CN111429294B - 账户识别方法及装置、电子设备和可存储介质 - Google Patents
账户识别方法及装置、电子设备和可存储介质 Download PDFInfo
- Publication number
- CN111429294B CN111429294B CN202010208966.XA CN202010208966A CN111429294B CN 111429294 B CN111429294 B CN 111429294B CN 202010208966 A CN202010208966 A CN 202010208966A CN 111429294 B CN111429294 B CN 111429294B
- Authority
- CN
- China
- Prior art keywords
- multimedia
- objects
- original
- account
- repetitive
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000013598 vector Substances 0.000 claims abstract description 63
- 230000003252 repetitive effect Effects 0.000 claims description 89
- 238000004891 communication Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000000873 masking effect Effects 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供了一种账户识别方法及装置、电子设备和可存储介质,所述方法包括:获取目标平台存储的每一个多媒体对象的特征向量;基于每一个多媒体对象的特征向量,确定至少一个重复关系网络;确定每一个重复关系网络中各多媒体对象的对象类型;基于每一个重复关系网络中各多媒体对象的对象类型对每一个多媒体对象对应的账户进行评分;根据账户的评分确定各账户是否为原创账户。本发明实施例提供的账户识别方法及装置、电子设备和可存储介质,能够提高平台对原创账户的识别精度。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种账户识别方法及装置、电子设备和可存储介质。
背景技术
随着电子信息技术的不断发展,个性化的原创内容开始受到广大消费者的欢迎,各大平台也鼓励原创用户更多的制作原创多媒体内容上传内容平台,增加平台内容的丰富度。
然而,内容平台会出现一些伪原创账户,伪原创账户会搬运其他原创账户的多媒体对象稍作加工后上传到平台的情况,相关技术中,平台对原创账户的识别精度较低。
发明内容
本发明实施例的目的在于提供一种账户识别方法及装置、电子设备和可存储介质,能够提高对原创账户的识别精度。具体技术方案如下:
在本发明实施的第一方面,首先提供了一种账户识别方法,所述方法包括:
获取目标平台存储的每一个多媒体对象的特征向量;
基于每一个多媒体对象的特征向量,确定至少一个重复关系网络,所述重复关系网络包括至少两个多媒体对象,且任意两个多媒体对象的特征向量之间的相似度大于预设值;
确定每一个重复关系网络中各多媒体对象的对象类型,所述对象类型包括原创对象和重复对象;
基于每一个重复关系网络中各多媒体对象的对象类型对每一个多媒体对象对应的账户进行评分;其中,在一个重复关系网络中,原创对象对应的账户的评分值与重复对象对应的账户的评分值不同;
根据账户的评分确定各账户是否为原创账户。
在本发明实施的第二方面,还提供了一种账户识别装置,包括:
获取模块,用于获取目标平台存储的每一个多媒体对象的特征向量;
第一确定模块,用于基于每一个多媒体对象的特征向量,确定至少一个重复关系网络,所述重复关系网络包括至少两个多媒体对象,且任意两个多媒体对象的特征向量之间的相似度大于预设值;
第二确定模块,用于确定每一个重复关系网络中各多媒体对象的对象类型,所述对象类型包括原创对象和重复对象;
