CN111899040B - 目标对象异常传播的检测方法、装置、设备及存储介质 - Google Patents
目标对象异常传播的检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111899040B CN111899040B CN201910368662.7A CN201910368662A CN111899040B CN 111899040 B CN111899040 B CN 111899040B CN 201910368662 A CN201910368662 A CN 201910368662A CN 111899040 B CN111899040 B CN 111899040B
- Authority
- CN
- China
- Prior art keywords
- propagation
- target object
- click rate
- current
- node
- 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.)
- Active
Links
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0245—Surveys
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种目标对象异常传播的检测方法、装置、计算机设备及计算机可读存储介质,涉及计算机领域。该方法包括:计算机设备获取针对目标对象的行为数据,并根据行为数据确定目标对象的传播路径信息,其中,传播路径信息包括传播目标对象的各个传播节点,然后基于行为数据以及传播路径信息,确定目标对象在各个传播节点上分别对应的当前点击量和当前点击率,并确定针对全部传播节点的点击量标准差和点击率标准差,当任一传播节点对应的当前点击量超过预设倍数的点击量标准差,且对应的当前点击率超过预设倍数的点击率标准差,则确定该任一传播节点为异常传播节点。本发明实施例提高了目标对象传播过程中,检测异常传播节点的准确率。
Description
技术领域
本申请涉及计算机技术领域,具体而言,本申请涉及一种目标对象异常传播的检测方法、装置、计算机设备及计算机可读存储介质。
背景技术
随着科技的进步,终端设备的硬件性能越来越强大,软件功能越来越丰富,用户可以在终端设备中安装各种类型的应用程序来满足对应的需求,比如,安装社交类型的应用程序,用户与用户之间就可以实现远程社交;安装阅读类型的应用程序,用户就可以在终端上阅读各类书籍;安装购物类型的应用程序,用户随时随地都可以购买自己需要的物品。
虽然这些应用程序给用户的生活带来了便利,但是,同时也存在一定的漏洞。
例如,用户在社交应用程序中分享的网页通常都带有广告,现在市面上的广告通常以CPC广告为主。CPC是“Cost Per Click”的英文缩写,在这种模式下广告主仅为用户点击广告的行为付费,而不再为广告的曝光付费,对广告主来说,CPC广告避免了只曝光不点击的风险,是目前主流的广告收费方式之一。
其中,广告主是指付费投放广告的用户或服务商,广告主希望自己每次付费的广告点击都是真实用户的有效点击,而非作弊点击。除广告主之外,广告传播还涉及以下几个方面:
1)流量主
流量主即提供用户流量的载体,通常指媒体、网站或软件。在微信广告平台,流量主即指有一定粉丝量的公众号。流量主可以参与广告的利润分成,相同广告曝光量下,点击率越高,分到的利润也越高,因而流量主有较强的作弊动机来提升点击率。
2)社交传播链
社交传播链是指用户与用户之间基于社交应用程序客户端,比如QQ、微信互动行为形成的消息传播链,用户之间的互动行为包括但不限于发送文本,图片,链接,视频等,在社交应用程序客户端体系内,用户通过单聊、群聊、朋友圈等形式进行消息的转发和传播,形成消息的社交传播过程,而广告是依托于文章或小程序的传播而进行传播。
3)任务群和任务投手
任务群是指为领取积分或金钱奖励而做各种任务的微信群,包括通过刷投票、刷文章阅读、刷广告点击、刷app下载等方式获取积分或金钱奖励,其中发布任务的人是任务投手,最先发布任务的人为一级投手,如果一个用户获取到任务并转发到其它任务群中,则该用户称为二级投手,多级投手以此类推。
基于上述情况,在实际应用中,流量主按文章下产生的广告点击数与微信平台进行分成,点击数越多带来的广告收入也越多。在这种利益驱动下,某些流量主会通过任务群或黑产平台的方式将文章链接分享至黑产团伙或任务投手用户中进行大量的广告点击,这部分广告点击都是虚假的,不会给广告主带来任何效果和转化,严重影响平台口碑,因此需要打击这种作弊行为。
同理,书籍、订单的分享也存在这种作弊行为,比如,某篇文章的阅读量很高,但实际是通过用户之间不断的传播刷出来的,某个商品的订单量也很高,但实际也是通过用户之间不断的传播刷出来的。
当前对于这种类型的作弊点击的检测方式大多是从目标对象的点击率或点击频率来识别是否存在作弊点击的行为,即,计算机设备只是单一检测目标对象在某个传播节点的点击量和点击率,来判定该传播节点是否异常。
这种方式只能发现目标对象是否存在作弊点击的行为,无法识别出目标对象的传播路径和其中涉及的异常投手或作弊源头,同时检测点击率和点击频率的方式容易被黑产绕过,只用增加单位时间内的目标对象曝光数或者延长点击周期即可降低点击率或点击频率,从而绕过点击率检测策略。
发明内容
本申请提供了一种目标对象异常传播的检测方法、装置、计算机设备及计算机可读存储介质,可以解决现有技术的问题。所述技术方案如下:
一方面,提供了一种目标对象异常传播的检测方法,该方法包括:
获取针对目标对象的行为数据;
根据所述行为数据确定所述目标对象的传播路径信息,所述传播路径信息包括传播所述目标对象的各个传播节点;
基于所述行为数据以及所述传播路径信息,确定所述目标对象在各个传播节点上分别对应的当前点击量和当前点击率,并确定针对全部传播节点的点击量标准差和点击率标准差;
当任一传播节点对应的当前点击量超过预设倍数的所述点击量标准差,且对应的当前点击率超过预设倍数的所述点击率标准差,则确定所述任一传播节点为异常传播节点。
一方面,提供了一种目标对象异常传播的检测装置,该装置包括:
