一种低频点击的过滤方法和装置制造方法及图纸

本发明专利技术公开了一种低频点击的过滤方法和装置，包括：基于点击用户的点击数据，对所述点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合；对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量；对所述一个或多个点击特征向量进行聚类处理，以得到所述点击用户的低频点击向量集合；以及根据所述低频点击向量集合确定对应的点击为所述点击用户的低频点击，并从所述点击数据中过滤掉所述低频点击。采用本发明专利技术的技术方案，能够过滤点击数据中的低频点击，并且能提高低频点击的过滤过程中过滤的精确度。

【技术实现步骤摘要】

本专利技术涉及互联网
，具体涉及一种低频点击的过滤方法和装置。
技术介绍
低频点击是指带有攻击意图的恶意用户，在一段较长的时间内每隔一段时间（例如，每天）对某几个内容项，或者几个固定的内容项发布用户，或者某几个固定关键词的内容项进行少量点击（例如，一至两次），以消耗这些用户的内容项展示量的攻击方式。低频点击的攻击模式，隐蔽性较强，并且会给内容项发布用户带来损失，同时还将影响内容项发布用户的用户体验。因此，需要对点击数据进行低频点击过滤。为了有效地发现并过滤掉低频点击，本专利技术提出一种对低频点击进行过滤的方案。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的低频点击的过滤方法和装置。依据本专利技术的一个方面，提供了一种低频点击的过滤方法，包括：基于点击用户的点击数据，对所述点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合；对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量；对所述一个或多个点击特征向量进行聚类处理，以得到所述点击用户的低频点击向量集合；以及根据所述低频点击向量集合确定对应的点击为所述点击用户的低频点击，并从所述点击数据中过滤掉所述低频点击。其中，所述点击数据包括如下中的一项或多项：点击用户的用户标识、被点击内容项的标识、点击用户搜索的搜索词、被点击的关键词、被点击用户的用户标识。其中，对所述点击用户的点击数据进行特征提取时，所提取的特征包括如下中的一项或多项：内容项标识特征、搜索词特征、关键词特征、被点击用户的用户标识特征。其中，对所述点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合，进一步包括：对所述点击用户每天的点击数据进行特征提取，以得到所述点击用户的一个或多个每天的点击数据对应的点击特征集合。其中，对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量，包括：汇总所述一个或多个点击特征集合，以得到所述点击用户的点击特征汇总集合；根据所述点击特征汇总集合，对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量。其中，汇总所述一个或多个点击特征集合，以得到所述点击用户的点击特征汇总集合，进一步包括：合并所述一个或多个点击特征集合，并将合并后得到的集合中重复的特征去除，以得到所述点击用户的点击特征汇总集合。其中，根据所述点击特征汇总集合，对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量，进一步包括：将所述点击特征汇总集合中的特征与所述一个或多个点击特征集合中的特征进行对比，以得到与所述一个或多个点击特征集合对应的一个或多个点击特征向量。其中，对所述一个或多个点击特征向量进行聚类处理，以得到所述点击用户的低频点击向量集合，包括：对所述一个或多个点击特征向量进行聚类，以得到一个或多个点击类别；其中，所述一个或多个点击类别中的每一个点击类别至少包括一个点击特征向量；提取所述一个或多个点击类别中点击特征向量的数目超过预定阈值的点击类别中的点击特征向量作为所述点击用户的低频点击向量，以得到所述点击用户的低频点击向量集合。其中，还包括：提取所述点击用户的低频点击向量集合所对应的点击的特征，以生成所述点击用户对应的低频点击过滤表，其中，所述低频点击过滤表用于过滤掉所述点击用户进行的与所述低频点击过滤表中包含的特征相关的点击。根据本专利技术的另一方面，提供了一种过滤低频点击的装置，包括：特征提取模块，用于基于点击用户的点击数据，对所述点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合；向量化模块，用于对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量；聚类处理模块，用于对所述一个或多个点击特征向量进行聚类处理，以得到所述点击用户的低频点击向量集合；以及过滤模块，用于根据所述低频点击向量集合确定对应的点击为所述点击用户的低频点击，并从所述点击数据中过滤掉所述低频点击。其中，所述点击数据包括如下中的一项或多项：点击用户的用户标识、被点击内容项的标识、点击用户搜索的搜索词、被点击的关键词、被点击用户的用户标识。其中，对所述每个点击用户的点击数据进行特征提取时，所提取的特征包括如下中的一项或多项：内容项标识特征、搜索词特征、关键词特征、被点击用户的用户标识特征。其中，所述特征提取模块进一步用于：对所述点击用户每天的点击数据进行特征提取，以得到所述点击用户的一个或多个每天的点击数据对应的点击特征集合。其中，所述向量化模块，包括：汇总子模块，用于汇总所述一个或多个点击特征集合，以得到所述点击用户的点击特征汇总集合；向量化子模块，用于根据所述点击用户的点击特征汇总集合，对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量。其中，所述汇总子模块进一步用于：合并所述一个或多个点击特征集合，并将合并后得到的集合中重复的特征去除，以得到所述点击用户的点击特征汇总集合。其中，所述向量化子模块进一步用于：将所述点击特征汇总集合中的特征与所述一个或多个点击特征集合中的特征进行对比，以得到与所述一个或多个点击特征集合对应的一个或多个点击特征向量。其中，所述聚类处理模块，包括：聚类子模块，用于对所述一个或多个点击特征向量进行聚类，以得到一个或多个点击类别；其中，所述一个或多个点击类别中的每一个点击类别至少包括一个点击特征向量；提取子模块，用于提取所述一个或多个点击类别中点击特征向量的数目超过预定阈值的点击类别中的点击特征向量作为所述点击用户的低频点击向量，以得到所述点击用户的低频点击向量集合。其中，还包括：过滤表生成模块，用于提取所述点击用户的低频点击向量集合所对应的点击的特征，以生成所述点击用户对应的低频点击过滤表，其中，所述低频点击过滤表用于过滤掉所述点击用户进行的与所述低频点击过滤表中包含的特征相关的点击。与现有技术相比，根据本专利技术的技术方案存在以下有益效果：（1）根据本专利技术的技术方案，可以过滤点击数据中的低频点击，并且，与现有的过滤低频点击的方案相比具有更高的精确度。（2）根据本专利技术的技术方案，可以在一定程度上保证正常的点击不被过滤掉。上述说明仅是本专利技术技术方案的概述，为了能够更清本文档来自技高网...

