CN115146201A - 页面时间作弊筛选方法及装置、电子设备和介质 - Google Patents
页面时间作弊筛选方法及装置、电子设备和介质 Download PDFInfo
- Publication number
- CN115146201A CN115146201A CN202210772656.XA CN202210772656A CN115146201A CN 115146201 A CN115146201 A CN 115146201A CN 202210772656 A CN202210772656 A CN 202210772656A CN 115146201 A CN115146201 A CN 115146201A
- Authority
- CN
- China
- Prior art keywords
- time
- page
- cheating
- identified
- determining
- 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
Images
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
- 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
- G06F16/951—Indexing; Web crawling techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Finance (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本公开提供了一种页面时间作弊筛选方法,涉及信息处理技术领域。实现方案为:获取用于生成待识别页面的源文件数据以及第一时间,其中第一时间为获取源文件数据时的时间点;基于源文件数据,确定待识别页面所对应的第二时间以及第二时间所对应的时间属性,其中第二时间包括以下项中的至少一项:页面发布时间、页面更新时间、以及页面所描述的内容所对应时间,时间属性包括动态时间和静态时间;响应于确定时间属性为静态时间,将第一时间和第二时间与预设的时间作弊方式进行匹配,其中时间作弊方式包括第二时间和第一时间不符合正常时间分布;以及基于匹配结果确定待识别页面是否为作弊页面。
Description
技术领域
本公开涉及信息处理技术领域,具体涉及一种页面时间作弊筛选方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
页面作弊是指网页页面欺骗搜索引擎或推送引擎,从而获取更高顺位的现象。页面作弊不利于互联网的健康发展,且影响用户的网络体验。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种页面时间作弊筛选方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种页面时间作弊筛选方法,包括:获取用于生成待识别页面的源文件数据以及第一时间,其中第一时间为获取所述源文件数据时的时间点;基于所述源文件数据,确定所述待识别页面所对应的第二时间以及所述第二时间所对应的时间属性,其中所述第二时间包括以下项中的至少一项:页面发布时间、页面更新时间、以及页面所描述的内容所对应时间,所述时间属性包括动态时间和静态时间;响应于确定所述时间属性为静态时间,将所述第一时间和所述第二时间与预设的时间作弊方式进行匹配,其中所述时间作弊方式包括所述第二时间和所述第一时间不符合正常时间分布;以及基于匹配结果确定所述待识别页面是否为作弊页面。
根据本公开的另一方面,提供了一种页面时间作弊筛选装置,包括:第一获取单元,配置为获取用于生成待识别页面的源文件数据以及第一时间,其中所述第一时间为获取所述源文件数据时的时间点;第一确定单元,配置为基于所述源文件数据,确定所述待识别页面所对应的第二时间以及所述第二时间所对应的时间属性,其中所述第二时间包括以下项中的至少一项:页面发布时间、页面更新时间、以及页面所描述的内容所对应时间,所述时间属性包括动态时间和静态时间;匹配单元,配置为响应于确定所述时间属性为静态时间,将所述第一时间和所述第二时间与预设的时间作弊方式进行匹配,其中所述时间作弊方式包括所述第二时间和所述第一时间不符合正常时间分布;以及第二确定单元,配置为基于匹配结果确定所述待识别页面是否为作弊页面。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;存储器存储有可被至少一个处理器执行的指令,该指令被至少一个处理器执行,以使至少一个处理器能够执行页面时间作弊筛选。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行页面时间作弊筛选。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现页面时间作弊筛选。
