CN111311411A - 一种非法行为的识别方法及装置 - Google Patents

一种非法行为的识别方法及装置 Download PDF

Info

Publication number
CN111311411A
CN111311411A CN202010093398.3A CN202010093398A CN111311411A CN 111311411 A CN111311411 A CN 111311411A CN 202010093398 A CN202010093398 A CN 202010093398A CN 111311411 A CN111311411 A CN 111311411A
Authority
CN
China
Prior art keywords
data
data source
target product
determining
target
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.)
Granted
Application number
CN202010093398.3A
Other languages
English (en)
Other versions
CN111311411B (zh
Inventor
沈威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN202010093398.3A priority Critical patent/CN111311411B/zh
Publication of CN111311411A publication Critical patent/CN111311411A/zh
Application granted granted Critical
Publication of CN111311411B publication Critical patent/CN111311411B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • 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
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • G06Q30/0185—Product, service or business identity fraud
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Technology Law (AREA)
  • Game Theory and Decision Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本说明书公开了一种非法行为的识别方法及装置，以样本数据源中对应于目标产品的数据为依据，识别目标数据源在数据生成的过程中是否存在非法行为。由于样本数据源中的数据，对目标产品的特征的表征具有一定的客观性，则本说明书至少能够通过对目标数据源对目标产品的特征的表征情况和样本数据源中的数据针对目标产品的特征的表征情况进行比较的方式，确定出目标数据源与样本数据源之间的差异，进而根据该差异识别出目标数据源中对应于目标产品的数据是否较为客观。而较为不客观的数据通常由非法行为生成，则可以根据目标数据源中的数据的客观性，识别出该目标数据源在生成对应于目标产品的数据的过程中是否存在非法行为。

