羊毛党识别方法、装置、计算机设备及存储介质

摘要

本发明提供一种羊毛党识别方法、装置、计算机设备及存储介质，该方法包括：获取训练用户的用户画像数据，每个训练用户标记有羊毛党标识信息；对训练用户的用户画像数据进行预处理，得到训练用户的用户特征；根据训练用户的用户特征和羊毛党标识信息，获取用户属于羊毛党的先验概率、每个用户特征在用户属于羊毛党条件下的条件概率、每个用户特征的特征概率；获取目标用户的用户画像数据；对目标用户的用户画像数据进行预处理，得到目标用户的用户特征；基于目标用户的用户特征、以及先验概率、条件概率、特征概率，获取目标用户属于羊毛党的后验概率；根据所述后验概率，识别目标用户是否属于羊毛党。本发明可以准确识别羊毛党。

说明书

技术领域

本发明涉及数据处理分析领域，尤其涉及一种羊毛党识别方法、装置、计算机设备及存储介质。

背景技术

近年来随着电商、社交、互联网金融的兴起，各种补贴促销活动层出不穷。平台为了达到拉新和促销等目的，推出各种补贴、红包、抽奖、返利等营销活动，以吸引用户。这些营销活动除了吸引正常的用户之外，还催生了一条特殊的产业链——“羊毛党”。“羊毛党”，是指专门选择各互联网渠道的优惠促销活动，以相对较低成本甚至零成本换取物质上实惠的人群。他们通过大批量式的注册领取各种补贴，“薅完羊毛就跑”。一方面抢占原本属于正常用户的福利，另一方面消耗了大量的平台营销预算。因此识别出“羊毛党”人群对降低营销成本，提高营销效率具有重大意义。

“羊毛党”通常通过后台程序虚拟出多个账户，通过代理随机生成ip和定位等信息。从单个用户行为判断每个账户均符合风控规则，很难通过策略进行过滤。因此，本发明亟待提供一种针对羊毛党的准确识别方法。

发明内容

针对上述现有技术的不足，本发明的目的在于提供一种羊毛党识别方法、装置、计算机设备及存储介质，以准确识别羊毛党。

为了实现上述目的，本发明提供一种羊毛党识别方法，该方法包括：

获取若干训练用户的用户画像数据，其中每个训练用户标记有是否属于羊毛党的羊毛党标识信息；

对所述若干训练用户的用户画像数据进行预处理，得到所述若干训练用户的用户特征；

根据所述若干训练用户的用户特征和对应的羊毛党标识信息，获取用户属于羊毛党的先验概率、每个所述用户特征在用户属于羊毛党条件下的条件概率、以及每个所述用户特征的特征概率；

获取目标用户的用户画像数据；

对所述目标用户的用户画像数据进行预处理，得到所述目标用户的用户特征；

基于所述目标用户的用户特征、以及所述用户属于羊毛党的先验概率、每个所述用户特征在用户属于羊毛党条件下的条件概率、每个所述用户特征对应的特征概率，获取所述目标用户属于羊毛党的后验概率；

根据所述目标用户属于羊毛党的后验概率，判断所述目标用户是否属于羊毛党。

在本发明一个优选实施例中，所述根据所述目标用户属于羊毛党的后验概率，识别所述目标用户是否属于羊毛党，包括：

根据所述目标用户属于羊毛党的后验概率，获取所述目标用户的风险评分；

当所述目标用户的风险评分大于预定阈值时，判定所述目标用户为羊毛党。

在本发明一个优选实施例中，所述根据所述若干训练用户的用户特征和对应的羊毛党标识信息，获取用户属于羊毛党的先验概率、每个所述用户特征在用户属于羊毛党条件下的条件概率、以及每个所述用户特征对应的特征概率，包括：

通过如下式(1)获取用户属于羊毛党的先验概率p(y)：

P(y)＝n/N (1)