获取模块,用于获取针对目标对象的行为数据;
第一确定模块,用于根据所述行为数据确定所述目标对象的传播路径信息,所述传播路径信息包括传播所述目标对象的各个传播节点;
第二确定模块,用于基于所述行为数据以及所述传播路径信息,确定所述目标对象在各个传播节点上分别对应的当前点击量和当前点击率,并确定针对全部传播节点的点击量标准差和点击率标准差;
判定模块,用于当任一传播节点对应的当前点击量超过预设倍数的所述点击量标准差,且对应的当前点击率超过预设倍数的所述点击率标准差,则确定所述任一传播节点为异常传播节点。
一方面,提供了一种计算机设备,该计算机设备包括:处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现如本申请的第一方面所示的目标对象异常传播的检测方法对应的操作。
一方面,提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现如本申请第一方面所示的目标对象异常传播的检测方法。
本申请提供的技术方案带来的有益效果是:
在本发明实施例中,计算机设备获取针对目标对象的行为数据,并根据行为数据确定目标对象的传播路径信息,其中,传播路径信息包括传播目标对象的各个传播节点,然后基于行为数据以及传播路径信息,确定目标对象在各个传播节点上分别对应的当前点击量和当前点击率,并确定针对全部传播节点的点击量标准差和点击率标准差,当任一传播节点对应的当前点击量超过预设倍数的点击量标准差,且对应的当前点击率超过预设倍数的点击率标准差,则确定该任一传播节点为异常传播节点。
相较于现有技术中计算机设备只是单一检测目标对象在某个传播节点的点击量和点击率,来判定该传播节点是否异常,本发明实施例会获取目标对象经过多次传播后,各个传播节点的点击量和点击率,以及基于所有传播节点获取点击量标准差和点击率标准差,再将任一传播节点的点击量与点击量标准差进行比较,同时将点击率与点击率标准差进行比较,从而判定该传播节点是否异常,解决了通过增加单位时间内目标对象的点击量或者延长目标对象的点击周期即可降低点击量或点击率,从而绕过点击率检测策略的问题,提高了检测异常传播节点的准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的一种目标对象异常传播的检测的应用环境示意图;
图2为本申请一个实施例提供的一种目标对象异常传播的检测方法的流程示意图;
图3为本申请一实施例提供的目标对象传播路径示意图;
图4为本申请中图3对应的树型结构图;
图5为本申请一实施例提供的一种目标对象异常传播的检测装置的结构示意图;
图6为本申请一实施例提供的一种目标对象异常传播的检测的计算机设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请提供的目标对象异常传播的检测方法、装置、计算机设备和计算机可读存储介质,旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
本发明实施例提供了一种目标对象异常传播的检测的应用环境,参见图1,该应用环境包括:第一设备101和第二设备102。第一设备101和第二设备102之间通过网络连接,第一设备101为访问设备,也即发送行为数据的设备。第二设备102为被访问设备,也即接收行为数据的设备。第一设备101可以为终端,第二设备102可以为服务器。终端可以为手机终端、PAD(Portable Android Device,可携带安卓设备)终端或者电脑终端等任一终端。
在所述目标对象异常传播的检测的应用环境中,计算机设备(包括第一设备101或第二设备102)可以执行一种目标对象异常传播的检测方法,如图2所示,该方法包括:
步骤S201,获取针对目标对象的行为数据;
步骤S202,根据所述行为数据确定所述目标对象的传播路径信息,所述传播路径信息包括传播所述目标对象的各个传播节点;
步骤S203,基于所述行为数据以及所述传播路径信息,确定所述目标对象在各个传播节点上分别对应的当前点击量和当前点击率,并确定针对全部传播节点的点击量标准差和点击率标准差;
步骤S204,当任一传播节点对应的当前点击量超过预设倍数的所述点击量标准差,且对应的当前点击率超过预设倍数的所述点击率标准差,则确定所述任一传播节点为异常传播节点。
相较于现有技术中计算机设备只是单一检测目标对象在某个传播节点的点击量和点击率,来判定该传播节点是否异常,本发明实施例中计算机设备会获取目标对象经过多次传播后,各个传播节点的点击量和点击率,以及基于所有传播节点获取点击量标准差和点击率标准差,再将任一传播节点的点击量与点击量标准差进行比较,同时将点击率与点击率标准差进行比较,从而判定该传播节点是否异常,解决了通过增加单位时间内目标对象的点击量或者延长目标对象的点击周期即可降低点击量或点击率,从而绕过点击率检测策略的问题,提高了检测异常传播节点的准确率。
在一个实施例中对图2所示的一种目标对象异常传播的检测方法进行详细说明。
步骤S201,计算机设备获取针对目标对象的行为数据;
在本发明实施例中,目标对象可以是广告、公众号文章、订单等。在实际应用中,当用户对目标对象执行某种行为事件后,就会生成相应的行为数据,其中,对目标对象执行某种行为事件可以为对目标对象执行曝光操作,或者点击操作。
以广告为例,当用户对某条广告的展示信息执行点击操作后,就可以跳转到该条广告的完整信息,并展现给用户;其中,广告的展示信息可以包括标题、简介、图片等信息中的一种或多种;当用户对某条广告的展示信息执行曝光操作时,该条广告就会被分享给其它用户,从而实现了该广告的曝光。
进一步,目标对象可以在应用程序客户端中进行展示,应用程序客户端安装在第一设备中,用户通过第一设备与目标对象进行人机交互,第一设备与第二设备进行数据交互,其中,第一设备、第二设备可以具有如下特点:
(1)在硬件体系上,设备具备中央处理器、存储器、输入部件和输出部件,也就是说,设备往往是具备通信功能的微型计算机设备。另外,还可以具有多种输入方式,诸如键盘、鼠标、触摸屏、送话器和摄像头等,并可以根据需要进行调整输入。同时,设备往往具有多种输出方式,如受话器、显示屏等,也可以根据需要进行调整;
