一种识别目标用户的方法和装置与流程

本发明涉及计算机技术领域，尤其涉及一种识别目标用户的方法和装置。

背景技术：

目前，互联网电商行业中充斥着大量的黄牛用户，所谓黄牛用户，是指那些专职寻找电商网站购物流程漏洞，大量购买低价商品谋取暴利的人群。为了应对这些恶意谋取私利的黄牛用户，各大电商网站采取了各种风险控制机制进行抵御，以限制某个用户或某个ip地址的下单次数或频率为主要手段。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

通常有组织的黄牛群体，其购物行为和促销敏感型用户的购物行为极其一致，很难进行精确区分；另外，下单次数或频率的阈值也很难给出科学的定义，阈值太高无法达到抵御黄牛用户的目的，而阈值太低又会损害正常用户的利益。

技术实现要素：

有鉴于此，本发明实施例提供一种识别目标用户的方法和装置，以解决无法准确地识别目标用户的技术问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种识别目标用户的方法，包括：

根据订单数据和物流数据构建关系图谱；其中，所述关系图谱包括用户实体和站点实体，并且所述用户实体与所述站点实体相连；

根据目标站点与其他各个站点之间的位置关系和所述关系图谱，计算与所述目标站点相连的各个用户的节点度；其中，所述目标站点为任意一个站点；

根据所述各个用户的节点度，从所述各个用户中筛选出目标用户。

可选地，根据订单数据和物流数据构建关系图谱，包括：

获取订单数据以及与所述订单数据关联的物流数据，从所述订单数据和所述物流数据中提取出各组实体数据；

根据所述各组实体数据构建关系图谱；

其中，每组实体数据包括用户信息、用户所购物品信息和站点信息；在所述关系图谱中，所述用户实体与所述站点实体相连的边表示用户所购物品，所述边的属性值表示用户所购物品的数量。

