申请/专利权人:广州市百果园网络科技有限公司
申请日:2020-09-30
公开(公告)日:2021-02-23
公开(公告)号:CN112395556A
主分类号:G06F17/18(20060101)
分类号:G06F17/18(20060101);G06F16/35(20190101);G06F16/335(20190101)
优先权:
专利状态码:有效-授权
法律状态:2022.09.06#授权;2021.03.12#实质审查的生效;2021.02.23#公开
摘要:本发明实施例公开了一种异常用户检测模型训练方法、异常用户审核方法及装置,包括:获取样本用户的评论数据,评论数据包括样本用户评论的视频和评论内容,从样本用户的所有评论内容中确定出目标评论内容,以通过目标评论内容获取样本用户为异常用户的概率;对评论内容进行统计以获得样本用户的评论内容的统计特征;确定样本用户评论的视频为违规视频的违规分数;将样本用户为异常用户的概率、统计特征以及违规分数作为训练样本,样本用户的标签作为样本标签来训练异常用户检测模型。实现了从评论数据中提取与异常行为具有强关联关系的高层次特征来训练异常用户检测模型,提高了异常用户检测模型预测用户为异常用户的概率的准确度。
主权项:1.一种异常用户检测模型训练方法,其特征在于,包括:获取样本用户的评论数据,所述评论数据包括所述样本用户评论的视频和评论内容,所述样本用户为标注了异常用户标签和正常用户标签的用户;从所述样本用户的所有评论内容中确定出目标评论内容,以通过所述目标评论内容获取所述样本用户为异常用户的概率;对所述评论内容进行统计以获得所述样本用户的评论内容的统计特征;确定所述样本用户评论的视频为违规视频的违规分数;将所述样本用户为异常用户的概率、所述统计特征以及所述违规分数作为训练样本,所述样本用户的标签作为样本标签来训练异常用户检测模型。
全文数据:
权利要求:
百度查询: 广州市百果园网络科技有限公司 异常用户检测模型训练方法、异常用户审核方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。