(2)在软件体系上,设备必须具备操作系统,如Windows Mobile、Symbian、Palm、Android、iOS等。同时,这些操作系统越来越开放,基于这些开放的操作系统平台开发的个性化应用程序层出不穷,如通信簿、日程表、记事本、计算器以及各类游戏等,极大程度地满足了个性化用户的需求;
(3)在通信能力上,设备具有灵活的接入方式和高带宽通信性能,并且能根据所选择的业务和所处的环境,自动调整所选的通信方式,从而方便用户使用。设备可以支持GSM(Global System for Mobile Communication,全球移动通信系统)、WCDMA(Wideband CodeDivision Multiple Access,宽带码分多址)、CDMA2000(Code Division MultipleAccess,码分多址)、TDSCDMA(Time Division-Synchronous Code Division MultipleAccess,时分同步码分多址)、Wi-Fi(Wireless-Fidelity,无线保真)以及WiMAX(WorldwideInteroperability for Microwave Access,全球微波互联接入)等,从而适应多种制式网络,不仅支持语音业务,更支持多种无线数据业务;
(4)在功能使用上,设备更加注重人性化、个性化和多功能化。随着计算机技术的发展,设备从“以设备为中心”的模式进入“以人为中心”的模式,集成了嵌入式计算、控制技术、人工智能技术以及生物认证技术等,充分体现了以人为本的宗旨。由于软件技术的发展,设备可以根据个人需求调整设置,更加个性化。同时,设备本身集成了众多软件和硬件,功能也越来越强大。
步骤S202,计算机设备根据所述行为数据确定所述目标对象的传播路径信息,所述传播路径信息包括传播所述目标对象的各个传播节点;
本发明实施例中的应用程序客户端可以具备社交功能,比如QQ、微信等。用户在使用应用程序客户端时需要使用身份信息进行登录,登录后,用户就具有对应的用户ID了。一个用户可以对应一个用户ID,也可以对应多个用户ID。在本发明实施例中,一个用户ID对应一个传播节点。
其中,身份信息可以是用户名、密码,也可以是人脸信息、指纹信息、声音信息、虹膜信息等生物特征信息,当然,也可以是其它信息,本领域技术人员可以根据实际需求进行调整,本发明实施例对此不作限制。
进一步,目标对象的传播可以是一对一的,也可以是一对多的。例如,用户U1将某目标对象发送至用户U2,这就是一对一进行传播的;用户U1将某目标对象发送至某个用户群,用户群里包括100个用户,100个用户都点击了该目标对象,那么这就是一对多进行传播的。
在现有技术中,一个终端上可以开启多个应用程序客户端,每个应用程序客户端采用一个用户ID登录,每一个用户ID对应一个传播节点,这样,就可以在一个终端上部署多个传播节点,然后通过人工或者软件来传播目标对象,从而实现了对目标对象进行大量、虚假的传播,以达到作弊的目的。
在本发明实施例中,当用户对目标对象执行了某种行为事件后,应用程序客户端就会生成相应的行为数据并上报计算机设备。其中,行为数据包括但不限于“转发用户ID,目标对象ID,当前用户ID,时间”等数据,转发用户ID包括转发过目标对象的所有用户ID,目标对象ID为被执行行为事件的主体对象的ID,当前用户ID为执行当前行为事件的用户的ID,时间为用户执行此次行为事件的时间。
例如,用户U1将包含广告的某公众号文章A转发至用户U2,用户U2又将该公众号文章A转发至用户U3,那么,当用户U3打开广告时,计算机设备接收到U3上报的行为数据就包括:用户U1和用户U2的ID(转发用户ID)、该公众号文章A的ID和广告的ID(目标对象ID)、用户U3的ID(当前用户ID)、用户U3打开广告的时间(时间);如果用户U3是转发该公众号文章A,那么计算机设备接收到U3上报的行为数据就包括:用户U1、用户U2和用户U3的ID(转发用户ID)、该公众号文章A的ID和广告的ID(目标对象ID)、用户U3的ID(当前用户ID)、用户U3转发该公众号文章A的时间(时间)。
当然,行为数据除了可以包括“转发用户ID,目标对象ID,当前用户ID,时间”,还可以包括其它数据,本领域技术人员可以根据实际需要进行调整,本发明实话例对此不作限制。
步骤S203,计算机设备基于所述行为数据以及所述传播路径信息,确定所述目标对象在各个传播节点上分别对应的当前点击量和当前点击率,并确定针对全部传播节点的点击量标准差和点击率标准差;
其中,点击率为点击量与曝光量的比值。曝光量为目标对象被展示,和/或被传播的次数。
在本发明一种实施例中,所述确定所述目标对象在各个传播节点上分别对应的当前点击量和当前点击率的步骤,包括:
确定所述目标对象在各个传播节点对应的当前曝光量和当前点击量;
针对各个传播节点,分别将对应的当前点击量与当前曝光量的比值,作为当前点击率。
具体而言,目标对象每经过一次传播,传播过该目标对象的所有传播节点都会增加相应的点击量和点击率,也就是说,各个传播节点的点击量和点击率是随着目标对象的传播次数增加的。
例如,用户U1点击了包含广告的某公众号文章A,然后将该公众号文章A转发至用户U2,如果用户U2点击了广告,那么广告在用户U1的点击量为2(用户U1点击的1次,加上用户U2点击的1次),曝光量为2(用户U1展示的1次,加上用户U2展示的1次),点击率为100%,在用户U2的点击量为1(用户U2点击的1次),曝光量为1(在用户U2展示的1次),点击率为100%。
如果用户U2没有点击广告,那么广告在用户U1的点击量为1(用户U1点击的1次),曝光量为2(用户U1展示的1次,加上用户U2展示的1次),点击率为50%;在用户U2的点击量为0(用户U2没有点击或转发),曝光量为1(在用户U2展示的1次),点击率为0。
又例如,用户U1点击了包含广告的某公众号文章A,然后将公众号文章A转发至用户U2,用户U2又将公众号文章A转发至用户U3,用户U3点击了广告,那么,广告在用户U1的点击量为3(用户U1点击的1次,加上用户U2点击的1次,再加上用户U3点击的1次),曝光量为3(用户U1展示的1次,加上用户U2展示的1次,再加上用户U3展示的1次),点击率为100%;在用户U2的点击量为2(用户U2点击的1次,加上用户U3点击的1次),曝光量为2(用户U2展示的1次,加上用户U3展示的1次),点击率为100%;在用户U3的点击量为1(用户U3点击的1次),曝光量为1(用户U3展示的1次),点击率为100%。
