[發明專利]一種物聯網設備特征獲取方法及裝置

有效

• 申請號: 202011597672.7
• 申請日: 2020-12-29
• 公開（公告）號: CN112291374B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 嚴坦;吳睿澤;支良標
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: H04L29/08
• 分類號: H04L29/08;G06F17/18;G06N3/08;G06N20/00
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 周嗣勇

1.一種物聯網設備特征獲取方法，包括：

獲取多臺物聯網設備的位置信息以及用戶行為信息；所述行為信息至少包括用戶標識；

以所述多臺物聯網設備為多個節點，針對任意兩個節點，執行以下步驟：根據獲取的位置信息，確定所述兩個節點對應的設備之間的距離是否小于預設長度；針對所述兩個節點，根據獲取的行為信息中的用戶標識，確定所述兩個節點對應的設備之間是否具有相同用戶；若確定所述距離小于預設長度、和/或所述兩個節點對應的設備之間具有相同用戶，則構建所述兩個節點之間的邊；在針對全部節點之間執行上述步驟，得到設備關聯圖；

基于所構建的設備關聯圖，得到路徑集；所述路徑集中任一路徑為所述設備關聯圖中的任一無環路徑；

利用所述路徑集中任一路徑生成若干條訓練樣本，以根據所述路徑集得到訓練樣本集；其中，任一訓練樣本以任一路徑中的節點為特征值，以該路徑中該節點的相鄰節點為標簽值；基于所述訓練樣本集訓練深度學習模型；

利用訓練后的深度學習模型的隱藏層信息獲取物聯網設備特征。

2.根據權利要求1所述的方法，所述深度學習模型為Skip-gram算法模型或CBOW算法模型；

利用訓練后的深度學習模型的隱藏層信息獲取物聯網設備的特征，包括：

針對所述設備關聯圖中任一節點，將該節點作為輸入，利用該深度學習模型的隱藏層輸出作為該節點對應的設備的特征。

3.根據權利要求1所述的方法，所述行為信息多種行為信息；

所述針對所述兩個節點，根據獲取的行為信息中的用戶標識，確定所述兩個節點對應的設備之間是否具有相同用戶；包括：

針對任一種行為信息，若確定所述兩個節點對應的設備之間具有相同用戶標識，則確定所述兩個節點對應的設備之間具有相同用戶。

4.根據權利要求1所述的方法，所述行為信息還包括行為發生時間；

所述針對所述兩個節點，根據獲取的行為信息中的用戶標識，確定所述兩個節點對應的設備之間是否具有相同用戶；包括：

根據所述兩個節點的行為信息中的行為發生時間，以及預設的多個時間窗口，確定行為信息所在的時間窗口；

針對每一時間窗口，分別確定所述兩個節點對應的設備之間是否具有相同用戶。

5.根據權利要求1所述的方法，還包括：

根據獲取的位置信息以及用戶行為信息，確定所述設備關聯圖中任一條邊的權重值，所述權重值用于表征該邊兩端節點之間的關聯程度。

6.根據權利要求5所述的方法，所述根據獲取的位置信息以及用戶行為信息，確定所述設備關聯圖中任一條邊的權重值；包括：

針對所述設備關聯圖中任一條邊，根據獲取的位置信息確定該邊兩端節點對應的設備之間的距離，利用該距離確定該邊的距離權重值；該距離權重值與該距離成負相關關系；

根據該邊兩端節點對應的設備之間的相同用戶的行為信息，確定該邊的行為權重值；該行為權重值，與該相同用戶的行為信息數量成正相關關系；

綜合該距離權重值以及該行為權重值，確定該邊的權重值。

7.根據權利要求5所述的方法，所述路徑集中任一條路徑的獲取方法為：

在所述設備關聯圖中以任一節點為起點，根據概率隨機選取若干個連續節點與該起點組成路徑，該路徑中不存在相同的節點，且任一節點被選取的概率，與所述任一節點和該路徑中上一節點之間邊的權重值成正相關關系。

8.根據權利要求7所述的方法，所述在所述設備關聯圖中以任一節點為起點，隨機選取若干個連續節點與該起點組成路徑，包括：

以所述設備關聯圖中任一節點為起點，在與該起點相連的至少一個節點中隨機確定一個節點為當前節點，以起點和當前節點之間的全部節點和邊作為當前路徑，循環執行以下操作，直到達到預設停止條件：

判斷是否達到預設停止條件；

若否，則在與當前節點相連的至少一個節點中根據概率隨機確定一個節點作為當前節點；其中，所選取的節點不為當前路徑中的任一節點；

若是，則停止循環，確定當前路徑為最終路徑。