在式(1)中，n表示标记为羊毛党的训练用户数量，N表示训练用户的总数量，P(y)表示y条件发生的概率，y条件表示用户属于羊毛党；

通过如下式(2)获取每个用户特征在用户属于羊毛党条件下的条件概率：

P(x1，x2，...，xn|y)＝P(x1|y)P(x2|y)...P(xn|y) (2)

在式(2)中，P(x1，x2，...，xn|y)表示y条件下事件x1，x2，...，xn同时发生的联合概率，P(xi|y)表示y条件下事件xi发生的概率，xi表示不同用户特征；

通过如下式(3)获取每个用户特征对应的特征概率p(x1，x2，...，xn)：

p(x1，x2，...，xn)＝P(x1)P(x2)...P(xn) (3)

在式(3)中，P(x1),P(x2),...,P(xn)分别表示中所述若干训练用户具有x1，x2，...，xn特征的概率。

在本发明一个优选实施例中，所述基于所述目标用户的用户特征、以及所述用户属于羊毛党的先验概率、每个所述用户特征在用户属于羊毛党条件下的条件概率、每个所述用户特征对应的特征概率，获取所述目标用户属于羊毛党的后验概率，包括：

通过如下式(4)获取目标用户属于羊毛党的后验概率P(y|x1，x2，...，xn)：

P(y|x1，x2，...，xn)＝P(x1，x2，...，xn|y)*P(y)/p(x1，x2，...，xn) (4)

在式(4)中，P(x1，x2，...，xn|y)表示目标用户的每个用户特征在用户属于羊毛党条件下的条件概率，P(y)表示用户属于羊毛党的先验概率，p(x1，x2，...，xn)表示目标用户每个用户特征对应的特征概率。

在本发明一个优选实施例中，所述根据所述目标用户属于羊毛党的后验概率，获取所述目标用户的风险评分，包括：

根据如下式(5)获取所述目标用户的风险评分score：

score＝A+Blog((1-P(y|x1，x2，...，xn))/P(y|x1，x2，...，xn)) (5)

在式(5)中，A表示预设的基础分，B表示预设的系数，P(y|x1，x2，...，xn)表示目标用户属于羊毛党的后验概率。

在本发明一个优选实施例中，所述预处理包括：

对所述用户画像数据进行归一化处理、编码处理、数据补全处理、极值删除处理、和/或数学运算处理，得到对应的用户特征。

在本发明一个优选实施例中，所述预处理还包括：对得到的用户特征进行筛选。

为了实现上述目的，本发明还提供一种羊毛党识别装置，该装置包括：

训练用户数据获取模块，用于获取若干训练用户的用户画像数据，其中每个训练用户标记有是否属于羊毛党的羊毛党标识信息；

第一预处理模块，用于对所述若干训练用户的用户画像数据进行预处理，得到所述若干训练用户的用户特征；

第一概率获取模块，用于根据所述若干训练用户的用户特征和对应的羊毛党标识信息，获取用户属于羊毛党的先验概率、每个所述用户特征在用户属于羊毛党条件下的条件概率、以及每个所述用户特征的特征概率；

目标用户数据获取模块，用于获取目标用户的用户画像数据；

第二预处理模块，用于对所述目标用户的用户画像数据进行预处理，得到所述目标用户的用户特征；

第二概率获取模块，用于基于所述目标用户的用户特征、以及所述用户属于羊毛党的先验概率、每个所述用户特征在用户属于羊毛党条件下的条件概率、每个所述用户特征对应的特征概率，获取所述目标用户属于羊毛党的后验概率；

识别模块，用于根据所述目标用户属于羊毛党的后验概率，识别所述目标用户是否属于羊毛党。

在本发明一个优选实施例中，所述识别模块具体用于：

根据所述目标用户属于羊毛党的后验概率，获取所述目标用户的风险评分；

当所述目标用户的风险评分大于预定阈值时，判定所述目标用户为羊毛党。

在本发明一个优选实施例中，所述第一概率获取模块具体用于：

通过如下式(1)获取用户属于羊毛党的先验概率p(y)：

P(y)＝n/N (1)

