应用程序质量识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种应用程序质量识别方法、装置、计算机设备和存储介质。所述方法包括：获取待识别应用程序所在应用程序集合对应的有向操作路径图；所述有向操作路径图是根据预设时间段内所述应用程序集合对应的操作序列得到的；从所述有向操作路径图中提取目标图节点对应的邻居节点的特征，对提取到的特征进行聚合，生成所述目标图节点对应的向量表示；所述目标图节点为所述待识别应用程序对应的图节点；根据所述向量表示对所述待识别应用程序进行分类，根据得到的分类结果确定所述待识别应用程序的质量识别结果。采用本方法能够提高应用程序质量识别的准确性。

Application quality identification methods, devices, computer equipment and storage media

【技术实现步骤摘要】
应用程序质量识别方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种应用程序质量识别方法、装置、计算机设备和存储介质。
技术介绍
随着计算机技术的发展，出现了各种各样的应用程序，这些应用程序的质量参差不齐，用户需要花费较多时间去筛选满足需求的应用程序，为了避免低质量的应用程序对用户造成干扰，可以对应用程序进行质量识别。传统技术中，通常是通过人工审核的方式对应用程序进行质量识别，这种方式受限于人工审核经验，得到的质量识别结果准确度不高。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高应用程序质量识别结果的应用程序质量识别方法、装置、计算机设备和存储介质。一种应用程序质量识别方法，所述方法包括：获取待识别应用程序所在应用程序集合对应的有向操作路径图；所述有向操作路径图是根据预设时间段内所述应用程序集合对应的操作序列得到的；从所述有向操作路径图中提取目标图节点对应的邻居节点的特征，对提取到的特征进行聚合，生成所述目标图节点对应的向量表示；所述目标图节点为所述待识别应用程序对应的图节点；根据所述向量表示对所述待识别应用程序进行分类，根据得到的分类结果确定所述待识别应用程序的质量识别结果。一种应用程序质量识别装置，所述装置包括：获取模块，用于获取待识别应用程序所在应用程序集合对应的有向操作路径图；所述有向操作路径图是根据预设时间段内所述应用程序集合对应的操作序列得到的；聚合模块，用于从所述有向操作路径图中提取目标图节点对应的邻居节点的特征，对提取到的特征进行聚合，生成所述目标图节点对应的向量表示；所述目标图节点为所述待识别应用程序对应的图节点；分类模块，用于根据所述向量表示对所述待识别应用程序进行分类，根据得到的分类结果确定所述待识别应用程序的质量识别结果。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取待识别应用程序所在应用程序集合对应的有向操作路径图；所述有向操作路径图是根据预设时间段内所述应用程序集合对应的操作序列得到的；从所述有向操作路径图中提取目标图节点对应的邻居节点的特征，对提取到的特征进行聚合，生成所述目标图节点对应的向量表示；所述目标图节点为所述待识别应用程序对应的图节点；根据所述向量表示对所述待识别应用程序进行分类，根据得到的分类结果确定所述待识别应用程序的质量识别结果。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取待识别应用程序所在应用程序集合对应的有向操作路径图；所述有向操作路径图是根据预设时间段内所述应用程序集合对应的操作序列得到的；从所述有向操作路径图中提取目标图节点对应的邻居节点的特征，对提取到的特征进行聚合，生成所述目标图节点对应的向量表示；所述目标图节点为所述待识别应用程序对应的图节点；根据所述向量表示对所述待识别应用程序进行分类，根据得到的分类结果确定所述待识别应用程序的质量识别结果。上述应用程序质量识别方法、装置、计算机设备和存储介质，首先获取待识别应用程序所在应用程序集合对应的有向操作路径图，该有向操作路径图是根据预设时间段内所述应用程序集合对应的操作序列得到的，那么可以从整体上反映用户对应用程序的满意程度，接着从所述有向操作路径图中提取目标图节点对应的邻居节点的特征，对提取到的特征进行聚合，生成所述目标图节点对应的向量表示，由于该向量表示是从有向操作路径图中提取的特征进行聚合生成的，那么该向量表示可以反映用户对待识别应用程序的满意程度，最后根据所述向量表示对所述待识别应用程序进行分类，根据得到的分类结果确定所述待识别应用程序的质量识别结果，相当于根据用户的满意程度来识别待识别应用程序的质量，相较于传统技术的人工审核受限于经验的影响，用户的满意程度能够更加客观的反映待识别应用程序的质量，因此，本申请得到的质量识别结果准确性更高。附图说明图1为一个实施例中应用程序质量识别方法的应用环境图；图2为一个实施例中应用程序质量识别方法的流程示意图；图3为一个实施例中有向操作路径图的示意图；图4为另一个实施例中应用程序质量识别方法的流程示意图；图5为一个实施例中通过特征提取层聚合特征的流程示意图；图6为一个实施例中通过目标图分类模型得到分类结果的过程示意图；图7为又一个实施例中应用程序质量识别方法的流程示意图；图7A为一个实施例中对原始图与反视图进行拼接的过程示意图；图8为一个实施例中应用程序质量识别装置的结构框图；图9为另一个实施例中应用程序质量识别装置的结构框图；图10为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的应用程序质量识别方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端102具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。终端102和服务器104均可单独用于执行本申请实施例中提供的应用程序质量识别方法。终端102和服务器104也可协同用于执行本申请实施例中提供的应用程序质量识别方法。需要说明的是，本申请实施例所指的应用程序可以是子应用程序或者是母应用程序。母应用程序是原生应用程序。原生应用程序是可直接运行于操作系统的应用桯序。子应用程序则是是一种不需要下载即可使用的应用程序，可在母应用程序提供的环境中实现，通过母应用程序进行启动、运行、关闭，为用户提供相应的业务服务。母应用程序可以是社交应用、专门支持子应用的专用应用、文件管理应用、邮件应用、购物应用或者游戏应用等。社交应用包括即时通信应用、SNS（SocialNetworkService，社交网站）应用或者直播应用等。子应用程序可以是社交应用、文件管理应用、邮件应用或者游戏应用等。母应用程序具体可以是微信（Wechat）、支付宝、今日头条等等，相应的子应用程序可以是小程序（MiniProgram）、公众号等。还需要说明的是，本申请实施例提供的方案涉及人工智能的机器学习技术。人工智能(ArtificialIntelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。机器学习本文档来自技高网...