可选地，根据目标站点与其他各个站点之间的位置关系和所述关系图谱，计算与所述目标站点相连的各个用户的节点度，包括：

根据目标站点与其他各个站点之间的位置关系，确定所述目标站点的各级临近站点，分别计算所述各级临近站点到所述目标站点的平均距离；

对于每个用户，采用如下方法计算所述用户的节点度：

根据所述各级临近站点到所述目标站点的平均距离和各个临近站点到所述目标站点的距离，分别计算所述各个临近站点的权值；

根据所述用户与所述目标站点相连的边的属性值，所述各个临近站点的权值以及所述用户与所述各个临近站点相连的边的属性值，计算所述用户的节点度。

可选地，根据目标站点与其他各个站点之间的位置关系，确定所述目标站点的各级临近站点，包括：

将直接与目标站点相邻的站点作为一级临近站点，将间接与目标站点相邻的站点作为二级临近站点。

可选地，根据所述各级临近站点到所述目标站点的平均距离和各个临近站点到所述目标站点的距离，分别计算所述各个临近站点的权值，包括：

对于每个临近站点，采用如下方法计算所述临近站点的权重：

确定所述临近站点的所属站点级数；

基于sigmoid函数对所述临近站点到目标站点的距离和所述临近站点的所属站点级数的各个临近站点到目标站点的平均距离进行求解，得到距离系数；

根据所述距离系数和所述临近站点的所属站点级数，计算所述临近站点的权值。

可选地，通过以下公式计算各个临近站点的权值wi：

其中，n表示临近站点的级数，kn表示n级临近站点到目标站点的平均距离，ki表示临近站点i到目标站点的距离。

可选地，根据所述用户与所述目标站点相连的边的属性值，所述各个临近站点的权值以及所述用户与所述各个临近站点相连的边的属性值，计算所述用户的节点度，包括：

对所述各个临近站点的权值以及所述用户与所述各个临近站点相连的边的属性值进行加权求和，得到临近属性值；

所述用户与所述目标站点相连的边的属性值，与所述临近属性值相加，得到所述用户的节点度。

可选地，根据所述各个用户的节点度，从所述各个用户中筛选出目标用户，包括：

根据所述各个用户的节点度，计算所述各个用户的节点度标准差；

根据所述节点度标准差设置节点度阈值，遍历所述各个用户的节点度，筛选出节点度大于所述节点度阈值的目标用户。

可选地，根据所述各个用户的节点度，从所述各个用户中筛选出目标用户之后，还包括：

从数据库中筛选出与所述目标用户的所处地理区域、所购物品均相同的特征用户；

分别获取所述特征用户的会话数据和所述目标用户的会话数据；

计算所述特征用户的会话数据和所述目标用户的会话数据之间的相似度，若所述相似度大于相似度阈值，则将所述目标用户标记为特征用户。

可选地，计算所述特征用户的会话数据和所述目标用户的会话数据之间的相似度，包括：

根据所述特征用户的会话数据和所述目标用户的会话数据，分别构建所述特征用户的行为序列和所述目标用户的行为序列；

分别将所述特征用户的行为序列和所述目标用户的行为序列转换为所述特征用户的行为向量和所述目标用户的行为向量；

计算所述特征用户的行为向量和所述目标用户的行为向量之间的相似度。

可选地，分别将所述特征用户的行为序列和所述目标用户的行为序列转换为所述特征用户的行为向量和所述目标用户的行为向量，包括：

通过词向量计算工具分别将所述特征用户的行为序列和所述目标用户的行为序列转换为所述特征用户的各个行为对应的词向量和所述目标用户的各个行为对应的词向量；

将所述特征用户的各个行为对应的词向量相加得到所述特征用户的行为向量，以及，将所述目标用户的各个行为对应的词向量相加得到所述目标用户的行为向量。

另外，根据本发明实施例的另一个方面，提供了一种识别目标用户的装置，包括：

构建模块，用于根据订单数据和物流数据构建关系图谱；其中，所述关系图谱包括用户实体和站点实体，并且所述用户实体与所述站点实体相连；

计算模块，用于根据目标站点与其他各个站点之间的位置关系和所述关系图谱，计算与所述目标站点相连的各个用户的节点度；其中，所述目标站点为任意一个站点；

识别模块，用于根据所述各个用户的节点度，从所述各个用户中筛选出目标用户。

可选地，所述构建模块还用于：

获取订单数据以及与所述订单数据关联的物流数据，从所述订单数据和所述物流数据中提取出各组实体数据；

根据所述各组实体数据构建关系图谱；

其中，每组实体数据包括用户信息、用户所购物品信息和站点信息；在所述关系图谱中，所述用户实体与所述站点实体相连的边表示用户所购物品，所述边的属性值表示用户所购物品的数量。