根据本公开的一个或多个实施例,通过获取待识别页面的时间元素,将其与预设的作弊方式进行匹配,以确定是否存在时间异常,以实现高效地页面筛选效果。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的页面时间作弊筛选方法的流程图;
图3示出了根据本公开的实施例的源文件数据的一个示例;
图4示出了根据本公开的实施例的源文件数据的另一个示例;
图5示出了根据本公开的实施例的页面时间作弊筛选装置的结构框图;以及
图6示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行页面时间作弊筛选的方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来进行页面时间作弊的筛选。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如页面数据的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
在当今的网络环境中,有些站点为了使其内容能够更加容易被搜索排在前面、更高优被进行消息推送,采用了作弊的方式修改其真实的内容创作时间。网站的作弊行为使用户无法得到希望的信息,严重影响了用户的使用体验。
图2是示出根据本公开示例性实施例的页面时间作弊筛选方法流程图。
如图2所示,该方法包括:步骤S201、获取用于生成待识别页面的源文件数据以及第一时间,其中第一时间为获取所述源文件数据时的时间点;步骤S202、基于所述源文件数据,确定所述待识别页面所对应的第二时间以及所述第二时间所对应的时间属性,其中所述第二时间包括以下项中的至少一项:页面发布时间、页面更新时间、以及页面所描述的内容所对应时间,所述时间属性包括动态时间和静态时间;步骤S203、响应于确定所述时间属性为静态时间,将所述第一时间和所述第二时间与预设的时间作弊方式进行匹配,其中所述时间作弊方式包括所述第二时间和所述第一时间不符合正常时间分布;以及步骤S204、基于匹配结果确定所述待识别页面是否为作弊页面。
根据本公开的实施例,通过获取待识别页面的时间元素,将其与预设的作弊方式进行匹配,以确定是否存在时间异常,以实现高效地页面筛选效果。
在一些示例中,在获取到相应时间后,可以将其时间格式转换为统一时间格式,例如Unix时间戳,以方便后续进行时间匹配。
在本公开中,所述源文件是指在网页页面制作过程中,设计人员通过例如HTML、JavaScript等计算机语言编写出的多段源码,多段源码中的每段源码各自对应页面的不同部分,浏览器编译源码并将编译结果显示在浏览器界面中,最终形成我们所看到的效果。源码包含动态源码和静态源码。动态源码能够响应于页面与用户之间的交互而改变,例如个人邮箱能够响应于接收到新邮件,在界面中将新邮件显示为未开封,并在用户打开该新邮件后,将该新邮件显示为已开封。另外,静态源码不随页面与用户之间的交互而改变,一般保持不变,例如网页新闻的源码。
在本公开中,在确定页面是否作弊的过程中,可以基于页面发布时间、页面更新时间、以及页面所描述的内容所对应时间这三个时间进行判断。这是因为,搜索引擎一般基于这三个时间决定优先推送的策略,页面也相应地针对这种搜索引擎算法,优先对所述三个时间进行作弊。但本公开中用于作弊筛选的时间并不限于此。
针对步骤S201,示例地,可以采用网络爬虫等自动抓取页面源文件的程序,从而获取待识别页面的源文件数据,即源码。同时,网络爬虫还记录实施抓取行为的时间点,即第一时间。
针对步骤S202,通过分析网络爬虫所获取的源文件,能够获取源文件所包含的信息,例如源文件中的一段源码对应页面发布时间,这一段源码表示该页面何时发布在网络上。可以理解,一般将页面发布至网络上后,正常情况下不会对相同页面进行重新发布,页面发布时间一般保持不变,因此页面发布时间所对应的源码通常是静态源码,即静态时间。
在一些示例中,可以根据基于机器学习的网络模型获得源文件中的时间数据,也可以识别源文件中的特定数据结构以获得时间数据,在此不做限定。
针对步骤S203,时间作弊方式包括页面发布时间、页面更新时间、以及页面所描述的内容所对应时间中的至少一个晚于获取所述源文件数据时的时间点,但并不限于此。