Description

一种非法行为的识别方法及装置
技术领域
本说明书涉及互联网领域，尤其涉及一种非法行为的识别方法及装置。
背景技术
在当今信息社会环境下，信息大量涌现，信息通常承载于数据源的数据之中，则人们可以对该数据源的数据进行解析，以得到相应的信息。
然而，现实生活中，往往难以保证数据源中的各数据均由合法行为生成。若一数据由非法行为生成，则该数据中较大可能的传达了不准确甚至错误的信息。导致在确定该数据传达的信息时，得到与实际不相符的信息，影响确定出的信息的有效性。由此，如何识别出数据源中的数据生成的过程中是否存在非法行为，成为亟待解决的问题。
现有技术多通过人工判断的方式确定数据生成的过程中是否存在非法行为。但是，随着科技的发展，数据的量呈爆发式增长，仅依靠人工的方式进行甄别，难免存在效率低下、准确性低的问题。
发明内容
本说明书实施例提供一种非法行为的识别方法及装置，以部分的解决现有技术存在的上述问题。
本说明书实施例采用下述技术方案：
本说明书提供的一种非法行为的识别方法，所述方法包括：
针对每个数据源，采集该数据源中的对应于目标产品的数据，所述数据源包括目标数据源和样本数据源；
根据采集的该数据源中的数据，确定所述目标产品对应于该数据源的特征值；
根据所述目标产品对应于各样本数据源的特征值，确定所述目标产品的综合特征值；
将所述目标产品对应于所述目标数据源的特征值，与所述目标产品的综合特征值进行比较；
根据比较结果，识别所述目标数据源在数据生成的过程中是否存在非法行为。
可选地，采集该数据源中的对应于目标产品的数据，具体包括：
根据该数据源中的各数据与目标产品的相关程度，在该数据源的各数据中，确定出对应于所述目标产品的数据；
采集对应于所述目标产品的数据。
可选地，根据采集的该数据源中的数据，确定所述目标产品对应于该数据源的特征值，具体包括：
针对采集的该数据源中的各数据，将该数据输入语义分析模型，以通过所述语义分析模型确定该数据的情感极性；
根据该数据的情感极性，确定所述目标产品对应于该数据的评分；
根据所述目标产品对应于该数据源中各数据的评分，确定所述目标产品对应于该数据源的评分。
可选地，根据所述目标产品对应于该数据源中各数据的评分，确定所述目标产品对应于该数据源的评分，具体包括：
根据所述目标产品对应于该数据源中各数据的评分，在采集的该数据源的各数据中，确定出该数据源的有效数据；
根据该数据源的各有效数据的评分，确定所述目标产品对应于该数据源的评分。
可选地，根据该数据源的各有效数据的评分，确定所述目标产品对应于该数据源的评分，具体包括：
针对该数据源中的各有效数据，根据生成该有效数据的用户的属性，确定该有效数据的权重值；
根据该有效数据的权重值，对该有效数据的评分进行加权；
根据该数据源的各有效数据加权后的评分，确定所述目标产品对应于该数据源的评分。
可选地，根据所述目标产品对应于各样本数据源的特征值，确定所述目标产品的综合特征值，具体包括：
根据所述目标产品对应于各样本数据源的评分，在各样本数据源中，确定出有效数据源；
根据各有效数据源的评分，确定所述目标产品的综合评分。
可选地，根据各有效数据源的评分，确定所述目标产品的综合评分，具体包括：
针对各有效数据源，根据该有效数据源的属性，确定该有效数据源的权重值；
根据该有效数据源的权重值，对该有效数据源的评分进行加权；
根据各有效数据源加权后的评分，确定所述目标产品的综合评分。
可选地，根据比较结果，识别所述目标数据源在数据生成的过程中是否存在非法行为，具体包括：
若目标产品对应于所述目标数据源的特征值，与所述目标产品的综合特征值的差值大于预设的阈值，则确定所述目标数据源在数据生成的过程中存在非法行为；若所述差值小于所述预设的阈值，则确定所述目标数据源在数据生成的过程中不存在非法行为。
本说明书提供的非法行为的识别装置，包括：
数据采集模块，用于针对每个数据源，采集该数据源中的对应于目标产品的数据，所述数据源包括目标数据源和样本数据源；
特征值确定模块，用于根据采集的该数据源中的数据，确定所述目标产品对应于该数据源的特征值；
综合特征值确定模块，用于根据所述目标产品对应于各样本数据源的特征值，确定所述目标产品的综合特征值；
比较模块，用于将所述目标产品对应于所述目标数据源的特征值，与所述目标产品的综合特征值进行比较；
识别模块，用于根据比较结果，识别所述目标数据源在数据生成的过程中是否存在非法行为。
本说明书提供的一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的一种非法行为的识别方法。
本说明书提供的一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述一种非法行为的识别方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
本说明书实施例中的一种非法行为的识别方法及装置，将数据源分为目标数据源和样本数据源，以样本数据源中对应于目标产品的数据为依据，识别目标数据源在数据生成的过程中是否存在非法行为。由于样本数据源中的数据，对目标产品的特征的表征具有一定的客观性(即，样本数据源中的数据传达的信息一定程度的与实际相符)，则本说明书至少能够通过对目标数据源对目标产品的特征的表征情况和样本数据源中的数据针对目标产品的特征的表征情况进行比较的方式，确定出目标数据源与样本数据源之间的差异，进而根据该差异识别出目标数据源中对应于目标产品的数据是否较为客观。而较为不客观的数据通常由非法行为生成，则可以根据目标数据源中的数据的客观性，识别出该目标数据源在生成对应于目标产品的数据的过程中是否存在非法行为。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书实施例提供的一种非法行为的识别过程过程；
图2为本说明书实施例提供的一种非法行为的识别过程的示例性的网络架构示意图；
图3为本说明书实施例提供的一种非法行为的识别装置的结构示意图；
图4为本说明书实施例提供的对应于图1的一种电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于说明书中的实施例，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，都属于本说明书保护的范围。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书实施例提供的一种非法行为的识别过程，具体可包括以下步骤：
S100：针对每个数据源，采集该数据源中的对应于目标产品的数据，所述数据源包括目标数据源和样本数据源。
