游戏中异常账号的识别方法、装置、电子设备及存储介质与流程

1.本技术涉及游戏技术领域，具体而言，涉及一种游戏中异常账号的识别方法、装置、电子设备及存储介质。


背景技术：

2.游戏内的洗量行为指的是某些游戏虚拟对象(游戏玩家所控制的游戏角色)通过聊天的方式，引诱其他正常虚拟对象去玩其他游戏，从而会影响游戏的营收，若能及时识别出存在洗量行为的异常账号，则可以有效避免洗量行为的发生，降低不必要的损失。
3.现有技术中，通过是通过获取的游戏虚拟对象的聊天内容，根据聊天内容与预先设定的关键词进行匹配，以判断聊天内容是否存在洗量嫌疑，从而进一步人工确定发出该聊天内容的虚拟对象使用的账号是否为异常账号。
4.但是，上述基于关键词匹配的方式进行识别较为片面，可信度较差，从而导致识别结果的准确性较低。


技术实现要素：

5.本技术的目的在于，针对上述现有技术中的不足，提供一种游戏中异常账号的识别方法、装置、电子设备及存储介质，以便于解决现有技术中存在的游戏异常账号的识别结果准确性较差的问题。
6.为实现上述目的，本技术实施例采用的技术方案如下：
7.第一方面，本技术实施例提供了一种游戏中异常账号的识别方法，包括：
8.获取样本数据集，所述样本数据集包括：预设时间段内目标游戏下至少一个游戏虚拟对象的游戏日志；
9.根据各所述游戏虚拟对象的游戏日志、以及预先搭建的知识图谱架构，构建目标图谱，所述目标图谱用于表征游戏虚拟对象的信息，所述信息包括：游戏虚拟对象的特征信息、游戏虚拟对象与其他游戏虚拟对象的对话关系、游戏虚拟对象与游戏账号之间的对应关系；
10.基于所述目标图谱，确定目标异常虚拟对象以及目标异常虚拟对象对应的异常账号；
11.根据所述目标异常虚拟对象的游戏日志以及所述目标异常虚拟对象对应的异常账号的数据，训练目标识别模型，所述目标识别模型用于识别待识别虚拟对象对应的游戏账号是否为异常账号。
12.可选地，所述目标识别模型包括：对话标注分类模型以及异常账号识别模型；
13.所述根据所述目标异常虚拟对象的游戏日志以及所述目标异常虚拟对象对应的异常账号的数据，训练目标识别模型，包括：
14.根据所述目标异常虚拟对象的游戏日志训练所述对话标注分类模型，所述对话标注分类模型用于对待识别的虚拟对象的游戏日志进行类别标注；
15.根据所述目标异常虚拟对象对应的异常账号的数据以及所述对话标注分类模型，训练所述异常账号识别模型，所述异常账号识别模型用于识别所述待识别虚拟对象对应的游戏账号是否为异常账号。
16.可选地，所述基于所述目标图谱，确定目标异常虚拟对象以及目标异常虚拟对象对应的异常账号，包括：
17.基于所述目标图谱，从各游戏虚拟对象中筛选疑似异常虚拟对象；
18.从所述疑似异常虚拟对象中确定所述目标异常虚拟对象以及所述目标异常虚拟对象对应的异常账号。
19.可选地，所述根据各所述游戏虚拟对象的游戏日志、以及预先搭建的知识图谱架构，构建目标图谱，包括：
20.根据所述知识图谱架构中预先设定的节点与边长的对应关系，将各游戏虚拟对象的游戏日志分别转换为节点数据及边长数据；
21.根据预设的至少一个对话类别的关键信息，对各节点数据及各边长数据中包含的对话进行对话类别标注，得到各节点数据对应的对话标注结果以及各边长数据对应的对话标注结果；
22.根据各节点数据对应的对话标注结果以及各边长数据对应的对话标注结果、以及预设类别的指标，确定各节点的目标数据，其中，节点的目标数据用于表征节点所对应的游戏虚拟对象的特征信息；
23.根据所述各节点的目标数据、以及各节点所对应的游戏虚拟对象的游戏日志，构建所述目标图谱。
24.可选地，所述游戏虚拟对象的游戏日志包括如下信息：对话类型、对话时间戳、第一对象的特征信息、第一对象的对话信息、第二对象的特征信息，其中，第一对象表征发起对话的游戏虚拟对象，第二对象表征被第一对象所对话的游戏虚拟对象，所述第二对象包括至少一个，所述特征信息包括：虚拟对象标识、虚拟对象的游戏等级、虚拟对象的会员等级、虚拟对象的创建渠道、虚拟对象对应的游戏账号，所述对话类型包括：公共对话和私有对话。
25.可选地，所述根据所述知识图谱架构中预先设定的节点与边长的对应关系，将各游戏虚拟对象的游戏日志分别转换为节点数据及边长数据之前，还包括：
26.分别确定各游戏虚拟对象的游戏日志中的第一对象的标识为所述知识图谱的角色标识节点、第一对象的创建渠道为所述知识图谱的角色渠道节点、以及第一对象对应的游戏账号为所述知识图谱的角色账号节点；
27.确定各游戏虚拟对象的游戏日志中第一对象和第二对象的对应关系、第一对象和第一对象的创建渠道的对应关系、以及第一对象和第一对象对应的游戏账号的对应关系为所述知识图谱的边长；
28.根据确定的所述知识图谱的节点和边长，设定节点和边长的对应关系。
29.可选地，所述根据所述知识图谱架构中预先设定的节点与边长的对应关系，将各游戏虚拟对象的游戏日志分别转换为节点数据及边长数据，包括：
30.根据所述节点与边长的对应关系，将各游戏虚拟对象的游戏日志中的第一对象的标识、第一对象对应的公共对话信息、第一对象的游戏等级、第一对象的会员等级转换为角
色标识节点数据、将各游戏虚拟对象的游戏日志中的第一对象的创建渠道转换为角色渠道节点数据、以及将各游戏虚拟对象的游戏日志中的第一对象对应的游戏账号转换为角色账号节点数据；
31.将各游戏虚拟对象的游戏日志中的第一对象的标识、第二对象的标识、第一对象和第二对象的对应关系、以及第一对象和第二对象的私有对话信息转换为第一边长数据，将第一对象和第一对象的创建渠道的对应关系转换为第二边长数据，将第一对象和第一对象对应的游戏账号转换为第三边长数据，并根据所述第一边长数据、第二边长数据及第三边长数据，得到所述边长数据。
32.可选地，所述根据预设的至少一个对话类别的关键信息，对各节点数据及各边长数据中包含的对话进行对话类别标注，得到各节点数据对应的对话标注结果以及各边长数据对应的对话标注结果，包括：
33.将各节点数据中包含的对话信息与所述至少一个对话类别的关键信息进行匹配，根据匹配结果对所述各节点数据包含的对话信息进行对话类别标注，得到所述各节点数据对应的对话标注结果；
34.将各边长数据中包含的对话信息与所述至少一个对话类别的关键信息进行匹配，根据匹配结果对所述各边长数据包含的对话信息进行对话类别标注，得到所述各边长数据对应的对话标注结果。
35.可选地，所述预设类别的指标包括：对话类别的累积次数、首句对话的多样性、对话的交互程度，所述对话的交互程度用于表征游戏虚拟对象的对话主动性；
36.所述根据各节点数据对应的对话标注结果以及各边长数据对应的对话标注结果、以及预设类别的指标，确定各节点的目标数据，包括：
37.根据各节点数据包含的所有对话标注结果、以及各边长数据包含的第一对象的对话标注结果，确定各节点对应的对话类别累积次数；
38.根据各边长数据包含的第一对象和第二对象的对话信息中第一对象的首句对话信息去重后的数量、以及所述第一对象对应的所有第二对象的数量，确定各节点对应的首句对话的多样性；
39.根据各边长数据包含的第一对象和第二对象的对话信息中第一对象的对话数量、以及所述第一对象对应的对话总数量，确定各节点对应的对话的交互程度，所述第一对象对应的对话总数量包括：第一对象对应的节点数据中第一对象和第二对象的对话总数量、第一对象对应的边长数据中的所有对话数量。
40.根据所述各节点数据、以及各节点对应的对话类别累积次数、首句对话的多样性、对话的交互程度，确定各节点的目标数据。
41.可选地，所述根据所述各节点的目标数据、以及各节点所对应的游戏虚拟对象的游戏日志，构建所述目标图谱，包括：
42.根据各节点所对应的游戏虚拟对象的游戏日志中第一对象和第二对象的对应关系、第一对象和第一对象的创建渠道的对应关系、第一对象和第一对象对应的游戏账号的对应关系、以及所述各节点的目标数据，构建所述目标图谱。
43.可选地，所述基于所述目标图谱，从各游戏虚拟对象中筛选疑似异常虚拟对象，包括：
44.根据所述目标图谱中各节点的目标数据、以及预设的评估阈值，从各节点对应的游戏虚拟对象中确定疑似异常虚拟对象。
