- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
(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 CN 110995810 A
(43)申请公布日
2020.04.10
(21)申请号 201911167470.6
(22)申请日 2019.11.25
(71)申请人 腾讯科技(深圳)有限公司
地址 518057 广东省深圳市南山区高新区
科技中一路腾讯大厦35层
(72)发明人 温蕊
(74)专利代理机构 深圳市深佳知识产权代理事
务所(普通合伙) 44285
代理人 王兆林
(51)Int.Cl.
H04L 29/08(2006.01)
G06N 3/08(2006.01)
权利要求书2页 说明书18页 附图7页
(54)发明名称
一种基于人工智能的对象识别方法和相关
装置
(57)摘要
本申请实施例公开了一种基于人工智能的
对象识别方法和相关装置,通过获取网络行为数
据,可以确定出实施网络行为的多个对象和所实
施网络行为,针对其中的待识别对象的类型,可
以基于网络行为与待识别对象所建立的关联确
定关联对象,对关联对象的时序行为特征携带有
与待识别对象类型相关的大量有效内容,可以为
识别待识别对象提供依据。而且针对任一个待识
别对象,所构建出的邻居特征集合中均包括指定
数量的时序行为特征,通过这种统一的构建方式
确定出特征一致性较高的邻居特征集合,该统一
A 构建方式能够提供很好的可泛化性,可以有效的
0 适用于不同的网络行为数据,具有稳定的识别精
1
8
5 度,且提高了计算性能和计算效率,排除了对象
9
9
0 识别中的人为影响。
1
1
N
C
CN 110995810 A 权 利 要 求 书 1/2页
1.一种对象识别方法,其特征在于,所述方法包括:
获取通过网络行为所产生的网络行为数据,所述网络行为数据包括标识所述网络行为
的行为信息,以及与所述网络行为相关的多个对象;
若所述多个对象中的目标对象被确定为待识别对象,从所述多个对象中确定与所述待
识别对象具有关联关系的关联对象;所述关联关系用于标识所述网络行为数据中所述对象
间基于所述网络行为建立的关联;
根据所述关联对象的时序行为特征确定邻居特征集合;所述关联对象的时序行为特征
是根据与所述关联对象相关的网络行为数据确定的,所述邻居特征集合包括指定数量的时
序行为特征;
根据所述邻居特征集合识别所述待识别对象的类型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述关联对象的时序行为特征确
定邻居特征集合,包括:
若所述关联对象的数量小于所述指定数量,根据所述关联对象的时序行为特征进行复
用,以将所述邻居特征集合中的时序行为特征的数量增加到所述指定数量;
若所述关联对象的数量大于所述指定数量,从所述关联对象的时序行为特征中选取所
述指定数量的时序行为特征作为所述邻居特征集合。
3.根据权利要求1所述的方法,其特征在于,所述根据所述邻居特征集合识别所述待识
别对象的类型,包括:
通过对所述邻居特征集合中的时序行为特征进行聚合,得到所述待识别对象对应的待
检测特征向量;
根据所述待检测特征向量,通过神经网络模型确定所述待识别对象的类型。
4.根据权利要求3所述的方法,其特征在于,所述神经网络模型是通过如下方式训练
的:
根据历史网络行为数据和所述历史网络行为数据所标识的历史关联关系,确定已识别
对象的历史邻居特征集合;所述历史邻居特征集合包括所述指定数量的时序行为特征;
根据所述历史邻居特征集合和所述已识别对象的类
文档评论(0)