CN113360356A - 阅读作弊行为的识别方法、计算设备及计算机存储介质 - Google Patents
阅读作弊行为的识别方法、计算设备及计算机存储介质 Download PDFInfo
- Publication number
- CN113360356A CN113360356A CN202110609114.6A CN202110609114A CN113360356A CN 113360356 A CN113360356 A CN 113360356A CN 202110609114 A CN202110609114 A CN 202110609114A CN 113360356 A CN113360356 A CN 113360356A
- Authority
- CN
- China
- Prior art keywords
- page turning
- sampling unit
- behavior
- reading
- difference degree
- 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
Links
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种阅读作弊行为的识别方法、计算设备及计算机存储介质。其中,方法包括:针对于任一采样单元,获取该采样单元包含的多个翻页行为的属性信息;根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度;若该采样单元对应的翻页行为差异度小于预设阈值,则确定该采样单元对应的阅读行为为作弊行为。本方案能够基于翻页行为准确地识别出阅读作弊行为,从而为阅读作弊行为的防控提供基础。并且本方案实施过程简单易行,识别效率高,适于大规模应用与实施。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种阅读作弊行为的识别方法、计算设备及计算机存储介质。
背景技术
随着科技及社会的不断发展,读者的阅读习惯已发生改变,越来越多的读者青睐于通过阅读设备进行书籍及文章等信息的阅读。一些为读者提供电子阅读服务的阅读平台为了激励读者阅读,提升留存率,通常会根据阅读时长或阅读数量等为读者提供相应的奖励。例如,在电子书平台中,会为阅读时长超过预设时长的读者发放相应的奖励。
在现有技术中,部分读者为了获得奖励,会采用自动翻页器等作弊手段来实施阅读作弊。该种阅读作弊行为不仅损害了阅读平台的利益,还破坏了阅读公平性,降低其他读者的平台使用体验,从而识别出阅读作弊行为具有十分重要的意义。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的阅读作弊行为的识别方法、计算设备及计算机存储介质。
根据本发明的一个方面,提供了一种阅读作弊行为的识别方法,包括:
针对于任一采样单元,获取该采样单元包含的多个翻页行为的属性信息;
根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度;
若该采样单元对应的翻页行为差异度小于预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
根据本发明的另一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如下操作:
针对于任一采样单元,获取该采样单元包含的多个翻页行为的属性信息;
根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度;
若该采样单元对应的翻页行为差异度小于预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
根据本发明的再一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述阅读作弊行为的识别方法对应的操作。
根据本发明提供的阅读作弊行为的识别方法、计算设备及计算机存储介质,针对于任一采样单元,获取该采样单元包含的多个翻页行为的属性信息;根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度;若该采样单元对应的翻页行为差异度小于预设阈值,则确定该采样单元对应的阅读行为为作弊行为。本方案能够基于翻页行为准确地识别出阅读作弊行为,从而为阅读作弊行为的防控提供基础。并且本方案实施过程简单易行,识别效率高,适于大规模应用与实施。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例一提供的一种阅读作弊行为的识别方法的流程图;
图2示出了本发明实施例二提供的一种阅读作弊行为的识别方法的流程图;
图3示出了本发明实施例三提供的一种阅读作弊行为的识别方法的流程图;
图4示出了本发明实施例五提供的一种计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
实施例一
图1示出了本发明实施例一提供的一种阅读作弊行为的识别方法的流程图。其中,本实施例所提供的阅读作弊行为的识别方法能够应用于为用户提供电子阅读服务的阅读平台,例如可以应用于电子书平台及文章阅读平台等等。
如图1所示,该方法包括如下步骤:
步骤S110,针对于任一采样单元,获取该采样单元包含的多个翻页行为的属性信息。
本实施例将时间上顺序发生的多个翻页行为划分为一个采样单元,并以每个采样单元作为处理对象进行后续的分析处理。采样该种方式,一方面能够简化本方法的处理逻辑,提升本方法的执行效率;另一方面,每个采样单元中包含有顺序发生的多个翻页行为,以多个翻页行为整体进行分析能够获得翻页行为的整体特性,便于提升阅读作弊行为的识别精度。