本说明书中，数据源中的数据可以包括：来源于用户的数据，例如用户针对某产品(包括但不限于目标产品)的评论数据；和/或，来源于数据源的管理者的数据，例如数据源的管理者针对某产品的注释数据。
本说明书对目标产品的类别、形态不做限制，目标产品可以根据实际的需求进行选取。例如，在目标产品为某商家在其经营活动中提供的服务和/或实体商品时，实施本说明书中的过程的目的可以为：相较于该商家在其他电商平台(即，样本数据源)中的经营活动，确定出该商家在某电商平台(即，目标数据源)中的经营活动是否存在非法行为；和/或，相较于该商家在其他电商平台的经营反馈(可以为用户对该商家的评价)，确定出该商家在某电商平台的经营活动是否被非法行为攻击。
其中，经营活动中的非法行为可以包括刷单、刷好评的行为；经营活动被攻击时的非法行为可以包括用户对目标产品的恶意差评，和/或，数据源的管理者、通过非法途径获得数据管理权限的第三方对目标产品的数据的恶意篡改。
此外，应当说明的是，本说明书对目标数据源和样本数据源的类别、形态亦不做限制。例如，各样本数据源(数量可以为多个)中的某个样本数据源为根据用户的调查问卷形成的数据报告，而其他样本数据源和目标数据源(数量也可以为多个)均为电商平台对应的数据源。
并且，本说明书中的目标数据源和样本数据源在该识别的过程中发挥的作用可以互换。例如，在某一使用场景中，目标数据源可以作为样本数据源，而样本数据源中的至少一个，可以作为目标数据源。
S102：根据采集的该数据源中的数据，确定所述目标产品对应于该数据源的特征值。
在步骤S100的采集过程中，即已将采集的数据约束在对应于目标产品的范围内，则本步骤可以在此基础上，针对每个数据源，根据采集的该数据源的数据，从该数据源的角度，归纳出该数据源中的数据表征出的该目标产品的特征。该特征既可以为该目标产品的内在特征，也可以为该目标产品的外在特征。其中，内在特征可以为目标产品的价格、规格、销售量等特征中的一种或多种。外在特征可以为用户对该目标产品的反馈、有该目标产品在售的电商平台对该目标产品的反馈等特征中的一种或多种。以下以目标产品的特征为该目标产品的评分为例，进行说明。
其中，该目标产品的特征的表征方式可以根据实际的使用场景进行选择，例如，该目标产品的特征可以通过特征值的方式予以表征。
可选地，确定目标产品对应于目标数据源的特征值的过程，与确定目标产品对应于样本数据源的特征值的过程相同或相似。
S104：根据所述目标产品对应于各样本数据源的特征值，确定所述目标产品的综合特征值。
在针对各个数据源确定出目标产品对应于该数据源的特征值之后，即可对各样本数据源各自表征的该目标产品的特征值进行综合，得到能够表征目标产品对应于各样本数据源的特征值之间的共性的综合特征值。
由前述步骤可知，目标产品对应于一数据源的特征值，即为该数据源中对应于该目标产品的所有数据的综合，则其至少能够表征出该数据源中的对应于目标产品的数据之间的共性，通过其得到的目标产品对应于该数据源的特征值具备相当的客观性。本步骤在此基础上，对各样本数据源进行进一步地综合，使得到的综合特征值更具客观性、与目标产品的实际特征更加贴切。
S106：将所述目标产品对应于所述目标数据源的特征值，与所述目标产品的综合特征值进行比较。
由前述步骤得到的目标产品的综合特征值能够反映出目标产品的实际特征，则目标产品对应于所述目标数据源的特征值，与综合特征值的比较，能够确定出目标数据源表征的该目标产品的特征，与该目标产品的实际特征之间的差异。
S108：根据比较结果，识别所述目标数据源在数据生成的过程中是否存在非法行为。
通过上述步骤，以各数据源各自确定出的目标产品的特征值为依据，即能够针对该目标产品，确定出在数据生成的过程中，各样本数据源的综合与目标数据源之间的差异。而各样本数据源的综合更加接近客观事实，则该差异能够表征目标数据源在生成对应于目标产品的数据的过程中存在非法行为的可能性。
可以理解的是，较为不客观的数据通常由非法行为生成，若所述差异较大，则表明目标数据源中对应于目标产品的数据脱离事实的现象较为明显，则该目标数据源在数据生成的过程中存在非法行为的可能性较大。
例如，目标产品的特征值的取值区间可以为[0，100]。若该目标产品的综合特征值为60分，而该目标产品对应于目标数据源的特征值为90分，可知根据该目标数据源对该目标产品确定出的特征值与该目标产品的综合特征值的差异较大，该目标数据源中涉及该目标产品的数据的生成过程中存在非法行为的可能性较大。
本说明书中的“数据生成的过程”应作广义理解，该“数据生成的过程”可以包括用户、数据源的管理者等数据的作者创作该数据的过程，和/或，该数据被创作之后的修改、加密、编码的过程。
下面对本说明书中所述的非法行为的识别过程进行详细说明。
本说明书中的非法行为的识别过程可以由非法行为的识别装置实施。如图2所示，本说明书涉及网络架构包括若干个数据源以及所述的非法行为的识别装置。数据源中的数据来自于至少一个用户和/或该数据源的至少一个管理者。
在图2中，数据源k为目标数据源。数据源1至数据源(k-1)，以及数据源(k+1)至数据源n均为样本数据源，其中，k和n均为正整数，且k小于等于n。则本说明书中的非法行为的识别装置，可以根据前述的非法行为的识别过程，根据各样本数据源中对应于目标产品的数据，识别出目标数据源在生成对应于目标产品的数据的过程中是否存在非法行为。
本说明书中的非法行为的识别过程，在进行数据采集之前，可以在多个候选数据源中，筛选出该非法行为识别过程所需的数据源，然后针对该筛选出的数据源进行数据采集，以提高数据采集的针对性，进而提高识别的效率。
该筛选的过程具体可以为：针对各候选数据源，根据该候选数据源中存储的数据与所述目标产品的契合度，确定该候选数据源是否为非法行为识别过程所需的数据源。
例如，目标产品为某商家在其经营活动中提供的服务，一候选数据源中储存有针对该服务的用户评论数据(即，该用户的评论数据与该服务的契合度较高)，则该候选数据源为本说明书的过程所需的数据源。
步骤S100的数据采集所针对的对象为对应于目标产品的数据，则在采集之前需确定出数据源中的哪些数据为对应于目标产品的数据。该确定的过程具体可以为：针对每个数据源中的各数据，通过预设的相关程度确定规则，确定该数据与目标产品的相关程度。然后根据该数据与目标产品的相关程度，确定该数据是否为对应于所述目标产品的数据(若该数据与目标产品的相关程度较高，则该数据为对应于所述目标产品的数据)。在确定出对应于目标产品的数据之后，即可采集该对应于所述目标产品的数据。