如果用户U3没有点击广告,那么广告在用户U1的点击量为2(用户U1点击的1次,加上用户U2点击的1次),曝光量为3(用户U1展示的1次,加上用户U2展示的1次,再加上用户U3展示的1次),点击率为66.67%;在用户U2的点击量为1(用户U2点击的1次),曝光量为2(用户U2展示的1次,加上用户U3展示的1次),点击率为50%;在用户U3的点击量为0(用户U3没有点击广告U1),曝光量为1(用户U3展示的1次),点击率为0。
在本发明一种实施例中,针对目标对象的每一次传播,发送所述目标对象的传播节点为父传播节点,接收所述目标对象的传播节点为子传播节点;在所有传播节点中,没有父传播节点的传播节点为根传播节点,其他传播节点均为根传播节点的子孙传播节点。
例如,如图3所示,以微信为例,用户U1转发了包含广告的某公众号文章A给用户U2、U3和U4,其中用户U3和U4点击了公众号文章A中的广告,用户U2点击广告之后再将公众号文章A转发至用户群Q1和Q2中,其中的群成员U5和U6点击了公众号文章A中的广告。那么,U1就是根传播节点,U2、U3、U4是U1的子传播节点,U5、U6是U1的孙传播节点,同时,U5、U6也是U2的子传播节点。
通过图3中的公众号文章传播过程形成了如图4所示的传播链。
在本发明一种实施例中,所述目标对象在各个传播节点对应的当前点击量为,所述目标对象在当前传播节点的点击量,与所述目标对象在当前传播节点的所有子孙传播点的点击量的总和;所述目标对象在各个传播节点对应的当前曝光量为,所述目标对象在当前传播节点的曝光量,与所述目标对象在当前传播节点的所有子孙传播节点的曝光量的总和。
具体而言,假设用户Ui的广告的当前曝光量为Ei,当前点击量为Ci,那么用户U1~U6的当前广告曝光和当前点击量分别如表1所示:
用户标识 | 广告曝光量 | 广告点击量 | 广告点击率 |
U1 | E1 | C1 | C1/E1 |
U2 | E2 | C2 | C2/E2 |
U3 | E3 | C3 | C3/E3 |
U4 | E4 | C4 | C4/E4 |
U5 | E5 | C5 | C5/E5 |
U6 | E6 | C6 | C6/E6 |
表1
其中用户U1直接转发(即一级传播)公众号文章给用户U2,U3和U4,那么由用户U1一级传播后带来的当前广告曝光和当前点击量分别为:
用户U1一级传播带来的当前广告曝光量:E1+E2+E3+E4;
用户U1一级传播带来的当前广告点击量:C1+C2+C3+C4;
用户U2直接转发公众号文章给用户U5和U6,那么由用户U2一级传播后带来的当前广告曝光和当前点击量分别为:
用户U2一级传播带来的当前广告曝光量:E2+E5+E6;
用户U2一级传播带来的当前广告点击量:C2+C5+C6;
一级传播后,用户U1~U6的当前广告曝光和当前点击量分别如表2所示:
用户标识 | 广告曝光量 | 广告点击量 | 广告点击率 |
U1 | E1+E2+E3+E4 | C1+C2+C3+C4 | (C1+C2+C3+C4)/(E1+E2+E3+E4) |
U2 | E2+E5+E6 | C2+C5+C6 | (C2+C5+C6)/(E2+E5+E6) |
U3 | E3 | C3 | C3/E3 |
U4 | E4 | C4 | C4/E4 |
U5 | E5 | C5 | C5/E5 |
U6 | E6 | C6 | C6/E6 |
表2
用户U5和U6属于用户U2的直接孩子传播节点,同时属于用户U1的子孙孩子传播节点,因此U1用户二级传播后带来的当前广告曝光和当前点击量分别为:
用户U1二级传播带来的当前广告曝光量:E1+E2+E3+E4+E5+E6;
用户U1二级传播带来的当前广告点击量:C1+C2+C3+C4+C5+C6;
更新二级传播后的广告影响量如表3所示:
用户标识 | 广告曝光量 | 广告点击量 | 广告点击率 |
U1 | E1+E2+E3+E4+E5+E6 | C1+C2+C3+C4+C5+C6 | (C1+C2+C3+C4+C5+C6)/(E1+E2+E3+E4+E5+E6) |
U2 | E2+E5+E6 | C2+C5+C6 | (C2+C5+C6)/(E2+E5+E6) |
U3 | E3 | C3 | C3/E3 |
U4 | E4 | C4 | C4/E4 |
U5 | E5 | C5 | C5/E5 |
U6 | E6 | C6 | C6/E6 |
表3
具体而言,当用户数量为N时,用户Ui经过N次传播目标对象后的当前曝光量可以采用公式(1)计算得到:
Ei=∑j为Ui的子孙传播节点Ej (公式1);
用户Ui经过N次传播目标对象后的当前点击量可以采用公式(2)计算得到:
Ci=∑j为Ui的子孙传播节点Cj (公式2);
其中,其中i=1,2,…,N,N为正整数;j为Ui的子孙传播节点。
在本发明一种实施例中,所述确定针对全部传播节点的点击量标准差和点击率标准差的步骤,包括:
根据各个传播节点的当前点击量和当前曝光量,确定针对全部传播节点的点击量均值和点击率均值;
根据各个传播节点的当前点击量和所述点击量均值确定所述点击量标准差,并根据各个传播节点的当前点击率和所述点击率均值确定所述点击率均值。
具体而言,在计算得到目标对象经过多次传播后,各个传播节点的当前曝光量和当前点击量之后,就可以采用公式(3)计算得到该目标对象经过多次传播后的曝光量均值:
以及,采用公式(4)计算得到该目标对象经过多次传播后的点击量均值:
然后将点击量均值与曝光量均值的比值作为该目标对象经过多次传播后的点击率均值,如公式(5):
在得到点击量均值和点击率均值后,就可以采用公式(6)计算出该目标对象经过多次传播后的点击量标准差,以及采用公式(7)计算出该目标对象经过多次传播后的点击率标准差:
步骤S204,当任一传播节点对应的当前点击量超过预设倍数的所述点击量标准差,且对应的当前点击率超过预设倍数的所述点击率标准差,则确定所述任一传播节点为异常传播节点。
