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。