[发明专利]一种作弊检测方法及装置

权利要求书

1.一种作弊检测方法，其特征在于，包括：

对样本数据进行统计，得到各个样本的指标参数，其中，一个样本的指标参数的维度包括：所述一个样本的总点击量、点击人数、每小时点击量、样本点击地区和样本对应搜索词的点击量；

根据所述指标参数，生成各个样本的特征参数，其中，一个样本的特征参数的维度包括：点击量离散系数、每小时点击量离散系数、地域集中度、查询词多样性指数和人均点击量；

根据所述各个样本的特征参数建立检测模型，并根据所述检测模型判定待测试的商品数据是否异常，所述检测模型的维度包括所述各个样本的特征参数的维度。

2.根据权利要求1所述的方法，其特征在于，所述根据所述指标参数，生成各个样本的特征参数，包括：

对于一个样本：

根据C＝Stdev/Mean获取所述一个样本的总点击量离散系数，其中，Stdev表示所述一个样本的总点击量的标准差，Mean表示所述一个样本的总点击量的平均数，C表示所述一个样本的总点击量离散系数；

根据C’＝Stdev’/Mean’获取所述一个样本的指定时段内的点击量离散系数，其中，Stdev’表示所述一个样本的在指定时段内的点击量的标准差，Mean’表示所述一个样本的在指定时段内的平均数，C’表示所述一个样本的在指定时段内的离散系数；

根据R＝max(ni)/N获取所述一个样本的地域集中度，其中，ni表示所述一个样本的样本点击地区中的单个城市的点击量，N表示所述一个样本的样本点击地区中的总点击量，R表示所述一个样本的地域集中度；

根据H＝-∑(Pi)(lnPi)获取所述一个样本的查询词多样性指数，其中，H表示多样性指数，Pi表示在所述一个样本的样本对应搜索词的点击量中第i个查询词对应的点击量所占比例，当总点击量为N时，第i个查询词对应的点击量为ni，则Pi＝ni/N；

根据P＝N/U获取所述一个样本的人均点击量，其中，N表示所述一个样本的总点击量，U表示所述一个样本的点击人数，P表示人均点击量；

重复上述对于所述一个样本的过程，得到各个样本的特征参数。

3.根据权利要求2所述的方法，其特征在于，所述根据所述各个样本的特征参数建立检测模型，包括：

建立基础模型(X，Y)，其中，X＝(x1,x2,x3,x4,x5),Y＝(1,0)，x1表示点击量离散系数，x2表示指定时段内的点击量离散系数，x3表示地域集中度，x4表示查询词多样性指数，x5表示人均点击量，Y＝1表示数据异常，Y＝0表示数据正常

根据所述各个样本的特征参数训练所述基础模型，得到所述检测模型。

4.根据权利要求1所述的方法，其特征在于，还包括：

当待测试的商品数据异常时，提取目标用户的信息，所述目标用户包括点击了出现异常的商品数据的用户；

提取目标用户针对所述出现异常的商品数据的点击数；

根据所述目标用户针对所述出现异常的商品数据的点击数，检测作弊用户的点击数；

在所述出现异常的商品数据中，去除所述作弊用户的点击数。

5.根据权利要求4所述的方法，其特征在于，还包括：所述检测作弊用户的点击数处于异常范围，所述异常范围包括：点击数处于大于μ+3σ和小于μ-3σ的用户；或者，点击数处于大于μ-2σ和小于μ+2σ的用户，其中，μ表示正态分布的数学期望，σ表示正态分布的标准差。

6.一种作弊检测装置，其特征在于，包括：

统计模块，用于对样本数据进行统计，得到各个样本的指标参数，其中，一个样本的指标参数的维度包括：所述一个样本的总点击量、点击人数、每小时点击量、样本点击地区和样本对应搜索词的点击量；

特征提取模块，用于根据所述指标参数，生成各个样本的特征参数，其中，一个样本的特征参数的维度包括：点击量离散系数、每小时点击量离散系数、地域集中度、查询词多样性指数和人均点击量；

分析模块，用于根据所述各个样本的特征参数建立检测模型，并根据所述检测模型判定待测试的商品数据是否异常，所述检测模型的维度包括所述各个样本的特征参数的维度。