分类，得到顶点信息和边信息；
[0015]对预设的顶点表进行初始化，将所述顶点信息写入初始化后的顶点表内，得到目标顶点表；
[0016]将所述边信息按照连接关系依次写入预设的边表中，得到目标边表；
[0017]根据所述目标顶点表和所述目标边表生成邻接列表。
[0018]可选地，所述利用所述邻接列表生成所述用户信息的用户矩阵，包括：
[0019]根据所述邻接列表中的顶点信息生成顶点数组，根据所述邻接列表中的边信息生成边数组；
[0020]根据所述顶点数组确定总顶点数，根据所述边数组确定总边数；
[0021]利用所述总顶点数和所述总边数构建邻接矩阵，对所述邻接矩阵进行初始化；
[0022]根据所述邻接列表对初始化后的邻接矩阵进行填充，得到所述用户信息的用户矩阵。
[0023]可选地，所述对所述用户矩阵进行节点聚合，得到目标用户矩阵，包括：
[0024]按照预设的节点分区方式对所述用户矩阵进行分区，得到局部矩阵；
[0025]对所有局部矩阵进行平均池化，得到所述局部矩阵的特征值；
[0026]对所述特征值进行拼接，得到目标用户矩阵。
[0027]可选地，所述按照预设的更新函数对所述目标用户矩阵中的向量进行更新，得到更新向量，包括：
[0028]利用如下所述更新函数对所述目标用户矩阵中的向量进行更新：
[0029][0030]其中,是第k+1层节点u的特征向量，表示第k层节点v的特征向量，N(u)表示节点u的邻居节点集合，UPDATE
(k)
表示在第k层节点进行更新，AGGREGATE
(k)
表示对第k层节点进行加和，表示节点v可以取到N(u)中的任意值。
[0031]可选地，所述对目标账户中文本进行向量化转换，得到文本向量，包括：
[0032]对目标账户中文本进行分词处理，得到文本分词；
[0033]获取所述文本分词的词向量，对所述词向量进行聚类处理，得到每个特征词的聚类类别；
[0034]基于权重算法计算每个特征词在所述文本中的权重；
[0035]根据所述聚类类别和所述权重生成文本向量。
[0036]可选地，所述对目标账户中文本进行向量化转换，得到文本向量，包括：
[0037]对目标账户中文本进行分词处理，得到文本分词；
[0038]对所述文本分词进行标记，得到标记分词；
[0039]按照预设的句子长度对所述标记分词进行标记填充，得到标准分词；
[0040]对所述标记分词进行注意力屏蔽，得到注意力分词；
[0041]对所述注意力分词中的元素进行映射，得到所有注意力分词的唯一ID；
[0042]将所述注意力分词和所述唯一ID输入至预训练的语言表征模型，得到每个文本分词的文本向量。
[0043]为了解决上述问题，本专利技术还提供一种垃圾账户的检测装置，所述装置包括：
[0044]用户矩阵模块，用于生成目标账户中用户信息的邻接列表，利用所述邻接列表生成所述用户信息的用户矩阵；
[0045]节点聚合模块，用于对所述用户矩阵进行节点聚合，得到目标用户矩阵；
[0046]向量更新模块，用于按照预设的更新函数对所述目标用户矩阵中的向量进行更新，得到更新向量；
[0047]用户分类模块，用于利用预设的用户分类模型对所述更新向量进行分类，得到所述更新向量的用户分类结果；
[0048]向量化模块，用于对目标账户中文本进行向量化转换，得到文本向量；
[0049]文本分类模块，用于将所述文本向量输入至预设的文本分类模型，得到所述文本向量的文本分类结果；
[0050]加权平均模块，用于计算所述用户分类结果和所述文本分类结果的加权平均值，比较所述加权平均值和阈值的大小，当所述加权平均值大于阈值时，确定所述目标账户为垃圾账户。
[0051]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0052]至少一个处理器；以及，
[0053]与所述至少一个处理器通信连接的存储器；其中，
[0054]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的垃圾账户的检测方法。
[0055]为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种垃圾账户的检测方法，其特征在于，所述方法包括：生成目标账户中用户信息的邻接列表，利用所述邻接列表生成所述用户信息的用户矩阵；对所述用户矩阵进行节点聚合，得到目标用户矩阵；按照预设的更新函数对所述目标用户矩阵中的向量进行更新，得到更新向量；利用预设的用户分类模型对所述更新向量进行分类，得到所述更新向量的用户分类结果；对目标账户中文本进行向量化转换，得到文本向量；将所述文本向量输入至预设的文本分类模型，得到所述文本向量的文本分类结果；计算所述用户分类结果和所述文本分类结果的加权平均值，比较所述加权平均值和阈值的大小，当所述加权平均值大于阈值时，确定所述目标账户为垃圾账户。2.如权利要求1所述的垃圾账户的检测方法，其特征在于，所述生成目标账户中用户信息的邻接列表，包括：对所述目标账户中用户信息按照预设的索引进行二分类，得到顶点信息和边信息；对预设的顶点表进行初始化，将所述顶点信息写入初始化后的顶点表内，得到目标顶点表；将所述边信息按照连接关系依次写入预设的边表中，得到目标边表；根据所述目标顶点表和所述目标边表生成邻接列表。3.如权利要求1所述的垃圾账户的检测方法，其特征在于，所述利用所述邻接列表生成所述用户信息的用户矩阵，包括：根据所述邻接列表中的顶点信息生成顶点数组，根据所述邻接列表中的边信息生成边数组；根据所述顶点数组确定总顶点数，根据所述边数组确定总边数；利用所述总顶点数和所述总边数构建邻接矩阵，对所述邻接矩阵进行初始化；根据所述邻接列表对初始化后的邻接矩阵进行填充，得到所述用户信息的用户矩阵。4.如权利要求1所述的垃圾账户的检测方法，其特征在于，所述对所述用户矩阵进行节点聚合，得到目标用户矩阵，包括：按照预设的节点分区方式对所述用户矩阵进行分区，得到局部矩阵；对所有局部矩阵进行平均池化，得到所述局部矩阵的特征值；对所述特征值进行拼接，得到目标用户矩阵。5.如权利要求1所述的垃圾账户的检测方法，其特征在于，所述按照预设的更新函数对所述目标用户矩阵中的向量进行更新，得到更新向量，包括：利用如下所述更新函数对所述目标用户矩阵中的向量进行更新：其中,是第k+1层节点u的特征向量，表示第k层节点v的特征向量，N(u)表示节点u的邻居节点集合，UPDATE
(k)
表示在第k层节点进行更新，AGGREGATE
(k)
表示对...
【专利技术属性】
技术研发人员：舒畅，陈又新，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。