45.可选地，所述从所述疑似异常虚拟对象中确定目标异常虚拟对象以及目标异常虚拟对象对应的异常账号，包括：
46.根据所述目标图谱中第一对象和第二对象的对应关系，确定各疑似异常虚拟对象所对应的关联虚拟对象，所述关联虚拟对象用于表征与疑似异常虚拟对象进行对话的游戏虚拟对象；
47.根据各疑似异常虚拟对象所对应的关联虚拟对象的流失率，从各所述疑似异常虚拟对象中确定目标异常虚拟对象；
48.根据所述目标异常虚拟对象、以及所述目标图谱中第一对象和第一对象对应的游戏账号的对应关系，确定所述目标异常虚拟对象对应的异常账号。
49.可选地，所述根据所述目标异常虚拟对象的游戏日志训练所述对话标注分类模型，包括：
50.对所述目标异常虚拟对象的游戏日志中的对话信息进行对话类别标注，获取第一样本数据；
51.采用所述第一样本数据，训练获取所述对话标注分类模型。
52.可选地，所述根据所述目标异常虚拟对象对应的异常账号的数据以及所述对话标注分类模型，训练所述异常账号识别模型，包括：
53.将所述异常账号对应的第一节点、第二节点以及第三节点的目标数据作为第二样本数据，其中，所述第一节点为所述目标图谱中所述异常账户对应的异常虚拟对象所在的节点，所述第二节点为所述目标图谱中第一节点的下一节点，所述第三节点为所述目标图谱中第二节点的下一节点；
54.采用所述第二样本数据、以及所述对话标注分类模型，训练获取所述异常账号识别模型。
55.可选地，所述采用所述第二样本数据、以及所述对话标注分类模型，训练获取所述异常账号识别模型，包括：
56.采用所述对话标注分类模型对所述第二样本数据进行对话类别标注；
57.根据标注后的第二样本数据，训练获取所述异常账号识别模型。
58.第二方面，本技术实施例还提供了一种游戏中异常账号的识别装置，包括：获取模块、构建模块、确定模块、训练模块；
59.所述获取模块，用于获取样本数据集，所述样本数据集包括：预设时间段内目标游戏下至少一个游戏虚拟对象的游戏日志；
60.所述构建模块，用于根据各所述游戏虚拟对象的游戏日志、以及预先搭建的知识图谱架构，构建目标图谱，所述目标图谱用于表征游戏虚拟对象的信息，所述信息包括：游戏虚拟对象的特征信息、游戏虚拟对象与其他游戏虚拟对象的对话关系、游戏虚拟对象与游戏账号之间的对应关系；
61.所述确定模块，用于基于所述目标图谱，确定目标异常虚拟对象以及目标异常虚拟对象对应的异常账号；
62.所述训练模块，用于根据所述目标异常虚拟对象的游戏日志以及所述目标异常虚
拟对象对应的异常账号的数据，训练目标识别模型，所述目标识别模型用于识别待识别虚拟对象对应的游戏账号是否为异常账号。
63.可选地，所述目标识别模型包括：对话标注分类模型以及异常账号识别模型；
64.所述训练模块，具体用于根据所述目标异常虚拟对象的游戏日志训练所述对话标注分类模型，所述对话标注分类模型用于对待识别的虚拟对象的游戏日志进行类别标注；
65.根据所述目标异常虚拟对象对应的异常账号的数据以及所述对话标注分类模型，训练所述异常账号识别模型，所述异常账号识别模型用于识别所述待识别虚拟对象对应的游戏账号是否为异常账号。
66.可选地，所述确定模块，具体用于基于所述目标图谱，从各游戏虚拟对象中筛选疑似异常虚拟对象；
67.从所述疑似异常虚拟对象中确定所述目标异常虚拟对象以及所述目标异常虚拟对象对应的异常账号。
68.可选地，所述构建模块，具体用于根据所述知识图谱架构中预先设定的节点与边长的对应关系，将各游戏虚拟对象的游戏日志分别转换为节点数据及边长数据；
69.根据预设的至少一个对话类别的关键信息，对各节点数据及各边长数据中包含的对话进行对话类别标注，得到各节点数据对应的对话标注结果以及各边长数据对应的对话标注结果；
70.根据各节点数据对应的对话标注结果以及各边长数据对应的对话标注结果、以及预设类别的指标，确定各节点的目标数据，其中，节点的目标数据用于表征节点所对应的游戏虚拟对象的特征信息。
71.根据所述各节点的目标数据、以及各节点所对应的游戏虚拟对象的游戏日志，构建所述目标图谱。
72.可选地，所述游戏虚拟对象的游戏日志包括如下信息：对话类型、对话时间戳、第一对象的特征信息、第一对象的对话信息、第二对象的特征信息，其中，第一对象表征发起对话的游戏虚拟对象，第二对象表征被第一对象所对话的游戏虚拟对象，所述第二对象包括至少一个，所述特征信息包括：虚拟对象标识、虚拟对象的游戏等级、虚拟对象的会员等级、虚拟对象的创建渠道、虚拟对象对应的游戏账号，所述对话类型包括：公共对话和私有对话。
73.可选地，所述确定模块，还用于分别确定各游戏虚拟对象的游戏日志中的第一对象的标识为所述知识图谱的角色标识节点、第一对象的创建渠道为所述知识图谱的角色渠道节点、以及第一对象对应的游戏账号为所述知识图谱的角色账号节点；
74.确定各游戏虚拟对象的游戏日志中第一对象和第二对象的对应关系、第一对象和第一对象的创建渠道的对应关系、以及第一对象和第一对象对应的游戏账号的对应关系为所述知识图谱的边长；
75.根据确定的所述知识图谱的节点和边长，设定节点和边长的对应关系。
76.可选地，所述构建模块，具体用于根据所述节点与边长的对应关系，将各游戏虚拟对象的游戏日志中的第一对象的标识、第一对象对应的公共对话信息、第一对象的游戏等级、第一对象的会员等级转换为角色标识节点数据、将各游戏虚拟对象的游戏日志中的第一对象的创建渠道转换为角色渠道节点数据、以及将各游戏虚拟对象的游戏日志中的第一
对象对应的游戏账号转换为角色账号节点数据；
77.将各游戏虚拟对象的游戏日志中的第一对象的标识、第二对象的标识、第一对象和第二对象的对应关系、以及第一对象和第二对象的私有对话信息转换为第一边长数据，将第一对象和第一对象的创建渠道的对应关系转换为第二边长数据，将第一对象和第一对象对应的游戏账号转换为第三边长数据，并根据所述第一边长数据、第二边长数据及第三边长数据，得到所述边长数据。
78.可选地，所述构建模块，具体用于将各节点数据中包含的对话信息与所述至少一个对话类别的关键信息进行匹配，根据匹配结果对所述各节点数据包含的对话信息进行对话类别标注，得到所述各节点数据对应的对话标注结果；
79.将各边长数据中包含的对话信息与所述至少一个对话类别的关键信息进行匹配，根据匹配结果对所述各边长数据包含的对话信息进行对话类别标注，得到所述各边长数据对应的对话标注结果。
80.可选地，所述预设类别的指标包括：对话类别的累积次数、首句对话的多样性、对话的交互程度，所述对话的交互程度用于表征游戏虚拟对象的对话主动性；
81.可选地，所述构建模块，具体用于根据各节点数据包含的所有对话标注结果、以及各边长数据包含的第一对象的对话标注结果，确定各节点对应的对话类别累积次数；
82.根据各边长数据包含的第一对象和第二对象的对话信息中第一对象的首句对话信息去重后的数量、以及所述第一对象对应的所有第二对象的数量，确定各节点对应的首句对话的多样性；
83.根据各边长数据包含的第一对象和第二对象的对话信息中第一对象的对话数量、以及所述第一对象对应的对话总数量，确定各节点对应的对话的交互程度，所述第一对象对应的对话总数量包括：第一对象对应的节点数据中第一对象和第二对象的对话总数量、第一对象对应的边长数据中的所有对话数量；
84.根据所述各节点数据、以及各节点对应的对话类别累积次数、首句对话的多样性、对话的交互程度，确定各节点的目标数据。
85.可选地，所述构建模块，具体用于根据各节点所对应的游戏虚拟对象的游戏日志中第一对象和第二对象的对应关系、第一对象和第一对象的创建渠道的对应关系、第一对象和第一对象对应的游戏账号的对应关系、以及所述各节点的目标数据，构建所述目标图谱。
86.可选地，所述确定模块，具体用于根据所述目标图谱中各节点的目标数据、以及预设的评估阈值，从各节点对应的游戏虚拟对象中确定疑似异常虚拟对象。
87.可选地，所述确定模块，具体用于根据所述目标图谱中第一对象和第二对象的对应关系，确定各疑似异常虚拟对象所对应的关联虚拟对象，所述关联虚拟对象用于表征与疑似异常虚拟对象进行对话的游戏虚拟对象；
88.根据各疑似异常虚拟对象所对应的关联虚拟对象的流失率，从各所述疑似异常虚拟对象中确定目标异常虚拟对象；