评分模块,用于基于每一个重复关系网络中各多媒体对象的对象类型对每一个多媒体对象对应的账户进行评分;其中,在一个重复关系网络中,原创对象对应的账户的评分值与重复对象对应的账户的评分值不同;
第三确定模块,用于根据账户的评分确定各账户是否为原创账户。
在本发明实施的又一方面,还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一所述的账户识别方法的步骤。
在本发明实施的又一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述任一所述的账户识别方法的步骤。
在本发明实施的又一方面,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一所述的账户识别方法的步骤。
本发明实施例提供的账户识别方法,通过获取平台上的每一个多媒体对象的特征向量,从而计算得到每个多媒体对象对应的至少一个重复关系网络,从每一个重复关系网络确定出原创对象和重复对象后,基于原创对象或重复对象对应的账户进行评分,经过多次评分后能够通过各个账户的评分值,识别出原创账户和伪原创账户。这样,通过各个账户产出的多媒体对象的对象类型来对账户进行评分,进而根据账户评分来判断各账户是否为原创账户的方式,能够提高平台对原创账户的识别精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明一实施例提供的账户识别方法的流程图;
图2为本发明另一实施例提供的账户识别方法的流程图;
图3为本发明另一实施例提供的账户识别方法中重复关系图谱的示意图;
图4为本发明一实施例提供的账户识别装置的结构示意图;
图5为本发明另一实施例提供的账户识别装置的结构示意图;
图6为本发明另一实施例提供的账户识别装置的结构示意图;
图7为本发明另一实施例提供的账户识别装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行描述。
本发明实施例提供一种账户识别方法,如图1所示,所述方法包括:
步骤101:获取目标平台存储的每一个多媒体对象的特征向量;
步骤102:基于每一个多媒体对象的特征向量,确定至少一个重复关系网络,所述重复关系网络包括至少两个多媒体对象,且任意两个多媒体对象的特征向量之间的相似度大于预设值;
步骤103:确定每一个重复关系网络中各多媒体对象的对象类型,所述对象类型包括原创对象和重复对象;
步骤104:基于每一个重复关系网络中各多媒体对象的对象类型对每一个多媒体对象对应的账户进行评分;其中,在一个重复关系网络中,原创对象对应的账户的评分值与重复对象对应的账户的评分值不同;
步骤105:根据账户的评分确定各账户是否为原创账户。
本发明实施例提供的账户识别方法,通过获取平台上的每一个多媒体对象的特征向量,从而计算得到每个多媒体对象对应的至少一个重复关系网络,从每一个重复关系网络确定出原创对象和重复对象后,基于原创对象或重复对象对应的账户进行评分,经过多次评分后能够通过各个账户的评分值,识别出原创账户和伪原创账户。这样,通过各个账户产出的多媒体对象的对象类型来对账户进行评分,进而根据账户评分来判断各账户是否为原创账户的方式,能够提高平台对原创账户的识别精度。
本发明实施例中,目标平台是提供给用户查看多媒体内容的平台,每一个多媒体内容为一个多媒体对象,多媒体对象包括但不限于视频、音频、图片、文本等文件形式。
本发明实施例中,每一个多媒体对象均可以通过预设的模型转换为一组向量(embedding),每一向量可以包括代表多媒体对象的多个特征的维度,每个维度又具有在其特征中表示相应含义的向量值。
例如:多媒体对象为电影视频文件,则电影视频文件可以包括题材维度、导演维度、语言维度等等,假设视频1和视频2均为动作电影,则视频1和视频2在题材维度中的参数值相同,另外,根据题材之间的相似程度的大小与对应题材维度之间的参数值相关,假设视频3为动作电影、视频4为战争电影、视频5为文艺电影,则视频3在题材维度中的参数值与视频4在题材维度中的参数值之间的差值小于视频3在题材维度中的参数值与视频5在题材维度中的参数值之间的差值。本发明实施例中,每个维度的参数值可以处于0-1之间。
以上仅仅列举几个维度进行说明,实际上每个多媒体对象可能存在几十甚至上百个维度,但是每个维度的原理与上述举例相同,可以通过合理推导得到其他维度的关系,此处不再重复说明。