其中,每个采样单元包含的翻页行为的数量相同,不同采样单元间不存在翻页行为的交叠。例如,每当采集到顺序发生的20个翻页行为,则将该20个翻页行为划分为一个采样单元,并进行下一采样单元中翻页行为的采集。
进一步,获取采样单元包含的每个翻页行为的属性信息。其中,属性信息可以包括以下信息中的至少一种:翻页频率、翻页触点位置、翻页触点压力以及事件来源等等。其中,翻页频率具体为该翻页行为的翻页时刻与上一翻页行为的翻页时刻之间的时间差;翻页触点位置具体为该翻页行为对应的在阅读设备屏幕中触点的位置;翻页触点压力具体是在执行该翻页行为时会对阅读设备屏幕施加相应的压力,而阅读设备能够感测到此时的压力即为翻页触点压力;事件来源具体为,在执行翻页行为时,阅读设备页面会接收到相应的事件,通过对事件详情的解析能够获得该事件的来源,该事件的来源标识了翻页行为由何种因素触发,例如事件来源可以包括:手指触控、鼠标触控、尖锐物触控以及无事件来源等等。
步骤S120,根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度。
通过对大量真实阅读场景及作弊场景下翻页行为的分析发现,采用自动翻页器等作弊手段对应的翻页行为的差异性较小,而在真实阅读场景下翻页行为的差异性较大。基于此,本实施例基于翻页行为差异性来进行阅读作弊行为的识别。具体地,首先通过本步骤计算出采样单元对应的翻页行为差异度,实现对翻页行为差异性的量化,便于后续快速准确地识别出阅读作弊行为。
在一种可选的实施方式中,若翻页行为的属性信息仅包含一类属性信息,则可仅根据采样单元每个翻页行为的该类属性信息,计算该采样单元对应的翻页行为差异度。
在又一种可选的实施方式中,若翻页行为的属性信息包含多类属性信息,则可针对于每类属性信息,根据采样单元每个翻页行为的该类属性信息,计算该采样单元对应的该类属性信息的翻页行为差异度。进一步可选的,在计算该采样单元对应的各类属性信息的翻页行为差异度之后,可将该采样单元对应的各类属性信息的翻页行为差异度分别作为该采样单元对应的的翻页行为差异度,即最终该采样单元对应的翻页行为差异度包含多个;又或者,根据该采样单元对应的各类属性信息的翻页行为差异度的加权值,综合获得该采样单元对应的翻页行为差异度,即最终该采样单元对应的翻页行为差异度为一个。
步骤S130,若该采样单元对应的翻页行为差异度小于预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
当该采样单元对应的翻页行为差异度小于预设阈值时,表明该采样单元中不同翻页行为的差异性小,不符合真实阅读场景下的翻页行为分布规律,从而确定该采样单元对应的阅读行为为作弊行为。
由此可见,本实施例针对于任一采样单元,获取该采样单元包含的多个翻页行为的属性信息,并根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度,最终在确定采样单元对应的翻页行为差异度小于预设阈值时,确定该采样单元对应的阅读行为为作弊行为。本实施例根据翻页行为间的差异性来识别阅读作弊行为,一方面能够准确地识别出阅读作弊行为,为阅读作弊行为的防控提供基础;另一方面本方案实施过程简单易行,识别效率高,适于大规模应用与实施。
实施例二
图2示出了本发明实施例二提供的一种阅读作弊行为的识别方法的流程图。其中,在现有技术中,会存在利用自动翻页器等外设设备实现阅读作弊的现象。例如,自动翻页器可设置于阅读设备附近,自动翻页器的触头按照相应的频率来点击或滑动阅读设备的屏幕,从而实现翻页并达到阅读作弊的目的。本实施例能够准确地识别出该种利用外设设备的阅读作弊行为。
如图2所示,该方法包括如下步骤:
步骤S210,针对于任一采样单元,获取该采样单元包含的多个翻页行为的翻页频率、翻页触点位置、和/或翻页触点压力。
通过对利用外设设备作弊场景下翻页行为的分析发现,外设设备作弊场景下的翻页频率、翻页触点位置、和/或翻页触点压力差异小,从而本实施例中翻页行为属性信息包括以下信息中的至少一类:翻页频率、翻页触点位置、以及翻页触点压力。即本实施例基于翻页行为的翻页频率、翻页触点位置、和/或翻页触点压力来识别利用外设设备的阅读作弊行为。
步骤S220,根据该采样单元包含的多个翻页行为的翻页频率,计算该采样单元对应的第一翻页行为差异度;和/或,根据该采样单元包含的多个翻页行为的翻页触点位置,计算该采样单元对应的第二翻页行为差异度;和/或,根据该采样单元包含的多个翻页行为的翻页触点压力,计算该采样单元对应的第三翻页行为差异度。
具体地,在第一翻页行为差异度计算过程中,根据该采样单元包含的多个翻页行为的翻页频率,确定该采样单元对应的翻页频率最大值及翻页频率最小值,将翻页频率最大值与翻页频率最小值的差值作为该采样单元对应的第一翻页行为差异度。采用该种方式,能够快速且准确地获得采样单元的翻页行为在翻页频率维度的差异性。
在第二翻页行为差异度计算过程中,根据该采样单元包含的多个翻页行为的翻页触点位置,计算该采样单元所对应的翻页触点间距离,将翻页触点间距离的最大值作为该采样单元对应的第二翻页行为差异度。在该种方式中,分别计算任意两个翻页行为的翻页触点位置之间的距离,计算获得的距离为该采样单元所对应的翻页触点间距离,并将距离最大值作为第二翻页行为差异度,从而能够快速且准确地获得采样单元的翻页行为在翻页触点位置维度的差异性。
