[发明专利]一种媒体流量数据处理方法和装置

说明书

本发明实施例公开了一种媒体流量数据处理方法，包括：获取目标媒体资源的用户流量行为数据；根据所述目标媒体资源的用户流量行为数据训练得到针对该目标媒体资源的流量行为二分类预测模型，并根据该流量行为二分类预测模型得到目标媒体资源的流量行为预测参考值；计算所述流量行为二分类预测模型的受试者工作特性ROC曲线的曲线下区域AUC值；根据所述流量行为预测参考值以及所述AUC值，确定所述目标媒体资源的真实流量行为预测参考值。本发明实施例还公开了一种媒体流量数据处理装置。采用本发明，所提供的流量行为预测结果更能真实反映用户对该目标媒体资源的关注程度。

技术领域

本发明涉及互联网技术领域，尤其涉及一种媒体流量数据处理方法和装置。

背景技术

随着互联网技术的发展，互联网的媒体资源成为一种非常高价值的媒体资源，而通常需要根据某个媒体资源一段时间内的媒体流量数据对该媒体资源进行流量行为预测，从而评价对应媒体资源的优质程度或者价值多少。

现有流量行为预测的方案中，通常只能根据媒体资源供应商提供的用户流量行为数据(如点击行为数据或转换行为数据等)进行流量行为预测。而媒体资源供应商提供的用户流量行为存在大量作弊的现象，如今流量数据反作弊的手段包括将单个设备的大量重复流量视为作弊流量，以及短时间内的异常流量视为作弊流量。

但是现有的反作弊手段对于媒体资源的诱导行为流量或强制行为流量则无法做出甄别，例如媒体资源携带自动产生流量行为的木马或病毒，或媒体资源上设计干扰用户正常使用体验让用户不得不进行流量行为的作法，这些情况产生的流量行为预测结果往往并不能真实反映用户对该目标媒体资源的关注程度。

发明内容

有鉴于此，本发明实施例提供一种媒体流量数据处理方法和装置，所提供的流量行为预测结果更能真实反映用户对该目标媒体资源的关注程度。

为了解决上述技术问题，本发明实施例提供了一种媒体流量数据处理方法，所述方法包括：

获取目标媒体资源的用户流量行为数据；

根据所述目标媒体资源的用户流量行为数据训练得到针对该目标媒体资源的流量行为二分类预测模型，并根据该流量行为二分类预测模型得到目标媒体资源的流量行为预测参考值；

计算所述流量行为二分类预测模型的受试者工作特性ROC曲线的曲线下区域AUC值；

根据所述流量行为预测参考值以及所述AUC值，确定所述目标媒体资源的真实流量行为预测参考值。

相应地，本发明实施例还提供了一种媒体流量数据处理装置，包括：

流量数据获取模块，用于获取目标媒体资源的用户流量行为数据；

分类模型训练模块，用于根据所述目标媒体资源的用户流量行为数据训练得到针对该目标媒体资源的流量行为二分类预测模型，并根据该流量行为二分类预测模型得到目标媒体资源的流量行为预测参考值；

AUC值获取模块，用于计算所述流量行为二分类预测模型的受试者工作特性ROC曲线的曲线下区域AUC值；

真实流量预测模块，用于根据所述流量行为预测参考值以及所述AUC值，确定所述目标媒体资源的真实流量行为预测参考值。

本发明实施例中通过对根据目标媒体资源的用户流量行为数据训练得到的流量行为二分类预测模型进行ROC曲线分析，根据ROC曲线的AUC值确定目标媒体资源的真实流量行为预测参考值，从而真实反映用户对该目标媒体资源的关注程度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。