89.根据所述目标异常虚拟对象、以及所述目标图谱中第一对象和第一对象对应的游戏账号的对应关系，确定所述目标异常虚拟对象对应的异常账号。
90.可选地，所述训练模块，具体用于对所述目标异常虚拟对象的游戏日志中的对话
信息进行对话类别标注，获取第一样本数据；
91.采用所述第一样本数据，训练获取所述对话标注分类模型。
92.可选地，所述训练模块，具体用于将所述异常账号对应的第一节点、第二节点以及第三节点的目标数据作为第二样本数据，其中，所述第一节点为所述目标图谱中所述异常账户对应的异常虚拟对象所在的节点，所述第二节点为所述目标图谱中第一节点的下一节点，所述第三节点为所述目标图谱中第二节点的下一节点；
93.采用所述第二样本数据、以及所述对话标注分类模型，训练获取所述异常账号识别模型。
94.可选地，所述训练模块，具体用于采用所述对话标注分类模型对所述第二样本数据进行对话类别标注；
95.根据标注后的第二样本数据，训练获取所述异常账号识别模型。
96.第三方面，本技术实施例提供了一种电子设备，包括：处理器、存储介质和总线，存储介质存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行机器可读指令，以执行时执行如第一方面中提供的方法的步骤。
97.第四方面，本技术实施例提供了一种计算机可读存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如第一方面提供的方法的步骤。
98.本技术的有益效果是：
99.本技术提供一种游戏中异常账号的识别方法、装置、电子设备及存储介质，该方法包括：获取样本数据集，样本数据集包括：预设时间段内目标游戏下至少一个游戏虚拟对象的游戏日志；根据各游戏虚拟对象的游戏日志、以及预先搭建的知识图谱架构，构建目标图谱，目标图谱用于表征游戏虚拟对象的信息，信息包括：游戏虚拟对象的特征信息、游戏虚拟对象与其他游戏虚拟对象的对话关系、游戏虚拟对象与游戏账号之间的对应关系；基于目标图谱，确定目标异常虚拟对象以及目标异常虚拟对象对应的异常账号；根据目标异常虚拟对象的游戏日志以及目标异常虚拟对象对应的异常账号的数据，训练目标识别模型，目标识别模型用于识别待识别虚拟对象对应的游戏账号是否为异常账号。本方案中，基于游戏虚拟对象的游戏日志，搭建知识图谱，从而可根据知识图谱确定异常虚拟对象以及异常虚拟对象对应的异常账号，提高了确定的异常虚拟对象和异常虚拟对象对应的异常账号的可解释性和可信度，另外，基于确定的异常虚拟对象以及异常虚拟对象对应的异常账号的相关数据，训练获取目标识别模型，从而可基于目标识别模型实现异常账号的自动识别，提高了异常账号识别的准确率和效率。
附图说明
100.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
101.图1为本技术实施例提供的游戏中异常账号的识别方法的流程示意图一；
102.图2为本技术实施例提供的游戏中异常账号的识别方法的流程示意图二；
103.图3为本技术实施例提供的游戏中异常账号的识别方法的流程示意图三；
104.图4为本技术实施例提供的游戏中异常账号的识别方法的流程示意图四；
105.图5为本技术实施例提供的游戏中异常账号的识别方法的流程示意图五；
106.图6为本技术实施例提供的游戏中异常账号的识别方法的流程示意图六；
107.图7为本技术实施例提供的游戏中异常账号的识别方法的流程示意图七；
108.图8为本技术实施例提供的游戏中异常账号的识别方法的流程示意图八；
109.图9为本技术实施例提供的一种知识图谱示意图；
110.图10为本技术实施例提供的游戏中异常账号的识别方法的流程示意图十；
111.图11为本技术实施例提供的游戏中异常账号的识别方法的流程示意图十一；
112.图12为本技术实施例提供的游戏中异常账号的识别方法的流程示意图十二；
113.图13为本技术实施例提供的游戏中异常账号的识别方法的流程示意图十三；
114.图14为本技术实施例提供的一种游戏中异常账号的识别装置的示意图；
115.图15为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
116.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，应当理解，本技术中附图仅起到说明和描述的目的，并不用于限定本技术的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本技术中使用的流程图示出了根据本技术的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本技术内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
117.另外，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
118.需要说明的是，本技术实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。
119.图1为本技术实施例提供的游戏中异常账号的识别方法的流程示意图一；该方法的执行主体可以是终端设备或者服务器，如图1所示，该方法可包括：
120.s101、获取样本数据集，样本数据集包括：预设时间段内目标游戏下至少一个游戏虚拟对象的游戏日志。
121.可选地，本技术的方法可应用于多人在线角色扮演类游戏，不同的游戏虚拟对象之间可以存在对话交流，其中，游戏虚拟对象可以指游戏角色，也即游戏玩家所扮演或所控制的角色。
122.每个游戏虚拟对象在游戏过程中所产生的游戏日志均可以存储在服务器后台数据库等，其中，游戏日志可以包括游戏虚拟对象的聊天数据、游戏战斗数据等。而聊天日志可包括但不限于游戏虚拟对象与其他游戏虚拟对象之间的私有对话信息、游戏虚拟对象在公共频道所发表的话语、游戏虚拟对象在游戏大厅或者游戏广场中广播的信息等。可选地，
可以从数据库中获取任意预设时间段内目标游戏下至少一个游戏虚拟对象的游戏日志，其中，至少一个游戏虚拟对象可以是随机抽取的。
123.s102、根据各游戏虚拟对象的游戏日志、以及预先搭建的知识图谱架构，构建目标图谱，目标图谱用于表征游戏虚拟对象的信息，信息包括：游戏虚拟对象的特征信息、游戏虚拟对象与其他游戏虚拟对象的对话关系、游戏虚拟对象与游戏账号之间的对应关系。
124.需要说明的是，知识图谱是一种规模非常大的语义网络系统，它主要目的就是为了描述真实世界里实体或概念之间的关联关系。通过大量的数据收集，整理成机器能处理的知识库，实现可视化的展示。
125.可选地，不同类型的知识图谱的架构是不同的，可根据本技术所使用的知识图谱的架构，将各游戏虚拟对象的游戏日志进行处理，搭建得到目标图谱。其中，目标图谱可以可视化的展示各游戏虚拟对象的信息。
126.本实施例中所涉及的知识图谱架构可由多个节点和多个边长构成，节点可包括三类：角色节点、创建渠道节点和游戏账号节点，边长同样可包括三类：角色和角色的对话关系、角色和创建渠道的从属关系、创建渠道和游戏账号的从属关系，基于该知识图谱架构，可将游戏虚拟对象的游戏日志进行数据处理，搭建得到目标图谱。
127.上述游戏虚拟对象的特征信息可以指游戏虚拟对象的游戏特征信息，例如：游戏虚拟角色的标识、等级等。
128.s103、基于目标图谱，确定目标异常虚拟对象以及目标异常虚拟对象对应的异常账号。
129.可选地，可基于上述搭建的目标图谱，根据目标图谱中所表征的游戏虚拟对象的信息，从各游戏虚拟对象中确定目标异常虚拟对象，其中，目标异常虚拟对象也即存在异常操作的虚拟对象，例如：存在洗量行为的虚拟对象。另外，还可根据目标图谱中游戏虚拟对象与游戏账号之间的对应关系，确定目标异常虚拟对象对应的异常账号。
130.s104、根据目标异常虚拟对象的游戏日志以及目标异常虚拟对象对应的异常账号的数据，训练目标识别模型，目标识别模型用于识别待识别虚拟对象对应的游戏账号是否为异常账号。