在式(1)中，n表示标记为羊毛党的训练用户数量，N表示训练用户的总数量，P(y)表示y条件发生的概率，y条件表示用户属于羊毛党；

通过如下式(2)获取每个用户特征在用户属于羊毛党条件下的条件概率：

P(x1，x2，...，xn|y)＝P(x1|y)P(x2|y)...P(xn|y) (2)

在式(2)中，P(x1，x2，...，xn|y)表示y条件下事件x1，x2，...，xn同时发生的联合概率，P(xi|y)表示y条件下事件xi发生的概率，xi表示不同用户特征；

通过如下式(3)获取每个用户特征对应的特征概率p(x1，x2，...，xn)：

p(x1，x2，...，xn)＝P(x1)P(x2)...P(xn) (3)

在式(3)中，P(x1),P(x2),...,P(xn)分别表示中所述若干训练用户具有x1，x2，...，xn特征的概率。

在本发明一个优选实施例中，所述第二概率获取模块具体用于：

通过如下式(4)获取目标用户属于羊毛党的后验概率P(y|x1，x2，...，xn)：

P(y|x1，x2，...，xn)＝P(x1，x2，...，xn|y)*P(y)/p(x1，x2，...，xn) (4)

在式(4)中，P(x1，x2，...，xn|y)表示目标用户的每个用户特征在用户属于羊毛党条件下的条件概率，P(y)表示用户属于羊毛党的先验概率，p(x1，x2，...，xn)表示目标用户每个用户特征对应的特征概率。

在本发明一个优选实施例中，所述识别模块根据如下式(5)获取所述目标用户的风险评分score：

score＝A+Blog((1-P(y|x1，x2，...，xn))/P(y|x1，x2，...，xn)) (5)

在式(5)中，A表示预设的基础分，B表示预设的系数，P(y|x1，x2，...，xn)表示目标用户属于羊毛党的后验概率。

在本发明一个优选实施例中，所述预处理包括：

对所述用户画像数据进行归一化处理、编码处理、数据补全处理、极值删除处理、和/或数学运算处理，得到对应的用户特征。

在本发明一个优选实施例中，所述预处理还包括：对得到的用户特征进行筛选。

为了实现上述目的，本发明还提供一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现前述特征提取模型训练方法或人脸识别方法的步骤。

为了实现上述目的，本发明还提供一种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前述特征提取模型训练方法或人脸识别方法的步骤。

通过采用上述技术方案，本发明具有如下有益效果：

本发明通过预先获取用户属于羊毛党的先验概率、以及每个用户特征在羊毛党条件下的条件概率和特征概率，而后基于所述目标用户的用户特征、所述用户属于羊毛党的先验概率、以及每个用户特征在羊毛党条件下的条件概率和特征概率，获取所述目标用户属于羊毛党的后验概率，最后根据所述目标用户属于羊毛党的后验概率，识别所述目标用户是否属于羊毛党。因而，即使羊毛常通过后台程序虚拟出多个账户，采用本发明的方案即可根据用户的用户特征识别用户是否为羊毛党，从而可以将资源针对非羊毛党流量，避免了资源浪费。

附图说明

图1为本发明实施例1中羊毛党识别方法的流程图；

图2为本发明实施例2中羊毛党识别装置的结构框图；

图3为本发明实施例3中电子设备的硬件架构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

实施例1

对于通过大批量注册账号进行“薅羊毛”的羊毛党，其注册的账号通常具有以下特性：用户浏览器版本相同、注册提交频率高，账户注册时间短、注册用户名具有相似性、操作行为一致、账号日常活跃度低。