可选地，所述计算模块还用于：

根据目标站点与其他各个站点之间的位置关系，确定所述目标站点的各级临近站点，分别计算所述各级临近站点到所述目标站点的平均距离；

对于每个用户，采用如下方法计算所述用户的节点度：

根据所述各级临近站点到所述目标站点的平均距离和各个临近站点到所述目标站点的距离，分别计算所述各个临近站点的权值；

根据所述用户与所述目标站点相连的边的属性值，所述各个临近站点的权值以及所述用户与所述各个临近站点相连的边的属性值，计算所述用户的节点度。

可选地，所述计算模块还用于：

将直接与目标站点相邻的站点作为一级临近站点，将间接与目标站点相邻的站点作为二级临近站点。

可选地，所述计算模块还用于：

对于每个临近站点，采用如下方法计算所述临近站点的权重：

确定所述临近站点的所属站点级数；

基于sigmoid函数对所述临近站点到目标站点的距离和所述临近站点的所属站点级数的各个临近站点到目标站点的平均距离进行求解，得到距离系数；

根据所述距离系数和所述临近站点的所属站点级数，计算所述临近站点的权值。

可选地，所述计算模块还用于：

通过以下公式计算各个临近站点的权值wi：

其中，n表示临近站点的级数，kn表示n级临近站点到目标站点的平均距离，ki表示临近站点i到目标站点的距离。

可选地，所述计算模块还用于：

对所述各个临近站点的权值以及所述用户与所述各个临近站点相连的边的属性值进行加权求和，得到临近属性值；

所述用户与所述目标站点相连的边的属性值，与所述临近属性值相加，得到所述用户的节点度。

可选地，所述识别模块还用于：

根据所述各个用户的节点度，计算所述各个用户的节点度标准差；

根据所述节点度标准差设置节点度阈值，遍历所述各个用户的节点度，筛选出节点度大于所述节点度阈值的目标用户。

可选地，所述识别模块还用于：

根据所述各个用户的节点度，从所述各个用户中筛选出目标用户之后，从数据库中筛选出与所述目标用户的所处地理区域、所购物品均相同的特征用户；

分别获取所述特征用户的会话数据和所述目标用户的会话数据；

计算所述特征用户的会话数据和所述目标用户的会话数据之间的相似度，若所述相似度大于相似度阈值，则将所述目标用户标记为特征用户。

可选地，所述识别模块还用于：

根据所述特征用户的会话数据和所述目标用户的会话数据，分别构建所述特征用户的行为序列和所述目标用户的行为序列；

分别将所述特征用户的行为序列和所述目标用户的行为序列转换为所述特征用户的行为向量和所述目标用户的行为向量；

计算所述特征用户的行为向量和所述目标用户的行为向量之间的相似度。

可选地，所述识别模块还用于：

通过词向量计算工具分别将所述特征用户的行为序列和所述目标用户的行为序列转换为所述特征用户的各个行为对应的词向量和所述目标用户的各个行为对应的词向量；

将所述特征用户的各个行为对应的词向量相加得到所述特征用户的行为向量，以及，将所述目标用户的各个行为对应的词向量相加得到所述目标用户的行为向量。

根据本发明实施例的另一个方面，还提供了一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一实施例所述的方法。

根据本发明实施例的另一个方面，还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的方法。

上述发明中的一个实施例具有如下优点或有益效果：因为采用根据目标站点与其他各个站点之间的位置关系和关系图谱，计算与目标站点相连的各个用户的节点度，从而筛选出目标用户的技术手段，所以克服了现有技术中无法准确地识别目标用户的技术问题。本发明实施例通过构建的用户-站点关系图谱，并结合站点之间的位置关系，计算出各个用户的节点度，从而筛选出目标用户，以保证后续步骤在识别目标用户是否为特征用户时能够提高计算效率，并且在保证准确率的前提下尽可能地减少计算资源消耗。接着，通过已被证实的黄牛用户行为作为对照，对目标用户的会话数据进行向量化编码和相似度计算，从而计算出目标用户与真实黄牛用户行为的相似度，以达到识别黄牛用户的目标。因此，本发明实施例还解决了黄牛用户群体识别过程中的多账号注册并发刷单和海量用户行为计算优化等技术问题，而且能够较为准确地识别出特征用户，并且能够在线上环境中快速高效的实现。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的识别目标用户的方法的主要流程的示意图；

图2是本发明实施例的关系图谱的示意图；

图3是本发明实施例的各个站点的位置示意图；

图4是根据本发明一个可参考实施例的识别目标用户的方法的主要流程的示意图；

图5是根据本发明实施例的识别目标用户的装置的主要模块的示意图；

图6是本发明实施例可以应用于其中的示例性系统架构图；

图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明实施例的识别目标用户的方法的主要流程的示意图。作为本发明的一个实施例，如图1所示，所述识别目标用户的方法可以包括：

步骤101，根据订单数据和物流数据构建关系图谱。

黄牛用户虽然在下单过程中会出现注册多个账号、伪造ip地址等操作，但为了将购买的商品汇聚，最终所购商品会到达同一个配送站点或地理位置接近的配送站点，因此本发明实施例根据订单数据和物流数据构建关系图谱，所述关系图谱包括用户实体和站点实体，并且所述用户实体与所述站点实体相连，以便于在后续步骤中基于所述关系图谱准确地识别出目标用户(即潜在的黄牛用户)。