【技术保护点】
一种低频点击的过滤方法，其特征在于，包括：基于点击用户的点击数据，对所述点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合；对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量；对所述一个或多个点击特征向量进行聚类处理，以得到所述点击用户的低频点击向量集合；以及根据所述低频点击向量集合确定对应的点击为所述点击用户的低频点击，并从所述点击数据中过滤掉所述低频点击。

【技术特征摘要】
1.一种低频点击的过滤方法，其特征在于，包括：
基于点击用户的点击数据，对所述点击数据进行特征提取，以得到所述
点击用户的一个或多个点击特征集合；
对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一
个或多个点击特征向量；
对所述一个或多个点击特征向量进行聚类处理，以得到所述点击用户的
低频点击向量集合；以及
根据所述低频点击向量集合确定对应的点击为所述点击用户的低频点
击，并从所述点击数据中过滤掉所述低频点击。
2.根据权利要求1所述的方法，其特征在于，所述点击数据包括如下中
的一项或多项：点击用户的用户标识、被点击内容项的标识、点击用户搜索
的搜索词、被点击的关键词、被点击用户的用户标识。
3.根据权利要求1所述的方法，其特征在于，对所述点击用户的点击数
据进行特征提取时，所提取的特征包括如下中的一项或多项：内容项标识特
征、搜索词特征、关键词特征、被点击用户的用户标识特征。
4.根据权利要求1所述的方法，其特征在于，对所述点击数据进行特征
提取，以得到所述点击用户的一个或多个点击特征集合，进一步包括：
对所述点击用户每天的点击数据进行特征提取，以得到所述点击用户的
一个或多个每天的点击数据对应的点击特征集合。
5.根据权利要求1所述的方法，其特征在于，对所述一个或多个点击特
征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量，包括：
汇总所述一个或多个点击特征集合，以得到所述点击用户的点击特征汇
总集合；
根据所述点击特征汇总集合，对所述一个或多个点击特征集合进行向量
化，以得到所述点击用户的一个或多个点击特征向量。
6.根据权利要求5所述的方法，其特征在于，汇总所述一个或多个点击
特征集合，以得到所述点击用户的点击特征汇总集合，进一步包括：
合并所述一个或多个点击特征集合，并将合并后得到的集合中重复的特<...

【专利技术属性】
技术研发人员：杨松，
申请(专利权)人：北京奇虎科技有限公司，奇智软件北京有限公司，
类型：发明
国别省市：