在第三翻页行为差异度计算过程中,根据该采样单元包含的多个翻页行为的翻页触点压力,确定该采样单元对应的翻页触点压力最大值及翻页触点压力最小值,将翻页触点压力最大值与翻页触点压力最小值的差值作为该采样单元对应的第三翻页行为差异度。采用该种方式,能够快速且准确地获得采样单元的翻页行为在翻页频率维度的差异性。
此外,还可以采用聚合的方式确定采样单元对应的各类翻页行为差异度。具体地,针对于每类属性信息,将该采样单元包含的每个翻页行为的该类属性信息作为聚合点,采用相应的聚合算法(如基于距离的聚合算法,或基于密度的聚合算法等等)对各个聚合点进行聚合,根据聚合后生成的聚合簇的面积或半径来确定采样单元该类属性信息对应的翻页行为差异度。其中,聚合簇的面积或半径越大,则对应的差异度越大。例如,将采样单元包含的每个翻页行为的翻页频率作为第一聚合点,对该采样单元对应的所有第一聚合点进行聚合后生成第一聚合簇,继而根据第一聚合簇的面积或半径确定采样单元对应的第一翻页行为差异度;同理,将采样单元包含的每个翻页行为的翻页触点位置作为第二聚合点,对该采样单元对应的所有第二聚合点进行聚合后生成第二聚合簇,继而根据第二聚合簇的面积或半径确定采样单元对应的第二翻页行为差异度;将采样单元包含的每个翻页行为的翻页触点压力作为第三聚合点,对该采样单元对应的所有第三聚合点进行聚合后生成第三聚合簇,继而根据第三聚合簇的面积或半径确定采样单元对应的第三翻页行为差异度。采用该种方式,能够准确地确定出采样单元中翻页行为整体的差异性,从而能够使得计算获得的翻页行为差异度更加准确。
步骤S230,若该采样单元对应的第一翻页行为差异度小于第一预设阈值,则确定该采样单元对应的阅读行为为作弊行为;和/或,若该采样单元对应的第二翻页行为差异度小于第二预设阈值,则确定该采样单元对应的阅读行为为作弊行为;和/或,若该采样单元对应的第三翻页行为差异度小于第三预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
本实施例中,不同类型的翻页行为差异度对应于不同的预设阈值,如第一翻页行为差异度对应于第一预设阈值,第二翻页行为差异度对应于第二预设阈值,第三翻页行为差异度对应于第三预设阈值。采样该种方式能够使得判断标准随翻页行为差异度的类型而改变,从而提升阅读作弊行为的识别精度。并且,本实施例在识别出阅读作弊行为之后,还可以确定该阅读作弊行为是利用外设设备的阅读作弊行为。
在一种可选的实施方式中,若属性信息包括翻页频率、翻页触点位置、以及翻页触点压力,可根据各类属性信息的优先级来进行阅读作弊行为的识别。其中,优先级由大至小分别为:翻页频率、翻页触点位置、以及翻页触点压力。则在具体的实施过程中,针对于任一采样单元,获取该采样单元包含的多个翻页行为的翻页频率,并根据该采样单元包含的多个翻页行为的翻页频率计算该采样单元对应的第一翻页行为差异度,若该采样单元对应的第一翻页行为差异度小于第一预设阈值,则确定该采样单元对应的阅读行为为作弊行为;若该采样单元对应的第一翻页行为差异度大于或等于第一预设阈值,则获取该采样单元包含的多个翻页行为的翻页触点位置,并根据该采样单元包含的多个翻页行为的翻页触点位置计算该采样单元对应的第二翻页行为差异度,若该采样单元对应的第二翻页行为差异度小于第二预设阈值,则确定该采样单元对应的阅读行为为作弊行为;若该采样单元对应的第二翻页行为差异度大于或等于第二预设阈值,则获取该采样单元包含的多个翻页行为的翻页触点压力,并根据该采样单元包含的多个翻页行为的翻页触点压力计算该采样单元对应的第三翻页行为差异度,若该采样单元对应的第三翻页行为差异度小于第三预设阈值,则确定该采样单元对应的阅读行为为作弊行为,若该采样单元对应的第三翻页行为差异度大于或等于第三预设阈值,确定该采样单元对应的阅读行为不是作弊行为。
由此可见,本实施例基于翻页行为的翻页频率、翻页触点位置、和/或翻页触点压力能够准确地识别出利用外设设备的阅读作弊行为;并且本实施例针对于每类属性信息,计算出该类属性信息对应的翻页行为差异度,并将该类属性信息对应的翻页行为差异度与匹配的预设阈值进行比对,使得判断标准随翻页行为差异度的类型而改变,从而进一步提升阅读作弊行为的识别精度,降低误判率;而且本实施例在识别出阅读作弊行为之后,还可以确定该阅读作弊行为的类型是利用外设设备的阅读作弊行为,从而为阅读作弊行为的防控提供基础。
实施例三
图3示出了本发明实施例三提供的一种阅读作弊行为的识别方法的流程图。其中,在现有技术中,会存在利用内置于阅读设备的软件程序来实现自动翻页的现象,基于此本实施例提供了一种能够准确地识别出该种利用软件程序的阅读作弊行为。
如图3所示,该方法包括如下步骤:
步骤S310,针对于任一采样单元,获取该采样单元包含的多个翻页行为的事件来源以及翻页触点压力。
通过对利用软件程序作弊场景下翻页行为的分析发现,利用软件程序作弊场景下,并无其他外部物件来触发翻页行为,从而该场景下翻页行为的事件来源为无来源,并且阅读设备感测到的翻页行为的翻页触点压力较为恒定。基于此,本实施例利用翻页行为的事件来源及翻页触点压力来识别利用软件程序的阅读作弊行为。
步骤S320,根据该采样单元包含的多个翻页行为的翻页触点压力,计算该采样单元对应的第三翻页行为差异度。
其中,本步骤的具体实施过程可参照实施例二中相应部分的描述,在此不作赘述。
步骤S330,若该采样单元包含的每个翻页行为的事件来源为无来源,并且该采样单元对应的第三翻页行为差异度小于第三预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
由此可见,本实施例利用翻页行为的事件来源及翻页触点压力来识别利用软件程序的阅读作弊行为,不仅能够准确地识别出阅读作弊行为,还能够避免将正常阅读行为误判为作弊行为,从而降低误判率,提升阅读作弊行为的识别精度;而且本实施例在识别出阅读作弊行为之后,还可以确定该阅读作弊行为的类型是利用软件程序的阅读作弊行为,从而为阅读作弊行为的处理提供基础。