具体而言,当用户Ui经过多次传播目标对象后的当前点击量和当前点击率,均超过预设倍数的点击量标准差和预设倍数的点击率标准差,那么该用户Ui为异常传播节点,如公式(8)所示:
其中,K就是预设倍数,在实际应用中,K的具体数值可以根据实际情况进行设置,比如设置为3、5等,本发明实施例对此不作限制。
在本发明实施例中,计算机设备获取针对目标对象的行为数据,并根据行为数据确定目标对象的传播路径信息,其中,传播路径信息包括传播目标对象的各个传播节点,然后基于行为数据以及传播路径信息,确定目标对象在各个传播节点上分别对应的当前点击量和当前曝光量,并通过当前点击量和当前曝光量计算出当前点击率,同时基于各个传播节点的当前点击量和当前点击率,确定出针对全部传播节点的点击量标准差和点击率标准差,当任一传播节点对应的当前点击量超过预设倍数的点击量标准差,且对应的当前点击率超过预设倍数的点击率标准差,则确定该任一传播节点为异常传播节点。
相对于现有技术中只是单一检测目标对象在某个传播节点的点击量和点击率,来判定该传播节点是否异常,本发明实施例会获取目标对象经过多次传播后,各个传播节点的曝光量、点击量和点击率,以及基于所有传播节点获取点击量标准差和点击率标准差,再将任一传播节点的点击量与点击量标准差进行比较,同时将点击率与点击率标准差进行比较,从而判定该传播节点是否异常,解决了通过增加单位时间内目标对象的点击量或者延长目标对象的点击周期即可降低点击量或点击率,从而绕过点击率检测策略的问题,提高了检测异常传播节点的准确率。
图5为本申请一实施例提供的一种目标对象异常传播的检测装置的结构示意图,如图5所示,本实施例的装置可以包括:
获取模块501,用于获取针对目标对象的行为数据;
第一确定模块502,用于根据所述行为数据确定所述目标对象的传播路径信息,所述传播路径信息包括传播所述目标对象的各个传播节点;
第二确定模块503,用于基于所述行为数据以及所述传播路径信息,确定所述目标对象在各个传播节点上分别对应的当前点击量和当前点击率,并确定针对全部传播节点的点击量标准差和点击率标准差;
判定模块504,用于当任一传播节点对应的当前点击量超过预设倍数的所述点击量标准差,且对应的当前点击率超过预设倍数的所述点击率标准差,则确定所述任一传播节点为异常传播节点。
在本发明一种实施例中,所述第二确定模块包括:
统计子模块,用于确定所述目标对象在各个传播节点对应的当前曝光量和当前点击量;
第一计算子模块,用于针对各个传播节点,分别将对应的当前点击量与当前曝光量的比值,作为当前点击率。
在本发明一种优选实施例中,所述第二确定模块还包括:
第二计算子模块,用于根据各个传播节点的当前点击量和当前曝光量,确定针对全部传播节点的点击量均值和点击率均值;
第三计算子模块,用于根据各个传播节点的当前点击量和所述点击量均值确定所述点击量标准差,并根据各个传播节点的当前点击率和所述点击率均值确定所述点击率均值。
在本发明一种实施例中,针对目标对象的每一次传播,发送所述目标对象的传播节点为父传播节点,接收所述目标对象的传播节点为子传播节点;在所有传播节点中,没有父传播节点的传播节点为根传播节点,其他传播节点均为根传播节点的子孙传播节点。
在本发明一种实施例中,所述目标对象在各个传播节点对应的当前点击量为,所述目标对象在当前传播节点的点击量,与所述目标对象在当前传播节点的所有子孙传播点的点击量的总和;
所述目标对象在各个传播节点对应的当前曝光量为,所述目标对象在当前传播节点的曝光量,与所述目标对象在当前传播节点的所有子孙传播节点的曝光量的总和。
在本发明一种实施例中,所述行为数据对应的行为事件包括对所述目标对象进行曝光操作,或点击操作。
本实施例的目标对象异常传播的检测装置可执行本申请实施例所示的目标对象异常传播的检测方法,其实现原理相类似,此处不再赘述。
本申请的一实施例中提供了一种计算机设备,该计算机设备包括:存储器和处理器;至少一个程序,存储于存储器中,用于被处理器执行时,与现有技术相比可实现:本发明实施例会获取目标对象经过多次传播后,各个传播节点的点击量和点击率,以及基于所有传播节点获取点击量标准差和点击率标准差,再将任一传播节点的点击量与点击量标准差进行比较,同时将点击率与点击率标准差进行比较,从而判定该传播节点是否异常,解决了通过增加单位时间内目标对象的点击量或者延长目标对象的点击周期即可降低点击量或点击率,从而绕过点击率检测策略的问题,提高了检测异常传播节点的准确率。
在一个可选实施例中提供了一种计算机设备,如图6所示,图6所示的计算机设备6000包括:处理器6001和存储器6003。其中,处理器6001和存储器6003相连,如通过总线6002相连。可选地,计算机设备6000还可以包括收发器6004。需要说明的是,实际应用中收发器6004不限于一个,该计算机设备6000的结构并不构成对本申请实施例的限定。
处理器6001可以是CPU,通用处理器,DSP,ASIC,FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器6001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线6002可包括一通路,在上述组件之间传送信息。总线6002可以是PCI总线或EISA总线等。总线6002可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器6003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器6003用于存储执行本申请方案的应用程序代码,并由处理器6001来控制执行。处理器6001用于执行存储器6003中存储的应用程序代码,以实现前述任一方法实施例所示的内容。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质应用于计算机设备,该计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,该指令、该程序、该代码集或该指令集由处理器加载并执行以实现上述实施例的目标对象异常传播的检测方法中计算机设备所执行的操作。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种目标对象异常传播的检测方法,其特征在于,包括:
获取针对目标对象的行为数据;其中,所述行为数据包括转发用户ID、目标对象ID、当前用户ID和执行此次行为事件的时间;所述转发用户ID包括转发过目标对象的所有用户ID,所述目标对象ID为被执行行为事件的主体对象的ID,所述当前用户ID为执行当前行为事件的用户的ID;
根据所述行为数据确定所述目标对象的传播路径信息,所述传播路径信息包括传播所述目标对象的各个传播节点;其中,一个用户ID对应一个传播节点;
基于所述行为数据以及所述传播路径信息,确定所述目标对象在各个传播节点上分别对应的当前点击量和当前点击率,并确定针对全部传播节点的点击量标准差和点击率标准差;
当任一传播节点对应的当前点击量超过预设倍数的所述点击量标准差,且对应的当前点击率超过预设倍数的所述点击率标准差,则确定所述任一传播节点为异常传播节点;
其中,针对目标对象的每一次传播,发送所述目标对象的传播节点为父传播节点,接收所述目标对象的传播节点为子传播节点;在所有传播节点中,没有父传播节点的传播节点为根传播节点,其他传播节点均为根传播节点的子孙传播节点;
所述目标对象在各个传播节点对应的当前点击量为,所述目标对象在当前传播节点的点击量,与所述目标对象在当前传播节点的所有子孙传播点的点击量的总和;所述目标对象在各个传播节点对应的当前曝光量为,所述目标对象在当前传播节点的曝光量,与所述目标对象在当前传播节点的所有子孙传播节点的曝光量的总和。
2.根据权利要求1所述的目标对象异常传播的检测方法,其特征在于,所述确定所述目标对象在各个传播节点上分别对应的当前点击量和当前点击率的步骤,包括:
确定所述目标对象在各个传播节点对应的当前曝光量和当前点击量;
针对各个传播节点,分别将对应的当前点击量与当前曝光量的比值,作为当前点击率。
3.根据权利要求1所述的目标对象异常传播的检测方法,其特征在于,所述确定针对全部传播节点的点击量标准差和点击率标准差的步骤,包括:
根据各个传播节点的当前点击量和当前曝光量,确定针对全部传播节点的点击量均值和点击率均值;
根据各个传播节点的当前点击量和所述点击量均值确定所述点击量标准差,并根据各个传播节点的当前点击率和所述点击率均值确定所述点击率标准差。
4.根据权利要求1所述的目标对象异常传播的检测方法,其特征在于,所述行为数据对应的行为事件包括对所述目标对象进行曝光操作,或点击操作。
5.一种目标对象异常传播的检测装置,其特征在于,包括:
获取模块,用于获取针对目标对象的行为数据;其中,所述行为数据包括转发用户ID、目标对象ID、当前用户ID和执行此次行为事件的时间;所述转发用户ID包括转发过目标对象的所有用户ID,所述目标对象ID为被执行行为事件的主体对象的ID,所述当前用户ID为执行当前行为事件的用户的ID;
第一确定模块,用于根据所述行为数据确定所述目标对象的传播路径信息,所述传播路径信息包括传播所述目标对象的各个传播节点;其中,一个用户ID对应一个传播节点;
第二确定模块,用于基于所述行为数据以及所述传播路径信息,确定所述目标对象在各个传播节点上分别对应的当前点击量和当前点击率,并确定针对全部传播节点的点击量标准差和点击率标准差;
判定模块,用于当任一传播节点对应的当前点击量超过预设倍数的所述点击量标准差,且对应的当前点击率超过预设倍数的所述点击率标准差,则确定所述任一传播节点为异常传播节点;
其中,针对目标对象的每一次传播,发送所述目标对象的传播节点为父传播节点,接收所述目标对象的传播节点为子传播节点;在所有传播节点中,没有父传播节点的传播节点为根传播节点,其他传播节点均为根传播节点的子孙传播节点;
所述目标对象在各个传播节点对应的当前点击量为,所述目标对象在当前传播节点的点击量,与所述目标对象在当前传播节点的所有子孙传播点的点击量的总和;所述目标对象在各个传播节点对应的当前曝光量为,所述目标对象在当前传播节点的曝光量,与所述目标对象在当前传播节点的所有子孙传播节点的曝光量的总和。
6.根据权利要求5所述的目标对象异常传播的检测装置,其特征在于,所述第二确定模块包括:
统计子模块,用于确定所述目标对象在各个传播节点对应的当前曝光量和当前点击量;
第一计算子模块,用于针对各个传播节点,分别将对应的当前点击量与当前曝光量的比值,作为当前点击率。
7.根据权利要求5所述的目标对象异常传播的检测装置,其特征在于,所述第二确定模块还包括:
第二计算子模块,用于根据各个传播节点的当前点击量和当前曝光量,确定针对全部传播节点的点击量均值和点击率均值;
第三计算子模块,用于根据各个传播节点的当前点击量和所述点击量均值确定所述点击量标准差,并根据各个传播节点的当前点击率和所述点击率均值确定所述点击率标准差。
8.根据权利要求5所述的目标对象异常传播的检测装置,其特征在于,所述行为数据对应的行为事件包括对所述目标对象进行曝光操作,或点击操作。
9.一种计算机设备,其特征在于,所述计算机设备包括:处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现如权利要求1至4任一权利要求所述的目标对象异常传播的检测方法中所执行的操作。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现如权利要求1至4任一权利要求所述的目标对象异常传播的检测方法中所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910368662.7A CN111899040B (zh) | 2019-05-05 | 2019-05-05 | 目标对象异常传播的检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910368662.7A CN111899040B (zh) | 2019-05-05 | 2019-05-05 | 目标对象异常传播的检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111899040A CN111899040A (zh) | 2020-11-06 |
CN111899040B true CN111899040B (zh) | 2023-09-01 |
Family