针对上述特性，本实施例提供一种羊毛党识别方法，如图1所示，该方法具体包括以下步骤：

S1，获取若干训练用户的用户画像数据，其中每个训练用户标记有是否属于羊毛党的羊毛党标识信息，具体过程如下：

S11，采集若干训练用户的用户数据，其中每个训练用户标记有是否属于羊毛常的羊毛党标识信息。

例如，当某训练用户为羊毛党时，其对应的羊毛党标识信息标记为“1”，当某训练用户为非羊毛党时，其对应的羊毛党标识信息标记为“0”。

在本实施例中，可以从业务数据、系统日志、第三方合作网站数据、业务监控数据、网络爬虫数据等渠道采集训练用户的用户数据。

用户数据具体可以包括：个人基本信息、金融信息、消费信息、历史行业数据、APP埋点数据、征信报告、操作密度等数据。

S12，根据所述训练用户的用户数据，获取所述训练用户的用户画像数据。

例如，可以通过对用户数据进行分级或分类处理，得到对应的用户画像数据。

其中，用户画像数据可以包括：人口属性，如性别、年龄、收入、职业等；业务标准等级，如高、中、低级；注册信息提交频率等级，如秒提、正常、慢等。

S2，对所述若干训练用户的用户画像数据进行预处理，得到所述若干训练用户的用户特征。

在本实施例中，预处理过程具体可以包括：

S21，对所述用户画像数据进行归一化处理、编码处理、数据补全处理、极值删除处理、和/或数学运算处理，得到对应的用户特征。

在本实施例中，数学运算处理包括对所述用户画像数据中的数值型数据进行求和、求均值、求最大值、求最小值、求方差和/或求极差处理。

S22，对前面得到的用户特征进行筛选处理。例如，可以采用sk-learn包自带的卡方api对用户特征进行筛选。

经过上述步骤，得到的用户特征例如包括：用户浏览器版本、注册提交频率，账户注册时间、注册用户名相似性、操作频率、行为一致性、和/或账号日常活跃度等。

S3，根据所述若干训练用户的用户特征和对应的羊毛党标识信息，获取用户属于羊毛党的先验概率、每个用户特征在用户属于羊毛党条件下的条件概率、以及每个用户特征对应的特征概率，具体过程如下：

S31，通过如下式(1)获取用户属于羊毛党的先验概率p(y)：

P(y)＝n/N (1)

在式(1)中，n表示中标记为羊毛党的训练用户数量，N表示训练用户的总数量，P(y)表示y条件发生的概率，y条件表示属于羊毛党。

S32，通过如下式(2)获取每个用户特征在羊毛党条件下的条件概率：

P(x1，x2，...，xn|y)＝P(x1|y)P(x2|y)...P(xn|y) (2)

在式(2)中，P(x1，x2，...，xn|y)表示y条件下事件x1，x2，...，xn同时发生的联合概率，P(x1|y)表示y条件下事件x1发生的概率，P(x2y)表示y条件下事件x2发生的概率，类似地，P(xn|y)表示y条件下事件xn发生的概率。

在本实施例中，y条件表示属于羊毛党，x1，x2，...，xn分别表示羊毛党具有的用户特征，例如，用户浏览器版本、注册提交频率，账户注册时间、注册用户名相似性、操作频率、行为一致性、和/或账号日常活跃度等。

S33，通过如下式(3)获取每个用户特征的特征概率p(x1，x2，...，xn)：

p(x1，x2，...，xn)＝P(x1)P(x2)...P(xn) (3)

在式(3)中，P(x1),P(x2),...,P(xn)表示训练用户具有x1，x2，...，xn用户特征的概率。

优选地，为了保证准确率，本实施例还可以多次重复执行前述步骤S141-S143，每次得到所述用户属于羊毛党的先验概率、每个用户特征在羊毛党条件下的条件概率、每个用户特征对应的特征概率的一个结果，而后将每次得到的对应结果进行加权平均，从而得到所述用户属于羊毛党的先验概率、以及每个用户特征在羊毛党条件下的条件概率和特征概率的目标结果。

S4，获取目标用户的用户画像数据。

如前所述，可以根据采集得到的目标用户的用户数据进行分级或分类处理，得到对应的用户画像数据。

S5，对所述目标用户的用户画像数据进行预处理，得到所述目标用户的用户特征。

其中，预处理过程可以参考前述步骤S2。

S6，基于所述目标用户的用户特征、用户属于羊毛党的先验概率、以及每个用户特征在羊毛党条件下的条件概率和特征概率，采用朴素贝叶斯算法获取所述目标用户属于羊毛党的后验概率。