作为本发明一种可选的实施方式,还可以将实施例二及实施例三中的方法合并,从而能够全方位地识别出阅读作弊行为;并且不仅能够识别出阅读作弊行为,还能够识别出阅读作弊行为的类型,为阅读作弊行为的防控提供基础。
作为本发明又一种可选的实施方式,现有技术中还存在利用无障碍服务来模拟翻页行为的现象,基于此,本实施方式在阅读页中监测通过无障碍服务分发的事件,若在阅读页中监测到通过无障碍服务分发的事件(如监测到AccessibilityEvent),则确定在该阅读页中的阅读行为为作弊行为,并便于后续屏蔽该通过无障碍服务分发的事件,避免利用无障碍服务来模拟翻页行为。
实施例四
本发明实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的方法。
可执行指令具体可以用于使得处理器执行以下操作:
针对于任一采样单元,获取该采样单元包含的多个翻页行为的属性信息;
根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度;
若该采样单元对应的翻页行为差异度小于预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
在一种可选的实施方式中,所述属性信息包括以下信息中的至少一类:
翻页频率、翻页触点位置、以及翻页触点压力。
在一种可选的实施方式中,所述可执行指令使所述处理器执行如下操作:
根据该采样单元包含的多个翻页行为的翻页频率,计算该采样单元对应的第一翻页行为差异度;
和/或,根据该采样单元包含的多个翻页行为的翻页触点位置,计算该采样单元对应的第二翻页行为差异度;
和/或,根据该采样单元包含的多个翻页行为的翻页触点压力,计算该采样单元对应的第三翻页行为差异度。
在一种可选的实施方式中,所述可执行指令使所述处理器执行如下操作:
若该采样单元对应的第一翻页行为差异度小于第一预设阈值,则确定该采样单元对应的阅读行为为作弊行为;
和/或,若该采样单元对应的第二翻页行为差异度小于第二预设阈值,则确定该采样单元对应的阅读行为为作弊行为;
和/或,若该采样单元对应的第三翻页行为差异度小于第三预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
在一种可选的实施方式中,所述可执行指令使所述处理器执行如下操作:
根据该采样单元包含的多个翻页行为的翻页频率,确定该采样单元对应的翻页频率最大值及翻页频率最小值,将翻页频率最大值与翻页频率最小值的差值作为该采样单元对应的第一翻页行为差异度;
和/或,根据该采样单元包含的多个翻页行为的翻页触点位置,计算该采样单元所对应的翻页触点间距离,将翻页触点间距离的最大值作为该采样单元对应的第二翻页行为差异度;
和/或,根据该采样单元包含的多个翻页行为的翻页触点压力,确定该采样单元对应的翻页触点压力最大值及翻页触点压力最小值,将所述翻页触点压力最大值与翻页触点压力最小值的差值作为该采样单元对应的第三翻页行为差异度。
在一种可选的实施方式中,所述属性信息包括:事件来源以及翻页触点压力。
在一种可选的实施方式中,所述可执行指令使所述处理器执行如下操作:
根据该采样单元包含的多个翻页行为的翻页触点压力,计算该采样单元对应的第三翻页行为差异度;
若该采样单元包含的每个翻页行为的事件来源为无来源,并且该采样单元对应的第三翻页行为差异度小于第三预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
在一种可选的实施方式中,所述可执行指令使所述处理器执行如下操作:
在阅读页中监测通过无障碍服务分发的事件;
若在阅读页中监测到所述通过无障碍服务分发的事件,则确定在所述阅读页中的阅读行为为作弊行为。
由此可见,本实施例针对于任一采样单元,获取该采样单元包含的多个翻页行为的属性信息,并根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度,最终在确定采样单元对应的翻页行为差异度小于预设阈值时,确定该采样单元对应的阅读行为为作弊行为。本实施例根据翻页行为间的差异性来识别阅读作弊行为,一方面能够准确地识别出阅读作弊行为,为阅读作弊行为的防控提供基础;另一方面本方案实施过程简单易行,识别效率高,适于大规模应用与实施。
实施例五
图4示出了本发明实施例五提供的一种计算设备的结构示意图。本发明具体实施例并不对计算设备的具体实现做限定。
如图4所示,该计算设备可以包括:处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中:处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。通信接口404,用于与其它设备比如客户端或其它服务器等的网元通信。处理器402,用于执行程序40,具体可以执行上述方法实施例中的相关步骤。
具体地,程序410可以包括程序代码,该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器406,用于存放程序410。存储器406可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行以下操作:
针对于任一采样单元,获取该采样单元包含的多个翻页行为的属性信息;
根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度;
