异常资源转移识别方法、装置、计算机设备与流程

本技术涉及金融科技领域，特别是涉及一种异常资源转移识别方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、在网络直播平台上，观众可以通过购买直播平台的各种兑换礼物对主播进行打赏，主播可通过观众赠送礼物与平台兑换现金提取。由于直播打赏所采用的平台兑换虚拟代币、兑换为平台礼物等新型交易模式具有隐蔽性，可能涉及异常资源转移情况。

2、随着互联网交易业态的多样化、交易关系复杂化，造成交易的参与人众多、链路也越来越复杂，互联网平台交易监测难度大，在对异常资源转移情况的识别、预警方面都存在较大挑战。

3、传统技术中，通常是采用人工识别手段进行监测，但传统识别手段识别效率低、识别成本高，具有较长的滞后性，难以实现高效识别，且信息化水平低，导致针对网络直播平台中异常资源转移情况的识别效果不佳。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提升直播活动中异常资源转移识别效率的异常资源转移识别方法、装置、计算机设备、存储介质和计算机程序产品。

2、第一方面，本技术提供了一种异常资源转移识别方法，包括：

3、获取基于直播活动的异常资源转移事件的原始数据集合；所述原始数据集合包括来源于与所述异常资源转移事件关联的不同业务类型数据平台的多个事件基础数据；所述事件基础数据包括事件对象描述数据和资源转移交互数据；

4、通过对所述原始数据集合中的多个事件基础数据进行数据关联整合，得到数据集成视图；所述数据集成视图用于表征所述事件对象描述数据与所述资源转移交互数据之间的数据关联关系；

5、基于所述数据集成视图，确定用于识别异常资源转移事件特征的指标规则信息，构建包含所述指标规则信息的异常资源转移事件识别模型；

6、采用所述异常资源转移事件识别模型对直播活动中资源转移情况进行监测，展示所述异常资源转移事件识别模型输出的异常资源转移事件预测结果。

7、在其中一个实施例中，所述通过对所述原始数据集合中的多个事件基础数据进行数据关联整合，得到数据集成视图，包括：

8、获取预设的整合关键信息；所述整合关键信息为所述事件对象描述数据包含的对象特征内容；

9、根据所述对象特征内容，对来源于所述不同业务类型数据平台的所述多个事件基础数据进行数据关联整合，建立所述事件对象描述数据与所述资源转移交互数据之间的数据关联关系，得到所述数据集成视图。

10、在其中一个实施例中，所述基于所述数据集成视图，确定用于识别异常资源转移事件特征的指标规则信息，构建包含所述指标规则信息的异常资源转移事件识别模型，包括：

11、从所述数据集成视图中分解出不同维度的所述异常资源转移事件特征，得到用于识别各所述维度下的异常资源转移事件特征的模型指标，作为所述指标规则信息；

12、采用所述指标规则信息和各所述模型指标对应的差异化阈值信息，构建所述异常资源转移事件识别模型。

13、在其中一个实施例中，所述采用所述异常资源转移事件识别模型对直播活动中资源转移情况进行监测，展示所述异常资源转移事件识别模型输出的异常资源转移事件预测结果，包括：

14、获取当前监测直播活动的所属行业信息、主播对象关联信息，以及资源转移观众对象关联信息，输入至所述异常资源转移事件识别模型；

15、根据所述异常资源转移事件识别模型中不同维度下的模型指标进行命中判断，基于命中所述模型指标的所属行业信息、主播对象关联信息，以及资源转移观众对象关联信息，确定第一异常预测结果；

16、根据所述第一异常预测结果，得到所述异常资源转移事件预测结果，并展示所述异常资源转移事件预测结果。

17、在其中一个实施例中，所述根据所述第一异常预测结果，得到所述异常资源转移事件预测结果，包括：

18、针对所述当前监测直播活动，获取来源于管理业务类型数据平台的管理业务描述信息；所述管理业务描述信息包括主播对象对应的第一管理业务信息和资源转移观众对象对应的第二管理业务信息；

19、以及获取来源于金融业务类型数据平台的金融业务描述信息；所述金融业务描述信息包括所述主播对象对应的第一金融业务信息和所述资源转移观众对象对应的第二金融业务信息；

20、根据所述管理业务描述信息和所述金融业务描述信息，从所述第一异常预测结果中筛选出第二异常预测结果，作为所述异常资源转移事件预测结果。

21、在其中一个实施例中，所述展示所述异常资源转移事件识别模型输出的异常资源转移事件预测结果，包括：

22、根据所述异常资源转移事件预测结果，确定异常主播对象和异常资源转移观众对象；

23、展示基于所述异常主播对象和所述异常资源转移观众对象生成的异常资源转移事件热力图，以及异常资源转移事件明细信息。

24、第二方面，本技术还提供了一种异常资源转移识别装置，包括：

25、原始数据获取模块，用于获取基于直播活动的异常资源转移事件的原始数据集合；所述原始数据集合包括来源于与所述异常资源转移事件关联的不同业务类型数据平台的多个事件基础数据；所述事件基础数据包括事件对象描述数据和资源转移交互数据；

26、数据整合模块，用于通过对所述原始数据集合中的多个事件基础数据进行数据关联整合，得到数据集成视图；所述数据集成视图用于表征所述事件对象描述数据与所述资源转移交互数据之间的数据关联关系；

27、识别模型构建模块，用于基于所述数据集成视图，确定用于识别异常资源转移事件特征的指标规则信息，构建包含所述指标规则信息的异常资源转移事件识别模型；

28、识别模型应用模块，用于采用所述异常资源转移事件识别模型对直播活动中资源转移情况进行监测，展示所述异常资源转移事件识别模型输出的异常资源转移事件预测结果。

29、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述的异常资源转移识别方法的步骤。

30、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的异常资源转移识别方法的步骤。

31、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述的异常资源转移识别方法的步骤。

32、上述一种异常资源转移识别方法、装置、计算机设备、存储介质和计算机程序产品，通过获取基于直播活动的异常资源转移事件的原始数据集合，该原始数据集合包括来源于与异常资源转移事件关联的不同业务类型数据平台的多个事件基础数据，该事件基础数据包括事件对象描述数据和资源转移交互数据，通过对原始数据集合中的多个事件基础数据进行数据关联整合，得到数据集成视图，该数据集成视图用于表征事件对象描述数据与资源转移交互数据之间的数据关联关系，然后基于数据集成视图，确定用于识别异常资源转移事件特征的指标规则信息，构建包含指标规则信息的异常资源转移事件识别模型，进而采用异常资源转移事件识别模型对直播活动中资源转移情况进行监测，展示异常资源转移事件识别模型输出的异常资源转移事件预测结果，实现了自动化地高效识别直播活动中异常资源转移事件，能够针对网络直播平台中异常资源转移情况进行有效识别，提升了识别效率和识别效果。