根据一些实施例,所述页面时间作弊筛选方法还包括:获取第三时间,其中所述第三时间为发现所述待识别页面时的时间点;响应于确定所述第三时间早于所述第一时间时,确定所述待识别页面所对应的第二时间以及所述第二时间所对应的时间属性。
根据一些实施例,当网络爬虫发现待识别页面时,受限于存储器容量或网络带宽等因素,无法及时地从该页面获取源文件,即发现页面时间与获取所述源文件数据时的时间点不一致。可以理解,发现页面时间早于获取源文件时间为正常情况,发现页面时间迟于获取源文件时间为异常情况。在确定所述待识别页面是否为作弊页面时,首先判断发现页面时间与获取所述源文件数据时的时间点之间的先后顺序,以排除自身存在数据异常的情况。另外,在上述正常情况下则可以进行后续的作弊筛选操作理;而在异常情况下,例如可以对该异常情况下所获取的源文件进行数据清理,以在异常情况清除后重新获取该源文件。
根据一些实施例,所述页面时间作弊筛选方法还包括:响应于确定所述时间属性为动态时间,将所述待识别页面确定为作弊页面。
在本公开中,动态时间即为该页面所对应的时间可以不断变化,例如随抓取操作而变化。
根据一些实施例,确定所述第二时间所对应的时间属性包括:多次获取用于生成待识别页面的源文件数据,以在每次获取到所述源文件数据后确定相应的第二时间;以及响应于确定所述多次获得的相应的第二时间不一致,将所述第二时间所对应的时间属性确定为动态属性。
在一些实施例中,页面的一种作弊方法为:使用动态源码编写页面更新时间的源码,例如在页面更新时间所对应源码中提供一个链接。这样,该页面就能够随着用户的访问,将最新的访问时间作为页面更新时间。
根据一些实施例,爬虫对同一页面进行多次抓取并对多次抓取到的源文件中的时间信息进行比较,若同一类别的时间(例如发布时间)存在不一致的情况,则确定该页面作弊。
根据一些实施例,基于经训练的模型确定所述第二时间所对应的时间属性,其中,所述模型基于页面源文件数据中的与时间信息相关的特征数据训练得到。
根据一些实施例,利用预训练的机器学习模型,识别源文件中与第二时间相关源码,并进一步识别该源码为动态源码还是静态源码,从而确定时间属性。示例地,该机器学习模型可以基于源文件中的数据ID、标签、文本、数据结构等特征作为样本数据进行训练,以使得该机器学习模型可以识别源文件中的第二时间所对应的时间属性。
可以理解的是,其他用于识别第二时间所对应的时间属性的方法、以及用于训练机器学习模型的方法都是可能的,在此不作限制。
根据一些实施例,所述页面时间作弊筛选方法还包括:确定所述待识别页面的页面类型,其中所述页面类型包括列表页和内容页,并且其中,所述时间作弊方式还包括:所述第二时间的变化频率大于相应的与所述页面类型相关联的预设阈值。
根据一些实施例,页面类型包括列表页,例如门户网站、各新闻网站的首页等。内容页指显示新闻等内容的页面。与内容页相比,列表页经常改变其页面的时间,这种变化是正常的,因此只要其变化频率不超过预设的阈值,则不认为其作弊。
根据一些实施例,所述第二时间包括以下项中的至少两项:页面发布时间、页面更新时间、以及页面所描述的内容所对应时间,并且所述待识别页面包括同一站点中的多个待识别页面,其中,所述时间作弊方式还包括:所述多个待识别页面所对应的所述第二时间之间的时间差近似相等。
在本公开中,“近似相等”包括完全相等、在一定阈值范围内相等以及变化趋于稳定。
可以理解,作弊行为聚集发生在网站页面和与该网站页面相关的多个页面中。在进行页面时间作弊筛选时,以整站统计粒度获取源文件。统计粒度并不限于整站,也可以是目录或单个页面。
根据一些实施例,所述第二时间包括页面发布时间和页面更新时间中的至少一个、以及页面所描述的内容所对应时间,并且其中,所述时间作弊方式还包括:所述页面发布时间和页面更新时间中的所述至少一个晚于所述页面所描述的内容所对应时间超预设时间段。根据该实施例,可以有效防止“旧闻新发”问题,例如页面发布时间或页面更新时间为2021年,而页面所描述的内容所对应时间为18年。
图3示出了根据本公开的实施例的源文件数据的一个示例。如图3所示,该源文件的源码包括:页面发布时间源码区域301、页面更新时间源码区域302、以及页面所描述的内容所对应时间的内容时间源码区域303。通过对源文件的读取,并且读取到页面发布时间源码区域301中的“发布时间2022-01-17 13:36”,此为静态源码,由此获得页面发布时间,且其时间属性为静态时间。读取页面更新时间源码302中的“更新时间2018年7月3日”,此为静态源码,由此可获得页面更新时间,且其时间属性为静态时间。读取内容时间源码区域303中的“2018国家社保最新政策”,此为静态源码,由此可获得页面所描述的内容所对应时间,且其时间属性为静态时间。