可选地，步骤101可以包括：获取订单数据以及与所述订单数据关联的物流数据，从所述订单数据和所述物流数据中提取出各组实体数据；根据所述各组实体数据构建关系图谱。其中，每组实体数据包括用户信息、用户所购物品信息和站点信息；在所述关系图谱中，所述用户实体与所述站点实体相连的边表示用户所购物品，所述边的属性值表示用户所购物品的数量。具体地，可以从数据库中获取订单数据和各个订单对应的物流数据，并这些数据中提取出多组实体数据，通常来说，一个订单数据及其关联的物流数据构成一组实体数据。基于提取出的各组实体数据构建关系图谱，如图2所示，关系图谱中的节点表示用户实体或者站点实体，连接用户实体与站点实体的边表示用户所购物品，并且将所购物品的数量作为边的属性值。例如用户a与站点1之间的边表示用户a购买了两个物品a，并且由站点1完成配送任务。

需要指出的是，一条边代表一种物品，如果用户所购物品为多种，可以在用户实体与站点实体之间连接多条边。在本发明的实施例中，一种物品既可以是一个sku，也可以是一个品类。

步骤102，根据目标站点与其他各个站点之间的位置关系和所述关系图谱，计算与所述目标站点相连的各个用户的节点度。

以所有站点中的任意一个站点作为目标站点，根据所述目标站点与其他各个站点之间的位置关系和步骤101中得到的关系图谱，计算与所述目标站点相连的各个用户的节点度。可选地，步骤102可以包括：根据目标站点与其他各个站点之间的位置关系，确定所述目标站点的各级临近站点，分别计算所述各级临近站点到所述目标站点的平均距离；基于所述各级临近站点到所述目标站点的平均距离和所述关系图谱，分别计算每个用户的节点度。

例如，首先获取各个站点的物理位置，得到各个站点的分布图；然后，定义任意一个站点为目标站点，根据目标站点与其他各个站点之间的位置关系，确定所述目标站点的各级临近站点。如图3所示，可以将直接与目标站点相邻的站点作为一级临近站点，将间接与目标站点相邻的站点作为二级临近站点，并求出一级临近站点与目标站点的平均距离k1、二级临近站点与目标站点的平均距离k2。

可选地，对于每个用户，采用如下方法计算所述用户的节点度：

根据所述各级临近站点到所述目标站点的平均距离和各个临近站点到所述目标站点的距离，分别计算所述各个临近站点的权值；根据所述用户与所述目标站点相连的边的属性值，所述各个临近站点的权值以及所述用户与所述各个临近站点相连的边的属性值，计算所述用户的节点度。在本发明的实施例中，通过对各个临近站点的权值和用户所购物品的数量进行加权求和，可以准确地计算出用户的节点度，从而能够准确地识别出目标用户。

可选地，根据所述各级临近站点到所述目标站点的平均距离和各个临近站点到所述目标站点的距离，分别计算所述各个临近站点的权值，包括：对于每个临近站点，采用如下方法计算所述临近站点的权重：确定所述临近站点的所属站点级数；基于sigmoid函数对所述临近站点到目标站点的距离和所述临近站点的所属站点级数的各个临近站点到目标站点的平均距离进行求解，得到距离系数；根据所述距离系数和所述临近站点的所属站点级数，计算所述临近站点的权值。通过这种方式可以准确地确定各个临近站点的权重，从而可以准确地计算出用户的节点度。

可选地，通过以下公式计算各个临近站点的权值wi：

其中，n表示临近站点的级数，kn表示n级临近站点到目标站点的平均距离，ki表示临近站点i到目标站点的距离。

以图3为例，n∈{1,2}，那么：

一级临近站点的权值

二级临近站点的权值

可选地，根据所述用户与所述目标站点相连的边的属性值，所述各个临近站点的权值以及所述用户与所述各个临近站点相连的边的属性值，计算所述用户的节点度，包括：对所述各个临近站点的权值以及所述用户与所述各个临近站点相连的边的属性值进行加权求和，得到临近属性值；所述用户与所述目标站点相连的边的属性值，与所述临近属性值相加，得到所述用户的节点度。