131.在一些实施例中，由于上述确定的目标异常虚拟对象和目标异常虚拟对象对应的异常账号具有一定的可信度，故可基于上述所确定出的目标异常虚拟对象、以及目标异常虚拟对象对应的异常账号的数据，可以扩充或是构建训练目标识别模型的样本数据，从而训练得到目标识别模型，以采用目标识别模型实现对于异常账号的智能化识别，减轻人工识别的工作量。
132.综上，本实施例提供的游戏中异常账号的识别方法，包括：获取样本数据集，样本数据集包括：预设时间段内目标游戏下至少一个游戏虚拟对象的游戏日志；根据各游戏虚拟对象的游戏日志、以及预先搭建的知识图谱架构，构建目标图谱，目标图谱用于表征游戏虚拟对象的信息，信息包括：游戏虚拟对象的特征信息、游戏虚拟对象与其他游戏虚拟对象的对话关系、游戏虚拟对象与游戏账号之间的对应关系；基于目标图谱，确定目标异常虚拟对象以及目标异常虚拟对象对应的异常账号；根据目标异常虚拟对象的游戏日志以及目标异常虚拟对象对应的异常账号的数据，训练目标识别模型，目标识别模型用于识别待识别虚拟对象对应的游戏账号是否为异常账号。本方案中，基于游戏虚拟对象的游戏日志，搭建
知识图谱，从而可根据知识图谱确定异常虚拟对象以及异常虚拟对象对应的异常账号，提高了确定的异常虚拟对象和异常虚拟对象对应的异常账号的可解释性和可信度，另外，基于确定的异常虚拟对象以及异常虚拟对象对应的异常账号的相关数据，训练获取目标识别模型，从而可基于目标识别模型实现异常账号的自动识别，提高了异常账号识别的准确率和效率。
133.图2为本技术实施例提供的游戏中异常账号的识别方法的流程示意图二；可选地，步骤s104中，目标识别模型可包括：对话标注分类模型以及异常账号识别模型；
134.步骤s104中，根据目标异常虚拟对象的游戏日志以及目标异常虚拟对象对应的异常账号的数据，训练目标识别模型，可以包括：
135.s201、根据目标异常虚拟对象的游戏日志训练对话标注分类模型，对话标注分类模型用于对待识别的虚拟对象的游戏日志进行类别标注。
136.在一些实施例中，可根据所确定的所有目标异常虚拟对象的游戏日志扩充对话标注语料，以用于训练对话标注分类模型，其中，对话标注分类模型可用于对待识别的虚拟对象的游戏日志进行对话类别的标注。
137.s202、根据目标异常虚拟对象对应的异常账号的数据以及对话标注分类模型，训练异常账号识别模型，异常账号识别模型用于识别待识别虚拟对象对应的游戏账号是否为异常账号。
138.可选地，可根据所确定的目标异常虚拟对象对应的异常账号的数据扩充异常账号数据，可基于扩充后的异常账号数据结合所训练得到的对话标注分类模型，训练异常账号识别模型。
139.图3为本技术实施例提供的游戏中异常账号的识别方法的流程示意图三；可选地，步骤s103中，基于目标图谱，确定目标异常虚拟对象以及目标异常虚拟对象对应的异常账号，可以包括：
140.s301、基于目标图谱，从各游戏虚拟对象中筛选疑似异常虚拟对象。
141.在一种可实现的方式中，可根据目标图谱中各游戏虚拟对象的信息，从各游戏虚拟对象中筛选出疑似异常虚拟对象，此处可通过设置的筛选规则进行粗略筛选。
142.s302、从疑似异常虚拟对象中确定目标异常虚拟对象以及目标异常虚拟对象对应的异常账号。
143.可选地，可进一步地根据预设的评判规则，判断是否将各疑似异常虚拟对象确定为目标异常虚拟对象，也即通过一些评判规则对各疑似异常虚拟对象进行验证，以从可解释性角度出发，提供有力证据证明各疑似异常虚拟对象是否为目标异常虚拟对象。
144.图4为本技术实施例提供的游戏中异常账号的识别方法的流程示意图四；可选地，步骤s102中，根据各游戏虚拟对象的游戏日志、以及预先搭建的知识图谱架构，构建目标图谱，可以包括：
145.s401、根据知识图谱架构中预先设定的节点与边长的对应关系，将各游戏虚拟对象的游戏日志分别转换为节点数据及边长数据。
146.可选地，根据知识图谱架构，可确定所要搭建的知识图谱中各节点以及各边长所要表征的数据，从而可根据各节点以及各边长所要表征的数据，对各游戏虚拟对象的游戏日志进行数据处理，以将各游戏虚拟对象的游戏日志转换为节点数据和边长数据。
147.s402、根据预设的至少一个对话类别的关键信息，对各节点数据及各边长数据中包含的对话进行对话类别标注，得到各节点数据对应的对话标注结果以及各边长数据对应的对话标注结果。
148.在一些实施例中，可根据预设的至少一个对话类别的关键信息，对上述得到的各节点数据和各边长数据中的各对话进行对话类别标注，也即对各节点数据和各边长数据中的各对话进行打标处理。其中，预设的至少一个对话类别中可包括待识别的异常场景所对应的对话类别，例如：识别存在洗量行为的异常账号，则预设的至少一个对话类别中可包括竞品游戏等对话类别。识别存在垃圾言论的异常账号，则预设的至少一个对话类别中可包括辱骂恶劣言语等对话类别。
149.s403、根据各节点数据对应的对话标注结果以及各边长数据对应的对话标注结果、以及预设类别的指标，确定各节点的目标数据，其中，节点的目标数据用于表征节点所对应的游戏虚拟对象的特征信息。
150.在一些实施例中，上述各节点数据对应的对话标注结果可以后缀的方式添加在各节点数据所包含的对话上，同样的，各边长数据对应的对话标注结果也可以后缀的方式添加在各边长数据所包含的对应对话上。
151.可选地，还可根据各节点数据以及各边长数据，按照预设类别的指标，统计各节点所对应的游戏虚拟对象的各项指标，同样的，各节点对应的各项指标可添加在各节点所包含的对话上，以上述标注结果的添加类似。
152.基于上述对话标注结果以及指标信息的各节点数据，可得到各节点的目标数据。
153.s404、根据各节点的目标数据、以及各节点所对应的游戏虚拟对象的游戏日志，构建目标图谱。
154.可选地，可基于各节点的目标数据、以及各节点所对应的游戏虚拟对象的游戏日志，将各节点的目标数据添加至各节点所对应的游戏虚拟对象的游戏日志中，得到目标图谱的各节点数据，另外，根据各节点所对应的游戏虚拟对象的游戏日志，可得到目标图谱的各边长数据，从而根据各节点数据和各边长数据，构建得到目标图谱。
155.可选地，上述的游戏虚拟对象的游戏日志可包括如下信息：对话类型、对话时间戳、第一对象的特征信息、第一对象的对话信息、第二对象的特征信息，其中，第一对象表征发起对话的游戏虚拟对象，第二对象表征被第一对象所对话的游戏虚拟对象，第二对象包括至少一个，信息包括：虚拟对象标识、虚拟对象的游戏等级、虚拟对象的会员等级、虚拟对象的创建渠道、虚拟对象对应的游戏账号，对话类型包括：公共对话和私有对话。
156.可选地，每个游戏虚拟对象的游戏日志可包括多条，每条游戏日志所包含的信息可包括但不限于上述所说的内容。
157.其中，对话类型可以包括：公共对话和私有对话，可根据对话的聊天频道确定对话类型，如果是私有频道，则存在聊天对象；如果是公共频道，则无聊天对象，公共频道可包括比如世界频道、工会频道等。对话时间戳可以为该条对话的记录时间。对于私有对话，则存在对话发起者和被对话者，那么，第一对象则可以指对话发起者，也即发起对话的游戏虚拟对象，第二对象可以指被对话者，也即被发起对话的游戏虚拟对象所对话的游戏虚拟对象。第一对象的信息可以包括：发起对话的游戏虚拟对象的标识，例如：角色id；发起对话的游戏虚拟对象的游戏等级，也即角色等级；发起对话的游戏虚拟对象的会员等级，游戏玩家在
游戏中充钱越多，对应的游戏虚拟对象的会员等级越高；发起对话的游戏虚拟对象的创建渠道，可以指游戏玩家通过什么渠道创建了该游戏虚拟对象，其中，创建渠道可以例如：官网、xx区等；发起对话的游戏虚拟对象的游戏账号，也即，游戏玩家通过某个游戏账号，在某个创建渠道创建了该游戏虚拟对象；与第一对象的信息类似，第二对象的信息，也即被发起对话的游戏虚拟对象所对话的游戏虚拟对象的信息同样可包括上述信息。而对于公共对话，由于没有对应的第二对象，故可不涉及第二对象的信息。
158.如下通过简单举例说明游戏账号、创建渠道及角色id之间的对应关系：例如，一个游戏账号a(账号id1)可以使用设备a(角色渠道id1)注册，并且可以在设备b(角色渠道id2)登录，该游戏账号a创建了两个虚拟角色(角色id1和角色id2)；还有一些情况下，一台设备a(角色渠道id2)可以同时登录多个游戏账号a(账号id1)、b(账号id2)、c(账号id3)d(账号id4)。
