CN109416700A - 一种互联网行为的分类训练方法以及网络终端 - Google Patents
一种互联网行为的分类训练方法以及网络终端 Download PDFInfo
- Publication number
- CN109416700A CN109416700A CN201780038545.3A CN201780038545A CN109416700A CN 109416700 A CN109416700 A CN 109416700A CN 201780038545 A CN201780038545 A CN 201780038545A CN 109416700 A CN109416700 A CN 109416700A
- Authority
- CN
- China
- Prior art keywords
- behavior
- standard data
- behavioral standard
- sample
- internet behavior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012549 training Methods 0.000 title claims abstract description 33
- 230000003542 behavioural effect Effects 0.000 claims abstract description 84
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 230000006399 behavior Effects 0.000 claims description 157
- 238000011156 evaluation Methods 0.000 claims description 46
- 239000000284 extract Substances 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 238000009472 formulation Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 7
- 238000003066 decision tree Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 210000003813 thumb Anatomy 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- SBNFWQZLDJGRLK-UHFFFAOYSA-N phenothrin Chemical compound CC1(C)C(C=C(C)C)C1C(=O)OCC1=CC=CC(OC=2C=CC=CC=2)=C1 SBNFWQZLDJGRLK-UHFFFAOYSA-N 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种互联网行为的分类训练方法以及网络终端，该互联网行为的分类训练方法包括：制定行为标准数据，并收集满足所述行为标准数据的行为样本；对所述行为样本进行特征提取，并训练行为分类器。通过上述方式，本发明能够根据行为标准数据以及互联网行为的特征对互联网行为进行分类，有利于对互联网行为进行评价和约束，净化网络，实现健康、有道德的网络环境。
Description
技术领域
本发明涉及计算机技术领域，特别是涉及一种互联网行为的分类训练方法以及网络终端。
背景技术
网络是信息传输、接收、共享的虚拟平台，通过它把各个点、面、体的信息联系到一起，从而实现这些资源的共享。网络是人类发展史来最重要的发明，提高了科技和人类社会的发展。
用户通过网络终端连接网络，可以进行信息的接收和传播，也称“上网”。随着计算机和网络技术的发展，现在用户可以通过上网进行社交、娱乐、交易、工作等。
发明内容
本发明主要解决的技术问题是提供一种互联网行为的分类训练方法以及网络终端，能够根据行为标准数据以及互联网行为的特征对互联网行为进行分类，有利于对互联网行为进行评价和约束，净化网络，实现健康、有道德的网络环境。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种互联网行为的分类训练方法，该方法包括：制定行为标准数据，并收集满足行为标准数据的行为样本；对行为样本进行特征提取，并训练行为分类器。
为解决上述技术问题，本发明采用的另一个技术方案是：提供一种计算机可读存储介质，用于存储计算机程序，该计算机程序在被处理器执行时，用以实现如上述的互联网行为的评价方法。
