(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111660348.X (22)申请日 2021.12.31 (66)本国优先权数据 202110005949.0 2021.01.0 5 CN (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 李晓雯　郑建光　赵瑞辉　 (74)专利代理 机构 北京三高永信知识产权代理 有限责任公司 1 1138 专利代理师 李文静 (51)Int.Cl. G06Q 40/08(2012.01) G06Q 30/02(2012.01) G06N 20/00(2019.01) (54)发明名称 账号识别方法、 装置、 计算机设备、 存储介质 及程序产品 (57)摘要 本申请关于一种账号识别方法、 装置、 计算 机设备及存储介质， 涉及数据处理技术领域。 该 方法包括： 获取各个用户账号的用户特征、 各个 服务对象的对象特征、 以及各个用户账号与各个 服务对象之间的服务记录， 并构建二部图； 对二 部图中的各个节点进行特征向量提取， 获得各个 用户账号对应的用户特征向量； 基于各个用户账 号对应的用户特征向量， 对各个用户账号进行聚 类， 获得至少一个用户账号分组； 基于各个用户 账号的服务记录， 从至少一个账号分组中识别出 存在非正常的指定交互服务的目标账号分组。 利 用人工智能实现以账号分组为单位对具有非正 常交互服务的行为的用户账号进行筛选， 提高了 发现具有非正常的交互服务的行为的用户账号 的效率和准确性。 权利要求书3页 说明书20页 附图5页 CN 114723571 A 2022.07.08 CN 114723571 A 1.一种账号识别方法， 其特 征在于， 所述方法包括： 获取各个用户账号的用户特征、 各个服务对象的对象特征、 以及所述各个用户账号与 所述各个服务对象之间的服务记录； 所述各个服务对象是向所述各个用户账号提供指 定交 互服务的对象； 基于所述各个用户账号的用户特征、 所述各个服务对象的对象特征、 以及所述各个用 户账号与所述各个服务对 象之间的服务记录， 构建二部图； 所述二部图由所述各个用户账 号与所述各个服 务对象之间通过边相连构成； 对所述二部图中的各个节点进行特征向量提取， 获得所述各个用户账号对应的用户特 征向量； 基于所述各个用户账号对应的用户特征向量， 对所述各个用户账号进行聚类， 获得至 少一个账号分组； 基于所述各个用户账号的所述服务记录， 从所述至少一个账号分组中识别出目标账号 分组； 所述目标 账号分组是存在非正常的指定交 互服务的账号分组。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述各个用户账号的用户特征、 所述各个服务对象的对象特征、 以及所述各个用户账号与所述各个服务对象之 间的服务记 录， 构建二部图， 包括： 创建所述各个用户账号对应的账号节点， 所述账号节点具有对应用户账号的用户特 征； 创建所述各个服务对象对应的对象节点， 所述对象节点具有对应服务对象的对象特 征； 基于所述各个用户账号与 所述各个服务对象之间的所述服务记录， 创建所述各个用户 账号对应的账号节点， 与所述各个服 务对象对应的对象节点之间的边。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述各个用户账号与 所述各个服 务对象之间的服务记录， 创建所述各个用户账号对应的账号节点， 与所述各个服务对 象对 应的对象节点之间的边， 包括： 响应于目标用户账号与目标服务对象之间存在所述服务记录， 创建所述目标用户账号 对应的账号节点与所述目标服务对象对应的对象节点之 间的边； 所述目标用户账号是所述 各个用户账号中的任意 一个； 所述目标服 务对象是 所述各个服 务对象中的任意 一个； 基于所述目标用户账号与 所述目标服务对象之间的所述服务记录， 设置所述目标用户 账号对应的账号节点与所述目标服 务对象对应的对象节点之间的边的权 重。 