在本实施例中，具体通过如下式(4)获取目标用户属于羊毛党的后验概率P(y|x1，x2，...，xn)：

P(y|x1，x2，...，xn)＝P(x1，x2，...，xn|y)*P(y)/p(x1，x2，...，xn) (4)

在式(4)中，P(x1，x2，...，xn|y)表示目标用户每个用户特征在羊毛党条件下的条件概率，P(y)表示用户属于羊毛党的先验概率，p(x1，x2，...，xn)表示目标用户每个用户特征发生的特征概率。

S7，根据所述目标用户属于羊毛党的后验概率，识别所述目标用户是否属于羊毛党，具体地：

首先，根据所述目标用户属于羊毛党的概率，获取所述目标用户的风险评分，例如，可以根据如下式(5)获取所述目标用户的风险评分score：

score＝A+Blog((1-P(y|x1，x2，...，xn))/P(y|x1，x2，...，xn)) (5)

在式(5)中，A表示预设的基础分，B表示预设的系数，P(y|x1，x2，...，xn)表示目标用户属于羊毛党的后验概率。

而后，判断所述风险评分是否大于预定阈值(例如，当基础分A预设为650时，系数B预设为50时，预定阈值可以设置为800)，若大于，则识别所述目标用户属于羊毛党，反之，则判定目标用户为非羊毛党。

本实施例通过预先获取用户属于羊毛党的先验概率、以及每个用户特征在羊毛党条件下的条件概率和特征概率，而后基于所述目标用户的用户特征、所述用户属于羊毛党的先验概率、以及每个用户特征在羊毛党条件下的条件概率和特征概率，获取所述目标用户属于羊毛党的后验概率，最后根据所述目标用户属于羊毛党的后验概率，识别所述目标用户是否属于羊毛党。因而，即使羊毛常通过后台程序虚拟出多个账户，采用本发明的方案即可根据用户浏览器版本、注册提交频率，账户注册时间、注册用户名相似性、操作频率、行为一致性、账号日常活跃度等用户特征识别用户是否为羊毛党，从而可以将资源针对非羊毛党流量，避免了资源浪费。

需要说明的是，对于本实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明所必须的。

实施例2

本实施例提供一种羊毛党识别装置，如图2所示，该装置1包括：

训练用户数据获取模块11，用于获取若干训练用户的用户画像数据，其中每个训练用户标记有是否属于羊毛党的羊毛党标识信息；

第一预处理模块12，用于对所述若干训练用户的用户画像数据进行预处理，得到所述若干训练用户的用户特征；

第一概率获取模块13，用于根据所述若干训练用户的用户特征和对应的羊毛党标识信息，获取用户属于羊毛党的先验概率、每个所述用户特征在用户属于羊毛党条件下的条件概率、以及每个所述用户特征的特征概率；

目标用户数据获取模块14，用于获取目标用户的用户画像数据；

第二预处理模块15，用于对所述目标用户的用户画像数据进行预处理，得到所述目标用户的用户特征；

第二概率获取模块16，用于基于所述目标用户的用户特征、以及所述用户属于羊毛党的先验概率、每个所述用户特征在用户属于羊毛党条件下的条件概率、每个所述用户特征对应的特征概率，获取所述目标用户属于羊毛党的后验概率；

识别模块17，用于根据所述目标用户属于羊毛党的后验概率，识别所述目标用户是否属于羊毛党。

在本实施例中，所述识别模块17具体用于：

根据所述目标用户属于羊毛党的后验概率，获取所述目标用户的风险评分；

当所述目标用户的风险评分大于预定阈值时，判定所述目标用户为羊毛党。

在本实施例中，所述第一概率获取模块13具体用于：

通过如下式(1)获取用户属于羊毛党的先验概率p(y)：

P(y)＝n/N (1)