可选地，相关程度确定规则中可以包括预设的关键词黑名单和关键词白名单。数据源中包含白名单关键词的数据与目标产品的相关程度较高；包含黑名单关键词的数据与目标产品的相关程度较低。则通过相关程度确定规则，确定该数据与目标产品的相关程度的具体过程可以为：确定该数据中是否包含关键词白名单中的关键词，若是，则进一步确定该数据中是否包含关键词黑名单，若否，则该数据为对应于目标产品的数据。
在确定出各数据源中对应于目标产品的数据之后，即可针对每个数据源，根据该数据源中的对应于目标产品的数据，确定出目标产品对应于该数据源的特征值。
在本说明一个可选的场景中，以用户针对该目标产品的情感极性，表征该目标产品的特征，则可以对采集的数据进行处理，以确定出该数据表征的情感极性，使得确定根据数据的情感极性确定出的目标产品的特征值中至少包括用于表征用户针对该目标产品的情感极性的维度。
该确定目标产品对应于该数据源的特征值的过程，具体可以为：针对采集的该数据源中的各数据，将该数据输入预设的语义分析模型，以通过所述语义分析模型确定该数据的情感极性。根据该数据的情感极性，确定所述目标产品对应于该数据的评分。根据所述目标产品对应于该数据源中各数据的评分，确定所述目标产品对应于该数据源的评分。该语义分析模型可以为NLP(Natural Language Processing，自然语言处理)模型。
例如，预设的情感极性评分的取值区间为[1，10]，1分代表最大的负面情感极性，10分代表最大的正面情感极性，则将采集的数据输入语义分析模型，语义分析模型将对该数据进行处理，然后输出具有数值属性的、用于表征该数据的情感极性的评分。
在实际的使用场景中，数据源中的数据来源的数量众多，数据来源的情况也较为复杂，难以避免的会存在数据源中的个别数据传达了不切实际的、较为极端的信息。例如，用户订购某商家的服务之后，由于该用户未能在约定时间内抵达该商家店铺所在地，造成该用户对商家的服务做出差评。显然地，该差评与商家的经营行为无必然联系，而是由用户的主观因素造成的。此类传达了不切实际的、较为极端信息的数据，对该识别非法行为的过程是有害的。
为避免此类数据对非法行为的识别造成影响，本说明书中的过程，针对每个数据源，在确定出该数据源中各数据的评分之后，根据所述目标产品对应于该数据源中各数据的评分，通过预设的有效数据确定规则，对采集的该数据源的各数据进行筛选，确定出该数据源中的有效数据。然后，根据该数据源的各有效数据的评分，确定所述目标产品对应于该数据源的评分。
则确定出的有效数据中不包含具有极端情感极性的数据，能够较大程度的降低该数据源中与目标产品的实际特征无关的数据，对目标产品对应于该数据源中各数据的评分造成的不利影响。该通过预设的有效数据确定规则，确定有效数据的过程，具体可以为：根据所述目标产品对应于该数据源中各数据的评分，确定出各数据的评分中的最大值和最小值，确定除所述最大值和最小值对应的数据之外的各数据，为有效数据，该有效数据能够客观表征目标产品的特征。
由此，本说明书在得到能够客观表征目标产品的特征的有效数据之后，可以进一步地，将生成有效数据的用户的属性体现在识别非法行为的过程中。具体地，该过程可以为：针对该数据源中的各有效数据，根据生成该有效数据的用户的属性，确定该有效数据的权重值。根据该有效数据的权重值，对该有效数据的评分进行加权。根据该数据源的各有效数据加权后的评分，确定所述目标产品对应于该数据源的评分。所述用户的属性包括：用户的影响力属性、用户的历史行为属性、用户的活跃度属性中的至少一种。
可选地，所述目标产品对应于该数据源的评分，可以通过对该数据源中的各有效数据加权后的评分进行求和，并根据各有效数据对应的用户的权重值对所述求和的结果归一化的方式得到。
本说明书的过程，无须对作为样本的各样本数据源的进行预先的校验，一方面能够简化识别的过程，提高识别的效率；但是在另一方面，也存在将异常的数据源作为样本数据的隐患。若一数据源中的针对目标产品的数据中的较大部分均为虚假的数据，则通过前述的确定有效数据的过程，筛选出该数据源中有效数据的难度将较大。
则本说明书中的过程，根据所述目标产品对应于各样本数据源的评分，通过预设的有效数据源确定规则，在各样本数据源中，确定出能够客观的反映目标产品的特征的有效数据源。再根据各有效数据源的评分，确定所述目标产品的综合评分，则该确定出的目标产品的综合评分具有相当的客观性和准确性。
该通过预设的有效数据源确定规则，在各样本数据源中，确定有效数据源的过程，具体可以为：对所述目标产品对应于各数据源的评分排序，根据预设的排序筛选规则，对排序后的所述评分进行筛选，将筛选出的所述评分对应的数据源，作为有效数据源。
进一步地，根据排序筛选规则筛选有效数据源的过程，具体可以为：针对排序后的评分，在各数据源中，确定除第一预设数量的最大评分对应的数据源，和/或，确定除第二预设数量的最小评分对应的数据源，为有效数据源。第一预设数量可以与第二预设数量相同。
进一步地，在实际的使用场景中，各数据源的属性不尽相同，各数据源的管理者对数据源的管理和维护能力也差异较大。这就使得各数据源中的数据在生产生活中各自发挥的作用也不完全相同。
例如，某可供各商家接入的综合性的电子商务平台的数据源，其面向的用户为广大的消费者，则该数据源中的数据受众较广，该数据源的数据流量也较大，但该数据源中的数据多为非专业人士生成的，则该数据源中的数据的客观性较低。而针对目标产品的发烧友的论坛的数据源，其面向的用户为具备一定的专业知识、鉴别能力的用户，则该数据源中的数据受众较窄，该数据源的数据流量也较小，但该数据源中的数据的客观性较高。
由此，将数据源的属性体现在在识别非法行为的过程中，能够提高识别的准确性，具体地，可以针对各有效数据源，根据该有效数据源的属性，确定该有效数据源的权重值。根据该有效数据源的权重值，对该有效数据源的评分进行加权。根据各有效数据源加权后的评分，确定所述目标产品的综合评分。所述数据源的属性包括：数据源的影响力属性、数据源的受众群体类别属性、数据源的数据更新周期属性中的至少一种。
可选地，所述目标产品的综合评分，可以通过对各有效数据源加权后的评分进行求和，并根据各有效数据源的权重值对所述求和的结果归一化的方式得到。
之后，即可将所述目标产品对应于所述目标数据源的特征值，与所述目标产品的综合特征值进行比较，若目标产品对应于所述目标数据源的特征值，与所述目标产品的综合特征值的差值大于预设的阈值，则确定所述目标数据源在数据生成的过程中存在非法行为；若所述差值小于所述预设的阈值，则确定所述目标数据源在数据生成的过程中不存在非法行为。该预设的阈值，可根据实际的使用场景进行设置。