ID=73169243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910368662.7A Active CN111899040B (zh) | 2019-05-05 | 2019-05-05 | 目标对象异常传播的检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111899040B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508630B (zh) * | 2021-01-29 | 2021-05-25 | 腾讯科技(深圳)有限公司 | 异常会话群的检测方法、装置、计算机设备和存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013125468A (ja) * | 2011-12-15 | 2013-06-24 | Yahoo Japan Corp | 広告配信装置 |
CN106101121A (zh) * | 2016-06-30 | 2016-11-09 | 中国人民解放军防空兵学院 | 一种全网络流量异常抽取方法 |
CN106453392A (zh) * | 2016-11-14 | 2017-02-22 | 中国人民解放军防空兵学院 | 基于流量特征分布的全网络异常流识别方法 |
CN106815452A (zh) * | 2015-11-27 | 2017-06-09 | 苏宁云商集团股份有限公司 | 一种作弊检测方法及装置 |
CN106991145A (zh) * | 2017-03-23 | 2017-07-28 | 中国银联股份有限公司 | 一种监测数据的方法及装置 |
CN107168854A (zh) * | 2017-06-01 | 2017-09-15 | 北京京东尚科信息技术有限公司 | 互联网广告异常点击检测方法、装置、设备及可读存储介质 |
CN107483455A (zh) * | 2017-08-25 | 2017-12-15 | 国家计算机网络与信息安全管理中心 | 一种基于流的网络节点异常检测方法和系统 |
CN107809363A (zh) * | 2016-08-30 | 2018-03-16 | 腾讯科技(深圳)有限公司 | 一种网络信息传播控制方法和装置 |
CN108268521A (zh) * | 2016-12-30 | 2018-07-10 | 北京国双科技有限公司 | 传播路径图的生成方法及装置 |
WO2018126984A2 (zh) * | 2017-01-06 | 2018-07-12 | 江南大学 | 一种基于mea-bp神经网络wsn异常检测方法 |
CN108429651A (zh) * | 2018-06-06 | 2018-08-21 | 腾讯科技(深圳)有限公司 | 流量数据检测方法、装置、电子设备及计算机可读介质 |
EP3373091A1 (en) * | 2017-03-08 | 2018-09-12 | General Electric Company | Generic framework to detect cyber threats in electric power grid |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8028061B2 (en) * | 2007-10-18 | 2011-09-27 | Trendium, Inc. | Methods, systems, and computer program products extracting network behavioral metrics and tracking network behavioral changes |
US20190057197A1 (en) * | 2017-08-15 | 2019-02-21 | Cognant Llc | Temporal anomaly detection system and method |
-
2019
- 2019-05-05 CN CN201910368662.7A patent/CN111899040B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013125468A (ja) * | 2011-12-15 | 2013-06-24 | Yahoo Japan Corp | 広告配信装置 |
CN106815452A (zh) * | 2015-11-27 | 2017-06-09 | 苏宁云商集团股份有限公司 | 一种作弊检测方法及装置 |
CN106101121A (zh) * | 2016-06-30 | 2016-11-09 | 中国人民解放军防空兵学院 | 一种全网络流量异常抽取方法 |
CN107809363A (zh) * | 2016-08-30 | 2018-03-16 | 腾讯科技(深圳)有限公司 | 一种网络信息传播控制方法和装置 |
CN106453392A (zh) * | 2016-11-14 | 2017-02-22 | 中国人民解放军防空兵学院 | 基于流量特征分布的全网络异常流识别方法 |
CN108268521A (zh) * | 2016-12-30 | 2018-07-10 | 北京国双科技有限公司 | 传播路径图的生成方法及装置 |
WO2018126984A2 (zh) * | 2017-01-06 | 2018-07-12 | 江南大学 | 一种基于mea-bp神经网络wsn异常检测方法 |
EP3373091A1 (en) * | 2017-03-08 | 2018-09-12 | General Electric Company | Generic framework to detect cyber threats in electric power grid |
CN106991145A (zh) * | 2017-03-23 | 2017-07-28 | 中国银联股份有限公司 | 一种监测数据的方法及装置 |
