[发明专利]一种异常特征信息提取方法、系统、电子设备及介质

说明书

本申请公开了一种异常特征信息提取方法、系统、电子设备及介质，异常特征信息提取方法包括：回传信息特征获取步骤：通过广告流量检测系统获取用户游览触点的回传信息后，对所述回传信息进行分析获取回传信息特征；回传信息重要特征获取步骤：通过平均影响值法对所述回传信息特征进行筛选，获取回传信息重要特征；学习模型构建步骤:构建映射关系学习模型后，在所述映射关系学习模型中训练所述回传信息重要特征，获取广告流量异常特征信息。本发明结合深度学习与统计学习方法提取用户历史游览行为特征。

技术领域

本申请涉及营销智能技术领域，尤其涉及一种异常特征信息提取方法、系统、电子设备及介质。

背景技术

广告是许多开发者的主要收入来源，进而使得开发者将服务免费提供给用户，成为移动应用生态环境中重要的一环。但是一些开发者通过非法广告谋取利益，对用户的信息安全造成了严重威胁。非法广告与合法广告的流量表现形式不同，通常可以通过检测异常流量来对非法广告进行检测。目前国内外对广告流量进行检测的主要方式为过滤列表，但是这种方式容易出现识别失败或错误识别的情况，且不具备自我更新能力，需要大量人力进行维护。

非法流量不仅直接损害广告主切身利益，还影响到了营销策略的制定，更制约了行业良性发展。通常，来自中国广告协会的定义和分类，异常广告流量被分为GIVT(GeneralInvalid Traffic)和SIVT(Sophisticated Invalid Traffic)。通常，设定无效流量过滤列表制定原则，主要数据内容包括：IP地址黑名单、IP地址灰名单、Device ID黑名单、DeviceID灰名单。目前，针对SIVT的判定相对复杂，对技术要求也较高，需要不断完善及优化，目前如何采用机器学习方法对SIVT类型的广告异常流量识别已经成为当前研究的热点内容。

发明内容

本申请实施例提供了一种异常特征信息提取方法、系统、电子设备及介质，以至少通过本发明解决了无法通过机器学习方法识别广告异常流量等问题。

本发明提供了异常特征信息提取方法，包括：

回传信息特征获取步骤：通过广告流量检测系统获取用户游览触点的回传信息后，对所述回传信息进行分析获取回传信息特征；

回传信息重要特征获取步骤：通过平均影响值法对所述回传信息特征进行筛选，获取回传信息重要特征；

学习模型构建步骤:构建映射关系学习模型后，在所述映射关系学习模型中训练所述回传信息重要特征，获取广告流量异常特征信息。

上述的异常特征信息提取方法中，所述回传信息特征获取步骤包括，通过所述广告流量检测系统获取所述用户游览触点的所述回传信息后，多维度分析所述回传信息获取所述回传信息特征，其中，所述回传信息包括正常广告流量与异常广告流量。

上述的异常特征信息提取方法中，所述回传信息重要特征获取步骤包括，通过所述平均影响值法分析所述回传信息特征的重要性，并根据所述重要性对所述回传信息特征进行排序，去除所述回传信息特征中的冗余特征后，获取回传信息重要特征。

上述的异常特征信息提取方法中，所述学习模型构建步骤包括：

回传信息重要特征训练步骤：构建映射关系学习模型后，编码器中训练所述回传信息重要特征，获取编码器训练后的回传信息重要特征；

广告流量异常特征获取步骤：解码器中训练编码器训练后的所述回传信息重要特征后，获取所述广告流量异常特征信息。

本发明还提供异常特征信息提取系统，其中，适用于上述所述的异常特征信息提取方法，所述异常特征信息提取系统包括：

回传信息特征获取单元：通过广告流量检测系统获取用户游览触点的回传信息后，对所述回传信息进行分析获取回传信息特征；