4.根据权利要求3所述的方法， 其特征在于， 所述服务记录中包含指定交互服务的次 数； 所述基于所述目标用户账号与所述目标服务对象之间的所述服务记录， 设置所述目标 用户账号对应的账号节点与所述目标服 务对象对应的对象节点之间的边的权 重， 包括： 基于所述目标用户账号与 所述目标服务对象之间的指定交互服务的次数， 设置所述目 标用户账号对应的账号节点与所述目标服 务对象对应的对象节点之间的边的权 重。 5.根据权利要求2至4任一所述的方法， 其特征在于， 所述对所述二部 图中的各个节点 进行特征向量提取， 获得 所述各个用户账号对应的用户特 征向量， 包括： 对所述二部图中的各个节点的特 征向量进行至少两次聚合迭代；权　利　要　求　书 1/3 页 2 CN 114723571 A 2将所述至少两次聚合迭代之后， 所述二部图中对应所述各个用户账号的账号节点的特 征向量， 获取为所述各个用户账号对应的用户特 征向量。 6.根据权利要求5所述的方法， 其特征在于， 所述对所述二部图中的各个节点的特征向 量进行至少两次聚合迭代， 包括： 在第p次聚合迭代过程中， 通过特征提取模型对目标节点的各个邻居节点在第p次聚合 迭代前的特征向量进 行聚合， 获得所述目标节点在第p次聚合迭代中的邻居聚合信息； 所述 目标节点是 所述二部图中的任意 一个节点； p为 正整数； 通过所述特征提取模型将所述目标节点在第p次聚合迭代中的邻居聚合信息， 与所述 目标节点在第p次聚合迭代前的特征向量进 行融合， 获得所述目标节点在第p次聚合迭代后 的特征向量。 7.根据权利要求6所述的方法， 其特征在于， 所述特征提取模型是基于所述二部图中的 各个节点的特征向量进行n轮训练得到的； 所述对所述二部图中的各个节点进行特征向量 提取， 获得 所述各个用户账号对应的用户特 征向量之前， 还 包括： 在第i轮训练过程中， 对所述二部图中的各个节点的特征向量进行j次聚合迭代； 1≤i ≤n， j≥2， 且i、 j、 n 为整数； 基于所述二部 图中的各个节点在所述j次聚合迭代后的特征向量， 以及所述二部 图中 的各个节点之间的边连接关系， 计算损失函数值； 基于所述损失函数值， 对所述特 征提取模型中的参数进行 更新。 8.根据权利要求1至4任一所述的方法， 其特征在于， 所述基于所述各个用户账号对应 的用户特 征向量， 对所述各个用户账号进行聚类， 获得至少一个账号分组， 包括： 基于所述各个用户账号对应的用户特征向量之间的相似度， 对所述各个用户账号进行 层次聚类， 获得 所述至少一个账号分组。 9.根据权利要求8所述的方法， 其特征在于， 所述基于所述各个用户账号对应的用户特 征向量之间的相似度， 对所述各个用户账号进行层次聚类， 获得所述至少一个账号分组之 前， 还包括： 获取所述各个用户账号对应的用户特征向量之间的余弦相似度， 作为所述各个用户账 号对应的用户特 征向量之间的相似度。 10.根据权利要求1至4任一所述的方法， 其特征在于， 所述基于所述各个用户账号的所 述服务记录， 从所述至少一个账号分组中识别出目标 账号分组， 包括： 从第一账号分组中选择样本用户账号； 所述第 一账号分组是所述至少一个账号分组中 的任意一个； 响应于所述样本用户账号的服务记录与指定规则相匹配， 将所述第 一账号分组确定为 所述目标 账号分组。 11.根据权利要求10所述的方法， 其特征在于， 所述从第 一账号分组中选择样本用户账 号， 包括： 基于所述第一账号分组中的用户账号数量， 确定所述样本用户账号的用户账号数量； 基于所述样本用户账号的用户账号数量， 从所述第 一账号分组中随机选择所述样本用 户账号； 所述响应于所述样本用户账号的服务记录与指定规则相匹配， 将所述第 一账号分组确权　利　要　求　书 2/3 页 3 CN 114723571 A 3