在式(1)中，n表示标记为羊毛党的训练用户数量，N表示训练用户的总数量，P(y)表示y条件发生的概率，y条件表示用户属于羊毛党；

通过如下式(2)获取每个用户特征在用户属于羊毛党条件下的条件概率：

P(x1，x2，...，xn|y)＝P(x1|y)P(x2|y)...P(xn|y) (2)

在式(2)中，P(x1，x2，...，xn|y)表示y条件下事件x1，x2，...，xn同时发生的联合概率，P(xi|y)表示y条件下事件xi发生的概率，xi表示不同用户特征；

通过如下式(3)获取每个用户特征对应的特征概率p(x1，x2，...，xn)：

p(x1，x2，...，xn)＝P(x1)P(x2)...P(xn) (3)

在式(3)中，P(x1),P(x2),...,P(xn)分别表示中所述若干训练用户具有x1，x2，...，xn特征的概率。

在本实施例中，所述第二概率获取模块16具体用于：

通过如下式(4)获取目标用户属于羊毛党的后验概率P(y|x1，x2，...，xn)：

P(y|x1，x2，...，xn)＝P(x1，x2，...，xn|y)*P(y)/p(x1，x2，...，xn) (4)

在式(4)中，P(x1，x2，...，xn|y)表示目标用户的每个用户特征在用户属于羊毛党条件下的条件概率，P(y)表示用户属于羊毛党的先验概率，p(x1，x2，...，xn)表示目标用户每个用户特征对应的特征概率。

在本实施例中，所述识别模块根据如下式(5)获取所述目标用户的风险评分score：

score＝A+Blog((1-P(y|x1，x2，...，xn))/P(y|x1，x2，...，xn)) (5)

在式(5)中，A表示预设的基础分，B表示预设的系数，P(y|x1，x2，...，xn)表示目标用户属于羊毛党的后验概率。在本实施例中，所述预处理包括：

对所述用户画像数据进行归一化处理、编码处理、数据补全处理、和/或极值删除处理，得到对应的用户特征。

在本实施例中，所述预处理还包括：按预设规则，对所述用户画像数据中的预定数值型数据进行求和、求均值、求最大值、求最小值、求方差和/或求极差等数学运算处理，得到对应的用户特征。

在本实施例中，所述预处理还包括：对得到的用户特征进行筛选。

本实施例通过预先获取用户属于羊毛党的先验概率、以及每个用户特征在羊毛党条件下的条件概率和特征概率，而后基于所述目标用户的用户特征、所述用户属于羊毛党的先验概率、以及每个用户特征在羊毛党条件下的条件概率和特征概率，获取所述目标用户属于羊毛党的后验概率，最后根据所述目标用户属于羊毛党的后验概率，识别所述目标用户是否属于羊毛党。因而，即使羊毛常通过后台程序虚拟出多个账户，采用本发明的方案即可根据用户浏览器版本、注册提交频率，账户注册时间、注册用户名相似性、操作频率、行为一致性、账号日常活跃度等用户特征识别用户是否为羊毛党，从而可以将资源针对非羊毛党流量，避免了资源浪费。

实施例3

本实施例提供一种计算机设备，如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。本实施例的计算机设备20至少包括但不限于：可通过系统总线相互通信连接的存储器21、处理器22，如图3所示。需要指出的是，图3仅示出了具有组件21-22的计算机设备20，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

本实施例中，存储器21(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器21可以是计算机设备20的内部存储单元，例如该计算机设备20的硬盘或内存。在另一些实施例中，存储器21也可以是计算机设备20的外部存储设备，例如该计算机设备20上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。当然，存储器21还可以既包括计算机设备20的内部存储单元也包括其外部存储设备。本实施例中，存储器21通常用于存储安装于计算机设备20的操作系统和各类应用软件，例如实施例2的羊毛党识别装置10的程序代码等。此外，存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器22在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备20的总体操作。本实施例中，处理器22用于运行存储器21中存储的程序代码或者处理数据，例如运行羊毛党识别装置10，以实现实施例1的羊毛党识别方法。

实施例4

本实施例提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储羊毛党识别装置10，被处理器执行时实现实施例1的羊毛党识别方法。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。