[發明專利]一種通過賬號信息推測屬地的方法及裝置

在審

• 申請號: 202210283199.8
• 申請日: 2022-03-22
• 公開（公告）號: CN114841152A
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 劉懷亮;楊彥楷;楊斌;趙艦波
• 申請（專利權）人: 西安知了科技有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/216;G06F16/33
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 李薇

本發明提供的一種通過賬號信息推測屬地的方法及裝置，通過綜合賬戶信息中所有字段信息，按照不同字段、不同類型詞匯以及不同行政區域屬地以及非屬地名稱與屬地名稱映射關系，分配不同權重，計算待預測用戶所屬的真實屬地。本發明可以體現省級市級區縣級屬地的等級權重的影響，體現不同的非屬地名稱詞匯對屬地名稱的關聯的權重；體現不同字段文本長度的影響；并且使用明確的計算公式體現上述各種影響因子之間的關系；之后得到待預測賬戶的真實屬地，以輔助職能機構準確有效的實現屬地推測，展開屬地維度數據的完善有效利用。

技術領域

本發明屬于互聯網技術領域，具體涉及一種通過賬號信息推測屬地的方法及裝置。

背景技術

隨著互聯網的發展，互聯網根據平臺賬號按照不同維度進行數據統計，例如按照歸屬地、愛好、性別、專業、學歷等等，這些數據統計都利于互聯網平臺的產品推廣、屬地安全維護或屬地定位，為后續產品推廣或者社會安全提供一些鋪墊。

如圖1所示，現有技術對于指定的平臺賬號，遍歷所有屬地關鍵字，檢測指定的平臺賬號名是否包含有該屬地關鍵字，即該屬地關鍵字是否是平臺賬號名的子字符串，是否包含屬地關鍵字；如果指定的平臺賬號包含該屬地關鍵字則返回該屬地作為推測屬地，如果指定的平臺賬號不包含該屬地關鍵字則繼續檢查一下個屬地關鍵字，如果直到最后一個屬地關鍵字還是未找到滿足條件的屬地關鍵字，則說明無法為該平臺賬號推測出屬地。

現有技術中往往包含屬地關鍵字賬號較少，利用賬號名稱來進行屬地推測，信息來源過于單薄；并且通過檢測賬號名是否包含有屬地關鍵詞的算法過于簡單，只是簡單的字符串包含關系，無法有效利用非屬地名稱詞匯進行屬地推測；即便賬號存在屬地關鍵字，而該屬地與該用戶的真實屬地不符，屬于用戶的個人傾向取名，導致檢測結果準確性不高。

發明內容

為了解決現有技術中存在的上述問題，本發明提供了一種通過賬號信息推測屬地的方法。本發明要解決的技術問題通過以下技術方案實現：

第一方面，本發明提供的一種通過賬號信息推測屬地的方法包括：

獲取賬戶信息數據庫；

其中，賬戶信息數據庫中包括歷史賬戶信息、所有屬地詞匯、屬地行政劃分級別以及所有非屬地詞匯，非屬地詞匯表示屬地詞匯所在屬地的特色信息；

根據歷史賬戶信息中的不同字段類型，預先為賬戶信息的各個字段分配對應的第一權重，以及根據屬地名稱詞匯以及屬性行政劃分級別，對屬地名稱詞匯分配對應的第二權重；

建立每一個非屬地詞匯與對應的屬地詞匯之間一對多的映射關系；

根據非屬地詞匯的類型，預先為存在映射關系的非屬地詞匯分配對應的第三權重；

將所有非屬地詞匯、所有屬地詞匯、非屬地詞匯與屬地詞匯一對多映射關系的映射關系表存儲至自定義詞庫中，并獲取待預測用戶的賬號信息；

基于自定義詞庫對賬戶信息的不同字段進行分詞，獲得分詞結果，并分別統計每個字段分詞后的詞總量；

其中，分詞結果包括目標屬地名稱以及非屬地名稱；

針對每個字段，統計該字段分詞后獲得的目標屬地名稱的出現次數以及非屬地名稱出現的次數；

按照第一權重、第二權重、第三權重、目標屬地名稱出現的次數和非屬地名稱出現的次數以及每個字段分詞后的詞總量，計算待預測用戶的屬于各個目標屬地的得分，選擇得分最高的目標屬地確定為待預測用戶的真實屬地。

可選的，待預測用戶的賬號信息包括：賬戶名稱、賬戶描述信息以及公開發表信息；

基于自定義詞庫對賬戶信息的不同字段進行分詞，獲得分詞結果，并分別統計每個字段分詞后的詞總量包括：