-
公开(公告)号:CN117221442A
公开(公告)日:2023-12-12
申请号:CN202311232143.0
申请日:2023-09-21
Applicant: 中国联合网络通信有限公司广东省分公司
IPC: H04M3/22 , H04M3/36 , G06N3/042 , G06N3/0442 , G06N3/048
Abstract: 本发明提供一种基于动态图神经网络的用户识别方法,包括:利用通信网络的节点和边构建邻域;在所述邻域上,利用图注意力网络学习用户的拓扑结构特征;根据所述拓扑结构特征,利用门控循环单元学习时序特征;将所述时序特征输入多层感知机中,以对用户进行识别,判断用户为异常用户或正常用户。通过图注意力网络学习拓扑结构特征,并通过门控循环单元学习时序特征,可以更全面地挖掘用户的当前和历史通话行为和社交关系特征,从而能够更加快速精确地区分异常用户和正常用户;通过多层感知机对节点和边分别进行预测以对用户进行识别,使得节点和边相互验证,提高了用户识别的准确性,解决了现有用户识别方法识别速度和准确性较差的问题。
-
公开(公告)号:CN117176857A
公开(公告)日:2023-12-05
申请号:CN202311232160.4
申请日:2023-09-21
Applicant: 中国联合网络通信有限公司广东省分公司
Abstract: 本发明提供一种用户识别方法,包括:搭建用户识别模型,所述用户识别模型包括多个场景,每一场景具有一分类MLP;获取待识别用户的用户特征;将用户特征与用户识别模型中的场景进行匹配,以得到与用户特征所匹配的场景;利用该场景的分类MLP对待识别用户进行识别,以判断待识别用户为正常用户或诈骗用户。通过对用户特征与用户识别模型中的场景匹配,并利用该场景的分类MLP对待识别用户进行识别,不仅使得用户识别模型中包含了大量的用户特征,还使得在对用户识别时能够针对不同用户之间的明显标签特征进行识别,提高了用户识别的效率和准确性,解决了现有用户识别效率低且准确性较差的问题。
-
公开(公告)号:CN117201672A
公开(公告)日:2023-12-08
申请号:CN202311232155.3
申请日:2023-09-21
Applicant: 中国联合网络通信有限公司广东省分公司
Abstract: 本发明提供一种基于时空模型的用户识别方法,包括:构造用户的时间特征;根据所述时间特征,利用多层感知机对用户进行粗过滤,以滤除大部分的正常用户;获取粗过滤后的用户的邻居节点,并利用所述邻居节点获取用户的拓扑结构特征;利用所述时间特征和所述拓扑结构特征对用户进行精分类,以识别用户为正常用户或诈骗用户。通过粗过滤能够降低诈骗用户与正常用户之间的不平衡比例;通过获取拓扑结构特征能够有效处理大量的用户数据;通过精分类能够提高用户识别的实时性和准确性,解决了现有用户识别准确度较低的问题。
-
-