若该采样单元对应的翻页行为差异度小于预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
在一种可选的实施方式中,所述属性信息包括以下信息中的至少一类:
翻页频率、翻页触点位置、以及翻页触点压力。
在一种可选的实施方式中,程序410具体可以用于使得处理器402执行以下操作:
根据该采样单元包含的多个翻页行为的翻页频率,计算该采样单元对应的第一翻页行为差异度;
和/或,根据该采样单元包含的多个翻页行为的翻页触点位置,计算该采样单元对应的第二翻页行为差异度;
和/或,根据该采样单元包含的多个翻页行为的翻页触点压力,计算该采样单元对应的第三翻页行为差异度。
在一种可选的实施方式中,程序410具体可以用于使得处理器402执行以下操作:
若该采样单元对应的第一翻页行为差异度小于第一预设阈值,则确定该采样单元对应的阅读行为为作弊行为;
和/或,若该采样单元对应的第二翻页行为差异度小于第二预设阈值,则确定该采样单元对应的阅读行为为作弊行为;
和/或,若该采样单元对应的第三翻页行为差异度小于第三预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
在一种可选的实施方式中,程序410具体可以用于使得处理器402执行以下操作:
根据该采样单元包含的多个翻页行为的翻页频率,确定该采样单元对应的翻页频率最大值及翻页频率最小值,将翻页频率最大值与翻页频率最小值的差值作为该采样单元对应的第一翻页行为差异度;
和/或,根据该采样单元包含的多个翻页行为的翻页触点位置,计算该采样单元所对应的翻页触点间距离,将翻页触点间距离的最大值作为该采样单元对应的第二翻页行为差异度;
和/或,根据该采样单元包含的多个翻页行为的翻页触点压力,确定该采样单元对应的翻页触点压力最大值及翻页触点压力最小值,将所述翻页触点压力最大值与翻页触点压力最小值的差值作为该采样单元对应的第三翻页行为差异度。
在一种可选的实施方式中,所述属性信息包括:事件来源以及翻页触点压力。
在一种可选的实施方式中,程序410具体可以用于使得处理器402执行以下操作:
根据该采样单元包含的多个翻页行为的翻页触点压力,计算该采样单元对应的第三翻页行为差异度;
若该采样单元包含的每个翻页行为的事件来源为无来源,并且该采样单元对应的第三翻页行为差异度小于第三预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
在一种可选的实施方式中,程序410具体可以用于使得处理器402执行以下操作:
在阅读页中监测通过无障碍服务分发的事件;
若在阅读页中监测到所述通过无障碍服务分发的事件,则确定在所述阅读页中的阅读行为为作弊行为。
由此可见,本实施例针对于任一采样单元,获取该采样单元包含的多个翻页行为的属性信息,并根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度,最终在确定采样单元对应的翻页行为差异度小于预设阈值时,确定该采样单元对应的阅读行为为作弊行为。本实施例根据翻页行为间的差异性来识别阅读作弊行为,一方面能够准确地识别出阅读作弊行为,为阅读作弊行为的防控提供基础;另一方面本方案实施过程简单易行,识别效率高,适于大规模应用与实施。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
本发明公开了:A1.一种阅读作弊行为的识别方法,包括:
针对于任一采样单元,获取该采样单元包含的多个翻页行为的属性信息;
根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度;
若该采样单元对应的翻页行为差异度小于预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
A2.根据A1所述的方法,其中,所述属性信息包括以下信息中的至少一类:
翻页频率、翻页触点位置、以及翻页触点压力。
A3.根据A2所述的方法,其中,所述根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度进一步包括:
根据该采样单元包含的多个翻页行为的翻页频率,计算该采样单元对应的第一翻页行为差异度;
和/或,根据该采样单元包含的多个翻页行为的翻页触点位置,计算该采样单元对应的第二翻页行为差异度;
和/或,根据该采样单元包含的多个翻页行为的翻页触点压力,计算该采样单元对应的第三翻页行为差异度。
A4.根据A3所述的方法,其中,所述若该采样单元对应的翻页行为差异度小于预设阈值,则确定该采样单元对应的阅读行为为作弊行为进一步包括:
若该采样单元对应的第一翻页行为差异度小于第一预设阈值,则确定该采样单元对应的阅读行为为作弊行为;
和/或,若该采样单元对应的第二翻页行为差异度小于第二预设阈值,则确定该采样单元对应的阅读行为为作弊行为;
和/或,若该采样单元对应的第三翻页行为差异度小于第三预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
A5.根据A3或A4所述的方法,其中,所述根据该采样单元包含的多个翻页行为的翻页频率,计算该采样单元对应的第一翻页行为差异度进一步包括:根据该采样单元包含的多个翻页行为的翻页频率,确定该采样单元对应的翻页频率最大值及翻页频率最小值,将翻页频率最大值与翻页频率最小值的差值作为该采样单元对应的第一翻页行为差异度;
和/或,所述根据该采样单元包含的多个翻页行为的翻页触点位置,计算该采样单元对应的第二翻页行为差异度进一步包括:根据该采样单元包含的多个翻页行为的翻页触点位置,计算该采样单元所对应的翻页触点间距离,将翻页触点间距离的最大值作为该采样单元对应的第二翻页行为差异度;
