[發(fā)明專利]一種異常特征信息提取方法、系統(tǒng)、電子設(shè)備及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110784299.4
• 申請(qǐng)日: 2021-07-12
• 公開(kāi)（公告）號(hào): CN113409092A
• 公開(kāi)（公告）日: 2021-09-17
• 發(fā)明（設(shè)計(jì)）人: 王碩;王同樂(lè);楊康;李霞
• 申請(qǐng)（專利權(quán)）人: 上海明略人工智能（集團(tuán)）有限公司
• 主分類號(hào): G06Q30/02
• 分類號(hào): G06Q30/02;G06N3/04;G06N3/08
• 代理公司: 青島清泰聯(lián)信知識(shí)產(chǎn)權(quán)代理有限公司 37256
• 代理人: 趙燕

本申請(qǐng)公開(kāi)了一種異常特征信息提取方法、系統(tǒng)、電子設(shè)備及介質(zhì)，異常特征信息提取方法包括：回傳信息特征獲取步驟：通過(guò)廣告流量檢測(cè)系統(tǒng)獲取用戶游覽觸點(diǎn)的回傳信息后，對(duì)所述回傳信息進(jìn)行分析獲取回傳信息特征；回傳信息重要特征獲取步驟：通過(guò)平均影響值法對(duì)所述回傳信息特征進(jìn)行篩選，獲取回傳信息重要特征；學(xué)習(xí)模型構(gòu)建步驟:構(gòu)建映射關(guān)系學(xué)習(xí)模型后，在所述映射關(guān)系學(xué)習(xí)模型中訓(xùn)練所述回傳信息重要特征，獲取廣告流量異常特征信息。本發(fā)明結(jié)合深度學(xué)習(xí)與統(tǒng)計(jì)學(xué)習(xí)方法提取用戶歷史游覽行為特征。

技術(shù)領(lǐng)域

本申請(qǐng)涉及營(yíng)銷智能技術(shù)領(lǐng)域，尤其涉及一種異常特征信息提取方法、系統(tǒng)、電子設(shè)備及介質(zhì)。

背景技術(shù)

廣告是許多開(kāi)發(fā)者的主要收入來(lái)源，進(jìn)而使得開(kāi)發(fā)者將服務(wù)免費(fèi)提供給用戶，成為移動(dòng)應(yīng)用生態(tài)環(huán)境中重要的一環(huán)。但是一些開(kāi)發(fā)者通過(guò)非法廣告謀取利益，對(duì)用戶的信息安全造成了嚴(yán)重威脅。非法廣告與合法廣告的流量表現(xiàn)形式不同，通常可以通過(guò)檢測(cè)異常流量來(lái)對(duì)非法廣告進(jìn)行檢測(cè)。目前國(guó)內(nèi)外對(duì)廣告流量進(jìn)行檢測(cè)的主要方式為過(guò)濾列表，但是這種方式容易出現(xiàn)識(shí)別失敗或錯(cuò)誤識(shí)別的情況，且不具備自我更新能力，需要大量人力進(jìn)行維護(hù)。

非法流量不僅直接損害廣告主切身利益，還影響到了營(yíng)銷策略的制定，更制約了行業(yè)良性發(fā)展。通常，來(lái)自中國(guó)廣告協(xié)會(huì)的定義和分類，異常廣告流量被分為GIVT(GeneralInvalid Traffic)和SIVT(Sophisticated Invalid Traffic)。通常，設(shè)定無(wú)效流量過(guò)濾列表制定原則，主要數(shù)據(jù)內(nèi)容包括：IP地址黑名單、IP地址灰名單、Device ID黑名單、DeviceID灰名單。目前，針對(duì)SIVT的判定相對(duì)復(fù)雜，對(duì)技術(shù)要求也較高，需要不斷完善及優(yōu)化，目前如何采用機(jī)器學(xué)習(xí)方法對(duì)SIVT類型的廣告異常流量識(shí)別已經(jīng)成為當(dāng)前研究的熱點(diǎn)內(nèi)容。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供了一種異常特征信息提取方法、系統(tǒng)、電子設(shè)備及介質(zhì)，以至少通過(guò)本發(fā)明解決了無(wú)法通過(guò)機(jī)器學(xué)習(xí)方法識(shí)別廣告異常流量等問(wèn)題。

本發(fā)明提供了異常特征信息提取方法，包括：

回傳信息特征獲取步驟：通過(guò)廣告流量檢測(cè)系統(tǒng)獲取用戶游覽觸點(diǎn)的回傳信息后，對(duì)所述回傳信息進(jìn)行分析獲取回傳信息特征；

回傳信息重要特征獲取步驟：通過(guò)平均影響值法對(duì)所述回傳信息特征進(jìn)行篩選，獲取回傳信息重要特征；

學(xué)習(xí)模型構(gòu)建步驟:構(gòu)建映射關(guān)系學(xué)習(xí)模型后，在所述映射關(guān)系學(xué)習(xí)模型中訓(xùn)練所述回傳信息重要特征，獲取廣告流量異常特征信息。

上述的異常特征信息提取方法中，所述回傳信息特征獲取步驟包括，通過(guò)所述廣告流量檢測(cè)系統(tǒng)獲取所述用戶游覽觸點(diǎn)的所述回傳信息后，多維度分析所述回傳信息獲取所述回傳信息特征，其中，所述回傳信息包括正常廣告流量與異常廣告流量。

上述的異常特征信息提取方法中，所述回傳信息重要特征獲取步驟包括，通過(guò)所述平均影響值法分析所述回傳信息特征的重要性，并根據(jù)所述重要性對(duì)所述回傳信息特征進(jìn)行排序，去除所述回傳信息特征中的冗余特征后，獲取回傳信息重要特征。

上述的異常特征信息提取方法中，所述學(xué)習(xí)模型構(gòu)建步驟包括：

回傳信息重要特征訓(xùn)練步驟：構(gòu)建映射關(guān)系學(xué)習(xí)模型后，編碼器中訓(xùn)練所述回傳信息重要特征，獲取編碼器訓(xùn)練后的回傳信息重要特征；

廣告流量異常特征獲取步驟：解碼器中訓(xùn)練編碼器訓(xùn)練后的所述回傳信息重要特征后，獲取所述廣告流量異常特征信息。

本發(fā)明還提供異常特征信息提取系統(tǒng)，其中，適用于上述所述的異常特征信息提取方法，所述異常特征信息提取系統(tǒng)包括：

回傳信息特征獲取單元：通過(guò)廣告流量檢測(cè)系統(tǒng)獲取用戶游覽觸點(diǎn)的回傳信息后，對(duì)所述回傳信息進(jìn)行分析獲取回傳信息特征；