可见，本说明书中的非法行为的识别过程，以样本数据源中对应于目标产品的数据为依据，识别目标数据源在数据生成的过程中是否存在非法行为。由于样本数据源中的数据，对目标产品的特征的表征具有一定的客观性(即，样本数据源中的数据传达的信息一定程度的与实际相符)，则本说明书至少能够通过对目标数据源对目标产品的特征的表征情况和样本数据源中的数据针对目标产品的特征的表征情况进行比较的方式，确定出目标数据源与样本数据源之间的差异，进而根据该差异识别出目标数据源中的数据是否较为客观，进而识别出该目标数据源在生成对应于目标产品的数据的过程中是否存在非法行为。
在另外一个可选的使用场景中，通过本说明书中的过程，还可以用于确定数据源的质量。
本说明书的确定数据源的质量的过程可以与上述的过程相同或相似。在识别出目标数据源中针对目标产品的数据的生成过程是否存在非法行为之后，根据该识别的结果，确定是否存在针对该目标数据源的非法行为(即，该非法行为针对的对象可以包括但不限于目标数据源中对应于所述目标产品的数据)。
具体地，可以首先确定若干个(包括但不限于一个)目标产品，针对每个目标产品，识别该目标数据源在生成对应于该目标产品的数据的过程中是否存在非法行为。根据针对各目标产品的识别结果，确定是否存在针对该目标数据源的非法行为。
例如，可以确定存在非法行为的目标产品数量，与目标产品总数的比例，将该比例与预设的比例阈值进行比较，若该比例大于比例阈值，则确定存在针对该目标数据源的非法行为。
本说明书对确定数据源的质量的过程的描述，以用户对该目标产品的反馈作为该目标产品的特征为例进行说明，此外，该目标产品的特征还可以为目标产品的价格、规格、销售量、有该目标产品在售的电商平台对该目标产品的反馈等特征中的一种或多种。
进一步地，可以对目标产品的特征进行选择，以根据目标产品的不同的特征，确定出针对目标数据源的不同方面的非法行为。例如，当选择针对目标产品的反馈作为该目标产品的特征时，可以根据该特征确定出是否存在针对目标数据源的攻击行为(包括但不限于对目标数据源中的数据的恶意差评)；当选择目标产品的价格为该目标产品的特征时，可以根据该特征确定出该目标数据源是否存在洗钱、倾销等行为。
可见，通过本说明书中的过程确定是否存在针对目标数据源的非法行为时，将对应于目标产品的数据作为依据，则能够较大程度的减少所需处理的数据的量，提高识别的效率。并且，本说明书将在对数据源进行比较时，将该比较的依据约束在对应于目标产品的数据的范围内，以提高目标数据源和样本数据源之间的可比性，有利于提高识别的准确性。
基于同样的思路，本说明书实施例还提供了对应于图1所示过程的非法行为的识别装置，该非法行为的识别装置如图3所示。
图3为本说明书实施例提供的一种非法行为的识别装置的结构示意图，该非法行为的识别装置可以包括：
数据采集模块300，用于针对每个数据源，采集该数据源中的对应于目标产品的数据，所述数据源包括目标数据源和样本数据源；
特征值确定模块302，用于根据采集的该数据源中的数据，确定所述目标产品对应于该数据源的特征值；
综合特征值确定模块304，用于根据所述目标产品对应于各样本数据源的特征值，确定所述目标产品的综合特征值；
比较模块306，用于将所述目标产品对应于所述目标数据源的特征值，与所述目标产品的综合特征值进行比较；
识别模块308，用于根据比较结果，识别所述目标数据源在数据生成的过程中是否存在非法行为。
其中，数据采集模块300、特征值确定模块302、综合特征值确定模块304、比较模块306、识别模块308依次电连接，特征值确定模块302还与比较模块306电连接。
可选地，所述数据采集模块300可以包括：电连接的数据确定子模块3000和采集子模块3002。
数据确定子模块3000，用于根据该数据源中的各数据与目标产品的相关程度，在该数据源的各数据中，确定出对应于所述目标产品的数据。
采集子模块3002，用于采集对应于所述目标产品的数据。
可选地，特征值确定模块302可以包括：依次电连接的情感极性确定子模块3020、数据评分子模块3022、数据源评分子模块3024。
情感极性确定子模块3020，用于针对采集的该数据源中的各数据，将该数据输入语义分析模型，以通过所述语义分析模型确定该数据的情感极性。
数据评分子模块3022，用于根据该数据的情感极性，确定所述目标产品对应于该数据的评分。
数据源评分子模块3024，用于根据所述目标产品对应于该数据源中各数据的评分，确定所述目标产品对应于该数据源的评分。
可选地，数据源评分子模块3024可以包括：电连接的有效数据确定单元30240和评分单元30242。
有效数据确定单元30240，用于根据所述目标产品对应于该数据源中各数据的评分，在采集的该数据源的各数据中，确定出该数据源的有效数据。
评分单元30242，用于根据该数据源的各有效数据的评分，确定所述目标产品对应于该数据源的评分。
可选地，评分单元30242可以包括：依次电连接的有效数据权重值确定子单元、加权子单元、评分子单元。
有效数据权重值确定子单元，用于针对该数据源中的各有效数据，根据生成该有效数据的用户的属性，确定该有效数据的权重值。
加权子单元，用于根据该有效数据的权重值，对该有效数据的评分进行加权。
评分子单元，用于根据该数据源的各有效数据加权后的评分，确定所述目标产品对应于该数据源的评分。
可选地，综合特征值确定模块304可以包括：电连接的有效数据源确定子模块3040和综合评分确定子模块3042。
有效数据源确定子模块3040，用于根据所述目标产品对应于各样本数据源的评分，在各样本数据源中，确定出有效数据源。
综合评分确定子模块3042，用于根据各有效数据源的评分，确定所述目标产品的综合评分。
可选地，综合评分确定子模块3042可以包括：依次电连接的有效数据源权重值确定单元30420、加权30422、综合评分单元30424。
有效数据源权重值确定单元30420，用于针对各有效数据源，根据该有效数据源的属性，确定该有效数据源的权重值。
加权30422，用于根据该有效数据源的权重值，对该有效数据源的评分进行加权
综合评分单元30424，用于根据各有效数据源加权后的评分，确定所述目标产品的综合评分。
可选地，识别模块308，具体用于在目标产品对应于所述目标数据源的特征值，与所述目标产品的综合特征值的差值大于预设的阈值时，判断所述目标数据源在数据生成的过程中存在非法行为；在所述差值小于所述预设的阈值时，判断所述目标数据源在数据生成的过程中不存在非法行为。
本说明书实施例还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的非法行为的识别过程。
本说明书实施例还提出了图4所示的第一种电子设备的示意结构图。如图4，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的非法行为的识别过程。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (11)