和/或,所述根据该采样单元包含的多个翻页行为的翻页触点压力,计算该采样单元对应的第三翻页行为差异度进一步包括:根据该采样单元包含的多个翻页行为的翻页触点压力,确定该采样单元对应的翻页触点压力最大值及翻页触点压力最小值,将所述翻页触点压力最大值与翻页触点压力最小值的差值作为该采样单元对应的第三翻页行为差异度。
A6.根据A1-A5中任一项所述的方法,其中,所述属性信息包括:事件来源以及翻页触点压力。
A7.根据A6所述的方法,其中,所述根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度进一步包括:根据该采样单元包含的多个翻页行为的翻页触点压力,计算该采样单元对应的第三翻页行为差异度;
所述若该采样单元对应的翻页行为差异度小于预设阈值,则确定该采样单元对应的阅读行为为作弊行为进一步包括:若该采样单元包含的每个翻页行为的事件来源为无来源,并且该采样单元对应的第三翻页行为差异度小于第三预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
A8.根据A1-A7中任一项所述的方法,其中,所述方法还包括:
在阅读页中监测通过无障碍服务分发的事件;
若在阅读页中监测到所述通过无障碍服务分发的事件,则确定在所述阅读页中的阅读行为为作弊行为。
本发明还公开了:B9.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如下操作:
针对于任一采样单元,获取该采样单元包含的多个翻页行为的属性信息;
根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度;
若该采样单元对应的翻页行为差异度小于预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
B10.根据B9所述的计算设备,其中,所述属性信息包括以下信息中的至少一类:
翻页频率、翻页触点位置、以及翻页触点压力。
B11.根据B10所述的计算设备,其中,所述可执行指令使所述处理器执行如下操作:
根据该采样单元包含的多个翻页行为的翻页频率,计算该采样单元对应的第一翻页行为差异度;
和/或,根据该采样单元包含的多个翻页行为的翻页触点位置,计算该采样单元对应的第二翻页行为差异度;
和/或,根据该采样单元包含的多个翻页行为的翻页触点压力,计算该采样单元对应的第三翻页行为差异度。
B12.根据B11所述的计算设备,其中,所述可执行指令使所述处理器执行如下操作:
若该采样单元对应的第一翻页行为差异度小于第一预设阈值,则确定该采样单元对应的阅读行为为作弊行为;
和/或,若该采样单元对应的第二翻页行为差异度小于第二预设阈值,则确定该采样单元对应的阅读行为为作弊行为;
和/或,若该采样单元对应的第三翻页行为差异度小于第三预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
B13.根据B11或B12所述的计算设备,其中,所述可执行指令使所述处理器执行如下操作:
根据该采样单元包含的多个翻页行为的翻页频率,确定该采样单元对应的翻页频率最大值及翻页频率最小值,将翻页频率最大值与翻页频率最小值的差值作为该采样单元对应的第一翻页行为差异度;
和/或,根据该采样单元包含的多个翻页行为的翻页触点位置,计算该采样单元所对应的翻页触点间距离,将翻页触点间距离的最大值作为该采样单元对应的第二翻页行为差异度;
和/或,根据该采样单元包含的多个翻页行为的翻页触点压力,确定该采样单元对应的翻页触点压力最大值及翻页触点压力最小值,将所述翻页触点压力最大值与翻页触点压力最小值的差值作为该采样单元对应的第三翻页行为差异度。
B14.根据B9-B13中任一项所述的计算设备,其中,所述属性信息包括:事件来源以及翻页触点压力。
B15.根据B14所述的计算设备,其中,所述可执行指令使所述处理器执行如下操作:
根据该采样单元包含的多个翻页行为的翻页触点压力,计算该采样单元对应的第三翻页行为差异度;
若该采样单元包含的每个翻页行为的事件来源为无来源,并且该采样单元对应的第三翻页行为差异度小于第三预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
B16.根据B9-B15中任一项所述的计算设备,其中,所述可执行指令使所述处理器执行如下操作:
在阅读页中监测通过无障碍服务分发的事件;
若在阅读页中监测到所述通过无障碍服务分发的事件,则确定在所述阅读页中的阅读行为为作弊行为。
本发明还公开了:C17.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如A1-A8中任一项所述的阅读作弊行为的识别方法对应的操作。
Claims (10)
1.一种阅读作弊行为的识别方法,包括:
针对于任一采样单元,获取该采样单元包含的多个翻页行为的属性信息;
根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度;
若该采样单元对应的翻页行为差异度小于预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
2.根据权利要求1所述的方法,其中,所述属性信息包括以下信息中的至少一类:
翻页频率、翻页触点位置、以及翻页触点压力。
3.根据权利要求2所述的方法,其中,所述根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度进一步包括:
根据该采样单元包含的多个翻页行为的翻页频率,计算该采样单元对应的第一翻页行为差异度;
