[发明专利]挖掘作弊数据的方法和系统

权利要求书

1.一种挖掘作弊数据的方法，该方法应用于存在用户参与创造的内容UGC的网络社区中，其特征在于，该方法包括：

从当前UGC数据中提取出作弊特征；

利用提取出的作弊特征计算当前UGC数据的作弊分数；

判断所述作弊分数是否在设定的用于表示作弊数据的数值范围内，如果是，则确定所述当前UGC数据为作弊数据，对该作弊数据进行打压。

2.根据权利要求1所述的方法，其特征在于，所述当前UGC数据为网页快照；

所述作弊特征至少包括重复内容堆砌程度和/或联系方式数量和/或广告得分和/或低质量词汇得分。

3.根据权利要求1所述的方法，其特征在于，所述当前UGC数据为网页源文件内容；

所述作弊特征至少包括页面链接数量。

4.根据权利要求1至3任一所述的方法，其特征在于，所述当前UGC数据的作弊分数是由预先确定的作弊数据挖掘装置利用提取出的作弊特征计算出的，所述作弊数据挖掘装置通过以下步骤确定：

A，利用已收集的训练数据集中的训练UGC数据建立作弊数据挖掘装置，将所述作弊数据挖掘装置作为当前作弊数据挖掘装置；

B，利用所述当前作弊数据挖掘装置计算已收集的测试数据集中每一测试UGC数据的作弊分数；

C，利用每一测试UGC数据的作弊分数和该测试UGC数据被预先标注的作弊分数计算所述测试数据集的损耗值；

D，判断所述损耗值是否满足当前挖掘作弊数据的需求，如果是，则确定当前作弊数据挖掘装置用于后期计算UGC数据的作弊分数，如果否，则优化所述作弊数据挖掘装置，将优化后的作弊数据挖掘装置作为当前作弊数据挖掘装置，返回步骤B。

5.根据权利要求4所述的方法，其特征在于，步骤A中的建立包括：

从所述训练数据集中的每一训练UGC数据中提取出作弊特征，并将提取出的作弊特征转换成向量的形式，得到作弊特征向量；

利用每一训练UGC数据被预先标注的作弊分数和该训练UGC数据的作弊特征向量建立作弊数据挖掘装置。

6.一种挖掘作弊数据的系统，该系统应用于存在用户参与创造的内容UGC的网络社区中，其特征在于，该系统包括：

特征提取装置，用于从当前UGC数据中提取出作弊特征；

作弊数据挖掘装置，用于利用提取出的作弊特征计算当前UGC数据的作弊分数；

作弊数据判断装置，用于判断所述作弊分数是否在设定的用于表示作弊数据的数值范围内，如果是，则确定所述当前UGC数据为作弊数据，对该作弊数据进行打压。

7.根据权利要求6所述的系统，其特征在于，所述当前UGC数据为网页快照；

所述作弊特征至少包括重复内容堆砌程度和/或联系方式数量和/或广告得分和/或低质量词汇得分。

8.根据权利要求6所述的系统，其特征在于，所述当前UGC数据为网页源文件内容；

所述作弊特征至少包括页面链接数量。

9.根据权利要求6至8任一所述的系统，其特征在于，所述作弊数据挖掘装置包括：

建立单元，用于利用已收集的训练数据集中的训练UGC数据建立作弊数据挖掘装置，将所述作弊数据挖掘装置作为当前作弊数据挖掘装置；

分数计算单元，用于利用所述当前作弊数据挖掘装置计算已收集的测试数据集中每一测试UGC数据的作弊分数；

损耗计算单元，用于利用每一测试UGC数据的作弊分数和该测试UGC数据被预先标注的作弊分数计算所述测试数据集的损耗值；

判断单元，判断所述损耗值是否满足当前挖掘作弊数据的需求，如果是，则确定当前作弊数据挖掘装置用于后期计算UGC数据的作弊分数，如果否，则优化所述作弊数据挖掘装置，将优化后的作弊数据挖掘装置作为当前作弊数据挖掘装置，触发所述分数计算单元计算作弊分数。

10.根据权利要求9所述的系统，其特征在于，所述建立单元包括：

转换子单元，用于从所述训练数据集中的每一训练UGC数据中提取出作弊特征，并将提取出的作弊特征转换成向量的形式，得到作弊特征向量；

建立子单元，用于利用每一训练UGC数据被预先标注的作弊分数和该训练UGC数据的作弊特征向量建立作弊数据挖掘装置。