可选地，当前目标站点下，与该目标站点相连的每个用户的节点度可以采用以下公式计算：

du＝val(edge)目标站点+(∑一级临近站点val(edge)*w1)+(∑二级临近站点val(edge)*w2)

步骤103，根据所述各个用户的节点度，从所述各个用户中筛选出目标用户。

基于步骤102的计算得到各个用户的节点度后，从中筛选出目标用户，也就是潜在风险用户，这些目标用户即为潜在的黄牛用户。可选地，步骤103可以包括：根据所述各个用户的节点度，计算所述各个用户的节点度标准差；根据所述节点度标准差设置节点度阈值，遍历所述各个用户的节点度，筛选出节点度大于所述节点度阈值的目标用户。可选地，可以采用以下公式计算节点度标准差σ：

其中，n为用户数量，dui为第i个用户的节点度，μ为所有用户节点度的算术平均值。

例如，将节点度大于5个标准差σ的用户作为当前目标节点的目标用户(即潜在风险用户)。通过设置节点度阈值可以筛选出多个目标用户，从而得到目标用户群体，然后通过进一步的计算，从目标用户群体中识别出特征用户(即黄牛用户)。

在该实施例中，先识别出目标用户，会大大减少后续用户特征提取的计算量，使得能够高效地进行接下来的黄牛用户识别。

依次将每个站点作为目标站点进行遍历，重复执行步骤102和步骤103，可以计算得到每个站点对应的目标用户，从而可以得到某个地理区域内的目标用户。需要指出的是，本发明实施例提供的方法还带有物品划分属性，由于一条边代表一种物品，并且一种物品既可以是一个sku，也可以是一个品类，因此可以根据需要得到不同物品或者不同品类对应的潜在风险用户。

根据上面所述的各种实施例，可以看出本发明通过根据目标站点与其他各个站点之间的位置关系和关系图谱，计算与目标站点相连的各个用户的节点度，从而筛选出目标用户的技术手段，解决了现有技术中无法准确地识别目标用户的技术问题。本发明实施例通过构建的用户-站点关系图谱，并结合站点之间的位置关系，计算出各个用户的节点度，从而筛选出目标用户(也就是潜在风险用户)，以保证后续步骤在识别目标用户是否为特征用户时能够提高计算效率，并且在保证准确率的前提下尽可能地减少计算资源消耗。

图4是根据本发明一个可参考实施例的识别目标用户的方法的主要流程的示意图。作为本发明的一个可参考实施例，如图4所示，所述识别目标用户的方法可以包括：

步骤401，根据订单数据和物流数据构建关系图谱。

本发明实施例根据订单数据和物流数据构建关系图谱，所述关系图谱包括用户实体和站点实体，并且所述用户实体与所述站点实体相连，以便于在后续步骤中基于所述关系图谱准确地识别出目标用户。

步骤402，根据目标站点与其他各个站点之间的位置关系和所述关系图谱，计算与所述目标站点相连的各个用户的节点度。

以所有站点中的任意一个站点作为目标站点，根据所述目标站点与其他各个站点之间的位置关系和步骤401中得到的关系图谱，计算与所述目标站点相连的各个用户的节点度。

步骤403，根据所述各个用户的节点度，计算所述各个用户的节点度标准差，遍历所述各个用户的节点度，筛选出节点度大于节点度阈值的目标用户。

可以根据所述节点度标准差设置节点度阈值，用于筛选目标用户，这些目标用户是潜在风险用户，即潜在的黄牛用户，还需要通过步骤404-408进一步识别这些目标用户是否为黄牛用户。

步骤404，从数据库中筛选出与所述目标用户的所处地理区域、所购物品均相同的特征用户。

通常来说，为达到同一目的而注册的多个黄牛账号，其购物行为在时序上具有相似性，因此本发明实施例筛选出与目标用户所处地理区域相同并且所购物品也相同的特征用户(即黄牛用户)。在数据库中这些特征用户已被标记为黄牛用户，以此来判断目标用户是否为黄牛用户，以提高识别准确性。

