CN115564456B 一种电商网络异常产品检测方法及系统 （山西大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115564456B(45)授权公告日2025.07.01

(21)申请号202211204359.1

(22)申请日2022.09.29

(65)同一申请的已公布的文献号申请公布号CN115564456A

(43)申请公布日2023.01.03

(73)专利权人山西大学

地址030006山西省太原市坞城路92号

(72)发明人杜航原曹振武王文剑白亮梁吉业

(74)专利代理机构太原申立德知识产权代理事务所(特殊普通合伙)14115

专利代理师郭海燕

(51)Int.CI.

GO6Q30/018(2023.01)

GO6F18/2433(2023.01)

GO6F18/214(2023.01)

GO6N3/042(2023.01)

GO6N3/045(2023.01)

GO6N3/0455(2023.01)

GO6N5/02(2023.01)

(56)对比文件

杜航原.融合知识的多视图属性网络异常检测模型.自动化学报.2023,第49卷(第8期),全

文.

曹振武.基于知识融合的网络异常检测方法研究.硕士电子期刊出版.2024,全文.

审查员张力

权利要求书5页说明书11页附图3页

(54)发明名称

一种电商网络异常产品检测方法及系统

(57)摘要

CN115564456B本发明涉及互联网电商领域，为了提高异常产品检测的有效性和可靠性，公开了一种电商网络异常产品检测方法及系统。所述方法包括领域知识图谱数据预处理环节、电商网络异常产品检测模型构建及优化环节和电商网络异常产品检测结果输出及处理环节。本发明结合TransR模型获得的领域知识图谱中产品的知识和电商网络拓扑构造其孪生网络，在多视图编码器分别对电商网络和孪生网络进行编码后，通过聚合器实现了对产品领域知识的有效融合，最终，依据解码的误差为每个产品计算一个异常分数来评估其异常程度，进而完成异常产品的检测和识别。本

CN115564456B

能。

电商网络领域知识

电商网络领域知识图谱数据

构建电商网络的李生网络

构建电商网络异常产品检测模型

电商网络异常产品检测模型求解

电商网络异常产品检测

结果输出

电商网络数据

流程方向

CN115564456B权利要求书1/5页

2

1.一种电商网络异常产品检测方法，其特征在于，包括以下步骤：

S10、面向电商网络中的产品采集所有相关三元组，并进行数据清洗以构成领域知识图谱，降低噪声对检测结果的影响；

S20、对步骤S10获取的知识图谱应用TransR模型，获得产品领域知识的嵌入向量，并依据电商网络的拓扑结构构造其孪生网络；

S30、基于步骤S20中获得的孪生网络，利用图自编码器和图注意力网络构建电商网络异常产品检测模型；

S40、对于步骤S30构建的电商网络异常产品检测模型，通过迭代计算方式对模型进行训练，确定模型中的待定参数；

S50、利用步骤S30构建的电商网络异常产品检测模型，以及步骤S40确定的模型参数，将异常产品检测结果进行输出，并对异常产品进行处理；

所述步骤S20包括以下具体步骤：

S21、将电商网络数据表示为属性网络G=(V,E,X),电商网络中的产品表示为属性网络中产品节点，产品之间的共同购买关系表示为产品节点之间的边；其中，V={v;li=1,2,...,

n}表示网络中n个产品节点构成的集合，v;表示第i个产品对应的节点，每个产品节点具有d个属性，x?∈X(i=1,2,...,n)表示产品节点v?的属性向量；E={e(i,j)|v?∈V,v;∈V}为网络中所有边构成的集合，e(i,j)为产品节点v和v;之间的边，表示有用户同时购买了这两个节点代表的产品，属性网络共包含|E|=m条边；X∈R”d为所有产品节点的属性向量组成的矩阵；此外，邻接矩阵A∈R””表示属性网络的拓扑结构，若产品节点v和v;之间存在边，则A;=1,否则A?=0;

S22、对于S13获得的领域知识图谱中的每个三元组(h,r,t),将其头实体与尾实体的嵌入分别记作h和t,令r表示实体间关系的嵌入，并对关系r设置一个映射矩阵M将实体从实体空间投影到相应的关系空间，分别获得头实体投影向量h和尾实体投影向量t,如式(1)

(1)和(2)(2)所示：