在确定目标平台上的每一个多媒体对象的特征向量之后,统一存储在特征向量库。在特征向量库中,计算每一个多媒体对象的特征向量与其他多媒体对象的特征向量之间的相似度,进而基于每一个多媒体对象确定至少一个包含该多媒体对象的重复关系网络。每个重复关系网络至少包括两个多媒体对象,同一个重复关系网络中任意两个多媒体对象的特征向量之间的相似度大于预设值。
本发明实施例中,两个特征向量之间的相似度可以是通过欧式距离算法(在欧式距离算法中两个向量终点的空间距离越近,这两个向量之间的相似度越高)计算得到,也可以是通过余弦相似度算法(在余弦相似度算法中两个向量之间的夹角越小,这两个向量之间的相似度越高)计算得出,当然,还可以是皮尔逊相关系数的方式进行计算、还可以是Tanimoto系数、马氏距离等方式进行计算,此处不作限定。
在采用余弦相似度计算两个特征向量的相似度时,重复关系网络中任意两个多媒体对象的特征向量之间的相似度为两个特征向量夹角小于10°,当然也可以是5°、7°或者11°,此处只是举例说明,并不作为限定。
在确定平台上每一个重复关系网络之后,确定每一个重复关系网络中哪个是原创对象,哪些重复对象,其中,重复对象包括搬运的原创对象、以及搬运原创对象后稍作加工的对象。在原创对象为图片时,上述加工可以理解为增裁剪图片尺寸、调整图片色彩参数(色温、对比度等)、调整显示角度等处理,此处只是举例说明。
对每一个重复关系网络中的原创对象和重复对象对应的账户进行打分,其中,同一个重复关系网络中原创对象对应的账户得到的评分值与重复对象对应的账户得到的评分值不同。这样,使得每个账户通过上传在平台上的至少一个多媒体对象得到对应的分数。
由于原创对象对应的账户的评分值与重复对象对应的账户的评分值不同,从而能够利用各个账户的评分值区分各个账户为原创账户或伪原创账户。具体的,每个账户的评分可以为该账户得到的所有评分值的平均值,通过平均值可以来确定每一个账户为原创账户或伪原创账户;另外,每个账户的评分可以为该账户得到的所有评分值的和值,通过和值也可以来确定每一个账户为原创账户或伪原创账户。
在另一可选的实施例中,如图2所示,本实施例中多媒体对象为可视化文件,所述方法包括:
步骤201:获取目标平台存储的每一个多媒体对象的特征向量;
步骤202:基于每一个多媒体对象的特征向量,确定至少一个重复关系网络,所述重复关系网络包括至少两个多媒体对象,且任意两个多媒体对象的特征向量之间的相似度大于预设值;
步骤203:获取目标重复关系网络中各多媒体对象的目标参数,所述目标重复关系网络为任一重复关系网络,所述目标参数包括可视化文件的水印参数、遮标参数、清晰度参数、上传时间参数中的至少一项;
步骤204:基于所述目标参数,确定目标重复关系网络中的原创对象,并将所述目标重复关系网络中除所述原创对象之外的对象作为重复对象;
步骤205:基于每一个重复关系网络中各多媒体对象的对象类型对每一个多媒体对象对应的账户进行评分;其中,在一个重复关系网络中,原创对象对应的账户的评分值与重复对象对应的账户的评分值不同;
步骤206:根据账户的评分确定各账户是否为原创账户。
本实施例中,可视化文件可以为视频文件、图片文件、文本文件等。
在一个重复关系网络中分别获取每一个多媒体对象的目标参数,具体的,在多媒体对象为图片且目标参数包括水印参数时,目标参数可以为图片上水印的数量信息;在多媒体对象为视频且目标参数包括清晰度参数和上传时间参数时,目标参数可以为视频的清晰度信息和上传时间点信息。
在确定同一个重复关系网络中所有的多媒体对象的目标参数之后,按照同类型参数相互比较的原则,确定原创对象,进而确定重复关系网络中除原创对象之外的其他对象为重复对象。
上述同类型参数相互比较可以理解为,在目标参数包括水印参数和上传时间参数时,多媒体对象1的水印参数与多媒体对象2的水印参数进行比较,多媒体对象1的上传时间参数与多媒体对象2的上传时间参数进行比较。在每个参数的比较过程中,可以通过评分进行区别,评分越高越有可能是原创对象。以水印参数为例:水印数量越多,多媒体对象的评分越低;又以清晰度参数为例:清晰度越高,多媒体对象的评分越高;还以上传时间参数为例:上传时间越早,多媒体对象的评分越高;还以遮标参数为例:遮标参数只指通过特定处理(比如马赛克、黑档条等)遮挡多媒体对象部分图像的数量,遮标参数越高,多媒体对象的评分越低。