步骤405，分别获取所述特征用户的会话数据和所述目标用户的会话数据。

由于数据库中的特征用户是已经通过某种途径确认身份的真实黄牛用户，那么分别获取所述特征用户的会话数据和目标用户的会话数据。本发明实施例将用户进入电商网站开始，到下单或离开页面为止，记做一次会话(session)，通常情况下，对于黄牛用户来说，同一会话内的用户行为更具相似性，可以基于此准确地识别出是否为黄牛用户。

步骤406，计算所述特征用户的会话数据和所述目标用户的会话数据之间的相似度。

在该步骤中，先对所述特征用户的会话数据和所述目标用户的会话数据进行特征提取，然后计算两组特征之间的相似度，相似度用于判断所述目标用户是否为特征用户。

可选地，计算所述特征用户的会话数据和所述目标用户的会话数据之间的相似度，包括：根据所述特征用户的会话数据和所述目标用户的会话数据，分别构建所述特征用户的行为序列和所述目标用户的行为序列；分别将所述特征用户的行为序列和所述目标用户的行为序列转换为所述特征用户的行为向量和所述目标用户的行为向量；计算所述特征用户的行为向量和所述目标用户的行为向量之间的相似度。

本发明实施例在一个会话内构建用户行为序列，表示为{(渠道,动作,商品)}。例如：用户在搜索页搜索了商品a，然后从列表页点击进入商详页，多次浏览商详信息后进入购物车页，然后进入结算页下单，则该用户在当前session内的行为序列可以表示为{(搜索页,search,a),(列表页,click,a),(商详页,viewpicture,a),(商详页,viewcomment,a),(商详页,click,a),(购物车页,addcart,a),(结算页,order,a)}，序列拼接过程中完整的保留每一个行为动作，假如当用户连续点击3次页面时，按3个行为序列进行拼接，不做合并处理。

可选地，分别将所述特征用户的行为序列和所述目标用户的行为序列转换为所述特征用户的行为向量和所述目标用户的行为向量，包括：通过词向量计算工具分别将所述特征用户的行为序列和所述目标用户的行为序列转换为所述特征用户的各个行为对应的词向量和所述目标用户的各个行为对应的词向量；将所述特征用户的各个行为对应的词向量相加得到所述特征用户的行为向量，以及，将所述目标用户的各个行为对应的词向量相加得到所述目标用户的行为向量。

通过词向量计算工具(比如word2vec)将上述拼接好的用户行为序列转换为词向量，得到每个用户行为的定长词向量，表示形式为(e1,e2,…,en)，然后对用户的所有行为的词向量进行求和处理，得到唯一的行为向量表示，求和计算公式为：

euser＝∑iei

其中，i是用户一次会话过程中的全部行为，也就是词向量计算工具的超参数。

在得到目标用户和特征用户的行为向量之后，可以采用余弦相似度计算两者之间的相似度，从而得到目标用户的潜在分值，计算公式如下：

其中，u表示目标用户，h表示特征用户

步骤407，判断所述相似度是否大于相似度阈值；若是，则执行步骤408；若否，则结束。

步骤408，将所述目标用户标记为特征用户。

可以预先设置相似度阈值，如果步骤406计算出的相似度大于相似度阈值，则说明将目标用户识别为特征用户(即黄牛用户)，同时可以方便地给出对应的地理区域和所购物品。

根据上面所述的各种实施例，可以看出本发明通过计算特征用户的会话数据和目标用户的会话数据之间的相似度，从而识别目标用户是否为特征用户的技术手段，解决了现有技术中无法准确地识别特征用户的技术问题。本发明实施例通过构建的用户-站点关系图谱，并结合站点之间的位置关系，计算出各个用户的节点度，从而筛选出目标用户(也就是潜在风险用户)，可以理解为一层过滤机制，以保证后续步骤在识别目标用户是否为特征用户时能够提高计算效率，并且在保证准确率的前提下尽可能地减少计算资源消耗。接着，通过已被证实的黄牛用户行为作为对照，对目标用户的会话数据进行向量化编码和相似度计算，从而计算出目标用户与真实黄牛用户行为的相似度，以达到识别黄牛用户的目标。