1.一种非法行为的识别方法，其特征在于，所述方法包括：
针对每个数据源，采集该数据源中的对应于目标产品的数据，所述数据源包括目标数据源和样本数据源；
根据采集的该数据源中的数据，确定所述目标产品对应于该数据源的特征值；
根据所述目标产品对应于各样本数据源的特征值，确定所述目标产品的综合特征值；
将所述目标产品对应于所述目标数据源的特征值，与所述目标产品的综合特征值进行比较；
根据比较结果，识别所述目标数据源在数据生成的过程中是否存在非法行为。
2.如权利要求1所述的方法，其特征在于，采集该数据源中的对应于目标产品的数据，具体包括：
根据该数据源中的各数据与目标产品的相关程度，在该数据源的各数据中，确定出对应于所述目标产品的数据；
采集对应于所述目标产品的数据。
3.如权利要求1所述的方法，其特征在于，根据采集的该数据源中的数据，确定所述目标产品对应于该数据源的特征值，具体包括：
针对采集的该数据源中的各数据，将该数据输入语义分析模型，以通过所述语义分析模型确定该数据的情感极性；
根据该数据的情感极性，确定所述目标产品对应于该数据的评分；
根据所述目标产品对应于该数据源中各数据的评分，确定所述目标产品对应于该数据源的评分。
4.如权利要求3所述的方法，其特征在于，根据所述目标产品对应于该数据源中各数据的评分，确定所述目标产品对应于该数据源的评分，具体包括：
根据所述目标产品对应于该数据源中各数据的评分，在采集的该数据源的各数据中，确定出该数据源的有效数据；
根据该数据源的各有效数据的评分，确定所述目标产品对应于该数据源的评分。
5.如权利要求4所述的方法，其特征在于，根据该数据源的各有效数据的评分，确定所述目标产品对应于该数据源的评分，具体包括：
针对该数据源中的各有效数据，根据生成该有效数据的用户的属性，确定该有效数据的权重值；
根据该有效数据的权重值，对该有效数据的评分进行加权；
根据该数据源的各有效数据加权后的评分，确定所述目标产品对应于该数据源的评分。
6.如权利要求3所述的方法，其特征在于，根据所述目标产品对应于各样本数据源的特征值，确定所述目标产品的综合特征值，具体包括：
根据所述目标产品对应于各样本数据源的评分，在各样本数据源中，确定出有效数据源；
根据各有效数据源的评分，确定所述目标产品的综合评分。
7.如权利要求6所述的方法，其特征在于，根据各有效数据源的评分，确定所述目标产品的综合评分，具体包括：
针对各有效数据源，根据该有效数据源的属性，确定该有效数据源的权重值；
根据该有效数据源的权重值，对该有效数据源的评分进行加权；
根据各有效数据源加权后的评分，确定所述目标产品的综合评分。
8.如权利要求1所述的方法，其特征在于，根据比较结果，识别所述目标数据源在数据生成的过程中是否存在非法行为，具体包括：
若目标产品对应于所述目标数据源的特征值，与所述目标产品的综合特征值的差值大于预设的阈值，则确定所述目标数据源在数据生成的过程中存在非法行为；若所述差值小于所述预设的阈值，则确定所述目标数据源在数据生成的过程中不存在非法行为。
9.一种非法行为的识别装置，其特征在于，所述装置包括：
数据采集模块，用于针对每个数据源，采集该数据源中的对应于目标产品的数据，所述数据源包括目标数据源和样本数据源；
特征值确定模块，用于根据采集的该数据源中的数据，确定所述目标产品对应于该数据源的特征值；
综合特征值确定模块，用于根据所述目标产品对应于各样本数据源的特征值，确定所述目标产品的综合特征值；
比较模块，用于将所述目标产品对应于所述目标数据源的特征值，与所述目标产品的综合特征值进行比较；
识别模块，用于根据比较结果，识别所述目标数据源在数据生成的过程中是否存在非法行为。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-8任一所述的方法。
11.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1-8所述的方法。
CN202010093398.3A 2020-02-14 2020-02-14 一种非法行为的识别方法及装置 Active CN111311411B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010093398.3A CN111311411B (zh) 2020-02-14 2020-02-14 一种非法行为的识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010093398.3A CN111311411B (zh) 2020-02-14 2020-02-14 一种非法行为的识别方法及装置

