基于用户行为特征的未成年人识别方法、装置和设备与流程

本发明涉及人工智能技术领域，具体涉及一种基于用户行为特征的未成年人识别方法、装置和设备。

背景技术：

现有的基于生物信息的模式识别技术已经很成熟，如人脸检测，人脸识别，声音识别等。基于自然语言处理的语意理解和识别技术也有着广泛的应用。当使用这些技术应用于网络未成年人识别时，往往存在着硬件设备要求高，生物信息获取不便，信息假冒等问题。从数据伦理上讲，基于生物信息或自然语言的技术很容易造成用户隐私泄露，用户偏见等严重数据治理问题。

技术实现要素：

有鉴于此，本申请提供一种基于用户行为特征的未成年人识别方法、装置和设备，以解决相关技术中的问题。

本发明采用如下技术方案：

第一方面，本发明实施例提供了一种基于用户行为特征的未成年人识别方法，该方法包括：

1.一种基于用户行为特征的未成年人识别方法，其特征在于，包括：

获取待识别者的软件使用数据数据集；

预处理所述软件使用数据数据集；

将处理后的软件使用数据数据集输入预设的行为特征识别模型，获取所述识别结果；

基于所述识别结果，判断所述待识别者是否为未成年人。

2.根据权利要求1所述的方法，其特征在于，所述基于所述识别结果，判断所述待识别者是否为未成年人，包括：

基于所述识别结果和预设的精确度信息模块，进行精确度信息标注；

比较预设的精确度分数和标注的所述精确度信息，判断所述待识别者是否为未成年人。

3.根据权利要求1所述的方法，其特征在于，所述预处理所述软件使用数据数据集，包括：

对所述软件使用数据数据集进行异常值处理；

对所述软件使用数据数据集进行数据缩放；

对所述软件使用数据数据集进行缺失值处理；

对所述软件使用数据数据集进行抽象特征处理。

4.根据权利要求1所述的方法，其特征在于，预训练所述预设的行为特征识别模型的方式包括：

获取数据提供者样本和对应的软件使用数据数据集样本；

对软件使用数据进行初步分析，筛选出软件使用数据数据集中与数据提供者是否是未成年人相关的数据，并进行抽取；

基于抽取的数据，构件训练样本；

基于所述训练样本训练预先搭建的模型得到行为特征识别模型。

5.根据权利要求1所述的方法，其特征在于，还包括：预先搭建的模型为基于lightgbm模型进行建模得到的模型、支持向量机模型或其他神经网络模型。

6.根据权利要求2所述的方法，其特征在于，所述精确度信息模块的搭建方式包括：

获取所述行为特征识别模型的识别结果；

对预测结果进行取样；

按照实际标签对预测结果进行划分，使用对数样条算法拟合其概概率密度函数，根据概率密度函数计算其累积分布函数，对每一个预测结果，计算出其在所有分类中的概累计分布函数值，并依此计算出其在每一分类上的精确度信息分数；

其中，所述实际标签为进行识别的数据的提供者的身份信息。

7.根据权利要求2所述的方法，其特征在于，还包括；

获取使用者上传的目标精确度分数；

令所述预设的精确度分数为所述目标精确度分数。

8.一种基于用户行为特征的未成年人识别预测装置，其特征在于，包括：

获取模块，用于获取待识别者的软件使用数据数据集；

处理模块，用于预处理所述软件使用数据数据集；

识别模块，用于将处理后的软件使用数据数据集输入预设的行为特征识别模型，获取所述识别结果；

判断模块，用于基于所述识别结果，判断所述待识别者是否为未成年人。

9.一种基于用户行为特征的未成年人识别设备，其特征在于，包括：

处理器，以及与所述处理器相连接的存储器；

所述存储器用于存储计算机程序，所述计算机程序至少用于执行权利要求1-7任一项所述的基于用户行为特征的未成年人识别方法；

所述处理器用于调用并执行所述存储器中的所述计算机程序。

10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-7任一项所述的基于用户行为特征的未成年人识别方法中各个步骤。

本发明采用以上技术方案，首先获取待识别者的软件使用数据数据集；预处理所述软件使用数据数据集；将处理后的软件使用数据数据集输入预设的行为特征识别模型，获取所述识别结果；基于所述识别结果，判断所述待识别者是否为未成年人。相较于生物信息识别等技术，本技术不需要待检测者主动提供人脸，音频等生物信息，而是隐式地使用待检测者在产品软件上的使用数据，通过数据分析得到用户行为特征，基于行为特征对未成年用户进行精准高效的识别和预测。由于软件使用数据是业务化的，分析得到的用户行为特征是高度抽象不可直接理解的，相比直接使用生物信息、语音文字等，极大地降低了数据伦理风险。

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，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种基于用户行为特征的未成年人识别方法的流程图；

图2是本发明实施例提供的一种基于用户行为特征的未成年人识别方法的部分流程图；

图3是本发明实施例提供的一种基于用户行为特征的未成年人识别方法的部分流程图；

图4是本发明实施例提供的一种基于用户行为特征的未成年人识别装置的结构示意图；

图5是本发明实施例提供的一种基于用户行为特征的未成年人识别设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。

首先对本发明实施例的应用场景进行说明，未成年人识别技术旨在加强未成年人上网保护，防止未成年人网络沉迷。随着人工智能的发展，各类基于图像、音频、文本语义的识别技术不断被提出，这些基于生物信息或语义文本的识别技术通常包括：数据的搜寻和定位，海量数据的收集和处理，使用基于神经网络等技术进行数据建模，多种场景下的数据捕获和智能预测识别等。但将人脸识别、自然语言处理等技术应用于网络未成年人甄别时，往往会遇到用户拒绝提供验证信息、信息假冒、识别精度不高等问题。同时，对于用户隐私数据的使用往往缺少监督，这也带来了不可忽视的数据伦理隐患。本发明提出了一种技术方案，即分析用户软件使用数据，抽取行为特征，利用行为特征进行数据建模，然后使用模型对使用者中的未成年人进行检测识别，并根据预测结果，使用对数样条进行概率密度函数拟合，进而给出识别结果的精确度信息，以应对不同精度要求的需求场景。

实施例

图1为本发明实施例提供的一种种基于用户行为特征的未成年人识别方法的流程图，该方法可以由本发明实施例提供的种基于用户行为特征的未成年人识别设备来执行。参考图1，该方法具体可以包括如下步骤：

s101、获取待识别者的软件使用数据数据集；

软件使用数据数据集在此处指数据的集合，可以以数据库或静态文件的形式存储并被访问。数据的来源可直接基于软件运营方的业务数据库，或使用爬虫技术获取用户的软件使用数据。数据的内容应包括多个维度上的软件使用数据。如登录时间，每日使用时长，以及一些其它的业务项数据。根据软件的不同，数据项可能会有较大的不同，这种情况被允许存在，且存在缺失值的数据在本步骤中也被允许存在。

s102、预处理所述软件使用数据数据集；

需要说明的是，预处理所述软件使用数据数据集包括：

对所述软件使用数据数据集进行异常值处理；

此处的异常值指数据中严重偏离正常数据范围的数据值。异常值的产生可能是由于偶然个体，或记录过程中的记录错误而产生的，异常值会对步骤4中的数据建模产生不良的影响，故而应在本步骤中除去。异常值可以通过可视化数据点分布后观察得到，然后选出去除。

对所述软件使用数据数据集进行数据缩放；

数据缩放在本步骤中指通过连接函数对数据进行转换，转换后的数据会拥有新的分布情况和取值区间。使用数据缩放的目的是将过大或过小的数据项缩放到合适的区间，以方便步骤4中的建模计算。在本步骤中，采用对数函数将部分数据跨度大的数据缩放到一个较小的合理区间，以方便计算。

对所述软件使用数据数据集进行缺失值处理；

缺失值指没有记录的空值。缺失值根据数据的业务属性可使用0代替，或只用同类型的均值进行填补，或舍弃。

对所述软件使用数据数据集进行抽象特征处理。

具体的，对部分时间相关数据进行处理。按一定时间区间划分，取区间上的滞后值，计算区间间的变化值，形成新的数据特征。

s103、将处理后的软件使用数据数据集输入预设的行为特征识别模型，获取所述识别结果；

需要说明的是，将预设的将处理后的软件使用数据数据集输入预设的行为特征识别模型后，预设的行为特征识别模型输出识别结果，具体的，预测结果是一个[0，1]之间的小数值，0类表示成年人，1类表示未成年人。数值越靠近1表示待识别者为未成年人的可能性越大，数值靠近0表示待识别者为成年人的可能性越大。

s104、基于所述识别结果，判断所述待识别者是否为未成年人。

本申请提供的方案，相较于生物信息识别等技术，本技术不需要待检测者主动提供人脸，音频等生物信息，而是隐式地使用待检测者在产品软件上的使用数据，通过数据分析得到用户行为特征，基于行为特征对未成年用户进行精准高效的识别和预测。由于软件使用数据是业务化的，分析得到的用户行为特征是高度抽象不可直接理解的，相比直接使用生物信息、语音文字等，极大地降低了数据伦理风险。

进一步的，常见的类识别技术往往仅给出预测结果，而在应用场景中，我们常希望能根据不同的场景灵活调整识别结果的可容忍的错误精度。以未成年人识别为例，有些场景中我们只需要一个粗略的筛选，即我们可以容忍一部分未成年人被漏判成成年人，但有些场景我们却希望有尽可能严格的筛选。因此，针对识别结果的灵活调整识别精度的机制可以帮助我们更有效的将模式识别应用到不同需求场景中去。

具体的，s104：基于所述识别结果，判断所述待识别者是否为未成年人具体包括：

s201，基于所述识别结果和预设的精确度信息模块，进行精确度信息标注；

需要说明的是，不同于roc评估划分方式，本步骤采用对数样条拟合算法对预测结果进行了精确度信息标志。roc评估划分方式指根据预测值和实际值，绘制roc曲线，按照最优整体准确率取一个阈值，大于该阈值的被认为是1类，小于该阈值的被认为是0类。本步骤中，采用不同于roc的方式，即对预测结果进行取样，按照实际标签对预测结果进行划分，对每一类使用对数样条算法拟合其概概率密度函数，根据概率密度函数计算其累积分布函数，对每一个预测结果，计算出其在所有分类中的概累计分布函数值，并依此计算出其在每一分类上的精确度信息分数。

s202，比较预设的精确度分数和标注的所述精确度信息，判断所述待识别者是否为未成年人。

如此设置，精确度分数可灵活应用于特定的需求场景，如某一场景为检测用户中的未成年人，且希望达到70％的捕获率，则应取在1分类上分数高于30的，如需达到80％捕获率，则应取在1分类上分数高于20的。

需要说明的是，本申请提供的方案中，使用到了行为特征识别模型和精确度信息模块。

其中，预训练所述预设的行为特征识别模型的方式包括：

s301，获取数据提供者样本和对应的软件使用数据数据集样本；

软件使用数据数据集样本与步骤s101中的“待识别者的软件使用数据数据集”基本相同，区别在于数据的内容应包括成年/未成年人标签。即对应的数据提供者样本信息。

s302，对软件使用数据进行初步分析，筛选出软件使用数据数据集中与数据提供者是否是未成年人相关的数据，并进行抽取；

具体的，可以使用数据可视化手段进行初步分析，即使用可视化图表对数据进行观察。如绘制出不同年龄段的人群某一维度数据上的数据分布图，如果成年人/未成年人的分布情况有较大差异，则这一数据是一个在成年人/未成年人表现上有较大区别的数据项，将其标注。

也可以使用计算数据相关性进行初步分析，即通过计算年龄和其他数据纬度的皮尔逊相关系数，得到数据项和年龄的相关性强度，相关性强的数据项应被认为在成年人/未成年人上有较大区，将其标注。

相关系数的数学公式如下：

式中，e为数学期望，x,y为数据数组，为x的数学期望，为x的标准差。皮尔逊相关系数的结果在[-1，1]之间，x,y相关性越强，结果越偏向两端，x,y相互独立，即没有相关性，结果为0。需要说明的是，受限于公式文字与正文中文字格式无法统一，公式中的e、x、y等符号与正文中具有细微差别。

在初步分析中，应尽可能多的标注出那些在成年人/未成年人上区分度较大的数据项。除上述步骤中找出的数据项外，一些被先验认为合理，但没有被选出的数据项，也可以被灵活的选中并标注。

s303，基于抽取的数据，构件训练样本；

具体的，构件训练样本时，需要处理数据，具体的处理数据的步骤与步骤s102中的步骤类似。

具体的，在处理数据时，需要进行数据拆分，即：按照2:8比例划分数据为训练，验证集，前者用于模型训练，后者用于模型拟合优劣程度验证。

s304，基于所述训练样本训练预先搭建的模型得到行为特征识别模型。

其中，预先搭建的模型为基于lightgbm模型进行建模得到的模型。当然预先搭建的模型还可以为支持向量机模型或其他神经网络模型。

进一步的，所述精确度信息模块的搭建方式包括：

获取所述行为特征识别模型的识别结果；

对预测结果进行取样；需要说明的是，在“对预测结果进行取样”的过程中，需要具有实际标签的数据以便于后期调用，这一部分使用的数据可以依照步骤s301“获取数据提供者样本和对应的软件使用数据数据集样本”中获取的数据拆分出来的样本部分，也可以是重新得到的样本数据。

具体的，可以在步骤s303中处理数据时，进行进一步的数据拆分，以便于进行精确度信息模块的搭建。

按照实际标签对预测结果进行划分，使用对数样条算法拟合其概概率密度函数，根据概率密度函数计算其累积分布函数，对每一个预测结果，计算出其在所有分类中的概累计分布函数值，并依此计算出其在每一分类上的精确度信息分数；

其中，所述实际标签为进行识别的数据的提供者的身份信息。

具体的，对每一类的预测结果，使用对数样条拟合其概率密度函数(概率密度函数简称为pdf,probabilitydensityfunction)。具体拟合方式为：

令其为y为预测结果，令y中不与其他元素相同的元素的个数为n。

j＝k-1

概率密度函数为：

f(y；β＝)exp(β1b1(y)+...+βjbj(y)-c(β)),l＜y＜u

使用最大似然估计可得到上式中的β，进一步的，可计算得到aic值，用于模型拟合评估。

在本场景中，为避免概率分布曲线过度曲折，限制

maxk＝6

k++

循环上述步骤，循环结束后取最小aic对应的β，结束。

使用上述算法得到两类各自的pdf，命名为pdf0和pdf1。

根据概率密度函数pdf计算累积分布函数(累积分布函数简称为cdf,cumulativedensityfunction)

根据pdf0和pdf1，使用上述算法分别计算得到两类各自的cdf，命名为cdf0和cdf1。

获取使用者上传的目标精确度分数；

令所述预设的精确度分数为所述目标精确度分数。

如此设置，本申请提供的方案中可以调节目标精度分数。常见的类识别技术往往仅给出预测结果，而在应用场景中，我们常希望能根据不同的场景灵活调整识别结果的可容忍的错误精度。以未成年人识别为例，有些场景中我们只需要一个粗略的筛选，即我们可以容忍一部分未成年人被漏判成成年人，但有些场景我们却希望有尽可能严格的筛选。因此，针对识别结果的灵活调整识别精度的机制可以帮助我们更有效的将模式识别应用到不同需求场景中去。本发明提出的方案中，可以对识别结果进行精度划分的方法，即对特定场景数据集的模型拟合结果，使用对数样条算法进行概率密度函数拟合，根据拟合结果的累积分布函数，以百分制的形式给出了预测结果的精确度信息，以使得预测结果可根据不同需求场景进行灵活的调整。具体的，参照上述公式，任意预测结果在0类上的精确度分数为1-cdf0，任意预测结果在1类上的精确度分数为cdf1。此精确度分数可灵活应用于特定的需求场景，如某一场景为检测用户中的未成年人，且希望达到70％的捕获率，则应取在1分类上分数高于30的，如需达到80％捕获率，则应取在1分类上分数高于20的。

图4是本发明又一实施例提供的一种基于用户行为特征的未成年人识别预测装置的结构示意图，该装置适用于执行本发明实施例提供给的一种基于用户行为特征的未成年人识别方法。如图3所示，该装置具体可以包括：

获取模块41，用于获取待识别者的软件使用数据数据集；

处理模块42，用于预处理所述软件使用数据数据集；

识别模块43，用于将处理后的软件使用数据数据集输入预设的行为特征识别模型，获取所述识别结果；

判断模块44，用于基于所述识别结果，判断所述待识别者是否为未成年人。

本发明实施例还提供一种基于用户行为特征的未成年人识别设备，请参阅图5，图5为一种基于用户行为特征的未成年人识别设备的结构示意图，如图5所示，该基于用户行为特征的未成年人识别设备包括：处理器51，以及与处理器51相连接的存储器52；存储器52用于存储计算机程序，所述计算机程序至少用于执行本发明实施例中的基于用户行为特征的未成年人识别方法；处理器51用于调用并执行所述存储器中的所述计算机程序。

本发明实施例还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如本发明实施例中的基于用户行为特征的未成年人识别方法中各个步骤。基于用户行为特征的未成年人识别方法至少包括：获取待识别者的软件使用数据数据集；

预处理所述软件使用数据数据集；将处理后的软件使用数据数据集输入预设的行为特征识别模型，获取所述识别结果；基于所述识别结果，判断所述待识别者是否为未成年人。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。