159.另外，各游戏虚拟对象的游戏日志还可包括第一对象的对话信息，也即包括该发起对话的游戏虚拟对象的所有私有对话和公有对话。
160.图5为本技术实施例提供的游戏中异常账号的识别方法的流程示意图五；可选地，步骤s401中，根据知识图谱架构中预先设定的节点与边长的对应关系，将各游戏虚拟对象的游戏日志分别转换为节点数据及边长数据之前，本技术的方法还可包括：
161.s501、分别确定各游戏虚拟对象的游戏日志中的第一对象的标识为知识图谱的角色标识节点、第一对象的创建渠道为知识图谱的角色渠道节点、以及第一对象对应的游戏账号为知识图谱的角色账号节点。
162.在一种可实现的方式中，所创建的知识图谱可包括三类节点，其中包括：各游戏虚拟对象的游戏日志中的第一对象的标识、第一对象的创建渠道以及第一对象对应的游戏账号。基于三类节点的类型，可分别确定游戏日志中第一对象的标识为角色标识节点、第一对象的创建渠道为角色渠道节点、第一对象对应的游戏账号为角色账号节点。
163.可选地，各游戏虚拟对象的游戏日志中的第一对象的标识类型的节点上可包括：该游戏虚拟对象的所有公共对话、该游戏虚拟对象的游戏等级、会员等级等信息。
164.s502、确定各游戏虚拟对象的游戏日志中第一对象和第二对象的对应关系、第一对象和第一对象的创建渠道的对应关系、以及第一对象和第一对象对应的游戏账号的对应关系为知识图谱的边长。
165.另外，所创建的知识图谱可包括三类边长，其中包括：第一对象和第二对象的对话关系，例如：第一对象为对话发起者，则边长可由第一对象指向第二对象；还包括第一对象和第一对象的创建渠道的对应关系，也即从属关系；第一对象和第一对象对应的游戏账号的对应关系，同样也即从属关系。需要说明的是，第一对象和第二对象的对话关系的边长上还包括第一对象和第二对象的私有对话的多轮对话内容等信息。
166.s503、根据确定的知识图谱的节点和边长，设定节点和边长的对应关系。
167.可选地，基于上述所确定的知识图谱中各节点和边长的类型以及分别包含的信息，则可设计得到所要创建的知识图谱中节点和边长的对应关系。
168.图6为本技术实施例提供的游戏中异常账号的识别方法的流程示意图六；可选地，步骤s401中，根据知识图谱架构中预先设定的节点与边长的对应关系，将各游戏虚拟对象的游戏日志分别转换为节点数据及边长数据，可以包括：
169.s601、根据节点与边长的对应关系，将各游戏虚拟对象的游戏日志中的第一对象的标识、第一对象对应的公共对话信息、第一对象的游戏等级、第一对象的会员等级转换为角色标识节点数据、将各游戏虚拟对象的游戏日志中的第一对象的创建渠道转换为角色渠道节点数据、以及将各游戏虚拟对象的游戏日志中的第一对象对应的游戏账号转换为角色账号节点数据。
170.可选地，可基于上述所设定的节点和边长的对应关系，将各游戏虚拟对象的游戏日志中所包含的节点相关的数据转换为节点数据，例如：某个游戏虚拟对象的角色标识节点数据可包括{“虚拟对象的标识”：“12345”，“游戏等级”：40，“会员等级”：“4”，“公共对话信息”：[“我有优惠充值渠道，大家需要吗”,“大家是第一次玩这个游戏吗”]}。
[0171]
s602、将各游戏虚拟对象的游戏日志中的第一对象的标识、第二对象的标识、第一对象和第二对象的对应关系、以及第一对象和第二对象的私有对话信息转换为第一边长数据，将第一对象和第一对象的创建渠道的对应关系转换为第二边长数据，将第一对象和第一对象对应的游戏账号转换为第三边长数据，并根据第一边长数据、第二边长数据及第三边长数据，得到边长数据。
[0172]
而对于各游戏虚拟对象的游戏日志中的第一对象和第二对象的对应关系，可建立第一对象至第二对象的边长，比如，某个第一对象至第二对象的边长的信息包括：{“第一对象”：“12345”，“第二对象”：“12346”，“私有对话内容”：[“1_你好呀，交个朋友吧”，“2_好呀”，“1_现在有空吗”，“1_我们一起做一下游戏任务”，“2_可以的”]}。其中，这里的对话内容前面用1和2的前缀来区分是哪个虚拟对象说的话，1表示第一对象，2表示第二对象。对于第一对象和第一对象的创建渠道，可建立第一对象的创建渠道至第一对象的边长，同理，建立第一对象对应的游戏账号至第一对象的边长，从而针对一个游戏虚拟对象的游戏日志，完成知识图谱中三条边长的处理。
[0173]
图7本技术实施例提供的游戏中异常账号的识别方法的流程示意图七；可选地，步骤s402中，根据预设的至少一个对话类别的关键信息，对各节点数据及各边长数据中包含的对话进行对话类别标注，得到各节点数据对应的对话标注结果以及各边长数据对应的对话标注结果，可以包括：
[0174]
s701、将各节点数据中包含的对话信息与至少一个对话类别的关键信息进行匹配，根据匹配结果对各节点数据包含的对话信息进行对话类别标注，得到各节点数据对应的对话标注结果。
[0175]
本实施例中以针对游戏中存在洗量行为的异常账号的识别为例，对应设定的至少一个对话类别可包括如下七类：1竞品游戏、2福利充值、3吐槽游戏、4固定开场白、5套近乎、6喊话一起玩、7索要联系方式。针对每一类特征，可预先准备好一些规则(正则表达式或者关键词)，比如福利充值类别对应的关键信息：“送福利”、“优惠充值”等。
[0176]
可将各节点数据中包含的每一条对话信息分别与各对话类别的关键信息进行匹配，对于任意一条对话信息，当匹配某一关键信息后，则可给该条对话信息标注上关键信息对应的对话类别，例如：匹配到“送福利”、“优惠充值”等关键信息时，则为该条对话信息标注“福利充值”的标签。
[0177]
可选地，可对各节点数据中包含的每条对话信息都做这七类识别，得到每条对话信息的标注结果，标注结果记录在对话信息所在的节点上。比如{“游戏虚拟对象的标识”：
“
12345”，“游戏等级”：40，“会员等级”：“4”，“对话信息”：[“我有优惠充值渠道，大家需要吗_0100000”，“大家是第一次玩这个游戏吗_0000000”]}。其中，这里把7类标注结果作为后缀放在每条对话信息上，如果某一对话类别匹配成功，则对应位置的数字标为1，正常语料的结果为_0000000。例如0100000表示对话信息的类别为福利充值，0010000表示对话信息的类别为吐槽游戏等。
[0178]
s702、将各边长数据中包含的对话信息与至少一个对话类别的关键信息进行匹配，根据匹配结果对各边长数据包含的对话信息进行对话类别标注，得到各边长数据对应的对话标注结果。
[0179]
同样的，针对各边长数据中包含的每一条对话信息也作上述同样的标注处理，标注结果记录在对应的边长上。
[0180]
例如：{“第一对象的标识”：“12345”，“第二对象的标识”：“12346”,“对话信息”：[“1_你好呀，交个朋友吧_0000100”，“2_好呀_0000000”，“1_现在有空吗_0000000”，“1_我们一起做一下游戏任务_0000000”，“2_可以的_0000000”]}。
[0181]
图8本技术实施例提供的游戏中异常账号的识别方法的流程示意图八；可选地，预设类别的指标可包括：对话类别的累积次数、首句对话的多样性、对话的交互程度，对话的交互程度用于表征游戏虚拟对象的对话主动性。
[0182]
其中，对话类别的累积次数可以指节点所对应的游戏虚拟对象说的所有话在7类特征上的累积次数，其中，对于边上的对话信息而言，仅考虑1开头的对话，也即，仅统计第一对象的对话。首句对话的多样性也即指第一对象与第二对象对话过程中说的第一句话的多样性。对话的交互程度可以指第一对象在和第二对象的私有对话中，所说出的所有对话的条数占所有对话条数的比例。
[0183]
可选地，步骤s403中，根据各节点数据对应的对话标注结果以及各边长数据对应的对话标注结果、以及预设类别的指标，确定各节点的目标数据，可以包括：
[0184]
s801、根据各节点数据包含的所有对话标注结果、以及各边长数据包含的第一对象的对话标注结果，确定各节点对应的对话类别累积次数。