通过目标参数对多媒体对象进行评分来得到各个多媒体对象的总分,同一个重复关系网络中总分最高的对象即被认定为原创对象,其余的对象作为重复对象。
以上仅仅只是通过目标参数确定原创对象和重复对象的一种可行方式的举例说明,实际还可以通过其他方式区分原创对象和重复对象,例如在目标参数包括至少两项参数时,为两项参数分配不同的权重值,每项参数对应的得分乘以对应的权重值之和为多媒体对象的总分值,进而通过各个多媒体对象的总分值来确定原创对象和重复对象。
本实施例中,利用多媒体对象为可视化对象的特点,利用目标参数来确定原创对象和重复对象的,能够提高在一个重复关系网络中对原创对象和重复对象区分的精确性。
在一可选的实施方式中,所述基于每一个多媒体对象的特征向量,确定至少一个重复关系网络的步骤,包括:
计算各多媒体对象的特征向量之间的相似度;
根据各特征向量之间的相似度,以及多媒体对象与账户之间的关联关系创建至少一个重复关系图谱,其中,每一个重复关系图谱包括一个重复关系网络、以及重复关系网络中各多媒体对象对应的账户。
本实施方式中,通过计算各多媒体对象的特征向量之间的相似度之后,创建了重复关系图谱,如图3所示,重复关系图谱中包含了重复关系网络和多媒体对象与账户之间的所属关系。
后续步骤205中与多媒体对象对应的账户即为重复关系图谱中对各多媒体文件对应的账户。
本实施方式中,通过构建重复关系图谱,能够形象化重复关系网络中各多媒体对象之间的关系和各多媒体对象与账户之间的关系,便于后续基于原创对象和重复对象各自对应的账户进行评分。
需要说明的是,计算各多媒体对象的特征向量之间的相似度;根据各特征向量之间的相似度,以及多媒体对象与账户之间的关联关系创建至少一个重复关系图谱,其中,每一个重复关系图谱包括一个重复关系网络、以及重复关系网络中各多媒体对象对应的账户。同样适用于图1所示的实施例,且具有相同的有益效果,此处不再赘述。
在另一可选的实施方式中,所述基于每一个重复关系网络中各多媒体对象的对象类型对每一个多媒体对象对应的账户进行评分的步骤,包括:
计算每一重复关系网络中多媒体对象的总数量;
对原创对象对应的账户进行评分,其中,所述原创对象对应的账户的评分值与所述原创对象对应的重复关系网络中多媒体对象的总数量成正比。
本实施方式中,对原创对象进行评分的评分值与原创对象所在的重复关系网络中多媒体对象的总数量有关,由于原创对象只会有一个,如果重复关系网络中多媒体对象的总数量越多,则可以确定重复对象越多,重复对象越多可以表示该原创对象收到用户喜爱的程度较高,因此可以将原创对象对应的账户的评分值增加,以增加该原创对象对应的账户识别为原创账户的几率,从而提高平台对原创账户的识别精度。
需要说明的是,计算每一重复关系网络中多媒体对象的总数量;对原创对象对应的账户进行评分,其中,所述原创对象对应的账户的评分值与所述原创对象对应的重复关系网络中多媒体对象的总数量成正比。同样适用于图1所示的实施例,且具有相同的有益效果,此处不再赘述。
在另一可选的实施方式中,在所述确定每一个重复关系网络中各多媒体对象的对象类型的步骤之后,还包括:
计算重复关系网络的质量参考总值,所述质量参考总值等于所述重复关系网络中各多媒体对象的质量参考值之和,所述质量参考值包括点赞数、转发数、评论数、分享数中的至少一项;
若所述质量参考总值达到预设参考值,则在所述目标平台中推广所述重复关系网络中的原创对象。
本实施方式中,在多媒体对象上传到目标平台后,可供其他用户浏览,这些用户在觉得多媒体对象有价值时会采取点赞、转发、分享或评论等方式来表达对该多媒体对象的喜爱。
通过计算重复关系网络中每一个多媒体对象的质量参考值,求和后即可得到重复关系网络的质量参考总值,若质量参考总值达到预设参考值,可以认为该重复关系网络受到用户的喜爱程度较高。
又由于同一重复关系网络中任意两个多媒体文件的特征向量之间的相似度高,从而可以认定原创对象受到用户喜爱的概率较高。本实施方式中,通过对质量参考总值达到预设参考的重复关系网络中的原创对象进行推广,既能够达到为用户推送优质多媒体对象以吸引用户的目的,又能够起到鼓励原创的效果。
如图4所示,本发明实施例还提供一种账户识别装置400,包括:
获取模块410,用于获取目标平台存储的每一个多媒体对象的特征向量;
第一确定模块420,用于基于每一个多媒体对象的特征向量,确定至少一个重复关系网络,所述重复关系网络包括至少两个多媒体对象,且任意两个多媒体对象的特征向量之间的相似度大于预设值;
第二确定模块430,用于确定每一个重复关系网络中各多媒体对象的对象类型,所述对象类型包括原创对象和重复对象;
评分模块440,用于基于每一个重复关系网络中各多媒体对象的对象类型对每一个多媒体对象对应的账户进行评分;其中,在一个重复关系网络中,原创对象对应的账户的评分值大于重复对象对应的账户的评分值;
第三确定模块450,用于根据账户的评分确定各账户是否为原创账户。
可选的,如图5所示,所述第一确定模块420,包括:
计算单元421,用于计算各多媒体对象的特征向量之间的相似度;
创建单元422,用于根据各特征向量之间的相似度,以及多媒体对象与账户之间的关联关系创建至少一个重复关系图谱,其中,每一个重复关系图谱包括一个重复关系网络、以及重复关系网络中各多媒体对象对应的账户。
可选的,所述多媒体对象包括可视化文件;如图6所示,所述第二确定模块430,包括:
获取单元431,用于获取目标重复关系网络中各多媒体对象的目标参数,所述目标重复关系网络为任一重复关系网络,所述目标参数包括可视化文件的水印参数、遮标参数、清晰度参数、上传时间参数中的至少一项;
确定单元432,用于基于所述目标参数,确定目标重复关系网络中的原创对象,并将所述目标重复关系网络中除所述原创对象之外的对象作为重复对象。
可选的,所述评分模块440,包括:
计算单元,用于计算每一重复关系网络中多媒体对象的总数量;
评分单元,用于对原创对象对应的账户进行评分,其中,所述原创对象对应的账户的评分值与所述原创对象对应的重复关系网络中多媒体对象的总数量成正比。
可选的,账户识别装置400,还包括:
计算模块,用于计算重复关系网络的质量参考总值,所述质量参考总值等于所述重复关系网络中各多媒体对象的质量参考值之和,所述质量参考值包括点赞数、转发数、评论数、分享数中的至少一项;
推广模块,用于若所述质量参考总值达到预设参考值,则在所述目标平台中推广所述重复关系网络中的原创对象。
发明实施例的账户识别装置400能够实现图1至图3的方法实施例中账户识别方法实现的各个过程,为避免重复,这里不再赘述。
本发明实施例的账户识别装置400,能够提高平台对原创账户的识别精度。
本发明实施例还提供了一种电子设备,如图7所示,包括处理器701、通信接口702、存储器703和通信总线704,其中,处理器701,通信接口702,存储器703通过通信总线704完成相互间的通信,
存储器703,用于存放计算机程序;
处理器701,用于执行存储器703上所存放的程序时,实现如下步骤:
获取目标平台存储的每一个多媒体对象的特征向量;
基于每一个多媒体对象的特征向量,确定至少一个重复关系网络,所述重复关系网络包括至少两个多媒体对象,且任意两个多媒体对象的特征向量之间的相似度大于预设值;
确定每一个重复关系网络中各多媒体对象的对象类型,所述对象类型包括原创对象和重复对象;
基于每一个重复关系网络中各多媒体对象的对象类型对每一个多媒体对象对应的账户进行评分;其中,在一个重复关系网络中,原创对象对应的账户的评分值与重复对象对应的账户的评分值不同;
根据账户的评分确定各账户是否为原创账户。
可选的,所述基于每一个多媒体对象的特征向量,确定至少一个重复关系网络的步骤,包括:
计算各多媒体对象的特征向量之间的相似度;
根据各特征向量之间的相似度,以及多媒体对象与账户之间的关联关系创建至少一个重复关系图谱,其中,每一个重复关系图谱包括一个重复关系网络、以及重复关系网络中各多媒体对象对应的账户。
可选的,所述多媒体对象包括可视化文件;所述确定每一个重复关系网络中各多媒体对象的对象类型的步骤,包括:
获取目标重复关系网络中各多媒体对象的目标参数,所述目标重复关系网络为任一重复关系网络,所述目标参数包括可视化文件的水印参数、遮标参数、清晰度参数、上传时间参数中的至少一项;
基于所述目标参数,确定目标重复关系网络中的原创对象,并将所述目标重复关系网络中除所述原创对象之外的对象作为重复对象。
