[发明专利]一种基于机器学习的应用商店刷榜应用检测方法在审
| 申请号： | 201711265795.9 | 申请日： | 2017-12-05 |
| 公开（公告）号： | CN108228450A | 公开（公告）日： | 2018-06-29 |
| 发明（设计）人： | 何道敬;洪凯;唐宗力 | 申请（专利权）人： | 华东师范大学 |
| 主分类号： | G06F11/36 | 分类号： | G06F11/36;G06N99/00 |
| 代理公司： | 上海蓝迪专利商标事务所(普通合伙) 31215 | 代理人： | 徐筱梅;张翔 |
| 地址： | 200241 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于机器学习的应用商店刷榜应用检测方法，该方法包括：定义待检测应用的特征向量V=[最大极端评分长度，极端评分率，评分删除数，评分删除率，总评分数，排名异动次数，日新增可疑评论者数，可疑评论者比率]；从应用商店中获取训练样本的特征向量，使用机器学习方法，对各训练样本的特征向量进行学习，产生刷榜应用检测模型；使用刷榜应用检测模型对待测应用进行检测，判断所述应用是否为刷榜应用。该方法能够高效、快捷地检测应用商店中的刷榜应用。 | ||
| 搜索关键词： | 应用检测 应用 特征向量 基于机器 检测应用 训练样本 删除 学习 使用机器 评论 异动 检测 | ||
【主权项】：
1.一种基于机器学习的应用商店刷榜应用检测方法，该方法包括：步骤1：定义待检测应用的特征向量V=[最大极端评分长度，极端评分率，评分删除数，评分删除率，总评分数，排名异动次数，每日新增可疑评论者数，可疑评论者比率]；步骤2：从应用商店中获取训练样本的特征向量，使用机器学习方法，对各训练样本的特征向量进行学习，产生刷榜应用检测模型；步骤3：使用刷榜应用检测模型对待检测应用进行检测，判断所述应用是否为刷榜应用；其中：所述最大极端评分长度为：待检测应用在检测周期中出现的最长连续最高评分的长度，或最长连续最低评分的长度；所述极端评分率为：待检测应用在检测周期中出现的最高评分率，或最低评分率；所述日新增可疑评论者为：每日新增的可疑评论者数量；所述排名异动次数为：待检测应用在检测周期中出现的日排名变化幅度大于阈值f1的次数；所述可疑评论者为满足如下任一条件的用户：评分总次数大于阈值f2且首评平均耗时小于阈值f3的用户；评分总次数大于阈值f2且历史极端评分率大于阈值f4的用户；下载应用总次数大于阈值f5且评分转化率大于阈值f6的用户。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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华东师范大学，未经华东师范大学许可，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/patent/201711265795.9/，转载请声明来源钻瓜专利网。