[0185]
可选地，针对任一游戏虚拟对象，可根据该游戏虚拟对象的各节点数据和各边长数据中所包含的各对话信息的对话标注结果进行预设类别指标的统计，作为该游戏虚拟对象的特征信息。
[0186]
可选地，针对任一游戏虚拟对象所在的节点，可统计节点数据中各对话信息在7类特征上的累积次数、以及边长数据中第一对象的对话信息在7类特征上的累积次数，将总的累积次数作为该节点对应的对话类别累积次数。
[0187]
s802、根据各边长数据包含的第一对象和第二对象的对话信息中第一对象的首句对话信息去重后的数量、以及第一对象对应的所有第二对象的数量，确定各节点对应的首句对话的多样性。
[0188]
可选地，可统计第一对象和第二对象的对话信息中第一对象说的首句对话去重后的数量、以及第一对象对应的所有第二对象的数量(也即被第一对象搭讪过的所有第二对象)，通常，一个游戏虚拟对象在游戏中可能会主动与多个第二对象进行对话。可计算第一对象和第二对象的对话信息中第一对象说的首句对话去重后的数量与第一对象对应的所有第二对象的数量的比值，得到节点对应的首句对话的多样性。
[0189]
其中，该比值越趋向于0，说明首句对话的多样性越差，说明第一对象是用同样的话术来和不同的第二对象进行对话，其存在洗量行为的可能性较大。
[0190]
s803、根据各边长数据包含的第一对象和第二对象的对话信息中第一对象的对话数量、以及第一对象对应的对话总数量，确定各节点对应的对话的交互程度，第一对象对应的对话总数量包括：第一对象对应的节点数据中第一对象和第二对象的对话总数量、第一对象对应的边长数据中的所有对话数量。
[0191]
可选地，可统计第一对象和所有第二对象的对话信息中，第一对象所说出的所有对话的条数，计算第一对象所说出的所有对话的条数占所有对话条数的比例。通常，这个值约趋向于1，表明第一对象的对话主动性越高，越可能是“洗量”行为虚拟对象在不断骚扰其他虚拟对象，比较可疑。
[0192]
s804、根据各节点数据、以及各节点对应的对话类别累积次数、首句对话的多样性、对话的交互程度，确定各节点的目标数据。
[0193]
可选地，通过上述处理，得到的某个节点的目标数据可以表示为{“游戏虚拟对象的标识”：“12345”，“游戏等级”：40，“会员等级”：“4”，“对话信息”：[“我有优惠充值渠道，大家需要吗_0100000”，“大家是第一次玩这个游戏吗_0000000”]，“竞品游戏”：0，“福利充值”：1，“吐槽游戏”：0，“固定开场白”：0，“套近乎”：1，“喊话一起玩”：0，“索要联系方式”：0，“首句对话的多样性”：0.2，“对话的交互程度”：0.5}。
[0194]
图9为本技术实施例提供的一种知识图谱示意图。可选地，步骤s404中，根据各节点的目标数据、以及各节点所对应的游戏虚拟对象的游戏日志，构建目标图谱，可以包括：根据各节点所对应的游戏虚拟对象的游戏日志中第一对象和第二对象的对应关系、第一对象和第一对象的创建渠道的对应关系、第一对象和第一对象对应的游戏账号的对应关系、以及各节点的目标数据，构建目标图谱。
[0195]
在一种可实现的方式中，可基于上述设计好的知识图谱的架构，将上述处理得到的节点数据、边长数据，节点的目标数据上传至图数据库中，构建得到目标图谱。本实施例中，采用的开源图数据库系统可以为hugegraph。
[0196]
可选地，搭建得到的目标图谱可以如图9所示，图中仅示意性的展示了任一游戏虚拟对象一跳以内的关系图，也即仅以第一对象为主体，展示第一对象与第二对象的之间的关系，实际应用中，第二对象也可作为主体，也即作为对话发起者，可展示出第二对象与其对应的其他对象的关系，也即展示出第二对象与被第二对象所对话的其他对象的关系，如此可得到所有被抽取的游戏虚拟对象所共同搭建的完整知识图谱。
[0197]
可选地，基于知识图谱的方式，将各游戏虚拟对象的对话网络构建出来，一定程度上增加了所确定的异常账号存在异常的可解释性。
[0198]
可选地，步骤s301中，基于目标图谱，从各游戏虚拟对象中筛选疑似异常虚拟对象，可以包括：根据目标图谱中各节点的目标数据、以及预设的评估阈值，从各节点对应的游戏虚拟对象中确定疑似异常虚拟对象。
[0199]
在一种可实现的方式中，可预设多个评估阈值，例如：预设游戏虚拟对象的游戏等级阈值、会员等级阈值、首句对话的多样性阈值、对话的交互程度阈值等，可基于各阈值，对知识图谱中各节点进行查询，例如：查询游戏等级小于40级、且会员等级小于3级、且首句对话的多样性小于0.3、且对话的交互程度高于0.6的所有节点，从而可将所查询到的节点对
应的虚拟对象确定为疑似异常虚拟对象。
[0200]
可选地，基于上述所确定出的疑似异常虚拟对象，可根据目标图谱中所展示的第一对象和第二对象的对应关系，找到与疑似异常虚拟对象拥有相同创建渠道或者相同游戏账号的虚拟对象同样作为疑似异常虚拟对象。
[0201]
图10为本技术实施例提供的游戏中异常账号的识别方法的流程示意图十；可选地，步骤s302中，从疑似异常虚拟对象中确定目标异常虚拟对象以及目标异常虚拟对象对应的异常账号，可以包括：
[0202]
s1001、根据目标图谱中第一对象和第二对象的对应关系，确定各疑似异常虚拟对象所对应的关联虚拟对象，关联虚拟对象用于表征与疑似异常虚拟对象进行对话的游戏虚拟对象。
[0203]
可选地，基于上述所确定出的疑似异常虚拟对象，可在知识图谱中搜索出各疑似异常虚拟对象对应的关联虚拟对象，其中，关联虚拟对象也即被疑似异常虚拟对象所骚扰过的虚拟对象，也即是被疑似异常虚拟对象对话过的虚拟对象。
[0204]
s1002、根据各疑似异常虚拟对象所对应的关联虚拟对象的流失率，从各疑似异常虚拟对象中确定目标异常虚拟对象。
[0205]
针对任一疑似异常虚拟对象，可通过统计该疑似异常虚拟对象对应的所有关联虚拟对象的流失率，当流失率大于所设定的平均流失率时，可客观的确定该疑似异常虚拟对象确实造成了部分虚拟对象的流失，存在洗量行为，可将其确定为目标异常虚拟对象。
[0206]
可选地，对于确定出的目标异常虚拟对象，还可进一步地人工进行确认，并对其进行相应的处罚。
[0207]
s1003、根据目标异常虚拟对象、以及目标图谱中第一对象和第一对象对应的游戏账号的对应关系，确定目标异常虚拟对象对应的异常账号。
[0208]
可选地，基于知识图谱中所展示的第一对象和第一对象对应的游戏账号的对应关系，可确定各目标异常虚拟对象所对应的异常账号，也即，将创建该目标异常虚拟对象的游戏账号作为该目标异常虚拟对象所对应的异常账号。
[0209]
图11为本技术实施例提供的游戏中异常账号的识别方法的流程示意图十一；可选地，步骤s201中，根据目标异常虚拟对象的游戏日志训练对话标注分类模型，可以包括：
[0210]
s1101、对目标异常虚拟对象的游戏日志中的对话信息进行对话类别标注，获取第一样本数据。
[0211]
在一种可实现的方式中，可将上述所确定的所有目标异常虚拟对象的所有对话信息获取来，可采用人工标注的方式，对各对话信息进行对话类别标注，以扩充规则或者是归类至上述七类特征中，以扩充标注语料，得到第一样本数据。
[0212]
s1102、采用第一样本数据，训练获取对话标注分类模型。
[0213]
可选地，可基于该第一样本数据，结合各样本数据所标注的对话类型标签，训练获取对话标注分类模型。
[0214]
在一些实施例中，本技术所提供的方法可多次循环执行，当积累到一定数量的标注语料后，便可以用机器学习或者深度学习的方法训练对话标注分类模型，比如采用cnn(convolutional neural networks，卷积神经网络)、lstm(long short
‑
term memory，长短期记忆网络)、transformer(机器翻译模型)等，具体的训练过程此处不再一一赘述。在训练
完了初始对话标注分类模型后，还可以结合“规则”和“模型”同时对对话信息进行打标，然后继续人工标注，在线训练迭代模型，不断提升模型的识别准确率。
[0215]