因此，本发明实施例还解决了黄牛用户群体识别过程中的多账号注册并发刷单和海量用户行为计算优化等技术问题，而且能够较为准确地识别出特征用户，并且能够在线上环境中快速高效的实现。

另外，在本发明一个可参考实施例中识别目标用户的方法的具体实施内容，在上面所述识别目标用户的方法中已经详细说明了，故在此重复内容不再说明。

图5是根据本发明实施例的识别目标用户的装置的主要模块的示意图，如图5所示，所述识别目标用户的装置500包括构建模块501、计算模块502和识别模块503。其中，构建模块501用于根据订单数据和物流数据构建关系图谱；其中，所述关系图谱包括用户实体和站点实体，并且所述用户实体与所述站点实体相连；计算模块502用于根据目标站点与其他各个站点之间的位置关系和所述关系图谱，计算与所述目标站点相连的各个用户的节点度；其中，所述目标站点为任意一个站点；识别模块503用于根据所述各个用户的节点度，从所述各个用户中筛选出目标用户。

可选地，所述构建模块501还用于：

获取订单数据以及与所述订单数据关联的物流数据，从所述订单数据和所述物流数据中提取出各组实体数据；

根据所述各组实体数据构建关系图谱；

其中，每组实体数据包括用户信息、用户所购物品信息和站点信息；在所述关系图谱中，所述用户实体与所述站点实体相连的边表示用户所购物品，所述边的属性值表示用户所购物品的数量。

可选地，所述计算模块502还用于：

根据目标站点与其他各个站点之间的位置关系，确定所述目标站点的各级临近站点，分别计算所述各级临近站点到所述目标站点的平均距离；

对于每个用户，采用如下方法计算所述用户的节点度：

根据所述各级临近站点到所述目标站点的平均距离和各个临近站点到所述目标站点的距离，分别计算所述各个临近站点的权值；

根据所述用户与所述目标站点相连的边的属性值，所述各个临近站点的权值以及所述用户与所述各个临近站点相连的边的属性值，计算所述用户的节点度。

可选地，所述计算模块502还用于：

将直接与目标站点相邻的站点作为一级临近站点，将间接与目标站点相邻的站点作为二级临近站点。

可选地，所述计算模块502还用于：对于每个临近站点，采用如下方法计算所述临近站点的权重：

确定所述临近站点的所属站点级数；

基于sigmoid函数对所述临近站点到目标站点的距离和所述临近站点的所属站点级数的各个临近站点到目标站点的平均距离进行求解，得到距离系数；

根据所述距离系数和所述临近站点的所属站点级数，计算所述临近站点的权值。

可选地，所述计算模块502还用于：

通过以下公式计算各个临近站点的权值wi：

其中，n表示临近站点的级数，kn表示n级临近站点到目标站点的平均距离，ki表示临近站点i到目标站点的距离。

可选地，所述计算模块502还用于：

对所述各个临近站点的权值以及所述用户与所述各个临近站点相连的边的属性值进行加权求和，得到临近属性值；

所述用户与所述目标站点相连的边的属性值，与所述临近属性值相加，得到所述用户的节点度。

可选地，所述识别模块503还用于：

根据所述各个用户的节点度，计算所述各个用户的节点度标准差；

根据所述节点度标准差设置节点度阈值，遍历所述各个用户的节点度，筛选出节点度大于所述节点度阈值的目标用户。

可选地，所述识别模块503还用于：

根据所述各个用户的节点度，从所述各个用户中筛选出目标用户之后，从数据库中筛选出与所述目标用户的所处地理区域、所购物品均相同的特征用户；

分别获取所述特征用户的会话数据和所述目标用户的会话数据；

计算所述特征用户的会话数据和所述目标用户的会话数据之间的相似度，若所述相似度大于相似度阈值，则将所述目标用户标记为特征用户。

可选地，所述识别模块503还用于：

根据所述特征用户的会话数据和所述目标用户的会话数据，分别构建所述特征用户的行为序列和所述目标用户的行为序列；

分别将所述特征用户的行为序列和所述目标用户的行为序列转换为所述特征用户的行为向量和所述目标用户的行为向量；

计算所述特征用户的行为向量和所述目标用户的行为向量之间的相似度。

可选地，所述识别模块503还用于：

通过词向量计算工具分别将所述特征用户的行为序列和所述目标用户的行为序列转换为所述特征用户的各个行为对应的词向量和所述目标用户的各个行为对应的词向量；

将所述特征用户的各个行为对应的词向量相加得到所述特征用户的行为向量，以及，将所述目标用户的各个行为对应的词向量相加得到所述目标用户的行为向量。

根据上面所述的各种实施例，可以看出本发明通过计算特征用户的会话数据和目标用户的会话数据之间的相似度，从而识别目标用户是否为特征用户的技术手段，解决了现有技术中无法准确地识别特征用户的技术问题。本发明实施例通过构建的用户-站点关系图谱，并结合站点之间的位置关系，计算出各个用户的节点度，从而筛选出目标用户(也就是潜在风险用户)，可以理解为一层过滤机制，以保证后续步骤在识别目标用户是否为特征用户时能够提高计算效率，并且在保证准确率的前提下尽可能地减少计算资源消耗。接着，通过已被证实的黄牛用户行为作为对照，对目标用户的会话数据进行向量化编码和相似度计算，从而计算出目标用户与真实黄牛用户行为的相似度，以达到识别黄牛用户的目标。

因此，本发明实施例还解决了黄牛用户群体识别过程中的多账号注册并发刷单和海量用户行为计算优化等技术问题，而且能够较为准确地识别出特征用户，并且能够在线上环境中快速高效的实现。

需要说明的是，在本发明所述识别目标用户的装置的具体实施内容，在上面所述识别目标用户的方法中已经详细说明了，故在此重复内容不再说明。

图6示出了可以应用本发明实施例的识别目标用户的方法或识别目标用户的装置的示例性系统架构600。

如图6所示，系统架构600可以包括终端设备601、602、603，网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器605可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的物品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、物品信息——仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的识别目标用户的方法一般由服务器605执行，相应地，所述识别目标用户的装置一般设置在服务器605中。本发明实施例所提供的识别目标用户的方法也可以由终端设备601、602、603执行，相应地，所述识别目标用户的装置可以设置在终端设备601、602、603中。

应该理解，图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图7，其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(cpu)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储部分708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有系统700操作所需的各种程序和数据。cpu701、rom702以及ram703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。

以下部件连接至i/o接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至i/o接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(cpu)701执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括构建模块、计算模块和识别模块，其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：根据订单数据和物流数据构建关系图谱；其中，所述关系图谱包括用户实体和站点实体，并且所述用户实体与所述站点实体相连；根据目标站点与其他各个站点之间的位置关系和所述关系图谱，计算与所述目标站点相连的各个用户的节点度；其中，所述目标站点为任意一个站点；根据所述各个用户的节点度，从所述各个用户中筛选出目标用户。

根据本发明实施例的技术方案，因为采用根据目标站点与其他各个站点之间的位置关系和关系图谱，计算与目标站点相连的各个用户的节点度，从而筛选出目标用户的技术手段，所以克服了现有技术中无法准确地识别目标用户的技术问题。本发明实施例通过构建的用户-站点关系图谱，并结合站点之间的位置关系，计算出各个用户的节点度，从而筛选出目标用户，以保证后续步骤在识别目标用户是否为特征用户时能够提高计算效率，并且在保证准确率的前提下尽可能地减少计算资源消耗。接着，通过已被证实的黄牛用户行为作为对照，对目标用户的会话数据进行向量化编码和相似度计算，从而计算出目标用户与真实黄牛用户行为的相似度，以达到识别黄牛用户的目标。因此，本发明实施例还解决了黄牛用户群体识别过程中的多账号注册并发刷单和海量用户行为计算优化等技术问题，而且能够较为准确地识别出特征用户，并且能够在线上环境中快速高效的实现。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。