Publications (2)

Publication Number Publication Date
CN111311411A true CN111311411A (zh) 2020-06-19
CN111311411B CN111311411B (zh) 2022-03-08

Family

ID=71160083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010093398.3A Active CN111311411B (zh) 2020-02-14 2020-02-14 一种非法行为的识别方法及装置

Country Status (1)

Country Link
CN (1) CN111311411B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1609515A1 (en) * 2004-06-23 2005-12-28 Sega Corporation Online game irregularity detection method
CN102136973A (zh) * 2010-09-08 2011-07-27 乔永清 用于网站真实数据监控的系统及方法
CN106157045A (zh) * 2015-03-26 2016-11-23 阿里巴巴集团控股有限公司 基于物流数据识别虚假交易的方法、装置及服务器
CN106557955A (zh) * 2016-11-29 2017-04-05 流量海科技成都有限公司 网约车异常订单识别方法及系统
CN107730096A (zh) * 2017-09-29 2018-02-23 北京神州绿盟信息安全科技股份有限公司 一种情报数据源的质量评估方法及装置
CN107957872A (zh) * 2017-10-11 2018-04-24 中国互联网络信息中心 一种完整网站源码获取方法及非法网站检测方法、系统
CN108200082A (zh) * 2018-01-25 2018-06-22 上海携程商务有限公司 Ota平台的用于识别用户恶意刷单的方法及系统
CN108229963A (zh) * 2016-12-12 2018-06-29 阿里巴巴集团控股有限公司 用户操作行为的风险识别方法及装置
CN108280089A (zh) * 2017-01-06 2018-07-13 阿里巴巴集团控股有限公司 识别异常来电的方法及设备
CN108428156A (zh) * 2018-03-21 2018-08-21 南京邮电大学 网购用户买假指数模型的生成方法及系统
RU2680736C1 (ru) * 2018-01-17 2019-02-26 Общество с ограниченной ответственностью "Группа АйБи ТДС" Сервер и способ для определения вредоносных файлов в сетевом трафике
CN109711955A (zh) * 2019-02-18 2019-05-03 杭州跨境邦信息技术有限公司 基于当前订单的差评预警方法、系统、黑名单库建立方法
CN110245941A (zh) * 2019-04-25 2019-09-17 阿里巴巴集团控股有限公司 一种交易风险识别方法及装置
CN110517083A (zh) * 2019-08-27 2019-11-29 秒针信息技术有限公司 一种确定用户属性信息的方法及装置
CN110535806A (zh) * 2018-05-24 2019-12-03 中国移动通信集团重庆有限公司 监测异常网站的方法、装置、设备和计算机存储介质