和/或,根据该采样单元包含的多个翻页行为的翻页触点位置,计算该采样单元对应的第二翻页行为差异度;
和/或,根据该采样单元包含的多个翻页行为的翻页触点压力,计算该采样单元对应的第三翻页行为差异度。
4.根据权利要求3所述的方法,其中,所述若该采样单元对应的翻页行为差异度小于预设阈值,则确定该采样单元对应的阅读行为为作弊行为进一步包括:
若该采样单元对应的第一翻页行为差异度小于第一预设阈值,则确定该采样单元对应的阅读行为为作弊行为;
和/或,若该采样单元对应的第二翻页行为差异度小于第二预设阈值,则确定该采样单元对应的阅读行为为作弊行为;
和/或,若该采样单元对应的第三翻页行为差异度小于第三预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
5.根据权利要求3或4所述的方法,其中,所述根据该采样单元包含的多个翻页行为的翻页频率,计算该采样单元对应的第一翻页行为差异度进一步包括:根据该采样单元包含的多个翻页行为的翻页频率,确定该采样单元对应的翻页频率最大值及翻页频率最小值,将翻页频率最大值与翻页频率最小值的差值作为该采样单元对应的第一翻页行为差异度;
和/或,所述根据该采样单元包含的多个翻页行为的翻页触点位置,计算该采样单元对应的第二翻页行为差异度进一步包括:根据该采样单元包含的多个翻页行为的翻页触点位置,计算该采样单元所对应的翻页触点间距离,将翻页触点间距离的最大值作为该采样单元对应的第二翻页行为差异度;
和/或,所述根据该采样单元包含的多个翻页行为的翻页触点压力,计算该采样单元对应的第三翻页行为差异度进一步包括:根据该采样单元包含的多个翻页行为的翻页触点压力,确定该采样单元对应的翻页触点压力最大值及翻页触点压力最小值,将所述翻页触点压力最大值与翻页触点压力最小值的差值作为该采样单元对应的第三翻页行为差异度。
6.根据权利要求1-5中任一项所述的方法,其中,所述属性信息包括:事件来源以及翻页触点压力。
7.根据权利要求6所述的方法,其中,所述根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度进一步包括:根据该采样单元包含的多个翻页行为的翻页触点压力,计算该采样单元对应的第三翻页行为差异度;
所述若该采样单元对应的翻页行为差异度小于预设阈值,则确定该采样单元对应的阅读行为为作弊行为进一步包括:若该采样单元包含的每个翻页行为的事件来源为无来源,并且该采样单元对应的第三翻页行为差异度小于第三预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
8.根据权利要求1-7中任一项所述的方法,其中,所述方法还包括:
在阅读页中监测通过无障碍服务分发的事件;
若在阅读页中监测到所述通过无障碍服务分发的事件,则确定在所述阅读页中的阅读行为为作弊行为。
9.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如下操作:
针对于任一采样单元,获取该采样单元包含的多个翻页行为的属性信息;
根据该采样单元包含的多个翻页行为的属性信息,计算该采样单元对应的翻页行为差异度;
若该采样单元对应的翻页行为差异度小于预设阈值,则确定该采样单元对应的阅读行为为作弊行为。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-8中任一项所述的阅读作弊行为的识别方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110609114.6A CN113360356B (zh) | 2021-06-01 | 2021-06-01 | 阅读作弊行为的识别方法、计算设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110609114.6A CN113360356B (zh) | 2021-06-01 | 2021-06-01 | 阅读作弊行为的识别方法、计算设备及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113360356A true CN113360356A (zh) | 2021-09-07 |
CN113360356B CN113360356B (zh) | 2022-03-11 |
Family
ID=77530821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110609114.6A Active CN113360356B (zh) | 2021-06-01 | 2021-06-01 | 阅读作弊行为的识别方法、计算设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113360356B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200931327A (en) * | 2008-01-10 | 2009-07-16 | Jin-Hao Chaocheng | System and method of preventing cheats in competitions |
CN106941001A (zh) * | 2017-04-18 | 2017-07-11 | 何婉榕 | 自动翻页方法及装置 |
CN108376031A (zh) * | 2018-03-30 | 2018-08-07 | 百度在线网络技术(北京)有限公司 | 阅读页面翻页的方法、装置、存储介质及终端设备 |
