基于特征掩码的用户行为识别方法、系统、及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110705996A(43)申请公布日2020.01.17(21)申请号201910990629.8(22)申请日2019.10.17(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人王宝坤(74)专利代理机构成都七星天知识产权代理有限公司51253代理人杨永梅(51)Int.Cl.G06Q20/40(2012.01)G06F21/55(2013.01)G06N3/08(2006.01)权利要求书3页说明书16页附图5页(54)发明名称基于特征掩码的用户行为识别方法、系统、及装置(57)摘要本说明书实施例公开了一种基于特征掩码的用户行为识别方法。所述方法包括：获取多组与用户行为相关的行为特征；采用行为数据矩阵表示所述多组与用户行为相关的行为特征；至少基于所述行为数据矩阵、注意力矩阵以及与所述行为特征相关的特征掩码矩阵，识别所述用户行为在目标应用场景中的风险；其中，所述与行为特征相关的特征掩码矩阵中的元素的取值为1或者0；1对应于在所述目标应用场景中需要关注的用户行为特征；0对应于在所述目标应用场景中不需要关注的用户行为特征。所述方法可以有效提高用户行为的识别效率，节约计算资源，并能提高计算模型的稳定性。CN110705996ACN110705996A权利要求书1/3页1.一种基于特征掩码的用户行为识别方法，包括：获取多组与用户行为相关的行为特征；采用行为数据矩阵表示所述多组与用户行为相关的行为特征；至少基于所述行为数据矩阵、注意力矩阵以及与所述行为特征相关的特征掩码矩阵，识别所述用户行为在目标应用场景中的风险；其中，所述与行为特征相关的特征掩码矩阵中的元素的取值为1或者0；1对应于在所述目标应用场景中需要关注的用户行为特征；0对应于在所述目标应用场景中不需要关注的用户行为特征。2.根据权利要求1所述的方法，其中，所述特征掩码矩阵基于预设规则生成，所述预设规则包括：获取初始矩阵，所述矩阵中的值全部为1，行数与所述多组行为特征中包含最多特征个数的一组行为特征的特征个数相同，列数与所述行为特征的组数相同；确定每组行为特征的缺失元素，所述缺失元素为与包含最多特征个数的一组行为特征相比缺少的一个或以上特征；调整所述初始矩阵中对应于所述缺失元素的值为0；指定所述值调整后的初始矩阵为所述掩码矩阵。3.根据权利要求1所述的方法，其中，所述特征掩码矩阵基于预设规则生成，所述预设规则包括：获取初始矩阵，所述矩阵中的值全部为1，行数与所述多组行为特征中包含最多特征个数的一组行为特征的特征个数相同，列数与所述行为特征的组数相同；确定每组行为特征是否包含感兴趣特征；调整所述初始矩阵中对应于不包含感兴趣特征的值为0；指定所述值调整后的初始矩阵为所述掩码矩阵。4.根据权利要求1所述的方法，其中，所述至少基于所述行为数据矩阵、注意力矩阵以及与所述行为特征相关的特征掩码矩阵，识别所述用户行为在目标应用场景中的风险，包括：基于所述行为数据矩阵、所述注意力矩阵以及所述特征掩码矩阵，确定注意力权值矩阵；基于所述行为数据矩阵以及所述注意力权值矩阵，确定行为数据权值矩阵；将所述行为数据权值矩阵输入至训练好的深度神经网络，识别所述用户行为在目标应用场景中的风险。5.根据权利要求4所述的方法，其中，确定所述注意力权值矩阵，包括：确定所述行为矩阵与所述注意力矩阵的矩阵乘积；确定所述矩阵乘积与所述特征掩码矩阵的点积；基于所述点积，获取所述注意力权值矩阵。6.根据权利要求4所述的方法，其中，所述训练好的深度神经网络为循环神经网络、长短时记忆神经网络、或门限循环单元。7.根据权利要求1-6中任意一项所述的方法，其中，所述行为特征包括以下元素：行为事件、行为类别、与行为相关的电子设备状态、或与行为相关的数值。2CN110705996A权利要求书2/3页8.根据权利要求6所述的方法，其中，所述方法进一步包括：确定对应于所述用户行为的行为实际结果；利用所述用户行为相关的行为特征及所述行为实际结果，更新所述深度神经网络，和/或所述注意力矩阵。9.一种基于特征掩码的用户行为识别系统，所述系统包括获取模块以及确定模块；所述获取模块，用于获取多组与用户行为相关的行为特征；所述确定模块，用于采用行为数据矩阵表示所述多组与用户行为相关的行为特征；以及用于至少基于所述行为数据矩阵、注意力矩阵以及与所述行为特征相关的特征掩码矩阵，识别所述用户行为在目标应用场景中的风险；其中，所述与行为特征相关的特征掩码矩阵中的元素的取值为1或者0；1对应于在所述目标应用场景中需要关注的用户行为特征；0对应于在所述目标应用场景中不需要关注的用户行为特征。10.根据权利要