本技術(shù)屬于通訊，尤其涉及一種識別信息的確定方法、裝置、設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著通信網(wǎng)絡(luò)的發(fā)展，通過通信網(wǎng)絡(luò)發(fā)生的行為中出現(xiàn)了異常行為，且異常行為越來越多樣化。通常通過異常行為信息來識別異常用戶，比如通過異常行為信息識別異常號碼，進(jìn)而確定異常用戶。

2、現(xiàn)有的對異常號碼的識別方法通常是基于大量的訓(xùn)練樣本對異常號碼識別模型進(jìn)行訓(xùn)練，并利用訓(xùn)練好的異常號碼識別模型對待識別的號碼進(jìn)行識別，以識別出異常號碼。

3、但是，這種對異常號碼的識別方法中識別信息的生成大多是基于業(yè)務(wù)經(jīng)驗(yàn)總結(jié)且固化下來的，如果有新的樣本數(shù)據(jù)，需要人工重新調(diào)整特征標(biāo)簽的組合來保證識別信息查全率和查準(zhǔn)率，并且識別信息也需要根據(jù)特征標(biāo)簽的變化來重新調(diào)整，不僅耗費(fèi)大量的人工成本和時(shí)間，無法及時(shí)識別異常號碼，而且用戶在使用的過程中，對于識別異常號碼的準(zhǔn)確度也無從追溯。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例提供一種識別信息的確定方法、裝置、設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)，不需要人工對識別信息進(jìn)行調(diào)整，減小了人力成本和確定識別信息的時(shí)間，能夠及時(shí)識別異常號碼，而且用戶在使用識別信息的過程中，通過識別信息對應(yīng)的查準(zhǔn)率可以確定準(zhǔn)確度。

2、第一方面，本技術(shù)實(shí)施例提供一種識別信息的確定方法，包括：

3、獲取特征標(biāo)簽集和特征標(biāo)簽集對應(yīng)的標(biāo)簽數(shù)據(jù)，特征標(biāo)簽集包括第一特征標(biāo)簽和第二特征標(biāo)簽；

4、根據(jù)特征標(biāo)簽集，從標(biāo)簽數(shù)據(jù)中選取目標(biāo)場景信息對應(yīng)的第一標(biāo)簽數(shù)據(jù)，第一標(biāo)簽數(shù)據(jù)包括正常號碼的標(biāo)簽數(shù)據(jù)和異常號碼的標(biāo)簽數(shù)據(jù)；

5、基于決策樹算法，利用特征標(biāo)簽集構(gòu)建第一分類模型，將第一分類模型的子節(jié)點(diǎn)上的第一特征標(biāo)簽及第一特征標(biāo)簽對應(yīng)的第一閾值，和子節(jié)點(diǎn)對應(yīng)的所有父節(jié)點(diǎn)上的第二特征標(biāo)簽及第二特征標(biāo)簽對應(yīng)的第一閾值作為第一識別信息，利用第一標(biāo)簽數(shù)據(jù)對第一分類模型進(jìn)行訓(xùn)練，得到每個(gè)第一識別信息中每個(gè)特征標(biāo)簽的第一閾值，和第一識別信息對異常號碼的第一查全率、第一查準(zhǔn)率和第一信息增益值，利用第一查全率、第一查準(zhǔn)率和第一信息增益值更新第一識別信息。

6、在一個(gè)可能實(shí)現(xiàn)的實(shí)施例中，在利用第一標(biāo)簽數(shù)據(jù)對分類模型進(jìn)行訓(xùn)練，得到每個(gè)第一識別信息中每個(gè)特征標(biāo)簽的第一閾值，和第一識別信息對異常號碼的第一查全率、第一查準(zhǔn)率和第一信息增益值之后，方法還包括：

7、接收用戶的第一輸入，第一輸入包括多個(gè)子時(shí)間段和多個(gè)子時(shí)間段中每個(gè)子時(shí)間段對應(yīng)的風(fēng)險(xiǎn)等級信息；

8、響應(yīng)于第一輸入，根據(jù)風(fēng)險(xiǎn)等級信息，更新每個(gè)子時(shí)間段中每個(gè)特征標(biāo)簽的第一閾值。

9、在一個(gè)可能實(shí)現(xiàn)的實(shí)施例中，在獲取特征標(biāo)簽集之前，方法還包括：

10、從用戶的賬務(wù)信息和行為信息中，獲取多個(gè)特征標(biāo)簽和多個(gè)特征標(biāo)簽對應(yīng)的標(biāo)簽數(shù)據(jù)；