可选的,所述基于每一个重复关系网络中各多媒体对象的对象类型对每一个多媒体对象对应的账户进行评分的步骤,包括:
计算每一重复关系网络中多媒体对象的总数量;
对原创对象对应的账户进行评分,其中,所述原创对象对应的账户的评分值与所述原创对象对应的重复关系网络中多媒体对象的总数量成正比。
可选的,在所述确定每一个重复关系网络中各多媒体对象的对象类型的步骤之后,还包括:
计算重复关系网络的质量参考总值,所述质量参考总值等于所述重复关系网络中各多媒体对象的质量参考值之和,所述质量参考值包括点赞数、转发数、评论数、分享数中的至少一项;
若所述质量参考总值达到预设参考值,则在所述目标平台中推广所述重复关系网络中的原创对象。
上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的账户识别方法的步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的账户识别方法的步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (7)
1.一种账户识别方法,其特征在于,所述方法包括:
获取目标平台存储的每一个多媒体对象的特征向量;
基于每一个多媒体对象的特征向量,确定至少一个重复关系网络,所述重复关系网络包括至少两个多媒体对象,且任意两个多媒体对象的特征向量之间的相似度大于预设值;
确定每一个重复关系网络中各多媒体对象的对象类型,所述对象类型包括原创对象和重复对象;
基于每一个重复关系网络中各多媒体对象的对象类型对每一个多媒体对象对应的账户进行评分;其中,在一个重复关系网络中,原创对象对应的账户的评分值与重复对象对应的账户的评分值不同;
根据账户的评分确定各账户是否为原创账户;
所述多媒体对象包括可视化文件;所述确定每一个重复关系网络中各多媒体对象的对象类型的步骤,包括:
获取目标重复关系网络中各多媒体对象的目标参数,所述目标重复关系网络为任一重复关系网络,所述目标参数包括可视化文件的水印参数、遮标参数、清晰度参数、上传时间参数中的至少一项;
基于所述目标参数,确定目标重复关系网络中的原创对象,并将所述目标重复关系网络中除所述原创对象之外的对象作为重复对象;
所述基于每一个重复关系网络中各多媒体对象的对象类型对每一个多媒体对象对应的账户进行评分的步骤,包括:
计算每一重复关系网络中多媒体对象的总数量;
对原创对象对应的账户进行评分,其中,所述原创对象对应的账户的评分值与所述原创对象对应的重复关系网络中多媒体对象的总数量成正比。
2.根据权利要求1所述的方法,其特征在于,所述基于每一个多媒体对象的特征向量,确定至少一个重复关系网络的步骤,包括:
计算各多媒体对象的特征向量之间的相似度;
根据各特征向量之间的相似度,以及多媒体对象与账户之间的关联关系创建至少一个重复关系图谱,其中,每一个重复关系图谱包括一个重复关系网络、以及重复关系网络中各多媒体对象对应的账户。
3.根据权利要求1所述的方法,其特征在于,在所述确定每一个重复关系网络中各多媒体对象的对象类型的步骤之后,还包括:
计算重复关系网络的质量参考总值,所述质量参考总值等于所述重复关系网络中各多媒体对象的质量参考值之和,所述质量参考值包括点赞数、转发数、评论数、分享数中的至少一项;
若所述质量参考总值达到预设参考值,则在所述目标平台中推广所述重复关系网络中的原创对象。
4.一种账户识别装置,其特征在于,包括:
获取模块,用于获取目标平台存储的每一个多媒体对象的特征向量;
第一确定模块,用于基于每一个多媒体对象的特征向量,确定至少一个重复关系网络,所述重复关系网络包括至少两个多媒体对象,且任意两个多媒体对象的特征向量之间的相似度大于预设值;
第二确定模块,用于确定每一个重复关系网络中各多媒体对象的对象类型,所述对象类型包括原创对象和重复对象;
评分模块,用于基于每一个重复关系网络中各多媒体对象的对象类型对每一个多媒体对象对应的账户进行评分;其中,在一个重复关系网络中,原创对象对应的账户的评分值与重复对象对应的账户的评分值不同;
第三确定模块,用于根据账户的评分确定各账户是否为原创账户;
所述多媒体对象包括可视化文件;所述第二确定模块,包括:
获取单元,用于获取目标重复关系网络中各多媒体对象的目标参数,所述目标重复关系网络为任一重复关系网络,所述目标参数包括可视化文件的水印参数、遮标参数、清晰度参数、上传时间参数中的至少一项;
确定单元,用于基于所述目标参数,确定目标重复关系网络中的原创对象,并将所述目标重复关系网络中除所述原创对象之外的对象作为重复对象;
所述评分模块,包括:
计算单元,用于计算每一重复关系网络中多媒体对象的总数量;
评分单元,用于对原创对象对应的账户进行评分,其中,所述原创对象对应的账户的评分值与所述原创对象对应的重复关系网络中多媒体对象的总数量成正比。
5.根据权利要求4所述的账户识别装置,其特征在于,所述第一确定模块,包括:
计算单元,用于计算各多媒体对象的特征向量之间的相似度;
创建单元,用于根据各特征向量之间的相似度,以及多媒体对象与账户之间的关联关系创建至少一个重复关系图谱,其中,每一个重复关系图谱包括一个重复关系网络、以及重复关系网络中各多媒体对象对应的账户。
6.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-3任一所述的账户识别方法的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-3中任一所述的账户识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010208966.XA CN111429294B (zh) | 2020-03-23 | 2020-03-23 | 账户识别方法及装置、电子设备和可存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010208966.XA CN111429294B (zh) | 2020-03-23 | 2020-03-23 | 账户识别方法及装置、电子设备和可存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111429294A CN111429294A (zh) | 2020-07-17 |
CN111429294B true CN111429294B (zh) | 2024-03-05 |
Family
ID=71549388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010208966.XA Active CN111429294B (zh) | 2020-03-23 | 2020-03-23 | 账户识别方法及装置、电子设备和可存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111429294B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109151521A (zh) * | 2018-10-15 | 2019-01-04 | 北京字节跳动网络技术有限公司 | 一种用户原创值获取方法、装置、服务器及存储介质 |
CN110032859A (zh) * | 2018-12-25 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 异常帐户鉴别方法与装置及介质 |
CN110443007A (zh) * | 2019-07-02 | 2019-11-12 | 北京瑞卓喜投科技发展有限公司 | 一种多媒体数据的溯源检测方法、装置及设备 |
CN110795658A (zh) * | 2019-09-25 | 2020-02-14 | 北京三快在线科技有限公司 | 用户评分方法、装置、电子设备及计算机存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018112280A1 (en) * | 2016-12-14 | 2018-06-21 | Interactive Intelligence Group, Inc. | System and method for social behavior mapping |
-
2020