图12为本技术实施例提供的游戏中异常账号的识别方法的流程示意图十二；可选地，步骤s202中，根据目标异常虚拟对象对应的异常账号的数据以及对话标注分类模型，训练异常账号识别模型，可以包括：
[0216]
s1201、将异常账号对应的第一节点、第二节点以及第三节点的目标数据作为第二样本数据，其中，第一节点为目标图谱中异常账户对应的异常虚拟对象所在的节点，第二节点为目标图谱中第一节点的下一节点，第三节点为目标图谱中第二节点的下一节点。
[0217]
可选地，对于确定出的异常账号而言，可将异常账号的信息：包括异常账号所对应的节点数据(异常账号所对应的游戏虚拟对象所在的节点)、以节点为中心的二跳以内的子图数据作为该异常账号的数据，得到第二样本数据。如图9仅展示了一跳以内的子图数据，实际应用中二跳以内的子图数据可从完整知识图谱中获取。当然，异常账号的数据也可以是以三跳以内或者四跳以内的子图数据为主，可根据实际需求去获取。
[0218]
s1202、采用第二样本数据、以及对话标注分类模型，训练获取异常账号识别模型。
[0219]
可选地，可基于上述所获取的第二样本数据、结合训练得到的对话标注分类模型，训练获取异常账号识别模型。
[0220]
图13为本技术实施例提供的游戏中异常账号的识别方法的流程示意图十三；可选地，步骤s1202中，采用第二样本数据、以及对话标注分类模型，训练获取异常账号识别模型，可以包括：
[0221]
s1301、采用对话标注分类模型对第二样本数据进行对话类别标注。
[0222]
可选地，可采用训练得到的对话标注分类模型，对第二样本数据中所包含的对话信息进行对话类别的标注，得到标注后的第二样本数据。
[0223]
s1302、根据标注后的第二样本数据，训练获取异常账号识别模型。
[0224]
可选地，可将标注后的第二样本数据、以及异常账号作为模型的输入，训练获取异常账号识别模型。由于对于第二样本数据的标注结果准确性较高，同时异常账号也是通过客观评估确定的，这样可使得训练得到的异常账号识别模型的准确率较高。
[0225]
综上，本实施例提供的游戏中异常账号的识别方法，包括：获取样本数据集，样本数据集包括：预设时间段内目标游戏下至少一个游戏虚拟对象的游戏日志；根据各游戏虚拟对象的游戏日志、以及预先搭建的知识图谱架构，构建目标图谱，目标图谱用于表征游戏虚拟对象的信息，信息包括：游戏虚拟对象的特征信息、游戏虚拟对象与其他游戏虚拟对象的对话关系、游戏虚拟对象与游戏账号之间的对应关系；基于目标图谱，确定目标异常虚拟对象以及目标异常虚拟对象对应的异常账号；根据目标异常虚拟对象的游戏日志以及目标异常虚拟对象对应的异常账号的数据，训练目标识别模型，目标识别模型用于识别待识别虚拟对象对应的游戏账号是否为异常账号。本方案中，基于游戏虚拟对象的游戏日志，搭建知识图谱，从而可根据知识图谱确定异常虚拟对象以及异常虚拟对象对应的异常账号，提高了确定的异常虚拟对象和异常虚拟对象对应的异常账号的可解释性和可信度，另外，基于确定的异常虚拟对象以及异常虚拟对象对应的异常账号的相关数据，训练获取目标识别模型，从而可基于目标识别模型实现异常账号的自动识别，提高了异常账号识别的准确率和效率。
[0226]
下述对用以执行本技术所提供的游戏中异常账号的识别方法的装置、电子设备及存储介质等进行说明，其具体的实现过程以及技术效果参见上述，下述不再赘述。
[0227]
图14为本技术实施例提供的一种游戏中异常账号的识别装置的示意图，该游戏中异常账号的识别装置实现的功能对应上述方法执行的步骤。该装置可以理解为上述的终端设备或服务器，或服务器的处理器，也可以理解为独立于上述服务器或处理器之外的在服务器控制下实现本技术功能的组件，可选地，该装置可包括：获取模块140、构建模块141、确定模块142、训练模块142；
[0228]
获取模块140，用于获取样本数据集，样本数据集包括：预设时间段内目标游戏下至少一个游戏虚拟对象的游戏日志；
[0229]
构建模块141，用于根据各游戏虚拟对象的游戏日志、以及预先搭建的知识图谱架构，构建目标图谱，目标图谱用于表征游戏虚拟对象的信息，信息包括：游戏虚拟对象的特征信息、游戏虚拟对象与其他游戏虚拟对象的对话关系、游戏虚拟对象与游戏账号之间的对应关系；
[0230]
确定模块142，用于基于目标图谱，确定目标异常虚拟对象以及目标异常虚拟对象对应的异常账号；
[0231]
训练模块143，用于根据目标异常虚拟对象的游戏日志以及目标异常虚拟对象对应的异常账号的数据，训练目标识别模型，目标识别模型用于识别待识别虚拟对象对应的游戏账号是否为异常账号。
[0232]
可选地，目标识别模型包括：对话标注分类模型以及异常账号识别模型；
[0233]
训练模块143，具体用于根据目标异常虚拟对象的游戏日志训练对话标注分类模型，对话标注分类模型用于对待识别的虚拟对象的游戏日志进行类别标注；
[0234]
根据目标异常虚拟对象对应的异常账号的数据以及对话标注分类模型，训练异常账号识别模型，异常账号识别模型用于识别待识别虚拟对象对应的游戏账号是否为异常账号。
[0235]
可选地，确定模块142，具体用于基于目标图谱，从各游戏虚拟对象中筛选疑似异常虚拟对象；
[0236]
从疑似异常虚拟对象中确定目标异常虚拟对象以及目标异常虚拟对象对应的异常账号。
[0237]
可选地，构建模块141，具体用于根据知识图谱架构中预先设定的节点与边长的对应关系，将各游戏虚拟对象的游戏日志分别转换为节点数据及边长数据；
[0238]
根据预设的至少一个对话类别的关键信息，对各节点数据及各边长数据中包含的对话进行对话类别标注，得到各节点数据对应的对话标注结果以及各边长数据对应的对话标注结果；
[0239]
根据各节点数据对应的对话标注结果以及各边长数据对应的对话标注结果、以及预设类别的指标，确定各节点的目标数据，其中，节点的目标数据用于表征节点所对应的游戏虚拟对象的特征信息。
[0240]
根据各节点的目标数据、以及各节点所对应的游戏虚拟对象的游戏日志，构建目标图谱。
[0241]
可选地，游戏虚拟对象的游戏日志包括如下信息：对话类型、对话时间戳、第一对
象的特征信息、第一对象的对话信息、第二对象的特征信息，其中，第一对象表征发起对话的游戏虚拟对象，第二对象表征被第一对象所对话的游戏虚拟对象，第二对象包括至少一个，特征信息包括：虚拟对象标识、虚拟对象的游戏等级、虚拟对象的会员等级、虚拟对象的创建渠道、虚拟对象对应的游戏账号，对话类型包括：公共对话和私有对话。
[0242]
可选地，确定模块142，还用于分别确定各游戏虚拟对象的游戏日志中的第一对象的标识为知识图谱的角色标识节点、第一对象的创建渠道为知识图谱的角色渠道节点、以及第一对象对应的游戏账号为知识图谱的角色账号节点；
[0243]
确定各游戏虚拟对象的游戏日志中第一对象和第二对象的对应关系、第一对象和第一对象的创建渠道的对应关系、以及第一对象和第一对象对应的游戏账号的对应关系为知识图谱的边长；
[0244]
根据确定的知识图谱的节点和边长，设定节点和边长的对应关系。
[0245]
可选地，构建模块141，具体用于根据节点与边长的对应关系，将各游戏虚拟对象的游戏日志中的第一对象的标识、第一对象对应的公共对话信息、第一对象的游戏等级、第一对象的会员等级转换为角色标识节点数据、将各游戏虚拟对象的游戏日志中的第一对象的创建渠道转换为角色渠道节点数据、以及将各游戏虚拟对象的游戏日志中的第一对象对应的游戏账号转换为角色账号节点数据；
[0246]
将各游戏虚拟对象的游戏日志中的第一对象的标识、第二对象的标识、第一对象和第二对象的对应关系、以及第一对象和第二对象的私有对话信息转换为第一边长数据，将第一对象和第一对象的创建渠道的对应关系转换为第二边长数据，将第一对象和第一对象对应的游戏账号转换为第三边长数据，并根据第一边长数据、第二边长数据及第三边长数据，得到边长数据。
[0247]
可选地，构建模块141，具体用于将各节点数据中包含的对话信息与至少一个对话类别的关键信息进行匹配，根据匹配结果对各节点数据包含的对话信息进行对话类别标注，得到各节点数据对应的对话标注结果；
[0248]