为解决上述技术问题，本发明采用的另一个技术方案是：提供一种网络终端，该网络终端包括输入装置、输出装置、存储器和处理器，存储器中存储有预先制定的行为标准数据，处理器用于执行：制定行为标准数据，并收集满足行为标准数据的行为样本；对行为样本进行特征提取，并训练行为分类器。
本发明的有益效果是：本发明提供的互联网行为的分类训练方法包括：制定行为标准数据，并收集满足行为标准数据的行为样本；对行为样本进行特征提取，并训练行为分类器。通过上述方式，能够根据行为标准数据以及互联网行为的特征对互联网行为进行分类，有利于对互联网行为进行评价和约束，净化网络，实现健康、有道德的网络环境。
附图说明
图1是本发明提供的互联网行为的分类训练方法一实施例的流程示意图；
图2是本发明提供的互联网行为的分类训练方法另一实施例的流程示意图；
图3是本发明提供的互联网行为的分类训练方法又一实施例的流程示意图；
图4是本发明提供的网络终端一实施例的结构示意图；
图5是本发明提供的网络系统一实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
参阅图1，图1是本发明提供的互联网行为的分类训练方法一实施例的流程示意图，该方法包括：
步骤11：制定行为标准数据，并收集满足行为标准数据的行为样本。
其中，满足行为标准数据的行为样本是指满足具体行为标准数据的互联网行为。例如，符合“爱国守法”行为标准数据的行为可以有对违法的网络行为进行举报，发布有关爱国守法的帖子等；符合“勤俭持家”行为标准数据的行文可以有购物时货比三家，挑选价格较便宜的商品等。
可选的，在一实施例中，步骤21可以具体为：确定满足行为标准数据的用户样本，对用户样本的互联网行为进行监控，以获取行为样本。
例如，用户A符合某一行为标准数据，则对用户A的互联网行为进行监控，将用户A的互联网行为作为行为样本。当然，也可以选择大量的符合该行为标准数据的用户，对所有用户的行为进行监控，并将所有用户的互联网行为作为行为样本，或将所有用户的相同/相似的互联网行为作为行为样本。
可选的，在另一实施例中，步骤21可以具体包括：收集网络中的热议话题，并获取大众评价或官方解读；从大众评价或官方解读提取行为标准数据，并从热议话题提取行为样本。
例如，网络中出现了“网络游戏防沉迷”的热议话题，其中针对未成年人的网络游戏类型、时间均有讨论。在本实施例中，就可以收集网友或官方对“网络游戏防沉迷”的看法和建议，进而从该热议话题的讨论中得到样本行为。
具体举例而言，若在大众热议中，大多数网友或官方认为12-16岁的未成年人每天的游戏时间不应该超过1小时，则把游戏时间小于1小时的互联网行为作为12-16岁的用户符合行为标准数据的样本行为。
步骤12：对行为样本进行特征提取，并训练行为分类器。
互联网行为的特征可以根据具体的互联网行为来定。以上述网络游戏的例子来说，其特征可以包括游戏类型、游戏时间、游戏消费等。以网上购物为例，其特征可以包括商品类型、商品价格、商品的销量等。
分类是数据挖掘的一种非常重要的方法。分类的概念是在已有数据的基础上学会一个分类器(Classifier)。该分类器能够把数据库中的数据纪录映射到给定类别中的某一个，从而可以应用于数据预测。总之，分类器是数据挖掘中对样本进行分类的方法的统称，包含决策树、逻辑回归、朴素贝叶斯、神经网络等算法。
分类器的构造和实施大体会经过以下几个步骤：选定样本(包含正样本和负样本)，将所有样本分成训练样本和测试样本两部分。在训练样本上执行分类器算法，生成分类模型。在测试样本上执行分类模型，生成预测结果。根据预测结果，计算必要的评估指标，评估分类模型的性能。
可选的，本实施例中的分类器可以是决策树分类器、选择树分类器或证据分类器等。
以决策树分类器为例，首先提供一个属性(如行为样本的特征)集合，决策树通过在属性集的基础上作出一系列的决策，将数据分类。这个过程类似于通过一个植物的特征来辨认植物。可以应用这样的分类器来判定用户互联网行为符合的行为标准数据。比如，一个决策树可能会断定一位月收入较高，而上网购物消费的金额较少的用户符合“勤俭持家”的行为标准数据。
下面以一个具体的例子对本实施例进行说明：
在步骤11中，先制定“勤俭持家”的行为标准数据，并收集满足“勤俭持家”行为标准数据的行为样本。在步骤12中，对该样本行为进行特征提取和分类，得到的特征包括：购买次数小于设定次数，购买的商品单价小于设定价格，一个月购买商品的总价小于设定价格，对不满意的商品作出退货退款等动作。则可以将这些特征分类到“勤俭持家”的行为标准数据中。
区别于现有技术，本实施例提供的互联网行为的分类训练方法包括：制定行为标准数据，并收集满足行为标准数据的行为样本；对行为样本进行特征提取，并训练行为分类器。通过上述方式，能够根据行为标准数据以及互联网行为的特征对互联网行为进行分类，有利于对互联网行为进行评价和约束，净化网络，实现健康、有道德的网络环境。
参阅图2，图2是本发明提供的互联网行为的分类训练方法另一实施例的流程示意图，该方法包括：
步骤21：制定行为标准数据，并收集满足行为标准数据的行为样本。