11、利用隨機(jī)森林算法，構(gòu)建多個(gè)決策樹；隨機(jī)選取多個(gè)特征標(biāo)簽中的第三特征標(biāo)簽和標(biāo)簽數(shù)據(jù)中第三特征標(biāo)簽對應(yīng)的第二標(biāo)簽數(shù)據(jù)，將第三特征標(biāo)簽和第二標(biāo)簽數(shù)據(jù)作為第一訓(xùn)練集；利用第一訓(xùn)練集訓(xùn)練目標(biāo)決策樹，得到第一決策樹；將標(biāo)簽數(shù)據(jù)中第三特征標(biāo)簽對應(yīng)的第三標(biāo)簽數(shù)據(jù)作為第一驗(yàn)證集，利用第一決策樹，確定第一驗(yàn)證集的第一預(yù)測錯(cuò)誤率，第三標(biāo)簽數(shù)據(jù)為標(biāo)簽數(shù)據(jù)中除第二標(biāo)簽數(shù)據(jù)之外的標(biāo)簽數(shù)據(jù)，目標(biāo)決策樹為多個(gè)決策樹中的任意一個(gè)；

12、在目標(biāo)第三特征標(biāo)簽在目標(biāo)決策樹中的情況下，利用隨機(jī)數(shù)替換第三標(biāo)簽數(shù)據(jù)中目標(biāo)第三特征標(biāo)簽對應(yīng)的第二標(biāo)簽數(shù)據(jù)，得到第四標(biāo)簽數(shù)據(jù)，目標(biāo)第三特征標(biāo)簽為第三特征標(biāo)簽中的任意一個(gè)；

13、將第三特征標(biāo)簽和第四標(biāo)簽數(shù)據(jù)作為第二訓(xùn)練集，利用第二訓(xùn)練集訓(xùn)練目標(biāo)決策樹，得到第二決策樹；利用第二決策樹，確定第一驗(yàn)證集的第二預(yù)測錯(cuò)誤率；

14、對于每一個(gè)決策樹，分別計(jì)算第一預(yù)測錯(cuò)誤率和第二預(yù)測錯(cuò)誤率的差值；

15、計(jì)算差值的平均值，得到目標(biāo)第三特征標(biāo)簽的重要程度；

16、根據(jù)每個(gè)目標(biāo)特征標(biāo)簽的重要程度選取第一預(yù)設(shè)數(shù)量的特征標(biāo)簽，得到特征標(biāo)簽集。

17、在一個(gè)可能實(shí)現(xiàn)的實(shí)施例中，還包括：

18、在目標(biāo)第三特征標(biāo)簽不在目標(biāo)決策樹中的情況下，確定差值為目標(biāo)值。

19、在一個(gè)可能實(shí)現(xiàn)的實(shí)施例中，在利用第一查全率、第一查準(zhǔn)率和第一信息增益更新第一識別信息之后，方法還包括：

20、在第一查全率、第一查準(zhǔn)率和第一信息增益值滿足預(yù)設(shè)條件的情況下，得到訓(xùn)練好的第一分類模型，確定更新后第一識別信息和更新后的第一識別信息對異常號碼的目標(biāo)查全率、目標(biāo)查準(zhǔn)率和目標(biāo)信息增益值。

21、在一個(gè)可能實(shí)現(xiàn)的實(shí)施例中，還包括：

22、在目標(biāo)查準(zhǔn)率小于預(yù)設(shè)閾值的情況下，接收用戶的第二輸入，第二輸入包括對第一預(yù)設(shè)數(shù)量的修改輸入信息；

23、響應(yīng)于第二輸入，第一預(yù)設(shè)數(shù)量更改為第二預(yù)設(shè)數(shù)量；

24、根據(jù)每個(gè)目標(biāo)特征標(biāo)簽的重要程度選取第二預(yù)設(shè)數(shù)量的特征標(biāo)簽，得到更新后的特征標(biāo)簽集，更新后的特征標(biāo)簽集包括第四特征標(biāo)簽和第五特征標(biāo)簽；

25、根據(jù)更新后的特征標(biāo)簽集，從標(biāo)簽數(shù)據(jù)中選取目標(biāo)場景信息對應(yīng)的第五標(biāo)簽數(shù)據(jù)；

26、基于決策樹算法，利用更新后的特征標(biāo)簽集構(gòu)建第二分類模型，將第二分類模型的子節(jié)點(diǎn)上的第四特征標(biāo)簽及第四特征標(biāo)簽對應(yīng)的第二閾值，和子節(jié)點(diǎn)對應(yīng)的所有父節(jié)點(diǎn)上的第五特征標(biāo)簽及第五特征標(biāo)簽對應(yīng)的第二閾值作為第二識別信息，利用第五標(biāo)簽數(shù)據(jù)對第二分類模型進(jìn)行訓(xùn)練，得到每個(gè)第二識別信息中每個(gè)特征標(biāo)簽的第二閾值，和第二識別信息對異常號碼的第二查全率、第二查準(zhǔn)率和第二信息增益值，利用第二查全率、第二查準(zhǔn)率和第二信息增益值更新第二識別信息。

