[發明專利]小程序分類方法、裝置、設備及計算機可讀存儲介質

在審

• 申請號: 202010583738.0
• 申請日: 2020-06-23
• 公開（公告）號: CN113837210A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 高璇璇
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F9/445;G06F16/953
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 高天華;張穎玲

1.一種小程序分類方法，其特征在于，包括：

獲取待分類小程序的小程序代碼；

運行所述小程序代碼，以獲取所述待分類小程序在運行過程中的動態特征；

基于所述動態特征和訓練好的分類器模型，確定所述待分類小程序的分類信息；

存儲所述待分類小程序的分類信息。

2.根據權利要求1中所述的方法，其特征在于，所述運行所述小程序代碼，以獲取所述待分類小程序在運行過程中的動態特征，包括：

運行所述小程序代碼，獲取第一小程序界面圖像；

依次觸發各個預設事件，獲取觸發成功的目標事件，并獲取觸發所述目標事件時調用的應用程序接口信息和所述目標事件對應的控件信息；

觸發完所述各個預設事件后，獲取第二小程序界面圖像；

基于目標事件個數、所述應用程序接口信息、控件信息、第一小程序界面圖像和第二小程序界面圖像確定所述待分類小程序在運行過程中的動態特征。

3.根據權利要求2中所述的方法，其特征在于，所述基于目標事件個數、所述應用程序接口信息、控件信息、第一小程序界面圖像和第二小程序界面圖像確定所述待分類小程序在運行過程中的動態特征，包括：

基于所述應用程序接口信息確定各個應用程序接口的調用總次數；

基于所述控件信息確定可交互控件個數；

確定所述第一小程序界面圖像和第二小程序界面圖像之間的圖像差異信息；

基于所述目標事件個數、各個應用程序接口的調用總次數、可交互控件個數、圖像差異信息確定所述動態特征。

4.根據權利要求1中所述的方法，其特征在于，所述訓練好的分類器模型至少包括訓練好的K個第一分類器模型，對應地，所述基于所述動態特征信息和訓練好的分類器模型，確定所述待分類小程序的分類信息，包括：

將所述動態特征分別輸入至K個第一分類器模型中，對應得到K個初始預測值，其中K為正整數；

基于所述K個初始預測值確定目標預測值；

基于所述目標預測值和預設的分類閾值，確定所述待分類小程序的分類信息。

5.根據權利要求4中所述的方法，其特征在于，當K為大于1的整數時，所述訓練好的分類器模型還包括訓練好的第二分類器模型，對應地，所述基于所述N個初始預測值確定目標預測值，包括：

將所述K個初始預測值輸入至第二分類器模型，以對所述K個初始預測值進行集成處理，得到目標預測值。

6.根據權利要求4中所述的方法，其特征在于，所述基于所述目標預測值和預設的分類閾值，確定所述待分類小程序的分類信息，包括：

當所述目標預測值大于所述分類閾值時，確定所述待分類小程序的分類信息為第一類型小程序；

當所述目標預測值小于或者等于所述分類閾值時，確定所述待分類小程序的分類信息為第二類型小程序。

7.根據權利要求4中所述的方法，其特征在于，所述方法還包括：

獲取第一訓練數據集和預設的M個第一候選分類器模型，其中，所述第一訓練數據集中包括訓練小程序的動態特征和所述訓練小程序的標簽信息，M為大于1的整數；

基于所述第一訓練數據集確定所述M個第一候選分類器模型對應的性能參數；

基于所述M個第一候選分類器模型對應的性能參數，確定出K個第一分類器模型；

利用所述第一訓練數據集對所述K個第一分類器模型進行訓練，得到K個訓練好的第一分類器模型。