步骤22：对行为样本进行特征提取，并训练行为分类器。
步骤23：获取当前用户的互联网行为。
其中，用户的互联网行为可以是用户操作网络终端所产生的互联网行为，举例而言，可以包括：用户登录账户，进行发言、转发、评论，浏览多媒体信息(包括视频、小说、图片、音乐等)，进行购物或虚拟货币的交易，进行网络游戏。其中，用户可以通过进入相应的网站或者登陆相应的应用来执行上述互联网行为。
可选的，获取当前用户的互联网行为具体可以通过或者操作网络终端的指令，并对该指令解析获得的。比如，用户在浏览微博时，想对某一条微博进行转发，当用户用鼠标点击转发按钮时，即获取到当前用户的转发微博的互联网行为。再比如，用户在网上购物时，将指定物品加入购物车后，在付款时，点击确认按钮，即获取到当前用户的网上购物的互联网行为。
步骤24：根据预先制定的行为标准数据对当前用户的互联网行为进行评价，以得到评价结果。
其中，步骤24可以具体为：对当前用户的互联网行为进行特征提取，并利用行为分类器进行分类，以获取其所满足的行为标准数据。
其中，行为标准数据可以是预先根据相应的法律法规、行为规范、古典名著、名言警句等作为参考来制定，例如，可以根据儒、释、道、医、武、乐、俗、科、商等方面的古典名著来制定行为标准数据，并对行为标准数据进行分类。
可选的，在一实施例中，该预先制定的行为标准数据是存储在存储器中的只读数据，是不可更改的；当然，在其他实施例中，该行为标准数据也可以根据网络的发展和文明的进步进行更改。
其中，行为标准数据由当前用户的基本信息客制化而成，其中基本信息包括职业、年龄、收入以及婚姻状况的至少一个或组合。
举例而言，不同的用户可以适用于不同的行为标准数据。例如，用户A为中学生，未满18岁，则适用于用户A的行为标准数据则需要禁止用户A浏览不健康的网页，并对用户A的上网时间和游戏时间进行限制；用户B收入较低，则适用于用户B的行为标准数据则需要禁止用户B在购物网站进行高消费或购买奢侈品。
在对用户的互联网行为进行评价时，可以采取多种方式，下面以两种方式进行举例：
在第一种方式中，可以根据是否符合预先制定的行为标准数据来进行正反两方面的评价。例如，未成年人登录不健康网页，不符合针对未成年人预先制定的行为标准数据，对其进行反面评价，学生登录学习网页，符合针对学生预先制定的行为标准数据，对其进行正面评价。
在另一种方式中，也可以根据符合预先制定的行为标准数据的程度来进行评分，以10分制为例，在用户完全符合预先制定的行为标准数据时，给予其10分的评价，在用户完全不符合预先制定的行为标准数据时，给予其0分的评价，另外，还可以根据符合的程度给予其1-9分中的任意一个分值。可选的，还可以对用户每次互联网行为的评分进行求平均得到该用户的上网综合评分。
参阅图3，图3是本发明提供的互联网行为的分类训练方法又一实施例的流程示意图，该方法包括：
步骤31：制定行为标准数据，并收集满足行为标准数据的行为样本。
步骤32：对行为样本进行特征提取，并训练行为分类器。
步骤33：为当前用户分配唯一可识别账户。
可选的，行为标准数据由当前用户的基本信息客制化而成，其中基本信息包括职业、年龄、收入以及婚姻状况的至少一个或组合。
步骤34：获取当前用户的互联网行为。
步骤35：根据预先制定的行为标准数据对当前用户的互联网行为进行评价，以得到评价结果。
步骤36：将当前用户的互联网行为和评价结果与唯一可识别账户进行关联。
可选的，在一实施例中，可以结合唯一可识别账户所关联的历史互联网行为和/或历史评价结果对当前用户的当前互联网行为进行评价。
例如，用户A为未成年人，某一天用户A网络游戏时间为3小时(符合行为标准数据的时间假设为1小时之内)，不符合行为标准数据，给予其负面评价；其后的某一天用户A网络游戏时间为2小时，虽然仍不符合行为标准数据，但相对于历史互联网行为，用户A有所进步，因此，在评价用户A的该次互联网行为时，可以将该进步因素进行考虑，比如，可以给予正面评价。
可选的，在一实施例中，该方法还可以包括步骤：根据评价结果对唯一识别账户所关联的道德积分进行增加或减少，道德积分设置为其他用户可见，并至少与上网权限相关联。
例如，每一个用户的道德积分初始状态为满分100分，在评价时，若评价为正面评价则进行加分(最高100分)，若评价为负面评价则进行减分，减分的程度可以根据用户的互联网行为与行为标准数据的匹配程度来决定。在用户的积分减小到第一设定值(例如60分)时，对用户的互联网行为进行限制，在用户的积分减小到第二设定值(例如0分)时，禁止用户上网。
可选的，在其他实施例中，还可以获取其他用户对当前用户的互联网行为的评价，根据其他用户的评价形成评价结果。
其中，其他用户可以是当前用户的好友或者陌生网友。例如，用户A发布了一条微博，其好友或者陌生网友可以对其发布的微博进行转发、评论和点赞，则可以综合考虑转发和点赞的数量以及评论的内容对用户A的该互联网行为进行评价。