将各边长数据中包含的对话信息与至少一个对话类别的关键信息进行匹配，根据匹配结果对各边长数据包含的对话信息进行对话类别标注，得到各边长数据对应的对话标注结果。
[0249]
可选地，预设类别的指标包括：对话类别的累积次数、首句对话的多样性、对话的交互程度，对话的交互程度用于表征游戏虚拟对象的对话主动性；
[0250]
可选地，构建模块141，具体用于根据各节点数据包含的所有对话标注结果、以及各边长数据包含的第一对象的对话标注结果，确定各节点对应的对话类别累积次数；
[0251]
根据各边长数据包含的第一对象和第二对象的对话信息中第一对象的首句对话信息去重后的数量、以及第一对象对应的所有第二对象的数量，确定各节点对应的首句对话的多样性；
[0252]
根据各边长数据包含的第一对象和第二对象的对话信息中第一对象的对话数量、以及第一对象对应的对话总数量，确定各节点对应的对话的交互程度，第一对象对应的对话总数量包括：第一对象对应的节点数据中第一对象和第二对象的对话总数量、第一对象对应的边长数据中的所有对话数量；
[0253]
根据各节点数据、以及各节点对应的对话类别累积次数、首句对话的多样性、对话
的交互程度，确定各节点的目标数据。
[0254]
可选地，构建模块141，具体用于根据各节点所对应的游戏虚拟对象的游戏日志中第一对象和第二对象的对应关系、第一对象和第一对象的创建渠道的对应关系、第一对象和第一对象对应的游戏账号的对应关系、以及各节点的目标数据，构建目标图谱。
[0255]
可选地，确定模块142，具体用于根据目标图谱中各节点的目标数据、以及预设的评估阈值，从各节点对应的游戏虚拟对象中确定疑似异常虚拟对象。
[0256]
可选地，确定模块142，具体用于根据目标图谱中第一对象和第二对象的对应关系，确定各疑似异常虚拟对象所对应的关联虚拟对象，关联虚拟对象用于表征与疑似异常虚拟对象进行对话的游戏虚拟对象；
[0257]
根据各疑似异常虚拟对象所对应的关联虚拟对象的流失率，从各疑似异常虚拟对象中确定目标异常虚拟对象；
[0258]
根据目标异常虚拟对象、以及目标图谱中第一对象和第一对象对应的游戏账号的对应关系，确定目标异常虚拟对象对应的异常账号。
[0259]
可选地，训练模块143，具体用于对目标异常虚拟对象的游戏日志中的对话信息进行对话类别标注，获取第一样本数据；
[0260]
采用第一样本数据，训练获取对话标注分类模型。
[0261]
可选地，训练模块143，具体用于将异常账号对应的第一节点、第二节点以及第三节点的目标数据作为第二样本数据，其中，第一节点为目标图谱中异常账户对应的异常虚拟对象所在的节点，第二节点为目标图谱中第一节点的下一节点，第三节点为目标图谱中第二节点的下一节点；
[0262]
采用第二样本数据、以及对话标注分类模型，训练获取异常账号识别模型。
[0263]
可选地，训练模块143，具体用于采用对话标注分类模型对第二样本数据进行对话类别标注；
[0264]
根据标注后的第二样本数据，训练获取异常账号识别模型。
[0265]
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
[0266]
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit，简称asic)，或，一个或多个微处理器(digital singnal processor，简称dsp)，或，一个或者多个现场可编程门阵列(field programmable gate array，简称fpga)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，简称cpu)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system
‑
on
‑
a
‑
chip，简称soc)的形式实现。
[0267]
上述模块可以经由有线连接或无线连接彼此连接或通信。有线连接可以包括金属线缆、光缆、混合线缆等，或其任意组合。无线连接可以包括通过lan、wan、蓝牙、zigbee、或nfc等形式的连接，或其任意组合。两个或更多个模块可以组合为单个模块，并且任何一个模块可以分成两个或更多个单元。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考方法实施例中的对应过程，本技术中不再赘述。
[0268]
需要说明的是，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit，简称asic)，或，一个或多个微处理器(digital singnal processor，简称dsp)，或，一个或者多个现场可编程门阵列(field programmable gate array，简称fpga)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，简称cpu)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system
‑
on
‑
a
‑
chip，简称soc)的形式实现。
[0269]
图15为本技术实施例提供的一种电子设备的结构示意图，该设备可包括：处理器801、存储器802。
[0270]
存储器802用于存储程序，处理器801调用存储器802存储的程序，以执行上述方法实施例。具体实现方式和技术效果类似，这里不再赘述。
[0271]
其中，存储器802存储有程序代码，当程序代码被处理器801执行时，使得处理器801执行本说明书上述“示例性方法”部分中描述的根据本技术各种示例性实施方式的游戏中异常账号的识别方法中的各种步骤。
[0272]
处理器801可以是通用处理器，例如中央处理器(cpu)、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本技术实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
[0273]
存储器802作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(random access memory，ram)、静态随机访问存储器(static random access memory，sram)、可编程只读存储器(programmable read only memory，prom)、只读存储器(read only memory，rom)、带电可擦除可编程只读存储器(electrically erasable programmable read
‑
only memory，eeprom)、磁性存储器、磁盘、光盘等等。存储器是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本技术实施例中的存储器802还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。
[0274]
可选地，本技术还提供一种程序产品，例如计算机可读存储介质，包括程序，该程序在被处理器执行时用于执行上述方法实施例。
[0275]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0276]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0277]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0278]
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本技术各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(英文：read
‑
only memory，简称：rom)、随机存取存储器(英文：random access memory，简称：ram)、磁碟或者光盘等各种可以存储程序代码的介质。