CN107168854A (zh) * | 2017-06-01 | 2017-09-15 | 北京京东尚科信息技术有限公司 | 互联网广告异常点击检测方法、装置、设备及可读存储介质 |
CN107483455A (zh) * | 2017-08-25 | 2017-12-15 | 国家计算机网络与信息安全管理中心 | 一种基于流的网络节点异常检测方法和系统 |
CN108429651A (zh) * | 2018-06-06 | 2018-08-21 | 腾讯科技(深圳)有限公司 | 流量数据检测方法、装置、电子设备及计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111899040A (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210119785A1 (en) | Decentralized protocol for maintaining cryptographically proven multi-step referral networks | |
Newman et al. | Web 2.0—The past and the future | |
US9633364B2 (en) | Method and apparatus for detecting fraudulent advertising traffic initiated through an application | |
US9338047B1 (en) | Detecting content on a social network using browsing patterns | |
CA2682581C (en) | Custodian based content identification | |
Lin et al. | Developing location-based mobile advertising in Singapore: A socio-technical perspective | |
US9767487B2 (en) | Targeting advertisements to customized groups of users of an online system | |
US20090006180A1 (en) | Multiple application advertising | |
US20120323647A1 (en) | Analyzing consumer behavior involving use of social networking benefits associated with content | |
US11232482B2 (en) | Selecting one or more components to be included in a content item optimized for an online system user | |
US10387910B2 (en) | Determining whether to maintain information describing a group of online system users specified by a third-party system based on revenue from content selection based on the group and objectives for presentation of selected content | |
KR20160068772A (ko) | 소셜 네트워킹 시스템 사용자에게 제시되는 광고에 대한 최저 경매 가격의 조정 | |
US20130346171A1 (en) | Incentivized communications within social networks | |
CA2827013A1 (en) | Cognitive relevance targeting in a social networking system | |
Liu et al. | Privacy‐preserving targeted mobile advertising: requirements, design and a prototype implementation | |
CN109034867B (zh) | 点击流量检测方法、装置及存储介质 | |
KR20190069916A (ko) | 샵 분배 기능 및 인플루언서 마케팅 효율 분석 기능을 가지는 인플루언서 소셜 미디어 마케팅 서비스 제공 시스템 및 그 방법과 이를 구현하기 위한 프로그램이 저장된 기록매체 | |
US20190116233A1 (en) | Organizing Application-Reported Information | |
US10115125B2 (en) | Determining traffic quality using event-based traffic scoring | |
Farhang et al. | Take it or leave it: A survey study on operating system upgrade practices | |
JP2022145691A (ja) | サービスの成長速度を高めるためのコンピュータ処理 | |
KR20150096705A (ko) | 클라이언트-측 광고 결정 | |
CN111899040B (zh) | 目标对象异常传播的检测方法、装置、设备及存储介质 | |
KR20150097573A (ko) | 클라이언트 장치 소유권에 기초한 메트릭스 생성 | |
US20140278928A1 (en) | Platform and method to connect advertisers with community groups |
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 |