可选的，在一实施例中，可以根据当前用户与其他用户的密切度，针对其他用户的评价分配不同的权重；根据权重对其他用户的评价进行加权汇总，以形成评价结果，其中对于正面评价，当前用户与其他用户的密切度越高，权重越低，对于负面评价，当前用户与其他用户的密切度越高，权重越高。
例如，用户A发布的一条微博总共有100条评论，原则上每个评论的权重占比应当为1％。若其中有用户A的好友给予的正面评论，则该评论的权重应当减小，即小于1％；若其中有用户A的好友给予的负面评论，则该评论的权重应当增加，即大于1％。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质用于存储计算机程序，该计算机程序被处理器执行以实现上述实施例中提供的互联网行为的分类训练方法。可以理解的，在本实施例中的可读存储介质存储的计算机程序，所用来执行的方法与上述实施例提供的互联网行为的分类训练方法类似，其原理和步骤相同，这里不再赘述。
其中，该存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
参阅图4，图4是本发明提供的网络终端一实施例的结构示意图，该网络终端40包括输入装置41、输出装置42、存储器43和处理器44。
其中，存储器43中存储有预先制定的行为标准数据。
可选的，该行为标准数据由当前用户的基本信息客制化而成，其中基本信息包括职业、年龄、收入以及婚姻状况的至少一个或组合。
其中，处理器44用于执行：制定行为标准数据，并收集满足行为标准数据的行为样本；对行为样本进行特征提取，并训练行为分类器。
可选的，在另一实施例中，处理器44还用于执行：确定满足行为标准数据的用户样本，对用户样本的互联网行为进行监控，以获取行为样本。
可选的，在另一实施例中，处理器44还用于执行：收集网络中的热议话题，并获取大众评价或官方解读；从大众评价或官方解读提取行为标准数据，并从热议话题提取行为样本。
可选的，在另一实施例中，处理器44还用于执行：获取当前用户的互联网行为；根据预先制定的行为标准数据对当前用户的互联网行为进行评价，以得到评价结果。
可选的，在另一实施例中，处理器44还用于执行：对当前用户的互联网行为进行特征提取，并利用行为分类器进行分类，以获取其所满足的行为标准数据。
可选的，在另一实施例中，处理器44还用于执行：为当前用户分配唯一可识别账户；将当前用户的互联网行为和评价结果与唯一可识别账户进行关联。
可选的，在另一实施例中，处理器44还用于执行：结合唯一可识别账户所关联的历史互联网行为和/或历史评价结果对当前用户的当前互联网行为进行评价。
可选的，在另一实施例中，处理器44还用于执行：根据评价结果对唯一识别账户所关联的道德积分进行增加或减少，道德积分设置为其他用户可见，并至少与上网权限相关联。
可以理解的，本实施提供的网络终端40可以是用户终端，例如电脑、手机、智能穿戴设备等可以上网的终端，也可以服务器、基站等终端，用于远程对用户的互联网行为进行评价。
本实施例提供的网络终端是基于上述实施例的互联网行为的评价方法的一设备，其实施原理和步骤类似，这里不再赘述。
参阅图5，图5是本发明提供的网络系统一实施例的结构示意图，该网络系统包括网络终端51和服务器52。
其中，服务器52用于制定行为标准数据，并收集满足行为标准数据的行为样本；对行为样本进行特征提取，并训练行为分类器。
具体地，服务器52可以确定满足行为标准数据的用户样本，然后对网络终端51上该用户样本的互联网行为进行监控，以获取行为样本。或者收集网络中的热议话题，并获取大众评价或官方解读；从大众评价或官方解读提取行为标准数据，并从热议话题提取行为样本。
可选的，网络终端51用于获取当前用户的互联网行为，并将该互联网行为发送给服务器，服务器52用于根据预先制定的行为标准数据对当前用户的互联网行为进行评价，以得到评价结果。
可以理解的，本实施例公开的网络系统中的网络终端51和服务器52均可以是上述实施例中提供的网络终端，其结构和工作原理类似，这里不再赘述。
在本发明所提供的几个实施方式中，应该理解到，所揭露的方法以及设备，可以通过其它的方式实现。例如，以上所描述的设备实施方式仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本发明各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (19)
1.一种互联网行为的分类训练方法，其特征在于，所述方法包括：
制定行为标准数据，并收集满足所述行为标准数据的行为样本；
对所述行为样本进行特征提取，并训练行为分类器。
2.根据权利要求1所述的方法，其特征在于，所述制定行为标准数据，并收集满足所述行为标准数据的行为样本的步骤进一步包括：
确定满足所述行为标准数据的用户样本，对所述用户样本的互联网行为进行监控，以获取所述行为样本。
3.根据权利要求1所述的方法，其特征在于，所述制定行为标准数据，并收集满足所述行为标准数据的行为样本的步骤进一步包括：