在图3示出的实施例中,页面所描述的内容所对应时间为2018年,页面发布时间为2022年,即所述页面发布时间晚于所述页面所描述的内容所对应时间超预设时间段(例如为1个月),可知该页面存在旧闻新发的页面时间作弊,则可以降低该页面在搜索引擎中显示的优先级。
图4示出了根据本公开的实施例的源文件数据的另一个示例。
如图4所示,在该源文件中,只有源码区域401与时间相关。源码401中的“<a id=“js_time”href=“javascript:;”>1652250602</a>”标识该段源码具有动态源码的显著特征“id=“js_time””,且与第二时间相关,因此在该页面中,时间属性为动态时间,响应于确定所述时间属性为动态时间,将所述待识别页面确定为作弊页面。
针对步骤S204,基于匹配结果确定待识别页面是否为作弊页面。示例地,如果与任意一个时间作弊方式不匹配,则可以判定为作弊,例如页面发布时间晚于获取所述源文件数据时的时间点。
根据一些实施例,预设的时间作弊方式可以为多个。基于匹配结果确定所述待识别页面是否为作弊页面可以包括:基于匹配到的时间作弊方式以及其各自对应的预设的权重值确定所述待识别页面是否为作弊页面。
示例地,在时间作弊方式包括上面所述的多种时间作弊方式时,若匹配到多种时间作弊方式,可以基于每种时间作弊方式所对应的权重值进行计算,例如:sigmoid(∑w*time_info),其中time_info为匹配到的时间作弊方式,w为各自所对应的权重值。
在一些实施例中,时间作弊方式包括第二时间和第一时间不符合正常时间分布,且第二时间为多个时,该时间作弊方式可以细分为具体哪个第二时间与第一时间不符合正常的时间分布。示例地,如果页面发布时间、页面更新时间、以及页面所描述的内容所对应时间均略晚于获取所述源文件数据时的时间点(即第一时间),此时可以对这三个第二时间各自对应的时间偏差进行加权计算,以根据加权计算的结果判定是否作弊。
根据本公开的实施例,如图5所示,还提供了一种页面时间作弊筛选装置500,包括:第一获取单元510,配置为获取用于生成待识别页面的源文件数据以及第一时间,其中所述第一时间为获取所述源文件数据时的时间点;第一确定单元520,配置为基于所述源文件数据,确定所述待识别页面所对应的第二时间以及所述第二时间所对应的时间属性,其中所述第二时间包括以下项中的至少一项:页面发布时间、页面更新时间、以及页面所描述的内容所对应时间,所述时间属性包括动态时间和静态时间;匹配单元530,配置为响应于确定所述时间属性为静态时间,将所述第一时间和所述第二时间与预设的时间作弊方式进行匹配,其中所述时间作弊方式包括所述第二时间和所述第一时间不符合正常时间分布;以及第二确定单元540,配置为基于匹配结果确定所述待识别页面是否为作弊页面。
这里,页面时间作弊筛选装置500的上述各单元510~540的操作分别与前面描述的步骤210~240的操作类似,在此不再赘述。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图6,现将描述可以作为本公开的服务器或客户端的电子设备600的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,电子设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM603中,还可存储电子设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向电子设备600输入信息的任何类型的设备,输入单元606可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元607可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如方法页面时间作弊筛选。例如,在一些实施例中,方法页面时间作弊筛选可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的方法页面时间作弊筛选的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法页面时间作弊筛选。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (19)
1.一种页面时间作弊筛选方法,包括:
获取用于生成待识别页面的源文件数据以及第一时间,其中所述第一时间为获取所述源文件数据时的时间点;
