[发明专利]广告点击作弊监测方法及装置

权利要求书

1.一种广告点击作弊监测方法，其特征在于，所述方法包括：

基于广告的M条点击数据，获得所述M条点击数据中的各种相关数据，M为正整数；

将所述M条点击数据中的各种相关数据按相同维度进行关联，按不同维度进行组合，统计计算得到N条特征数据，N为正整数；

获得所述N条特征数据中每条特征数据的信息增益率，其中，每个信息增益率用于表示对应的每个特征数据分类能力的大小；

调用预设的高斯模型输入所述N条特征数据中高信息增益率的n条特征数据，确定所述M条点击数据中是否有点击作弊，n为不大于N的正整数。

2.根据权利要求1所述的广告点击作弊监测方法，其特征在于，所述获得所述N条特征数据中每条特征数据的信息增益率，包括：

将所述N条特征数据中每条特征数据进行boxcox变换，获得每条特征数据的变换结果数据；

基于每条特征数据的变换结果数据进行特征选择，获得每条特征数据的信息增益率。

3.根据权利要求2所述的广告点击作弊监测方法。其特征在于，所述基于每条特征数据的变换结果数据进行特征选择，获得每条特征数据的信息增益率，包括：

计算每条特征数据的变换结果数据的熵，以及计算每条特征数据的变换结果数据基于原始类标签的条件熵，其中，所述原始类标签作为一个点击数据是否为作弊点击的真实标记；

根据每条特征数据的熵、所述条件熵和所述原始类标签的信息熵，获得每条特征数据的信息增益率。

4.根据权利要求1-3任一权项所述的广告点击作弊监测方法，其特征在于，所述调用预设的高斯模型输入所述N条特征数据中高信息增益率的n条特征数据，确定所述M条点击数据中是否有点击作弊，包括：

从所述N条特征数据中确定出高信息增益率的n条特征数据；

调用预设的高斯模型计算所述n条特征数据中每条特征数据的概率密度，获得所述n条特征数据对应的概率密度乘积；

根据所述概率密度乘积，确定所述M条点击数据中是否有点击作弊。

5.根据权利要求4所述的广告点击作弊监测方法，其特征在于，根据所述概率密度乘积，确定所述M条点击数据中是否有点击作弊，包括：

根据所述概率密度乘积，获得M条点击数据中每条点击数据在所述概率密度乘积中对应的概率密度乘积；

根据每条点击数据的所述概率密度乘积中是否小于预设阈值，确定每条点击数据为是否为点击作弊，其中，每条点击数据的所述概率密度乘积小于所述预设阈值表示每条点击数据为点击作弊。

6.一种广告点击作弊监测装置，其特征在于，所述装置包括：

数据获得模块，用于基于广告的M条点击数据，获得所述M条点击数据中的各种相关数据，M为正整数；

特征抽取模块，用于将所述M条点击数据中的各种相关数据按相同维度进行关联，按不同维度进行组合，统计计算得到N条特征数据，N为正整数；

特征选择模型，用于获得所述N条特征数据中每条特征数据的信息增益率，其中，每个信息增益率用于表示对应的每个特征数据分类能力的大小；

点击作弊确定模块，用于调用预设的高斯模型输入所述N条特征数据中高信息增益率的n条特征数据，确定所述M条点击数据中是否有点击作弊，n为不大于N的正整数。

7.根据权利要求6所述的广告点击作弊监测装置，其特征在于，

所述特征选择模块，还用于将所述N条特征数据中每条特征数据进行boxcox变换，获得每条特征数据的变换结果数据；基于每条特征数据的变换结果数据进行信息增益率计算，获得每条特征数据的信息增益率。

8.根据权利要求7所述的广告点击作弊监测装置。其特征在于，

所述特征选择模块，还用于计算每条特征数据的变换结果数据的熵，以及计算每条特征数据的变换结果数据基于原始类标签的条件熵，其中，所述原始类标签作为一个点击数据是否为点击作弊的真实标记；根据每条特征数据的熵、所述条件熵和所述原始类标签的信息熵，获得每条特征数据的信息增益率。