收集网络中的热议话题，并获取大众评价或官方解读；
从所述大众评价或官方解读提取所述行为标准数据，并从所述热议话题提取所述行为样本。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取当前用户的互联网行为；
根据预先制定的行为标准数据对所述当前用户的互联网行为进行评价，以得到评价结果。
5.根据权利要求4所述的方法，其特征在于，所述根据预先制定的行为标准数据对所述当前用户的互联网行为进行评价，以得到评价结果的步骤进一步包括：
对所述当前用户的互联网行为进行特征提取，并利用所述行为分类器进行分类，以获取其所满足的行为标准数据。
6.根据权利要求4所述的方法，其特征在于，在所述获取当前用户的互联网行为的步骤之前进一步包括：
为所述当前用户分配唯一可识别账户；
所述根据预先制定的行为标准数据对所述当前用户的互联网行为进行评价，以得到评价结果的步骤之后进一步包括：
将所述当前用户的互联网行为和所述评价结果与所述唯一可识别账户进行关联。
7.根据权利要求6所述的方法，其特征在于，所述在所述获取当前用户的互联网行为的步骤之前进一步包括：
结合所述唯一可识别账户所关联的历史互联网行为和/或历史评价结果对所述当前用户的当前互联网行为进行评价。
8.根据权利要求6所述的方法，其特征在于，所述方法进一步包括：
根据所述评价结果对所述唯一识别账户所关联的道德积分进行增加或减少，所述道德积分设置为其他用户可见，并至少与上网权限相关联。
9.根据权利要求1所述的方法，其特征在于，所述行为标准数据由所述当前用户的基本信息客制化而成，其中所述基本信息包括职业、年龄、收入以及婚姻状况的至少一个或组合。
10.一种计算机可读存储介质，用于存储计算机程序，其特征在于，所述计算机程序在被处理器执行时，用以实现如权利要求1-9任一项所述的互联网行为的分类训练方法。
11.一种网络终端，其特征在于，包括输入装置、输出装置、存储器和处理器，所述存储器中存储有预先制定的行为标准数据，所述处理器用于执行：
制定行为标准数据，并收集满足所述行为标准数据的行为样本；
对所述行为样本进行特征提取，并训练行为分类器。
12.根据权利要求1所述的网络终端，其特征在于，所述处理器还用于执行：
确定满足所述行为标准数据的用户样本，对所述用户样本的互联网行为进行监控，以获取所述行为样本。
13.根据权利要求1所述的网络终端，其特征在于，所述处理器具体用于执行：
收集网络中的热议话题，并获取大众评价或官方解读；
从所述大众评价或官方解读提取所述行为标准数据，并从所述热议话题提取所述行为样本。
14.根据权利要求1所述的网络终端，其特征在于，所述处理器还用于执行：
获取当前用户的互联网行为；
根据预先制定的行为标准数据对所述当前用户的互联网行为进行评价，以得到评价结果。
15.根据权利要求4所述的网络终端，其特征在于，所述处理器具体用于执行：
对所述当前用户的互联网行为进行特征提取，并利用所述行为分类器进行分类，以获取其所满足的行为标准数据。
16.根据权利要求4所述的网络终端，其特征在于，所述处理器还用于执行：
为所述当前用户分配唯一可识别账户；
将所述当前用户的互联网行为和所述评价结果与所述唯一可识别账户进行关联。
17.根据权利要求6所述的网络终端，其特征在于，所述处理器还用于执行：
结合所述唯一可识别账户所关联的历史互联网行为和/或历史评价结果对所述当前用户的当前互联网行为进行评价。
18.根据权利要求6所述的网络终端，其特征在于，所述处理器还用于执行：
根据所述评价结果对所述唯一识别账户所关联的道德积分进行增加或减少，所述道德积分设置为其他用户可见，并至少与上网权限相关联。
19.根据权利要求1所述的网络终端，其特征在于，所述行为标准数据由所述当前用户的基本信息客制化而成，其中所述基本信息包括职业、年龄、收入以及婚姻状况的至少一个或组合。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2017/104714 WO2019061377A1 (zh) | 2017-09-30 | 2017-09-30 | 一种互联网行为的分类训练方法以及网络终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109416700A true CN109416700A (zh) | 2019-03-01 |
Family
ID=65463135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201780038545.3A Pending CN109416700A (zh) | 2017-09-30 | 2017-09-30 | 一种互联网行为的分类训练方法以及网络终端 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109416700A (zh) |