【技术保护点】
1.一种应用程序质量识别方法，其特征在于，所述方法包括：/n获取待识别应用程序所在应用程序集合对应的有向操作路径图；所述有向操作路径图是根据预设时间段内所述应用程序集合对应的操作序列得到的；/n从所述有向操作路径图中提取目标图节点对应的邻居节点的特征，对提取到的特征进行聚合，生成所述目标图节点对应的向量表示；所述目标图节点为所述待识别应用程序对应的图节点；/n根据所述向量表示对所述待识别应用程序进行分类，根据得到的分类结果确定所述待识别应用程序的质量识别结果。/n

【技术特征摘要】
1.一种应用程序质量识别方法，其特征在于，所述方法包括：
获取待识别应用程序所在应用程序集合对应的有向操作路径图；所述有向操作路径图是根据预设时间段内所述应用程序集合对应的操作序列得到的；
从所述有向操作路径图中提取目标图节点对应的邻居节点的特征，对提取到的特征进行聚合，生成所述目标图节点对应的向量表示；所述目标图节点为所述待识别应用程序对应的图节点；
根据所述向量表示对所述待识别应用程序进行分类，根据得到的分类结果确定所述待识别应用程序的质量识别结果。


2.根据权利要求1所述的方法，其特征在于，在所述获取待识别应用程序所在应用程序集合对应的有向操作路径图之前，所述方法还包括：
获取预设时间段内，所述应用程序集合对应的操作日志集合，根据所述操作日志集合得到多个操作序列；
将多个所述操作序列中的应用程序确定为所述有向操作路径图的图节点；
根据多个所述操作序列中应用程序之间的排列关系，构建图节点之间的连边并确定每一条连边的方向，得到所述有向操作路径图。


3.根据权利要求2所述的方法，其特征在于，在所述根据多个所述操作序列中应用程序之间的排列关系，构建图节点之间的连边并确定每一条连边的方向，得到所述有向操作路径图之后，所述方法还包括：
对于每一条连边，根据多个所述操作序列统计所述连边对应的源应用程序跳转至所述连边对应的目标应用程序的目标跳转次数；
根据多个所述操作序列统计所述连边对应的源应用程序跳转至其他应用程序的跳转总次数；
根据所述目标跳转次数及所述跳转总次数，确定所述连边的权重。


4.根据权利要求1所述的方法，其特征在于，在所述从所述有向操作路径图中提取目标图节点对应的邻居节点的特征，对提取到的特征进行聚合，生成所述目标图节点对应的向量表示之前，所述方法还包括：
获取目标图分类模型；
所述从所述有向操作路径图中提取目标图节点对应的邻居节点的特征，对提取到的特征进行聚合，生成所述目标图节点对应的向量表示包括：
将所述有向操作路径图输入所述目标图分类模型的特征提取层中，通过所述特征提取层提取目标图节点对应的邻居节点的特征，对提取到的特征进行聚合，生成所述目标图节点对应的向量表示；
所述根据所述向量表示对所述待识别应用程序进行分类，根据得到的分类结果确定所述待识别应用程序的质量识别结果，包括：
将所述向量表示输入所述目标图分类模型的分类层中，得到分类结果。


5.根据权利要求4所述的方法，其特征在于，所述特征提取层包括多个网络层；所述通过所述特征提取层提取目标图节点对应的邻居节点的特征，对提取到的特征进行聚合，生成所述目标图节点对应的向量表示包括：
从所述特征提取层的顶层开始，依次对所述有向操作路径图中各个网络层各自对应的候选邻居节点进行采样直至所述特征提取层的底层，得到所述有向操作路径图对应的有向子图；
从所述特征提取层的底层开始，依次提取所述有向子图中各个网络层各自对应的目标邻居节点的特征并进行聚合，以更新对应的前一阶邻居节点的特征直至前一阶邻居节点为所述目标图节点时，生成所述目标图节点对应的向量表示。


6.根据权利要求5所述的方法，其特征在于，从所述特征提取层的顶层开始，依次对所述有向操作路径图中各个网络层各自对应的候选邻居节点进行采样直至所述特征提取层的底层，得到所述有向操作路径图对应的有向子图包括：
在所述特征提取层的网络层中，获取对应的候选邻居节点的目标连边的权重；所述目标连边为所述候选邻居节点与对应的前一阶邻居节点之间的连边；
根据所述目标连边的权重，确定所述候选邻居节点的采样权重；
按照所述候选邻居节点的采样权重对所述候选邻居节点进行采样。


7.根据权利要求6所述的方法，其特征在于，所述根据所述目标连边的权重，...

【专利技术属性】
技术研发人员：梁华盛，颜强，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44