[發(fā)明專利]賬戶權(quán)限的獲取方法和裝置

有效

• 申請?zhí)枺?/td>: 201610414403.X
• 申請日: 2016-06-12
• 公開（公告）號: CN106095939B
• 公開（公告）日: 2018-04-20
• 發(fā)明（設(shè)計(jì)）人: 劉日佳;萬偉;劉志斌;鄭博
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/06
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責(zé)任公司11240
• 代理人: 董文倩,褚敏

1.一種賬戶權(quán)限的獲取方法，其特征在于，包括：

接收查詢請求，其中，所述查詢請求用于請求查詢目標(biāo)賬戶的權(quán)限標(biāo)識，所述權(quán)限標(biāo)識用于指示所述目標(biāo)賬戶執(zhí)行預(yù)定操作的權(quán)限；

獲取所述目標(biāo)賬戶的閱讀記錄，其中，所述閱讀記錄用于指示所述目標(biāo)賬戶已閱讀的文本的文本屬性；

獲取與所述閱讀記錄指示的所述文本屬性對應(yīng)的所述目標(biāo)賬戶的權(quán)限標(biāo)識；

發(fā)送所述權(quán)限標(biāo)識；

其中，當(dāng)所述文本屬性包括文本的類別時(shí)，獲取所述目標(biāo)賬戶的閱讀記錄包括：獲取預(yù)先生成的詞庫，所述詞庫中記錄有預(yù)先獲取的N個(gè)類別；對所述文本與預(yù)先獲取的N個(gè)類別進(jìn)行匹配處理，得到所述文本的至少一個(gè)類別；將所述文本屬于每個(gè)所述類別的概率記錄為對應(yīng)所述類別的屬性參數(shù)，其中，所述閱讀記錄包括所述至少一個(gè)類別的屬性參數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取與所述閱讀記錄指示的所述文本屬性對應(yīng)的所述目標(biāo)賬戶的權(quán)限標(biāo)識包括：

根據(jù)所述目標(biāo)賬戶在預(yù)設(shè)時(shí)長內(nèi)已閱讀的多個(gè)所述文本的文本屬性，確定所述目標(biāo)賬戶的屬性匯總信息；

對所述屬性匯總信息進(jìn)行映射處理，得到所述目標(biāo)賬戶的權(quán)限標(biāo)識。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述文本屬性用多個(gè)屬性參數(shù)來表示，根據(jù)所述目標(biāo)賬戶在預(yù)設(shè)時(shí)長內(nèi)已閱讀的多個(gè)所述文本的文本屬性，確定所述目標(biāo)賬戶的屬性匯總信息包括：

獲取為各個(gè)屬性參數(shù)預(yù)先配置的權(quán)重系數(shù)；

按照所述權(quán)重系數(shù)，配置每個(gè)所述文本的每個(gè)屬性參數(shù)，得到每個(gè)所述文本的屬性參數(shù)值；

匯總多個(gè)所述文本的各個(gè)屬性參數(shù)的屬性參數(shù)值，得到所述屬性匯總信息。

4.根據(jù)權(quán)利要求2或3所述的方法，其特征在于，所述屬性匯總信息包括至少一個(gè)維度的信息，其中，對所述屬性匯總信息進(jìn)行映射處理，得到所述目標(biāo)賬戶的權(quán)限標(biāo)識包括：

獲取預(yù)先設(shè)置的回歸模型，其中，所述回歸模型中記錄有所述屬性匯總信息與權(quán)限標(biāo)識的映射關(guān)系；

將所述至少一個(gè)維度的信息作為所述回歸模型的輸入，利用所述回歸模型中記錄的映射關(guān)系，得到所述目標(biāo)賬戶的權(quán)限標(biāo)識。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，對所述文本與預(yù)先獲取的N個(gè)類別進(jìn)行匹配處理，得到所述文本的至少一個(gè)類別包括：

獲取所述詞庫中保存的第i個(gè)類別的多個(gè)第一詞語，其中，1≤i≤N；

統(tǒng)計(jì)所述第一詞語出現(xiàn)在所述文本中的詞頻和去重詞數(shù)，其中，所述詞頻用于表示所述文本中出現(xiàn)所述第一詞語的總次數(shù)，所述去重詞數(shù)用于表述所述文本中出現(xiàn)所述第一詞語的個(gè)數(shù)；

若所述詞頻超過第一閾值、且所述去重詞數(shù)超過第二閾值，則確定所述第i個(gè)類別為所述文本的類別。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，在獲取預(yù)先生成的詞庫之前，所述方法還包括：

提取樣本中包含的第二詞語；

利用所述第二詞語的詞向量對所述第二詞語進(jìn)行聚類操作，以將所述第二詞語劃分至M個(gè)類別中；

設(shè)置每個(gè)所述類別的標(biāo)識信息；

保存所述M個(gè)類別、每個(gè)所述類別的標(biāo)識信息及每個(gè)所述類別包含的第二詞語，生成所述詞庫。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，在生成所述詞庫之后，所述方法還包括：

在檢測到樣本更新的情況下，獲取更新樣本的詞庫；

對生成的詞庫和所述更新樣本的詞庫進(jìn)行合并，得到更新后的詞庫。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，當(dāng)所述文本屬性包括所述文本的特征詞時(shí)，獲取所述目標(biāo)賬戶的閱讀記錄包括：

獲取所述文本所包含的至少一個(gè)特征詞；

獲取各個(gè)所述特征詞的屬性參數(shù)，其中，所述閱讀記錄包括所述特征詞的屬性參數(shù)。

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，獲取所述文本所包含的至少一個(gè)特征詞包括：

對所述文本進(jìn)行分詞處理，得到多個(gè)關(guān)鍵詞；

對所述多個(gè)關(guān)鍵詞進(jìn)行停用詞處理和過濾操作，得到目標(biāo)關(guān)鍵詞；

利用所述目標(biāo)關(guān)鍵詞的詞向量，從所述目標(biāo)關(guān)鍵詞中過濾出所述文本的至少一個(gè)特征詞。