一种基于多因素动态阈值的时间序列分解恶意评分检测方法技术

本发明专利技术公开了一种基于多因素动态阈值的时间序列分解恶意评分检测方法，用于提高电商环境下恶意评分行为的检测准确率。方法包括以下步骤：首先，获取包含评分数值、评论文本及时间戳的原始数据，并进行数据预处理，包括缺失值填充、文本清洗及数值转换。其次，采用多尺度卷积提取局部文本特征，利用LSTM建模捕捉长期依赖关系，并结合注意力机制计算评论重要性权重及关键时间点特征，以增强特征表示能力。然后计算异常评分分数，包括评分离散度、内容相似性和时间偏差分数，最后，基于动态阈值机制判断评分异常性，阈值通过在线梯度下降算法计算，并结合评分行为特征进行动态优化。本发明专利技术可有效检测异常评分行为，提高恶意评分检测的稳定性和实时性，适用于智能农业电商平台的可信度管理。

【技术实现步骤摘要】

本专利技术涉及数据挖掘与推荐系统领域，尤其涉及一种基于多因素动态阈值的时间序列分解恶意评分检测方法，用于电商平台、智慧农业电商平台或其他含有用户评分机制的平台。

技术介绍

1、随着电子商务的快速发展，推荐系统在电商平台中得到了广泛应用。推荐系统通过对用户行为、兴趣和历史交易数据的分析，能够实现个性化商品推荐，提高用户购物体验，降低信息过载问题，并有效促进商品销售和平台流量增长。精准的推荐还能帮助平台提高用户粘性和转化率，从而在激烈的市场竞争中取得优势。

2、然而，推荐系统的开放性也使得系统容易遭受多种类型的恶意攻击。以电商平台举例，恶意用户通过注入足够的用户概貌就可以恶意操纵评分，也可以通过刷单行为欺骗推荐系统，以达到改变推荐结果的目的，这些恶意攻击不仅扰乱了真实评分的分布，导致推荐结果失真，还可能误导消费者决策，损害平台信誉。恶意评分行为会使得推荐系统在学习过程中受到噪声数据的干扰，从而降低系统对真实用户偏好的捕捉能力，最终影响商品推荐的精准性和公平性。

3、现有的恶意评分检测方法主要依赖于单一维度的统计指标，如评分均值、评分方差本文档来自技高网...

【技术保护点】

1.一种基于多因素动态阈值的时间序列分解恶意评分检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多因素动态阈值的时间序列分解恶意评分检测方法，其特征在于，步骤S1中对数据进行预处理具体包括：

3.根据权利要求1所述的方法，其特征在于，步骤S2中所述多尺度卷积核的大小包括3、5和7，以同时提取短文本、中等长度文本和长文本的局部特征。

4.根据权利要求1所述的方法，其特征在于，步骤S2中所述LSTM建模采用双向门控单元，用以增强对评论文本和时间序列数据的长期依赖关系建模能力，其前向和后向隐藏状态计算公式为：，，为LSTM网络的权重参数；为...

【技术特征摘要】

1.一种基于多因素动态阈值的时间序列分解恶意评分检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多因素动态阈值的时间序列分解恶意评分检测方法，其特征在于，步骤s1中对数据进行预处理具体包括：

3.根据权利要求1所述的方法，其特征在于，步骤s2中所述多尺度卷积核的大小包括3、5和7，以同时提取短文本、中等长度文本和长文本的局部特征。

4.根据权利要求1所述的方法，其特征在于，步骤s2中所述lstm建模采用双向门控单元，用以增强对评论文本和时间序列数据的长期依赖关系建模能力，其前向和后向隐藏状态计算公式为：，，为lstm网络的权重参数；为前向和后向隐藏状态；为激活函数。

5.根据权利要求1所述的方法，其特征在于，步骤s3中所述异常分数通过全连接层进行多模态特征融合，采用sigmoid函数进行归一化，确保异常分数的范围为 [0,1]。

6.根据权利要求1所述的...

【专利技术属性】
技术研发人员：赵斌，季云龙，高一龙，李艳晓，叶初航，董攀，张敏，
申请(专利权)人：临沂大学，
类型：发明
国别省市：