1.一种识别具有刷票行为主播的方法，其特征在于，所述方法包括：根据目标主播的投票账号特征信息确定投票账号特征树；所述投票账号特征信息包括：设备属性信息、设备IP信息及投票用户属性信息；

获取所述投票账号特征树的各非叶子节点及每个所述非叶子节点的投票账号特征子集；所述非叶子节点包括：设备属性信息、设备IP信息或投票用户属性信息；

针对目标非叶子节点，基于所述投票账号特征子集，确定所述目标非叶子节点对应的刷票嫌疑分值；所述目标非叶子节点为各所述非叶子节点中的任一节点；

基于所述刷票嫌疑分值对所述目标主播进行识别；

所述根据目标主播的投票账号特征信息确定投票账号特征树，包括：生成所述投票账号特征树的root节点，所述root节点是第一层节点的父节点；

获取所述设备属性信息包含的第一特征信息、所述第一特征信息对应的第一特征取值、所述设备IP信息包含的第二特征信息、所述第二特征信息对应的第二特征取值、所述投票用户属性信息包含的第三特征信息及所述第三特征信息对应的第三特征取值；

遍历所述第一特征取值、所述第二特征取值及所述第三特征取值，根据所述第一特征取值、所述第二特征取值及所述第三特征取值形成不同层级的特征取值集合，根据不同层级的特征取值集合确定所述投票账号特征树的对应层节点；其中，所述投票账号特征树的当前层节点包含的特征取值数量大于当前层节点上一层节点包含的特征取值数量，所述当前层节点是第二层节点，所述当前层节点上一层节点是第一层节点；

所述基于投票账号特征子集，确定所述目标非叶子节点对应的刷票嫌疑分值，包括：根据公式 确定所述目标非叶子节点对应的刷票

嫌疑分值 ；其中，

所述x为目标非叶子节点，所述 为所述投票账号特征子集，所述i为所述投票账号特征子集的序号，所述n为所述投票账号特征子集的总数量，所述 为所述投票账号特征子集的实际数量，所述 为所述投票账号特征子集的预测数量，所述 为所述投票账号特征子集的推断数量；

其中，通过确定与目标主播等级相同的各参考主播，获取各参考主播在历史投票活动中满足投票账号特征子集的历史账号数量，将历史账号数量作为目标主播的投票账号特征子集的预测数量；

所述实际数量为统计的参与目标主播的投票活动，且满足投票账号特征子集的实际账号数量；

所述推断数量为根据投票账号特征子集的父节点进行推断出的满足投票账号特征子集的账号数量；

获取所述投票账号特征树的各非叶子节点及每个所述非叶子节点的投票账号特征子集，包括：将所述投票账号特征树的第一层节点作为非叶子节点；

将除所述第一层节点之外的节点作为所述每个所述非叶子节点的投票账号特征子集。

2.如权利要求1所述的方法，其特征在于，若所述投票账号特征子集为目标非叶子节点对应的子集时，所述方法还包括：根据公式 确定所述投票账号特征子集的推断数量

；其中，

所述 为所述投票账号特征子集的预测数量，所述 为所述投票账号特征子集，所述i为所述投票账号特征子集的序号，所述 为所述非叶子节点的预测数量，所述为所述非叶子节点的实际数量，所述x为目标非叶子节点。

3.如权利要求1所述的方法，其特征在于，若所述投票账号特征子集不属于目标非叶子节点的子集时，所述方法还包括：根据公式 确定所述投票账号特征子集的推断数量 ；其中，所述为所述投票账号特征子集的预测数量，所述 为所述投票账号特征子集，所述i为所述投票账号特征子集的序号。

4.如权利要求1所述的方法，其特征在于，所述基于所述刷票嫌疑分值对所述目标主播进行识别，包括：获取所有目标非叶子节点的刷票嫌疑分值；

若确定存在任一刷票嫌疑分值大于检测阈值，则确定所述目标主播为具有刷票行为的主播。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至4任一项所述的方法。

6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至4任一项所述的方法。