CN109144352A (zh) * | 2018-07-05 | 2019-01-04 | 腾讯科技(上海)有限公司 | 一种自动阅读方法、装置、终端及存储介质 |
CN110570217A (zh) * | 2019-09-10 | 2019-12-13 | 北京百度网讯科技有限公司 | 作弊检测的方法及装置 |
CN110602184A (zh) * | 2019-08-29 | 2019-12-20 | 微梦创科网络科技(中国)有限公司 | 一种对网站中作弊行为的监测处理方法及装置 |
CN111860122A (zh) * | 2020-06-04 | 2020-10-30 | 上海翎腾智能科技有限公司 | 一种现实场景下的阅读综合行为的识别方法及系统 |
-
2021
- 2021-06-01 CN CN202110609114.6A patent/CN113360356B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200931327A (en) * | 2008-01-10 | 2009-07-16 | Jin-Hao Chaocheng | System and method of preventing cheats in competitions |
CN106941001A (zh) * | 2017-04-18 | 2017-07-11 | 何婉榕 | 自动翻页方法及装置 |
CN108376031A (zh) * | 2018-03-30 | 2018-08-07 | 百度在线网络技术(北京)有限公司 | 阅读页面翻页的方法、装置、存储介质及终端设备 |
CN109144352A (zh) * | 2018-07-05 | 2019-01-04 | 腾讯科技(上海)有限公司 | 一种自动阅读方法、装置、终端及存储介质 |
CN110602184A (zh) * | 2019-08-29 | 2019-12-20 | 微梦创科网络科技(中国)有限公司 | 一种对网站中作弊行为的监测处理方法及装置 |
CN110570217A (zh) * | 2019-09-10 | 2019-12-13 | 北京百度网讯科技有限公司 | 作弊检测的方法及装置 |
CN111860122A (zh) * | 2020-06-04 | 2020-10-30 | 上海翎腾智能科技有限公司 | 一种现实场景下的阅读综合行为的识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113360356B (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108073519B (zh) | 测试用例生成方法和装置 | |
US9813309B2 (en) | Method, apparatus, and system for determining a location corresponding to an IP address | |
CN106709318B (zh) | 一种用户设备唯一性的识别方法、装置和计算设备 | |
CN111163072B (zh) | 机器学习模型中特征值的确定方法、装置及电子设备 | |
CN108721898A (zh) | 帧率的确定方法和装置、存储介质、电子装置 | |
CN112083973B (zh) | 一种窗口关闭方法、装置、电子设备及存储介质 | |
CN109905292B (zh) | 一种终端设备识别方法、系统及存储介质 | |
CN109102324B (zh) | 模型训练方法、基于模型的红包物料铺设预测方法及装置 | |
CN113076416A (zh) | 信息热度评估方法、装置和电子设备 | |
CN111444447A (zh) | 内容推荐页面的展现方法及装置 | |
CN114676040A (zh) | 一种测试覆盖率验证方法、装置及存储介质 | |
CN111338958A (zh) | 一种测试用例的参数生成方法、装置及终端设备 | |
CN112650921A (zh) | 一种对象推荐方法、装置、设备及存储介质 | |
CN110490058B (zh) | 行人检测模型的训练方法、装置、系统和计算机可读介质 | |
CN110245684B (zh) | 数据处理方法、电子设备和介质 | |
CN113343109A (zh) | 榜单推荐方法、计算设备及计算机存储介质 | |
CN113360356B (zh) | 阅读作弊行为的识别方法、计算设备及计算机存储介质 | |
CN108664550B (zh) | 一种对用户行为数据进行漏斗分析方法及装置 | |
CN113132762B (zh) | 留存行为因素分析方法、装置、电子设备和可读存储介质 | |
CN115809889A (zh) | 基于营销效果的智能客群筛选方法、系统、介质及设备 | |
CN115238194A (zh) | 书籍推荐方法、计算设备及计算机存储介质 | |
CN110891097B (zh) | 一种跨设备用户识别方法及装置 | |
CN113656549A (zh) | 电子书的内容搜索方法、电子设备及计算机存储介质 | |
CN108958929B (zh) | 应用算法库的方法、装置、存储介质及电子设备 | |
CN111124988A (zh) | 基于书籍图谱的书籍显示方法、计算设备及存储介质 |
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 |