基于所述源文件数据,确定所述待识别页面所对应的第二时间以及所述第二时间所对应的时间属性,其中所述第二时间包括以下项中的至少一项:页面发布时间、页面更新时间、以及页面所描述的内容所对应时间,所述时间属性包括动态时间和静态时间;
响应于确定所述时间属性为静态时间,将所述第一时间和所述第二时间与预设的时间作弊方式进行匹配,其中所述时间作弊方式包括所述第二时间和所述第一时间不符合正常时间分布;以及
基于匹配结果确定所述待识别页面是否为作弊页面。
2.如权利要求1所述的方法,还包括:
获取第三时间,其中所述第三时间为发现所述待识别页面时的时间点;以及
响应于确定所述第三时间早于所述第一时间时,确定所述待识别页面所对应的第二时间以及所述第二时间所对应的时间属性。
3.如权利要求1所述的方法,还包括:响应于确定所述时间属性为动态时间,将所述待识别页面确定为作弊页面。
4.如权利要求3所述的方法,其中,确定所述第二时间所对应的时间属性包括:
多次获取用于生成待识别页面的源文件数据,以在每次获取到所述源文件数据后确定相应的第二时间;以及
响应于确定所述多次获得的相应的第二时间不一致,将所述第二时间所对应的时间属性确定为动态属性。
5.如权利要求3所述的方法,其中,基于预训练的模型确定所述第二时间所对应的时间属性,其中,所述模型基于页面源文件数据中的与时间信息相关的特征数据训练得到。
6.如权利要求1所述的方法,还包括:确定所述待识别页面的页面类型,其中所述页面类型包括列表页和内容页,并且其中,
所述时间作弊方式还包括:所述第二时间的变化频率大于相应的与所述页面类型相关联的预设阈值。
7.如权利要求1或6所述的方法,其中,所述第二时间包括以下项中的至少两项:页面发布时间、页面更新时间、以及页面所描述的内容所对应时间,并且所述待识别页面包括同一站点中的多个待识别页面,
其中,所述时间作弊方式还包括:所述多个待识别页面所对应的所述第二时间之间的时间差近似相等。
8.如权利要求1所述的方法,其中,所述第二时间包括页面发布时间和页面更新时间中的至少一个、以及页面所描述的内容所对应时间,并且其中,
所述时间作弊方式还包括:所述页面发布时间和页面更新时间中的所述至少一个晚于所述页面所描述的内容所对应时间超预设时间段。
9.如权利要求1所述的方法,其中,所述预设的时间作弊方式为多个,并且其中,基于匹配结果确定所述待识别页面是否为作弊页面包括:
基于匹配到的时间作弊方式以及其各自对应的预设的权重值确定所述待识别页面是否为作弊页面。
10.一种页面时间作弊筛选装置,包括:
第一获取单元,配置为获取用于生成待识别页面的源文件数据以及第一时间,其中所述第一时间为获取所述源文件数据时的时间点;
第一确定单元,配置为基于所述源文件数据,确定所述待识别页面所对应的第二时间以及所述第二时间所对应的时间属性,其中所述第二时间包括以下项中的至少一项:页面发布时间、页面更新时间、以及页面所描述的内容所对应时间,所述时间属性包括动态时间和静态时间;
匹配单元,配置为响应于确定所述时间属性为静态时间,将所述第一时间和所述第二时间与预设的时间作弊方式进行匹配,其中所述时间作弊方式包括所述第二时间和所述第一时间不符合正常时间分布;以及
第二确定单元,配置为基于匹配结果确定所述待识别页面是否为作弊页面。
11.如权利要求10所述的装置,还包括:
第二获取单元,配置为获取第三时间,其中所述第三时间为发现所述待识别页面时的时间点;以及
第三确定单元,配置为响应于确定所述第三时间早于所述第一时间时,确定所述待识别页面所对应的第二时间以及所述第二时间所对应的时间属性。
12.如权利要求10所述的装置,还包括第四确定单元,配置为响应于确定所述时间属性为动态时间,将所述待识别页面确定为作弊页面。
13.如权利要求10所述的装置,还包括第五确定单元,配置为确定所述待识别页面的页面类型,其中所述页面类型包括列表页和内容页,并且其中,
所述时间作弊方式还包括:所述第二时间的变化频率大于相应的与所述页面类型相关联的预设阈值。
14.如权利要求10或13所述的装置,其中,所述第二时间包括以下项中的至少两项:页面发布时间、页面更新时间、以及页面所描述的内容所对应时间,并且所述待识别页面包括同一站点中的多个待识别页面,
其中,所述时间作弊方式还包括:所述多个待识别页面所对应的所述第二时间之间的时间差近似相等。
15.如权利要求10所述的装置,其中,所述第二时间包括页面发布时间和页面更新时间中的至少一个、以及页面所描述的内容所对应时间,并且其中,
所述时间作弊方式还包括:所述页面发布时间和页面更新时间中的所述至少一个晚于所述页面所描述的内容所对应时间超预设时间段。