| WO (1) | WO2019061377A1 (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101425926A (zh) * | 2008-10-08 | 2009-05-06 | 北京赛尔汇力安全科技有限公司 | 基于信用评估的网络秩序调控方法 |
| CN103034655A (zh) * | 2011-10-09 | 2013-04-10 | 中国移动通信集团公司 | 一种用户行为信息的收集方法、系统及相关设备 |
| CN103793484A (zh) * | 2014-01-17 | 2014-05-14 | 五八同城信息技术有限公司 | 分类信息网站中的基于机器学习的欺诈行为识别系统 |
| CN103930921A (zh) * | 2011-11-11 | 2014-07-16 | 迈克菲股份有限公司 | 用于社交媒体身份的信誉服务 |
| CN105590055A (zh) * | 2014-10-23 | 2016-05-18 | 阿里巴巴集团控股有限公司 | 用于在网络交互系统中识别用户可信行为的方法及装置 |
| CN105893407A (zh) * | 2015-11-12 | 2016-08-24 | 乐视云计算有限公司 | 个体用户画像方法和系统 |
| CN106844588A (zh) * | 2017-01-11 | 2017-06-13 | 上海斐讯数据通信技术有限公司 | 一种基于网络爬虫的用户行为数据的分析方法及系统 |
-
2017
- 2017-09-30 CN CN201780038545.3A patent/CN109416700A/zh active Pending
- 2017-09-30 WO PCT/CN2017/104714 patent/WO2019061377A1/zh active Application Filing
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101425926A (zh) * | 2008-10-08 | 2009-05-06 | 北京赛尔汇力安全科技有限公司 | 基于信用评估的网络秩序调控方法 |
| CN103034655A (zh) * | 2011-10-09 | 2013-04-10 | 中国移动通信集团公司 | 一种用户行为信息的收集方法、系统及相关设备 |
| CN103930921A (zh) * | 2011-11-11 | 2014-07-16 | 迈克菲股份有限公司 | 用于社交媒体身份的信誉服务 |
| CN103793484A (zh) * | 2014-01-17 | 2014-05-14 | 五八同城信息技术有限公司 | 分类信息网站中的基于机器学习的欺诈行为识别系统 |
| CN105590055A (zh) * | 2014-10-23 | 2016-05-18 | 阿里巴巴集团控股有限公司 | 用于在网络交互系统中识别用户可信行为的方法及装置 |
| CN105893407A (zh) * | 2015-11-12 | 2016-08-24 | 乐视云计算有限公司 | 个体用户画像方法和系统 |
| CN106844588A (zh) * | 2017-01-11 | 2017-06-13 | 上海斐讯数据通信技术有限公司 | 一种基于网络爬虫的用户行为数据的分析方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019061377A1 (zh) | 2019-04-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Taecharungroj et al. | Analysing TripAdvisor reviews of tourist attractions in Phuket, Thailand | |
| CN103176982B (zh) | 一种电子图书推荐的方法及系统 | |
| Winston | The big pivot: Radically practical strategies for a hotter, scarcer, and more open world | |
| CN107918818B (zh) | 基于大数据技术的供应链管理决策支持系统 | |
| CN106886518A (zh) | 一种微博账号分类的方法 | |
| CN106056444A (zh) | 数据处理方法和装置 | |
| CN109033180A (zh) | 一种信息推送方法、装置、计算机装置及计算机可读存储介质 | |
| CN101770487A (zh) | 社交网络中用户影响力的计算方法和系统 | |