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1609515A1 (en) * 2004-06-23 2005-12-28 Sega Corporation Online game irregularity detection method
CN102136973A (zh) * 2010-09-08 2011-07-27 乔永清 用于网站真实数据监控的系统及方法
CN106157045A (zh) * 2015-03-26 2016-11-23 阿里巴巴集团控股有限公司 基于物流数据识别虚假交易的方法、装置及服务器
CN106557955A (zh) * 2016-11-29 2017-04-05 流量海科技成都有限公司 网约车异常订单识别方法及系统
CN108229963A (zh) * 2016-12-12 2018-06-29 阿里巴巴集团控股有限公司 用户操作行为的风险识别方法及装置
CN108280089A (zh) * 2017-01-06 2018-07-13 阿里巴巴集团控股有限公司 识别异常来电的方法及设备
CN107730096A (zh) * 2017-09-29 2018-02-23 北京神州绿盟信息安全科技股份有限公司 一种情报数据源的质量评估方法及装置
CN107957872A (zh) * 2017-10-11 2018-04-24 中国互联网络信息中心 一种完整网站源码获取方法及非法网站检测方法、系统
RU2680736C1 (ru) * 2018-01-17 2019-02-26 Общество с ограниченной ответственностью "Группа АйБи ТДС" Сервер и способ для определения вредоносных файлов в сетевом трафике
CN108200082A (zh) * 2018-01-25 2018-06-22 上海携程商务有限公司 Ota平台的用于识别用户恶意刷单的方法及系统
CN108428156A (zh) * 2018-03-21 2018-08-21 南京邮电大学 网购用户买假指数模型的生成方法及系统
CN110535806A (zh) * 2018-05-24 2019-12-03 中国移动通信集团重庆有限公司 监测异常网站的方法、装置、设备和计算机存储介质
CN109711955A (zh) * 2019-02-18 2019-05-03 杭州跨境邦信息技术有限公司 基于当前订单的差评预警方法、系统、黑名单库建立方法
CN110245941A (zh) * 2019-04-25 2019-09-17 阿里巴巴集团控股有限公司 一种交易风险识别方法及装置
CN110517083A (zh) * 2019-08-27 2019-11-29 秒针信息技术有限公司 一种确定用户属性信息的方法及装置

Also Published As

Publication number Publication date
CN111311411B (zh) 2022-03-08

Similar Documents

Publication Publication Date Title
Buntain et al. Automatically identifying fake news in popular twitter threads
US9536200B2 (en) Sentiment analysis of data logs
JP2018503158A (ja) ソーシャルプラットフォームに基づくデータマイニング方法及び装置
CN109508879B (zh) 一种风险的识别方法、装置及设备
Jiang et al. Recommending new features from mobile app descriptions
CN108416616A (zh) 投诉举报类别的排序方法和装置
US20140147048A1 (en) Document quality measurement
TWI571756B (zh) 用以分析瀏覽記錄及其文件之方法及其系統
CN107273546B (zh) 仿冒应用检测方法以及系统
CN110334356A (zh) 文章质量的确定方法、文章筛选方法、以及相应的装置
CN110069545B (zh) 一种行为数据评估方法及装置
CN110263817B (zh) 一种基于用户账号的风险等级划分方法及装置
US20150095275A1 (en) Massive rule-based classification engine
CN109492401B (zh) 一种内容载体风险检测方法、装置、设备及介质
US20160132809A1 (en) Identifying and amalgamating conditional actions in business processes
CN115661302A (zh) 一种视频编辑方法、装置、设备及存储介质
CN106294765A (zh) 处理新闻数据的方法及装置
JP2006004098A (ja) 評価情報生成装置、評価情報生成方法、及びプログラム
CN111311411B (zh) 一种非法行为的识别方法及装置
CN115456801B (zh) 个人信用的人工智能大数据风控系统、方法和存储介质
KR101568800B1 (ko) 실시간 이슈 검색어 선별 방법 및 시스템
CN110674632A (zh) 一种确定安全级别的方法及装置、存储介质和设备
CN112507214B (zh) 基于用户名的数据处理方法、装置、设备及介质
CN109784047B (zh) 基于多特征的程序检测方法
KR102296420B1 (ko) 개인정보보호 정책서 분석 기반 개인정보 수집/활용자의 신뢰도 평가 방법 및 장치

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
GR01 Patent grant
GR01 Patent grant