27、第二方面，本技術(shù)實(shí)施例提供了一種識別信息的確定裝置，包括：

28、獲取模塊，用于獲取特征標(biāo)簽集和特征標(biāo)簽集對應(yīng)的標(biāo)簽數(shù)據(jù)，特征標(biāo)簽集包括第一特征標(biāo)簽和第二特征標(biāo)簽；

29、選取模塊，用于根據(jù)特征標(biāo)簽集，從標(biāo)簽數(shù)據(jù)中選取目標(biāo)場景信息對應(yīng)的第一標(biāo)簽數(shù)據(jù)，第一標(biāo)簽數(shù)據(jù)包括正常號碼的標(biāo)簽數(shù)據(jù)和異常號碼的標(biāo)簽數(shù)據(jù)；

30、確定模塊，用于基于決策樹算法，利用特征標(biāo)簽集構(gòu)建第一分類模型，將第一分類模型的子節(jié)點(diǎn)上的第一特征標(biāo)簽及第一特征標(biāo)簽對應(yīng)的第一閾值，和子節(jié)點(diǎn)對應(yīng)的所有父節(jié)點(diǎn)上的第二特征標(biāo)簽及第二特征標(biāo)簽對應(yīng)的第一閾值作為第一識別信息，利用第一標(biāo)簽數(shù)據(jù)對第一分類模型進(jìn)行訓(xùn)練，得到每個(gè)第一識別信息中每個(gè)特征標(biāo)簽的第一閾值，和第一識別信息對異常號碼的第一查全率、第一查準(zhǔn)率和第一信息增益值，利用第一查全率、第一查準(zhǔn)率和第一信息增益值更新第一識別信息。

31、第三方面，本技術(shù)實(shí)施例提供了一種電子設(shè)備，設(shè)備包括：

32、處理器以及存儲(chǔ)有計(jì)算機(jī)程序指令的存儲(chǔ)器；

33、處理器執(zhí)行計(jì)算機(jī)程序指令時(shí)實(shí)現(xiàn)上述任意一項(xiàng)的在識別信息的確定方法。

34、第四方面，本技術(shù)實(shí)施例提供了一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序指令，計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述任意一項(xiàng)的識別信息的確定方法。

35、第五方面，本技術(shù)實(shí)施例提供了一種計(jì)算機(jī)程序產(chǎn)品，其特征在于，計(jì)算機(jī)程序產(chǎn)品中的指令由電子設(shè)備的處理器執(zhí)行時(shí)，使得電子設(shè)備能夠執(zhí)行上述任意一項(xiàng)的識別信息的確定方法。

36、本技術(shù)實(shí)施例的識別信息的確定方法、裝置、設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)，該方法包括：獲取特征標(biāo)簽集和特征標(biāo)簽集對應(yīng)的標(biāo)簽數(shù)據(jù)，特征標(biāo)簽集包括第一特征標(biāo)簽和第二特征標(biāo)簽；根據(jù)特征標(biāo)簽集，從標(biāo)簽數(shù)據(jù)中選取目標(biāo)場景信息對應(yīng)的第一標(biāo)簽數(shù)據(jù)，第一標(biāo)簽數(shù)據(jù)包括正常號碼的標(biāo)簽數(shù)據(jù)和異常號碼的標(biāo)簽數(shù)據(jù)；基于決策樹算法，利用特征標(biāo)簽集構(gòu)建第一分類模型，將第一分類模型的子節(jié)點(diǎn)上的第一特征標(biāo)簽及第一特征標(biāo)簽對應(yīng)的第一閾值，和子節(jié)點(diǎn)對應(yīng)的所有父節(jié)點(diǎn)上的第二特征標(biāo)簽及第二特征標(biāo)簽對應(yīng)的第一閾值作為第一識別信息，利用第一標(biāo)簽數(shù)據(jù)對第一分類模型進(jìn)行訓(xùn)練，得到每個(gè)第一識別信息中每個(gè)特征標(biāo)簽的第一閾值，和第一識別信息對異常號碼的第一查全率、第一查準(zhǔn)率和第一信息增益值，利用第一查全率、第一查準(zhǔn)率和第一信息增益更新第一識別信息。如此，基于目標(biāo)場景信息的不同選取不同的樣本數(shù)據(jù)，利用決策樹分類模型，將特征標(biāo)簽進(jìn)行自由組合，并確定特征標(biāo)簽對應(yīng)的閾值，進(jìn)而得到多個(gè)不同場景下異常號碼的識別信息，不再需要人工對特征標(biāo)簽組合和識別信息進(jìn)行調(diào)整，減小了人力成本和確定識別信息的時(shí)間，能夠及時(shí)識別異常號碼，而且用戶在使用識別信息的過程中，通過識別信息對應(yīng)的查準(zhǔn)率可以確定準(zhǔn)確度。