| CN108764485A (zh) | 计算建议工具中的兴趣度推荐 | |
| King et al. | Ensemble methods for advanced skier days prediction | |
| CN103984701A (zh) | 微博转发量预测模型生成方法及微博转发量预测方法 | |
| CN110941762B (zh) | 一种个性化推荐系统排序结果的改进方法 | |
| Tu et al. | Investment recommendation using investor opinions in social media | |
| CN103793481A (zh) | 基于用户兴趣挖掘的微博词云生成方法及访问支持系统 | |
| CN107423335A (zh) | 一种针对单类协同过滤问题的负样本选择方法 | |
| CN111831918A (zh) | 一种在线教育场景下的混合推荐系统 | |
| CN110428277A (zh) | 推荐产品的触达方法、存储介质和程序产品 | |
| CN109118243B (zh) | 一种产品分享、有用评价识别、推送方法和服务器 | |
| Rostamzadeh et al. | An application of a hybrid MCDM method for the evaluation of entrepreneurial intensity among the SMEs: a case study | |
| CN106202168A (zh) | 一种网站内容展示方法与装置 | |
| Srivihok et al. | E-commerce intelligent agent: personalization travel support agent using Q Learning | |
| CN109829593A (zh) | 目标对象的信用度确定方法、装置、存储介质及电子装置 | |
| Aguayo | The metaknowledge advantage: The key to success in the new economy | |
| CN109416700A (zh) | 一种互联网行为的分类训练方法以及网络终端 | |
| King | Ensemble learning techniques for structured and unstructured data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 518000 Guangdong city of Shenzhen province Futian District Futian District, three Lunuode financial center building on the west side of 32B Applicant after: Dedao Health Management Co.,Ltd. Address before: 518000 Guangdong city of Shenzhen province Futian District Futian District, three Lunuode financial center building on the west side of 32B Applicant before: SHENZHEN DEDAO HEALTH MANAGEMENT Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200528 Address after: 518000. C, unit 207, building A3, China Merchants science and Technology Park, 3009 Guangming Road, Guangming Road, Guangming District, Guangdong, Shenzhen Applicant after: Shenzhen Dafu Intelligent Health Technology Co.,Ltd. Address before: 518000 Guangdong city of Shenzhen province Futian District Futian District, three Lunuode financial center building on the west side of 32B Applicant before: Dedao Health Management Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190301 |