16.如权利要求10所述的装置,其中,所述预设的时间作弊方式为多个,并且其中,所述第二确定单元包括:用于基于匹配到的时间作弊方式以及其各自对应的预设的权重值确定所述待识别页面是否为作弊页面的单元。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210772656.XA CN115146201A (zh) | 2022-06-30 | 2022-06-30 | 页面时间作弊筛选方法及装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210772656.XA CN115146201A (zh) | 2022-06-30 | 2022-06-30 | 页面时间作弊筛选方法及装置、电子设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115146201A true CN115146201A (zh) | 2022-10-04 |
Family
ID=83410683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210772656.XA Pending CN115146201A (zh) | 2022-06-30 | 2022-06-30 | 页面时间作弊筛选方法及装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115146201A (zh) |
-
2022
- 2022-06-30 CN CN202210772656.XA patent/CN115146201A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112579909A (zh) | 对象推荐方法及装置、计算机设备和介质 | |
CN113411645B (zh) | 信息推荐方法及装置、电子设备和介质 | |
CN114443989B (zh) | 排序方法、排序模型的训练方法、装置、电子设备及介质 | |
CN114547252A (zh) | 文本识别方法、装置、电子设备和介质 | |
CN113742627A (zh) | 不良网站识别方法、装置、电子设备和介质 | |
CN114510308B (zh) | 移动终端存储应用页面的方法、装置、设备和介质 | |
CN113596011B (zh) | 流量识别方法及装置,计算设备和介质 | |
CN115578501A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN113779559B (zh) | 用于识别作弊网站的方法、装置、电子设备和介质 | |
CN113839944B (zh) | 应对网络攻击的方法、装置、电子设备和介质 | |
CN115759100A (zh) | 数据处理方法、装置、设备及介质 | |
CN112860681B (zh) | 数据清洗方法及装置、计算机设备和介质 | |
CN115130041A (zh) | 网页质量评估方法、神经网络的训练方法、装置和设备 | |
CN115146201A (zh) | 页面时间作弊筛选方法及装置、电子设备和介质 | |
CN114219046A (zh) | 模型训练方法、匹配方法、装置、系统、电子设备和介质 | |
CN113312554A (zh) | 用于评价推荐系统的方法及装置、电子设备和介质 | |
CN113079046A (zh) | 数据接入方法及装置、电子设备和介质 | |
CN112906387A (zh) | 风险内容识别方法、装置、设备、介质和计算机程序产品 | |
CN114218516B (zh) | 网页处理方法、装置、电子设备以及存储介质 | |
CN113609370B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
EP4152174A1 (en) | Data processing method and apparatus, and computing device and medium | |
CN116028750B (zh) | 网页文本审核方法及装置、电子设备和介质 | |
CN113326417B (zh) | 用于更新网页库的方法和装置 | |
CN115033782B (zh) | 推荐对象的方法、机器学习模型的训练方法、装置和设备 | |
CN114139549A (zh) | 文本数据预处理方法及装置、电子设备和介质 |
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 |