[發明專利]用于賬號處理的方法、裝置及電子設備

有效

• 申請號: 201710321805.X
• 申請日: 2017-05-09
• 公開（公告）號: CN107066616B
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 劉燦城;曲洪濤;龍曉云;解鵬;黃雪娟;吳舒蘭;宋紅敏
• 申請（專利權）人: 京東數字科技控股有限公司
• 主分類號: G06F16/25
• 分類號: G06F16/25;G06F16/28;G06F16/245;G06F16/903;G06K9/62;G06N3/08
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 闞梓瑄;王衛忠

1.一種用于賬號處理的方法，其特征在于，包括：

獲取基礎數據，所述基礎數據包括基本屬性數據與行為統計指標數據；

將基礎數據進行處理以獲取用戶數據；

所述將基礎數據進行處理以獲取用戶數據，包括：

將基礎數據進行數據處理以獲取第一數據；以及

通過基本屬性數據構建倒排索引數據表；以及通過倒排索引數據表處理所述第一數據以獲取用戶數據；

通過所述用戶數據與深度神經網絡模型建立賬戶識別模型；以及

通過所述賬戶識別模型進行賬號處理；

所述通過所述賬戶識別模型進行賬號處理，包括：

將進行比較的任意兩個賬號分別對應的基礎數據輸入比較函數，得到比較結果特征向量；其中，所述任意兩個賬號分別對應的基本屬性數據的比較結果為0、1或2，所述任意兩個賬號分別對應的行為統計指標數據的比較結果為該兩個行為統計指標數據的差值的絕對值；

通過所述賬戶識別模型對所述比較結果特征向量進行處理。

2.如權利要求1所述的方法，其特征在于，所述通過倒排索引數據表處理所述基礎數據以獲取所述用戶數據，還包括：

對基礎數據進行去重處理。

3.如權利要求1所述的方法，其特征在于，所述用戶數據，包括：

第一類用戶數據與第二類用戶數據。

4.如權利要求3所述的方法，其特征在于，所述第一類用戶數據包括：

身份證信息完備的用戶數據。

5.如權利要求3所述的方法，其特征在于，所述通過所述用戶數據與深度神經網絡模型建立賬戶識別模型，包括：

將所述第一類用戶數據作為深度神經網絡模型訓練數據；以及

通過深度神經網絡模型訓練獲取所述賬戶識別模型。

6.如權利要求3所述的方法，其特征在于，所述通過所述賬戶識別模型進行賬號處理，包括：

通過所述賬戶識別模型，獲取所述第二類用戶數據的賬戶相似度數值；以及

通過所述賬戶相似度數值與預定閾值進行比較的結果進行賬號處理。

7.如權利要求6所述的方法，其特征在于，所述通過所述賬戶相似度數值與預定閾值進行比較的結果進行賬號處理，包括：

判斷所述賬戶相似度數值是否大于預定閾值；以及

如果所述賬戶相似度數值大于所述預定閾值，則將所述第二類用戶數據進行關聯處理。

8.如權利要求7所述的方法，其特征在于，所述如果所述賬戶相似度數值大于所述預定閾值，則將所述第二類用戶數據進行關聯處理，包括：

如果所述賬戶相似度數值大于所述預定閾值，則將所述第二類用戶數據判斷來源為同一個體；以及

將來源為同一個體的所述第二類用戶數據進行關聯處理。

9.如權利要求8所述的方法，其特征在于，所述將來源為同一個體的所述第二類用戶數據進行關聯處理，包括：

通過構建關系圖的方式將來源為同一個體的所述第二類用戶數據進行關聯處理。