[发明专利]一种识别具有刷票行为主播的方法、装置、介质及设备在审
| 申请号： | 202111243528.8 | 申请日： | 2021-10-25 |
| 公开（公告）号： | CN114187010A | 公开（公告）日： | 2022-03-15 |
| 发明（设计）人： | 王璐 | 申请（专利权）人： | 武汉斗鱼网络科技有限公司 |
| 主分类号： | G06Q30/00 | 分类号： | G06Q30/00;H04N21/475 |
| 代理公司： | 北京众达德权知识产权代理有限公司 11570 | 代理人： | 姚萱萱 |
| 地址： | 430000 湖北省武汉市东湖开*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 识别 具有 行为 方法 装置 介质 设备 | ||
1.一种识别具有刷票行为主播的方法，其特征在于，所述方法包括：
根据目标主播的投票账号特征信息确定投票账号特征树；所述投票账号特征信息包括：设备属性信息、设备IP信息及投票用户属性信息；
获取所述投票账号特征树的各非叶子节点及每个所述非叶子节点的投票账号特征子集；所述非叶子节点包括：设备属性信息、设备IP信息或投票用户属性信息；
针对目标非叶子节点，基于所述投票账号特征子集，确定所述目标非叶子节点对应的刷票嫌疑分值；所述目标非叶子节点为各所述非叶子节点中的任一节点；
基于所述刷票嫌疑分值对所述目标主播进行识别。
2.如权利要求1所述的方法，其特征在于，所述根据针对目标主播的投票账号特征信息确定投票账号特征树，包括：
生成所述投票账号特征树的root节点；
获取所述设备属性信息包含的第一特征信息、所述第一特征信息对应的第一特征取值、所述设备IP信息包含的第二特征信息、所述第二特征信息对应的第二特征取值、所述投票用户属性信息包含的第三特征信息及所述第三特征信息对应的第三特征取值；
遍历所述第一特征取值、所述第二特征取值及所述第三特征取值，根据所述第一特征取值、所述第二特征取值及所述第三特征取值形成不同层级的特征取值集合，根据不同层级的特征取值集合确定所述投票账号特征树的对应层节点；其中，
所述投票账号特征树的当前层节点包含的特征取值数量大于当前层节点上一层节点包含的特征取值数量。
3.如权利要求1所述的方法，其特征在于，获取所述投票账号特征树的各非叶子节点及每个所述非叶子节点的投票账号特征子集，包括：
将所述投票账号特征数的第一层节点作为非叶子节点；
将除所述第一层节点之外的节点作为所述每个所述非叶子节点的投票账号特征子集。
4.如权利要求1所述的方法，其特征在于，所述基于投票账号特征子集，确定所述目标非叶子节点对应的刷票嫌疑分值，包括：
根据公式确定所述目标非叶子节点对应的刷票嫌疑分值ps(x)；其中，
所述x为目标非叶子节点，所述yi为所述投票账号特征子集，所述i为所述投票账号特征子集的序号，所述n为所述投票账号特征子集的总数量，所述v(yi)为所述投票账号特征子集的实际数量，所述f(yi)为所述投票账号特征子集的预测数量，所述a(yi)为所述投票账号特征子集的推断数量。
5.如权利要求4所述的方法，其特征在于，若所述投票账号特征子集为目标非叶子节点对应的子集时，所述方法还包括：
根据公式确定所述投票账号特征子集的推断数量a(yi)；其中，
所述f(yi)为所述投票账号特征子集的预测数量，所述yi为所述投票账号特征子集，所述i为所述投票账号特征子集的序号，所述f(x)为所述非叶子节点的预测数量，所述v(x)为所述非叶子节点的实际数量，所述x为目标非叶子节点。
6.如权利要求4所述的方法，其特征在于，若所述投票账号特征子集不属于目标非叶子节点的子集时，所述方法还包括：
根据公式a(yi)＝f(yi)确定所述投票账号特征子集的推断数量a(yi)；其中，所述f(yi)为所述投票账号特征子集的预测数量，所述yi为所述投票账号特征子集，所述i为所述投票账号特征子集的序号。
7.如权利要求1所述的方法，其特征在于，所述基于所述刷票嫌疑分值对所述目标主播进行识别，包括：
获取所有目标非叶子节点的刷票嫌疑分值；
若确定存在任一刷票嫌疑分值大于检测阈值，则确定所述目标主播为具有刷票行为的主播。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉斗鱼网络科技有限公司，未经武汉斗鱼网络科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202111243528.8/1.html，转载请声明来源钻瓜专利网。