- 2020-03-23 CN CN202010208966.XA patent/CN111429294B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109151521A (zh) * | 2018-10-15 | 2019-01-04 | 北京字节跳动网络技术有限公司 | 一种用户原创值获取方法、装置、服务器及存储介质 |
CN110032859A (zh) * | 2018-12-25 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 异常帐户鉴别方法与装置及介质 |
CN110443007A (zh) * | 2019-07-02 | 2019-11-12 | 北京瑞卓喜投科技发展有限公司 | 一种多媒体数据的溯源检测方法、装置及设备 |
CN110795658A (zh) * | 2019-09-25 | 2020-02-14 | 北京三快在线科技有限公司 | 用户评分方法、装置、电子设备及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111429294A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416028B (zh) | 一种搜索内容资源的方法、装置及服务器 | |
CN107590255B (zh) | 信息推送方法和装置 | |
CN106339507B (zh) | 流媒体消息推送方法和装置 | |
CN108335131B (zh) | 一种预估用户年龄段的方法、装置及电子设备 | |
CN111046230B (zh) | 内容推荐方法及装置、电子设备和可存储介质 | |
CN113688310A (zh) | 一种内容推荐方法、装置、设备及存储介质 | |
CN108345700B (zh) | 文章代表图片的选取方法、装置和计算机设备 | |
CN111027412A (zh) | 一种人体关键点识别方法、装置及电子设备 | |
CN111145202B (zh) | 模型生成方法、图像处理方法、装置、设备及存储介质 | |
CN110287361B (zh) | 一种人物图片筛选方法及装置 | |
CN113076961B (zh) | 一种图像特征库更新方法、图像检测方法和装置 | |
WO2021083110A1 (zh) | 载体对象处理和水印嵌入方法、装置及电子设备 | |
CN113160042A (zh) | 一种图像风格迁移模型训练方法、装置及电子设备 | |
CN111429294B (zh) | 账户识别方法及装置、电子设备和可存储介质 | |
CN110427496B (zh) | 用于文本处理的知识图谱扩充方法及装置 | |
JP7192990B2 (ja) | 学習装置、検索装置、学習方法、検索方法、学習プログラム、及び検索プログラム | |
US20180143988A1 (en) | Recommending Software Actions to Create an Image and Recommending Images to Demonstrate the Effects of Software Actions | |
CN116258873A (zh) | 一种位置信息确定方法、对象识别模型的训练方法及装置 | |
CN113342626B (zh) | 内容处理方法、装置、电子设备及存储介质 | |
CN113223184B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN111026913B (zh) | 一种视频分发方法、装置、电子设备及存储介质 | |
CN111708908B (zh) | 视频标签的添加方法及装置、电子设备、计算机可读存储介质 | |
CN115393756A (zh) | 一种基于视觉图像的水印识别方法、装置、设备及介质 | |
CN110704679B (zh) | 视频分类方法、装置及电子设备 | |
CN110781345B (zh) | 视频描述生成模型的获取方法、视频描述生成方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |