帐号关系确定方法、装置、服务器及存储介质与流程

1.本技术实施例涉及计算机技术领域，特别涉及一种帐号关系确定方法、装置、服务器及存储介质。


背景技术：

2.随着计算机技术的普及，人们通过互联网与他人进行交互，由于不同类型社交关系的用户之间的交互行为存在差异，因此开发商可以通过对交互行为进行分析，获取目标帐号与关联帐号对应用户之间的真实社交关系，以便对不同的用户提供个性化服务、采集信息以及高效地排查异常帐号、提高网络安全性等。
3.相关技术中，获取用户之间关系类型的方法为根据互交互双方帐号对应的详细个人信息，确定二者之间的关系类型；或者通过对目标帐号与交互关联帐号之间的交互行为进行特征提取，将特征相似度高的交互关联帐号进行聚类。
4.然而，若根据详细信息确定关系类型，则对于信息不完善或互动频率低的帐号无法确定与其他帐号之间的关系类型，若根据互动行为特征进行聚类，则无法判断具体各个帐号之间的关系，即相关技术无法直接根据交互行为判断每对帐号之间的关系类型，关系分类的效率低且精确度低。


技术实现要素：

5.本技术实施例提供了一种帐号关系确定方法、装置、服务器及存储介质，无需获取帐号关系网络中全部帐号的详细信息就能够确定每一对交互帐号之间的关系类型，降低了帐号关系确定的成本，提高了确定帐号关系的效率和精确度。所述技术方案如下：
6.一方面，本技术实施例提供了一种帐号关系确定方法，所述方法包括：
7.从帐号关系网络中确定目标帐号对应的一级关联帐号和二级关联帐号，所述一级关联帐号与所述目标帐号的交互性高于所述二级关联帐号与所述目标帐号的交互性，所述帐号关系网络是基于帐号间历史交互记录形成的关系网络；
8.根据所述一级关联帐号与所述目标帐号之间的一级关系类型，确定所述一级关联帐号的一级概率分布，所述一级概率分布用于表征所述一级关联帐号与所述目标帐号之间的关系类型的概率分布情况，所述关系类型包括至少两种；
9.基于所述一级概率分布，以及所述一级关联帐号与所述二级关联帐号之间的所述历史交互记录，确定所述二级关联帐号的二级概率分布，所述二级概率分布用于表征所述二级关联帐号与所述目标帐号之间关系类型的概率分布情况；
10.根据所述二级概率分布确定所述二级关联帐号与所述目标帐号之间的二级关系类型。
11.另一方面，本技术实施例提供了一种帐号关系确定装置，所述装置包括：
12.第一确定模块，用于从帐号关系网络中确定目标帐号对应的一级关联帐号和二级关联帐号，所述一级关联帐号与所述目标帐号的交互性高于所述二级关联帐号与所述目标
帐号的交互性，所述帐号关系网络是基于帐号间历史交互记录形成的关系网络；
13.第二确定模块，用于根据所述一级关联帐号与所述目标帐号之间的一级关系类型，确定所述一级关联帐号的一级概率分布，所述一级概率分布用于表征所述一级关联帐号与所述目标帐号之间的关系类型的概率分布情况，所述关系类型包括至少两种；
14.第三确定模块，用于基于所述一级概率分布，以及所述一级关联帐号与所述二级关联帐号之间的所述历史交互记录，确定所述二级关联帐号的二级概率分布，所述二级概率分布用于表征所述二级关联帐号与所述目标帐号之间关系类型的概率分布情况；
15.第四确定模块，用于根据所述二级概率分布确定所述二级关联帐号与所述目标帐号之间的二级关系类型。
16.可选的，所述第三确定模块，包括：
17.初始化单元，用于响应于所述二级关联帐号与所述一级关联帐号之间存在所述历史交互记录，根据所述一级概率分布对所述二级概率分布进行初始化；
18.更新单元，用于基于所述一级关联帐号与所述二级关联帐号之间的所述历史交互记录，以及所述二级关联帐号之间的所述历史交互记录，对所述二级概率分布进行迭代更新。
19.可选的，所述初始化单元，还用于：
20.基于所述一级概率分布确定所述一级关联帐号对应的一级统计变量，不同统计变量对应不同关系类型；
21.将所述一级统计变量传递至所述二级关联帐号；
22.根据所述二级关联帐号接收到的所述一级统计变量初始化所述二级概率分布，所述二级概率分布中关系类型的概率为不同关系类型对应一级统计变量的数量占一级统计变量总数的比值。
23.可选的，所述更新单元，还用于：
24.基于所述一级概率分布确定所述一级统计变量，并基于所述二级概率分布确定所述二级关联帐号对应的二级统计变量，相同所述关系类型对应的所述一级统计变量与所述二级统计变量相同；
25.将所述一级统计变量传递至所述二级关联帐号，并将所述二级统计变量传递至与所述二级关联帐号之间存在所述历史交互记录的其它二级关联帐号；
26.根据所述二级关联帐号接收到的所述一级统计变量和所述二级统计变量更新所述二级概率分布。
27.可选的，所述第四确定模块，包括：
28.第一确定单元，用于响应于所述二级概率分布满足收敛条件，根据所述二级概率分布确定所述二级关联帐号与所述目标帐号之间的所述二级关系类型，所述收敛条件包括迭代更新次数达到次数阈值，或，相邻两次迭代更新得到的所述二级概率分布的变化率小于变化率阈值。
29.可选的，所述第一确定单元，还用于：
30.将所述二级概率分布中最大概率值对应的所述关系类型确定为所述二级关系类型。
31.可选的，所述装置还包括：
32.第五确定模块，用于响应于所述二级关联帐号与所述一级关联帐号之间不存在所述历史交互记录，确定所述二级关联帐号与所述目标帐号之间的所述二级关系类型为默认关系类型。
33.可选的，所述第一确定模块，包括：
34.第二确定单元，用于将所述帐号关系网络中，与所述目标帐号之间存在所述历史交互记录的帐号确定为所述目标帐号对应的关联帐号；
35.第三确定单元，用于响应于所述关联帐号与所述目标帐号的交互次数大于次数阈值，且所述历史交互记录中包含预设交互信息，将所述关联帐号确定为所述一级关联帐号，所述预设交互信息是由帐号之间的交互产生，或从交互过程中对交互内容、交互参与方的帐号信息和设备信息进行采集得到的；
36.第四确定单元，用于响应于所述关联帐号与所述目标帐号的所述交互次数小于所述次数阈值，或所述历史交互记录中不包含所述预设交互信息，将所述关联帐号确定为所述二级关联帐号。
37.可选的，所述预设交互信息包括交互方式、交互留言、交互发起方和交互接收方的历史登录设备、所述交互接收方的帐号类型、所述交互发起方和所述交互接收方的历史连接无线保真wifi中的至少一种。
38.可选的，所述第二确定模块，包括：
39.分类单元，用于将所述一级关联帐号与所述目标帐号之间的所述预设交互信息输入关系分类模型，得到所述关系分类模型输出的所述一级关系类型，所述关系分类模型根据样本交互信息和样本关系类型训练得到；
40.第五确定单元，用于根据所述一级关系类型和所述关系类型的数量确定所述一级概率分布。
41.可选的，所述历史交互记录包括历史资源转移记录、历史资源交换记录和历史资源共享记录中的至少一种。
42.另一方面，本技术实施例提供了一种服务器，所述服务器包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述方面所述的帐号关系确定方法。
43.另一方面，本技术实施例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至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述方面所述的帐号关系确定方法。
44.根据本技术的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。服务器的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该服务器执行上述方面的各种可选实现方式中提供的帐号关系确定方法。
45.本技术实施例提供的技术方案的有益效果至少包括：
46.本技术实施例中，首先通过一级概率分布表述与目标帐号之间交互性较强的一级关联帐号对应的关系类型，并基于一级关联帐号与二级关联帐号之间的历史交互记录，进
一步确定二级概率分布，从而根据二级概率分布得到二级关联帐号与目标帐号之间的二级关系类型，采用概率分布传递的方式，由交互性较高且易于确定的帐号关系确定出其他帐号之间的关系类型，无需获取帐号关系网络中全部帐号的详细信息，降低了帐号关系确定的成本，并且能够得到帐号关系网络中每一对交互帐号之间的关系类型，提高了确定帐号关系的效率和精确度。
附图说明
47.图1是本技术一个示例性实施例提供的实施环境的示意图；
48.图2是本技术一个示例性实施例提供的帐号关系确定方法的流程图；
49.图3是本技术一个示例性实施例提供的帐号关系网络的示意图；
50.图4是本技术另一个示例性实施例提供的帐号关系确定方法的流程图；
51.图5是本技术另一个示例性实施例提供的自我中心网络的示意图；
52.图6是本技术另一个示例性实施例提供的帐号关系确定方法的流程图；
53.图7是本技术另一个示例性实施例提供的帐号关系确定方法的流程图；
54.图8是本技术一个示例性实施例提供的帐号关系确定装置的结构框图；
55.图9是本技术一个示例性实施例提供的服务器的结构框图。
具体实施方式
56.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
57.在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
58.本技术实施例提供的帐号关系确定方法，可以应用于网络帐号之间关系的确定场景。下面结合几种应用场景进行说明。
59.1、帐号异常检测场景
60.帐号异常检测场景下，本技术实施例提供的方法可以应用于资金交易平台(例如电商交易平台、比特币交易平台、移动支付平台、网上银行等)的后台服务器中。后台服务器首先获取异常帐号的历史交互记录，从帐号关系网络中确定异常帐号的一级关联帐号和二级关联帐号，其中一级关联帐号与目标帐号之间的交互性较强，后台服务器可以根据历史交互记录直接确定出一级关联帐号与异常帐号之间的一级关系类型，而对于交互性较弱的二级关联帐号，后台服务器利用一级关系类型对应的一级概率分布以及一级关联帐号和二级关联帐号之间的历史交互记录进行概率扩散，根据更新后的二级概率分布确定二级关联帐号与目标帐号之间的二级关系类型，从而得到异常帐号与各个关联帐号之间的关系类型(例如包括商业关系和非商业关系)，能够确定出与异常帐号之间的关系类型属于商业关系和非商业关系的关联帐号，在一种可能的实施方式中，后台服务器每隔预定时间间隔进行一次帐号关系的确定，以便基于实时更新的帐号关系网络进行帐号异常检测。
61.在应用阶段，在网络资金交易中，资金交易平台中某一帐号存在资金交易异常时，通常在与该异常帐号进行过资金交易的关联帐号中也存在资金交易异常的帐号，因此后台
服务器基于帐号关系确定的结果，筛选出与异常帐号之间属于商业关系的帐号，并反馈至资金交易平台的风险检测机制。利用帐号关系网络进行异常帐号的挖掘，提高帐号异常检测的效率以及资金交易平台的安全性。
62.2、金融产品推荐场景
63.金融产品推荐场景下，本技术实施例提供的方法可以应用于资金交易平台(例如电商交易平台、比特币交易平台、移动支付平台、网上银行等)的后台服务器中。现实中同类型社交关系的多个帐号之间的资金交易更为密切，因此在根据一级关联帐号的关系类型进行概率分布变量扩散以及迭代，逐渐确定帐号之间关系类型的过程中，会形成关系社区，例如亲属社区、朋友社区、工作社区、商业合作社区等，后台服务器可以基于各个关系类型对应的特征，确定出一级关联帐号与目标帐号之间的关系类型，并通过概率分布的扩散确定出二级关联帐号与目标帐号之间的关系类型。
64.在应用阶段，对于不同类型的金融产品和消费券等，有针对性地推荐至关系类型不同的帐号。例如，对于家庭金融理财产品或好友合作型的营销活动，后台服务器将其推荐至属于亲属关系、工作关系或朋友关系等关系类型的帐号；对于商业消费券等商业金融产品，后台服务器可以将其推荐至商业关系对应的帐号。
65.3、模型训练场景
66.模型训练场景下，本技术实施例提供的方法可以应用于训练神经网络模型(例如营销推荐模型、金融违约模型等)的计算机设备中。以营销推荐模型为例，计算机设备获取不同关系类型的帐号交互数据，并将其作为样本数据输入待训练的营销推荐模型。利用大量的不同关系类型的帐号交互数据作为样本数据，可以提高神经网络模型的准确率。
67.上述仅以几种常见的应用场景为例进行示意性说明，本技术实施例提供的方法还可以应用于其他需要确定帐号关系的场景，本技术实施例并不对实际应用场景构成限定。
68.相关技术中，服务器在检测到帐号之间的交互行为时，获取交互双方帐号的详细信息，例如帐号登录地点、帐号对应用户的姓名、年龄、家庭住址等，从而基于双方的详细信息确定二者之间的关系类型；或者，服务器直接对目标帐号与关联帐号之间的交互行为进行特征提取，并进行聚类，将特征相似度高的关联帐号确定为同一类关联帐号，即同一类关联帐号与目标帐号属于同一社区。
69.然而，若根据详细的帐号信息确定关系类型，则对于信息不完善或互动频率低的帐号无法确定其与目标帐号的关系类型，若直接根据互动行为特征进行聚类，则无法判断具体各个用户对之间的关系，关系分类的效率低且精确度低。
70.为了解决相关技术中存在的问题，本技术提供了一种帐号关系确定方法，网络交互平台的后台服务器实时对各个帐号之间的交互进行记录，在执行帐号关系确定的指令时，首先通过一级概率分布表述与目标帐号之间交互性较强的一级关联帐号对应的关系类型，并基于一级关联帐号与二级关联帐号之间的历史交互记录，利用一级概率分布进行概率扩散，进一步确定二级概率分布，从而根据二级概率分布得到二级关联帐号与目标帐号之间的二级关系类型，由交互性较高且易于确定的帐号关系确定出其他帐号之间的关系类型，与相关技术不同的是，本技术提供的帐号关系确定方法中无需获取全部帐号的详细信息，即可得到帐号关系网络中每一对交互帐号之间的关系类型，降低了帐号关系确定的难度和实现成本，提高了确定帐号关系的效率和精确度。
71.图1示出了本技术一个实施例提供的实施环境的示意图。该实施环境可以包括：第一终端110、服务器120和第二终端130。
72.第一终端110安装和运行有支持交互操作的客户端111，当第一终端110接收到第一用户112的交互发起操作或交互接收操作时，客户端111向服务器120发送交互数据，服务器120根据接收到的交互数据对用户112对应的帐号进行交互记录。
73.第二终端130安装和运行有支持交互操作的客户端131，当第二终端130接收到第二用户132的交互发起操作或交互接收操作时，客户端131向服务器120发送交互数据，服务器120根据接收到的交互数据对用户132对应的帐号进行交互记录。
74.图1仅示出了两个终端，在其它的实施方式中，还可能存在更多的终端与服务器120相连。
75.第一终端110、第二终端130以及其它终端通过无线网络或有线网络与服务器120相连。
76.服务器120包括存储器121、处理器122、帐号数据库123、关系确定模块124、面向用户的输入/输出接口(input/output interface，i/o接口)125。其中，处理器122用于加载服务器120中存储的指令，处理帐号数据库123和关系确定模块124中的数据；帐号数据库123用于存储第一终端110、第二终端130以及其它终端的帐号信息和历史交互记录，例如帐号标识、帐号类型、交互时间、交互内容、帐号对应的历史登录设备以及历史连接无线保真(wireless fidelity，wifi)等；关系确定模块124用于根据帐号数据库123中存储的历史交互数据，确定目标帐号与一级关联帐号和二级关联帐号之间的关系类型；面向用户的i/o接口125用于通过无线网络或有线网络和第一终端110和/或第二终端130建立通信交换数据。
77.在一个示意性的例子中，服务器120实时获取各个帐号之间的交互记录，当接收到确定帐号关系的指令时，服务器120确定目标帐号对应的一级关联帐号和二级关联帐号，对于与目标帐号之间交互性较高的一级关联帐号，服务器120直接根据预设交互信息确定一级关联帐号与目标帐号之间的一级关系类型，并基于一级关系类型确定一级关联帐号对应的一级概率分布。对于与目标帐号之间交互性较弱的二级关联帐号，服务器120基于二级关联帐号与一级关联帐号之间的历史交互记录，一级一级概率分布，初始化得到二级关联帐号的二级概率分布，并根据一级关联帐号与二级关联帐号之间的历史交互记录，以及二级关联帐号之间的历史交互记录，对二级概率分布进行多次迭代更新，从而得到接近真实情况的二级概率分布，根据二级概率分布确定二级关联帐号与目标帐号之间的二级关系类型。
78.图2示出了本技术一个示例性实施例提供的帐号关系确定方法的流程图。本实施例以该方法用于图1所示实施环境中的服务器120为例进行说明，该方法包括如下步骤：
79.步骤201，从帐号关系网络中确定目标帐号对应的一级关联帐号和二级关联帐号，一级关联帐号与目标帐号的交互性高于二级关联帐号与目标帐号的交互性，帐号关系网络是基于帐号间历史交互记录形成的关系网络。
80.其中，帐号关系网络是用于表示同一网络交互平台中多个帐号之间进行交互所形成的关系网络，同一帐号关系网络中，任意一个帐号都与至少一个其它帐号之间存在历史交互记录。后台服务器在互动过程中记录互动双方的帐号信息，确定双方帐号之间存在一定的帐号关系，进而逐渐形成帐号关系网络。针对帐号关系网络中的某一帐号，将与其存在
历史交互记录的帐号作为该帐号的邻居帐号，该帐号与其邻居帐号共同组成以该帐号为中心的自我中心网络(egonetwork)，即egonetwork中，中心帐号与其它所有的帐号之间均存在历史交互记录，而邻居帐号之间可能存在历史交互记录，也可能不存在历史交互记录。
81.示意性的，如图3所示，其示出了一种帐号关系网络的示意图，多个帐号之间的交互形成了该帐号关系网络，其中，被线段相连的两个帐号之间存在历史交互记录，可以看出，任意一个帐号均与至少一个其它帐号之间存在历史交互记录。图3还示出了以目标帐号301为中心帐号的egonetwork的示意图，该egonetwork中，除目标帐号301以外的其它帐号均与目标帐号301之间存在历史交互记录。
82.在实际的网络交互平台中，随着各个帐号之间交互次数的增长以及帐号关系网络的扩大，与目标帐号之间存在历史交互记录的关联帐号中通常存在交互性较强的一级关联帐号，以及交互性较弱的二级关联帐号，目标帐号与一级关联帐号之间的交互较频繁且历史交互记录中的信息较为完善。
83.在一种可能的实施方式中，服务器根据目标帐号对应的历史交互记录确定一级关联帐号和二级关联帐号，例如，将满足预设条件的关联帐号确定为一级关联帐号，将egonetwork中除一级关联帐号以外的其它帐号确定为二级关联帐号。
84.步骤202，根据一级关联帐号与目标帐号之间的一级关系类型，确定一级关联帐号的一级概率分布，一级概率分布用于表征一级关联帐号与目标帐号之间的关系类型的概率分布情况，关系类型包括至少两种。
85.在一种可能的实施方式中，本技术实施例以概率分布表征关联帐号与目标帐号之间的关系类型，概率分布中，各个关系类型对应的概率值的和为1。由于一级关联帐号与目标帐号之间的一级关系类型已经确定，因此一级概率分布中，关系类型属于一级关系类型的概率为1，关系类型属于其它关系类型的概率均为0。
86.示意性的，若预设的关系类型仅包含两种，则一级概率分布采用二项分布；若预设的关系类型包含至少三种，则一级概率分布采用多项分布。
87.例如，在移动支付网络平台中，帐号之间的关系类型包括商业关系和非商业关系，或者具体划分为亲属关系、同事关系、朋友关系和商业关系等，开发人员根据对帐号分类的实际需求预先设置关系类型，并确定对应的概率分布。
88.当关系类型包括两种a和b，且一级关系类型属于关系类型a时，一级概率分布的表达式如下：
[0089][0090]
其中，pr(x＝a)表示一级关系类型属于关系类型a的概率，pr(x＝b)表示一级关系类型属于关系类型b的概率。
[0091]
当关系类型包括至少三种关系类型a、b、c和其它关系类型，且一级关系类型属于关系类型a时，一级概率分布的表达式如下：
[0092]
[0093]
其中，pr(x＝a)表示一级关系类型属于关系类型a的概率，pr(x＝b)表示一级关系类型属于关系类型b的概率，pr(x＝c)表示一级关系类型属于关系类型c的概率。
[0094]
步骤203，基于一级概率分布，以及一级关联帐号与二级关联帐号之间的历史交互记录，确定二级关联帐号的二级概率分布，二级概率分布用于表征二级关联帐号与目标帐号之间关系类型的概率分布情况。
[0095]
由于二级关联帐号与目标帐号之间的交互性较低，服务器无法直接确定二级关系类型，而在帐号关系网络中，同一社区，即相互之间交互较为紧密的帐号之间的关系类型相同，因此服务器通过将一级概率分布扩散至与一级关联帐号之间存在历史交互记录的二级关联帐号，确定二级概率分布，从而得到二级关联帐号与目标帐号之间关系类型的概率分布情况。
[0096]
示意性的，如图3所示，帐号302是目标帐号301对应的一级关联帐号，目标帐号301对应的二级关联帐号包括帐号303、帐号304、帐号305和帐号306，其中，帐号303和帐号304与帐号302之间存在历史交互记录，因此，服务器根据帐号302的一级概率分布确定帐号303和帐号304的二级概率分布。
[0097]
步骤204，根据二级概率分布确定二级关联帐号与目标帐号之间的二级关系类型。
[0098]
一级关联帐号与二级关联帐号所对应的预设关系类型相同，因此二级概率分布的种类与一级概率分布相同，即二级概率分布所服从的规律与一级概率分布相同，服务器基于一级概率分布与一级关联帐号对应的一级关系类型的规律，根据二级分布概率确定二级关联帐号与目标帐号之间的二级关系类型。
[0099]
由于二级概率分布的计算次数较少时，帐号关系确定结果的偶然性过高，会导致部分二级关联帐号与目标帐号之间的二级关系类型与实际不符，因此在一种可能的实施方式中，服务器对二级概率分布进行多次计算，直至二级概率分布接近实际的概率分布结果时，根据二级概率分布确定二级关系类型。
[0100]
综上所述，本技术实施例中，首先通过一级概率分布表述与目标帐号之间交互性较强的一级关联帐号对应的关系类型，并基于一级关联帐号与二级关联帐号之间的历史交互记录，进一步确定二级概率分布，从而根据二级概率分布得到二级关联帐号与目标帐号之间的二级关系类型，采用概率分布传递的方式，由交互性较高且易于确定的帐号关系确定出其他帐号之间的关系类型，无需获取帐号关系网络中全部帐号的详细信息，降低了帐号关系确定的成本，并且能够得到帐号关系网络中每一对交互帐号之间的关系类型，提高了确定帐号关系的效率和精确度。
[0101]
服务器在基于一级概率分布确定二级概率分布的过程中，由于二级关联帐号可能与多个一级概率分布不同的一级关联帐号之间存在历史交互记录，服务器无法通过一次计算使二级概率分布符合实际的二级关系类型，因此服务器需要根据一级关联帐号与二级关联帐号之间的历史交互记录，以及二级关联帐号之间的历史交互记录，不断对二级概率分布进行修正，直至二级概率分布收敛。
[0102]
图4示出了本技术另一个示例性实施例提供的帐号关系确定方法的流程图。本实施例以该方法用于图1所示实施环境中的服务器120为例进行说明，该方法包括如下步骤：
[0103]
步骤401，从帐号关系网络中确定目标帐号对应的一级关联帐号和二级关联帐号，一级关联帐号与目标帐号的交互性高于二级关联帐号与目标帐号的交互性，帐号关系网络
是基于帐号间历史交互记录形成的关系网络。
[0104]
步骤402，根据一级关联帐号与目标帐号之间的一级关系类型，确定一级关联帐号的一级概率分布，一级概率分布用于表征一级关联帐号与目标帐号之间的关系类型的概率分布情况，关系类型包括至少两种。
[0105]
步骤401至步骤402的具体实施方式可以参考上述步骤201至步骤202，本技术实施例在此不再赘述。
[0106]
步骤403，响应于二级关联帐号与一级关联帐号之间存在历史交互记录，根据一级概率分布对二级概率分布进行初始化。
[0107]
在利用一级概率分布进行概率扩散的过程中，由于一级关联帐号与二级关联帐号之间存在历史交互记录时，二者之间才会存在一定的关联性，初始化得到的二级概率分布才有意义，因此服务器获取各个一级关联帐号对应的历史交互信息，对于与一级关联帐号之间存在历史交互记录的二级关联帐号进行二级概率分布的初始化。
[0108]
二级关联帐号与目标帐号之间的交互性较低，服务器无法直接确定二级概率分布，因此服务器需要根据一级概率分布对二级概率分布进行初始化，得到初次概率传递后的二级概率分布。在一种可能的实施方式中，步骤403包括如下步骤：
[0109]
步骤403a，基于一级概率分布确定一级关联帐号对应的一级统计变量，不同统计变量对应不同关系类型。
[0110]
由于服务器需要将一级概率分布传递至二级关联帐号，使二级关联帐号基于一级关联帐号的关系类型初始化二级概率分布，而若将完整的一级概率分布表达式传递至二级关联帐号则计算过程较为繁琐，且一级概率分布具有一级关系类型对应的概率值为1，其它关系类型对应的概率值为0的特殊性，因此服务器对各个关联帐号设置有统计变量，不同统计变量用于表示不同的关系类型，其中一级关联帐号对应的一级统计变量由一级关系类型得到。
[0111]
示意性的，关系类型包括两种，关系类型a和关系类型b，当一级关系类型属于关系类型a时，服务器生成一级统计变量m＝a，当一级关系类型属于关系类型b时，服务器生成一级统计变量m＝b。
[0112]
步骤403b，将一级统计变量传递至二级关联帐号。
[0113]
在一种可能的实施方式中，服务器将一级统计变量传递至与一级关联帐号之间存在历史交互记录的二级关联帐号。示意性的，如图3所示，一级关联帐号302对应的一级关系类型为关系类型a，服务器生成一级关联帐号302对应的一级统计变量m＝a，并将m＝a传递至帐号303和帐号304。
[0114]
步骤403c，根据二级关联帐号接收到的一级统计变量初始化二级概率分布，二级概率分布中关系类型的概率为不同关系类型对应一级统计变量的数量占一级统计变量总数的比值。
[0115]
一级统计变量全部传递完成后，服务器需要根据二级关联帐号接收到的一级统计变量对二级概率分布进行初始化。在一种可能的实施方式中，服务器分别以二级关联帐号所接收到的一级统计变量中，各个关系类型对应的一级统计变量的数量占一级统计变量总数的比值表示各个关系类型的概率。
[0116]
例如，若关系类型包括两种，关系类型a和关系类型b，则二级概率分布的表达式如
下：
[0117][0118]
其中，cnta表示m＝a的一级统计变量的个数，cntb表示m＝b的一级统计变量的个数。
[0119]
若关系类型包括至少三种，关系类型a、关系类型b、关系类型c和其它关系类型，则二级概率分布的表达式如下：
[0120][0121]
其中，cnta表示m＝a的一级统计变量的个数，cntb表示m＝b的一级统计变量的个数，cntc表示m＝c的一级统计变量的个数。
[0122]
步骤404，基于一级关联帐号与二级关联帐号之间的历史交互记录，以及二级关联帐号之间的历史交互记录，对二级概率分布进行迭代更新。
[0123]
当二级关联帐号与多个一级关联帐号之间存在历史交互记录，且一级关联帐号对应的一级关系类型不同时，二级关联帐号会接收到不同的一级统计变量，若只进行一次二级概率分布的计算，则会导致二级概率分布与实际情况不符，服务器通过对二级概率分布的多次迭代更新，使二级概率分布逐渐趋近于实际的关系类型对应的概率分布。
[0124]
在一种可能的实施方式中，步骤404包括如下步骤：
[0125]
步骤404a，基于一级概率分布确定一级统计变量，并基于二级概率分布确定二级关联帐号对应的二级统计变量，相同关系类型对应的一级统计变量与二级统计变量相同。
[0126]
在实际的帐号交互过程中，针对同一目标帐号，与其社会关系相同的多个帐号之间联系较为紧密，相互之间通常存在历史交互记录，因此在egonetwork中，二级关联帐号之间的历史交互记录也会对二级概率分布产生影响，服务器在对二级概率分布的迭代更新过程中，需要结合一级统计变量和二级关联帐号对应的二级统计变量重新确定二级概率分布。
[0127]
在一种可能的实施方式中，服务器根据当前的二级概率分布，为各个已经过二级概率分布初始化的二级关联帐号确定二级统计变量，其中，不同统计变量对应不同关系类型，且对于相同的关系类型，其对应的一级统计变量与二级统计变量的值相同。
[0128]
服务器根据二级概率分布中，概率值最高的关系类型确定二级统计变量。
[0129]
示意性的，关系类型包括两种，关系类型a和关系类型b，某一二级关联帐号对应的二级概率分布中，关系类型a对应的概率值高于关系类型b对应的概率值，则服务器生成二级统计变量m＝a。
[0130]
步骤404b，将一级统计变量传递至二级关联帐号，并将二级统计变量传递至与二级关联帐号之间存在历史交互记录的其它二级关联帐号。
[0131]
二级关联帐号与其它二级关联帐号之间的交互性会对二级概率分布产生影响，因此服务器针对已具有二级概率分布的二级关联帐号，获取其对应的历史交互记录，得到与二级关联帐号之间存在历史交互记录的其它二级关联帐号，并基于历史交互记录进行统计变量的传递。
[0132]
示意性的，如图5所示，若关系类型包含两种，关系类型a和关系类型b，帐号502为目标帐号501的一级关联帐号，其余帐号均为二级关联帐号，则在进行二级概率分布的初始化后，帐号503和帐号504均对应有二级概率分布。在后续二级概率分布的迭代更新过程中，服务器根据帐号503当前的二级概率分布生成二级统计变量，传递至帐号504，并根据帐号504当前的二级概率分布生成二级统计变量，传递至帐号503，且仍然将一级关联帐号502对应的一级统计变量传递至帐号503和帐号504。
[0133]
步骤404c，根据二级关联帐号接收到的一级统计变量和二级统计变量更新二级概率分布。
[0134]
一级统计变量和二级统计变量全部传递完成后，服务器根据二级关联帐号所接收到的一级统计变量和二级统计变量的数量对二级概率分布进行更新。
[0135]
例如，若关系类型包括两种，关系类型a和关系类型b，则二级概率分布在对初始的二级概率分布进行第k次迭代后的表达式如下：
[0136][0137]
其中，k表示对初始化的二级概率分布进行迭代的次数，表示第k次迭代时，二级关联帐号接收到m＝a的统计变量的个数，表示第k次迭代时，二级关联帐号接收到m＝b的统计变量的个数。
[0138]
若关系类型包括至少三种，关系类型a、关系类型b、关系类型c和其它关系类型，则二级概率分布在对初始的二级概率分布进行第k次迭代后的表达式如下：
[0139][0140]
其中，表示第k次迭代时，二级关联帐号接收到m＝a的统计变量的个数，表示第k次迭代时，二级关联帐号接收到m＝b的统计变量的个数，表示第k
次迭代时，二级关联帐号接收到m＝c的统计变量的个数。
[0141]
示意性的，如图5所示，帐号503接收到帐号502和帐号504的统计变量，服务器基于帐号502和帐号504的统计变量更新帐号503的二级概率分布。
[0142]
步骤405，响应于二级概率分布满足收敛条件，根据二级概率分布确定二级关联帐号与目标帐号之间的二级关系类型，收敛条件包括迭代更新次数达到次数阈值，或，相邻两次迭代更新得到的二级概率分布的变化率小于变化率阈值。
[0143]
随着二级概率分布迭代次数的增加，二级概率分布中各个关系类型的概率逐渐逼近实际情况，开发人员预先根据需求设置收敛条件，当服务器检测到帐号关系网络中各个二级关联帐号的二级概率分布均满足收敛条件时，根据二级概率分布确定二级关联帐号与目标帐号之间的二级关系类型。
[0144]
示意性的，收敛条件为迭代更新次数达到500次，或，相邻两次迭代更新得到的二级概率分布中，各个关系类型对应的概率值之差小于0.1。
[0145]
在一种可能的实施方式中，步骤405包括如下步骤：
[0146]
步骤405a，将二级概率分布中最大概率值对应的关系类型确定为二级关系类型。
[0147]
二级概率分布中，最大概率值对应的关系类型是二级关系类型最可能对应的关系类型，因此服务器将将二级概率分布中最大概率值对应的关系类型确定为二级关系类型。例如，某一二级关联帐号的二级概率分布如下：
[0148][0149]
则确定该二级关联帐号与目标帐号之间的关系类型为关系类型a。
[0150]
步骤406，响应于二级关联帐号与一级关联帐号之间不存在历史交互记录，确定二级关联帐号与目标帐号之间的二级关系类型为默认关系类型。
[0151]
在帐号关系网络中，可能存在二级关联帐号仅与目标帐号之间有历史交互记录的情况，此时服务器无法采用步骤403至405的方式确定二级关系类型。在一种可能的实施方式中，服务器中存储有默认关系类型，该默认关系类型是由开发人员预先根据实际交互过程中，二级关联帐号仅与目标帐号之间有历史交互记录时二级关系类型可能对应的关系类型所确定的，当服务器确定二级关联帐号与一级关联帐号之间不存在历史交互记录时，确定二级关联帐号与对应的二级关系类型为默认关系类型。
[0152]
例如，在移动支付平台中，帐号之间的关系类型划分为商业关系和非商业关系，二级关联帐号仅与目标帐号之间存在历史交互记录时，二级关联帐号与目标帐号之间的二级关系类型通常为商业关系，因此，当二级关联帐号与一级关联帐号之间不存在历史交互记录时，服务器确定该二级关联帐号与目标帐号之间的二级关系类型为商业关系。
[0153]
步骤406与上述步骤403至405之间为并列关系，对于不同的二级关联帐号，服务器执行步骤403至405，或执行步骤406确定二级关联帐号与目标帐号之间的二级关系类型。
[0154]
本技术实施例中，当二级关联帐号与一级关联帐号之间存在历史交互记录时，首先利用一级关联帐号对应的一级概率分布生成一级统计变量，基于一级关联帐号与二级关联帐号之间的历史交互记录对二级分布概率进行初始化，从而利用交互性较强的关系对，对交互性较弱且不易直接确定关系类型的关系对进行概率扩散，无需获取各个帐号的详细信息即可得到其概率分布；并且利用一级关联帐号与二级关联帐号，以及二级关联帐号与
其它二级关联帐号之间的历史交互记录对二级概率分布进行迭代更新，使二级概率分布逐渐逼近实际的关系类型分布情况，提高了帐号关系确定的准确率。
[0155]
在图2的基础上，如图6所示，其示出了本技术另一个示例性实施例提供的帐号关系确定方法的流程图。本实施例以该方法用于图1所示实施环境中的服务器120为例进行说明，上述步骤201包括步骤201a至201c，上述步骤202包括步骤202a至202b：
[0156]
步骤201a，将帐号关系网络中，与目标帐号之间存在历史交互记录的帐号确定为目标帐号对应的关联帐号。
[0157]
其中，历史交互记录包括历史资源转移记录、历史资源交换记录和历史资源共享记录中的至少一种。
[0158]
对于某一帐号向其它帐号转移资源的操作，例如红包发送或领取操作、帐号之间的资金转账操作以及虚拟物品的赠送操作等，服务器生成历史资源转移记录；对于交互双方帐号之间的资源交换操作，例如某一帐号在电商平台中的商品购买操作，或者用户通过网络帐号为线下购买的商品所进行的支付操作等，服务器生成历史资源交换记录；对于多个帐号之间的资源共享操作，例如帐号a为帐号b、帐号c和帐号d开设亲属卡的操作，以及多个帐号共同参与网络活动瓜分奖励的交互操作等，则服务器生成历史资源共享记录。
[0159]
步骤201b，响应于关联帐号与目标帐号的交互次数大于次数阈值，且历史交互记录中包含预设交互信息，将关联帐号确定为一级关联帐号。
[0160]
其中，预设交互信息是由帐号之间的交互产生，或从交互过程中对交互内容、交互参与方的帐号信息和设备信息进行采集得到的，包括交互方式、交互留言、交互发起方和交互接收方的历史登录设备、交互接收方的帐号类型、交互发起方和交互接收方的历史连接wifi中的至少一种。
[0161]
交互方式是由帐号之间的交互行为产生的，例如对于具有支付功能的即时通讯平台中的交互行为，当交互方式属于联系人之间的转账或红包收发时，通常交互双方属于非商业关系；当交互方式属于向商户付款时，交互双方通常属于商业关系。
[0162]
交互留言是服务器从交互过程中对交互内容进行采集得到的。当同样属于帐号之间的转账行为时，服务器可以基于留言内容确定二者之间的关系类型，比如留言中包含对亲属、朋友等的称呼时，通常交互双方属于非商业关系，当交互留言中包含物品名称或价格、费用等关键词时，交互双方通常属于商业关系。
[0163]
交互发起方和交互接收方的历史登录设备、交互接收方的帐号类型、交互发起方和交互接收方的历史连接wifi是服务器从交互过程中对交互参与方的帐号信息和设备信息进行采集得到的。对于存在相同历史登录设备，或者历史连接wifi的相似度较高的交互接收方和交互发起方，二者通常属于亲属关系或朋友关系等。当交互发起方或交互接收方的帐号类型属于企业帐号时，二者通常属于商业关系。
[0164]
示意性的，历史交互记录中还包括交互发起方的帐号标识、交互接收方的帐号标识、交互时间等信息，以及除交互留言以外的其它交互内容，例如对于转账、支付等交互操作，服务器还会获取其交易金额。
[0165]
服务器将与目标帐号之间的交互次数大于次数阈值，并且包含预设交互信息中至少一种信息的关联帐号确定为一级关联帐号。
[0166]
步骤201c，响应于关联帐号与目标帐号的交互次数小于次数阈值，或历史交互记
录中不包含预设交互信息，将关联帐号确定为二级关联帐号。
[0167]
当关联帐号与目标帐号之间的交互记录中不包含预设交互信息时，服务器无法根据预设交互信息确定该类关联帐号与目标帐号之间的关系类型，服务器直接将该类关联帐号确定为二级关联帐号。若关联帐号与目标帐号之间的交互次数小于次数阈值，则即使历史交互记录中包含预设交互信息，由于交互的次数较少时预设交互信息的参考价值较低，例如历史交互信息中所包含的历史连接wifi的信息较少，导致历史连接wifi的相似性计算结果具有偶然性。因此为了避免服务器根据较少的预设交互信息得到错误的关系确定结果，服务器将与目标帐号之间交互次数小于次数阈值的关联帐号确定为二级关联帐号。
[0168]
步骤202a，将一级关联帐号与目标帐号之间的预设交互信息输入关系分类模型，得到关系分类模型输出的一级关系类型。
[0169]
其中，关系分类模型根据样本交互信息和样本关系类型训练得到。
[0170]
在一种可能的实施方式中，用于训练关系分类模型的计算机设备中预先设置有样本交互信息与样本关系类型的对应关系。例如，若将帐号之间的关系类型划分为商业关系和非商业关系，则开发人员根据两种关系对应的帐号交互特点，将交互参与方帐号类型属于企业帐号的样本交互信息对应的样本关系类型设置为商业关系；将存在相同历史登录设备，或历史连接wifi的相似度高于相似度阈值的样本交互信息对应的样本关系类型设置为非商业关系；将交互方式属于商业交易(例如支付、商品购买)的样本交互信息对应的样本关系类型设置为商业关系。
[0171]
示意性的，关系分类模型由计算机设备利用样本交互信息和样本关系类型，对机器学习模型进行训练得到，其中机器学习模式是具有分类功能的模型，例如卷积神经网络(convolutional neural networks，cnn)、支持向量机(support vector machines，svm)等。
[0172]
步骤202b，根据所述一级关系类型和所述关系类型的数量确定所述一级概率分布。
[0173]
在一种可能的实施方式中，本技术实施例中的一级概率分布采用二项分布或多项分布，其具体的概率分布函数，需要服务器根据预设的关系类型的数量确定，服务器根据一级关系类型和概率分布函数，为各个一级关联帐号生成对应的一级概率分布。
[0174]
示意性的，当预设的关系类型包含两种时，确定概率分布为二项分布，服务器根据一级关系类型和二项分布函数确定一级概率分布；当预设的关系类型包含三种及三种以上的类型时，确定概率分布为多项分布。一级概率分布中，关系类型属于一级关系类型的概率为1，关系类型属于其它关系类型的概率为0。
[0175]
本技术实施例中，服务器根据关联帐号与目标帐号之间的交互次数以及是否包含预设交互信息，确定一级关联帐号和二级关联帐号，避免对交互性较低以及预设交互信息的参考性较低的关联帐号直接进行关系确定，降低服务器的数据处理压力，同时保证了对一级关联帐号与目标帐号之间关系确定的准确率；并且服务器利用预先训练完成的关系分类模型确定一级关联帐号与目标帐号之间的一级关系类型，提高了帐号关系确定的效率和准确率。
[0176]
结合上述各个实施例，在一个示意性的例子中，帐号关系确定的流程如图7所示。
[0177]
步骤701，获取帐号之间的交互记录。
[0178]
服务器在检测到帐号之间的交互操作时，对交互过程进行记录。
[0179]
步骤702，生成帐号关系对。
[0180]
服务器将相互之间存在交互记录的帐号确定为帐号关系对。
[0181]
步骤703，筛选种子关系对，并确定种子关系对的关系类型。
[0182]
其中，种子关系对中的两个帐号之间互为种子节点，种子节点即上述各个实施例中的一级关联帐号。
[0183]
步骤704，构建帐号关系网络。
[0184]
步骤705，针对帐号关系网络中的所有帐号构建自我中心网络。
[0185]
步骤706，对所有帐号进行社区划分，更新迭代非种子关系对之间关系类型的概率分布。
[0186]
其中，非种子关系对中的两个帐号之间互为非种子节点，非种子节点即上述各个实施例中的二级关联帐号。对帐号进行社区划分即依据种子关系对的关系类型确定种子关系对的一级概率分布，根据种子节点与非种子节点之间的交互记录，以及一级概率分布，对非种子关系对的二级概率分布进行初始化，并依据种子节点与非种子节点的交互记录，以及非种子节点之间的交互记录对二级概率分布进行迭代更新的过程。
[0187]
步骤707，确定所有帐号关系对的关系类型。
[0188]
根据迭代更新后的二级概率分布确定非种子关系对的关系类型，从而得到所有帐号关系对的关系类型。
[0189]
图8是本技术一个示例性实施例提供的帐号关系确定装置的结构框图，该装置包括：
[0190]
第一确定模块801，用于从帐号关系网络中确定目标帐号对应的一级关联帐号和二级关联帐号，所述一级关联帐号与所述目标帐号的交互性高于所述二级关联帐号与所述目标帐号的交互性，所述帐号关系网络是基于帐号间历史交互记录形成的关系网络；
[0191]
第二确定模块802，用于根据所述一级关联帐号与所述目标帐号之间的一级关系类型，确定所述一级关联帐号的一级概率分布，所述一级概率分布用于表征所述一级关联帐号与所述目标帐号之间的关系类型的概率分布情况，所述关系类型包括至少两种；
[0192]
第三确定模块803，用于基于所述一级概率分布，以及所述一级关联帐号与所述二级关联帐号之间的所述历史交互记录，确定所述二级关联帐号的二级概率分布，所述二级概率分布用于表征所述二级关联帐号与所述目标帐号之间关系类型的概率分布情况；
[0193]
第四确定模块804，用于根据所述二级概率分布确定所述二级关联帐号与所述目标帐号之间的二级关系类型。
[0194]
可选的，所述第三确定模块803，包括：
[0195]
初始化单元，用于响应于所述二级关联帐号与所述一级关联帐号之间存在所述历史交互记录，根据所述一级概率分布对所述二级概率分布进行初始化；
[0196]
更新单元，用于基于所述一级关联帐号与所述二级关联帐号之间的所述历史交互记录，以及所述二级关联帐号之间的所述历史交互记录，对所述二级概率分布进行迭代更新。
[0197]
可选的，所述初始化单元，还用于：
[0198]
基于所述一级概率分布确定所述一级关联帐号对应的一级统计变量，不同统计变
量对应不同关系类型；
[0199]
将所述一级统计变量传递至所述二级关联帐号；
[0200]
根据所述二级关联帐号接收到的所述一级统计变量初始化所述二级概率分布，所述二级概率分布中关系类型的概率为不同关系类型对应一级统计变量的数量占一级统计变量总数的比值。
[0201]
可选的，所述更新单元，还用于：
[0202]
基于所述一级概率分布确定所述一级统计变量，并基于所述二级概率分布确定所述二级关联帐号对应的二级统计变量，相同所述关系类型对应的所述一级统计变量与所述二级统计变量相同；
[0203]
将所述一级统计变量传递至所述二级关联帐号，并将所述二级统计变量传递至与所述二级关联帐号之间存在所述历史交互记录的其它二级关联帐号；
[0204]
根据所述二级关联帐号接收到的所述一级统计变量和所述二级统计变量更新所述二级概率分布。
[0205]
可选的，所述第四确定模块804，包括：
[0206]
第一确定单元，用于响应于所述二级概率分布满足收敛条件，根据所述二级概率分布确定所述二级关联帐号与所述目标帐号之间的所述二级关系类型，所述收敛条件包括迭代更新次数达到次数阈值，或，相邻两次迭代更新得到的所述二级概率分布的变化率小于变化率阈值。
[0207]
可选的，所述第一确定单元，还用于：
[0208]
将所述二级概率分布中最大概率值对应的所述关系类型确定为所述二级关系类型。
[0209]
可选的，所述装置还包括：
[0210]
第五确定模块，用于响应于所述二级关联帐号与所述一级关联帐号之间不存在所述历史交互记录，确定所述二级关联帐号与所述目标帐号之间的所述二级关系类型为默认关系类型。
[0211]
可选的，所述第一确定模块801，包括：
[0212]
第二确定单元，用于将所述帐号关系网络中，与所述目标帐号之间存在所述历史交互记录的帐号确定为所述目标帐号对应的关联帐号；
[0213]
第三确定单元，用于响应于所述关联帐号与所述目标帐号的交互次数大于次数阈值，且所述历史交互记录中包含预设交互信息，将所述关联帐号确定为所述一级关联帐号，所述预设交互信息是由帐号之间的交互产生，或从交互过程中对交互内容、交互参与方的帐号信息和设备信息进行采集得到的；
[0214]
第四确定单元，用于响应于所述关联帐号与所述目标帐号的所述交互次数小于所述次数阈值，或所述历史交互记录中不包含所述预设交互信息，将所述关联帐号确定为所述二级关联帐号。
[0215]
可选的，所述预设交互信息包括交互方式、交互留言、交互发起方和交互接收方的历史登录设备、所述交互接收方的帐号类型、所述交互发起方和所述交互接收方的历史连接无线保真wifi中的至少一种。
[0216]
可选的，所述第二确定模块802，包括：
[0217]
分类单元，用于将所述一级关联帐号与所述目标帐号之间的所述预设交互信息输入关系分类模型，得到所述关系分类模型输出的所述一级关系类型，所述关系分类模型根据样本交互信息和样本关系类型训练得到；
[0218]
第五确定单元，用于根据所述一级关系类型和所述关系类型的数量确定所述一级概率分布。
[0219]
可选的，所述历史交互记录包括历史资源转移记录、历史资源交换记录和历史资源共享记录中的至少一种。
[0220]
综上所述，本技术实施例中，首先通过一级概率分布表述与目标帐号之间交互性较强的一级关联帐号对应的关系类型，并基于一级关联帐号与二级关联帐号之间的历史交互记录，进一步确定二级概率分布，从而根据二级概率分布得到二级关联帐号与目标帐号之间的二级关系类型，采用概率分布传递的方式，由交互性较高且易于确定的帐号关系确定出其他帐号之间的关系类型，无需获取帐号关系网络中全部帐号的详细信息，降低了帐号关系确定的成本，并且能够得到帐号关系网络中每一对交互帐号之间的关系类型，提高了确定帐号关系的效率和精确度。
[0221]
请参考图9，其示出了本技术一个实施例提供的服务器的结构示意图。具体来讲：
[0222]
所述服务器900包括中央处理单元(central processing unit，cpu)901、包括随机存取存储器(random access memory，ram)902和只读存储器(read only memory，rom)903的系统存储器904，以及连接系统存储器904和中央处理单元901的系统总线905。所述服务器900还包括帮助计算机内的各个器件之间传输信息的基本输入/输出(input/output，i/o)控制器906，和用于存储操作系统913、应用程序914和其他程序模块915的大容量存储设备907。
[0223]
所述基本输入/输出系统906包括有用于显示信息的显示器908和用于用户输入信息的诸如鼠标、键盘之类的输入设备909。其中所述显示器908和输入设备909都通过连接到系统总线905的输入输出控制器910连接到中央处理单元901。所述基本输入/输出系统906还可以包括输入输出控制器910以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入/输出控制器910还提供输出到显示屏、打印机或其他类型的输出设备。
[0224]
所述大容量存储设备907通过连接到系统总线905的大容量存储控制器(未示出)连接到中央处理单元901。所述大容量存储设备907及其相关联的计算机可读介质为服务器900提供非易失性存储。也就是说，所述大容量存储设备907可以包括诸如硬盘或者只读光盘(compact disc read-only memory，cd-rom)驱动器之类的计算机可读介质(未示出)。
[0225]
不失一般性，所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括ram、rom、可擦除可编程只读存储器(erasable programmable read only memory，eprom)、闪存或其他固态存储其技术，cd-rom、数字视频光盘(digital video disc，dvd)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器904和大容量存储设备907可以统称为存储器。
[0226]
根据本技术的各种实施例，所述服务器900还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器900可以通过连接在所述系统总线905上的网络接口单元911连接到网络912，或者说，也可以使用网络接口单元911来连接到其他类型的网络或远程计算机系统(未示出)。
[0227]
所述存储器还包括至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集存储于存储器中，且经配置以由一个或者一个以上处理器执行，以实现上述帐号关系确定方法。
[0228]
本技术实施例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存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如上各个实施例所述的帐号关系确定方法。
[0229]
根据本技术的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。服务器的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该服务器执行上述方面的各种可选实现方式中提供的帐号关系确定方法。
[0230]
本领域技术人员应该可以意识到，在上述一个或多个示例中，本技术实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读存储介质中或者作为计算机可读存储介质上的一个或多个指令或代码进行传输。计算机可读存储介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
[0231]
以上所述仅为本技术的可选实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。