[发明专利]一种数据量监控方法、修正方法、系统和计算机设备

说明书

本发明实施例公开了一种数据量监控方法、修正方法、系统和计算机设备，能够获得准确的阅读数。所述数据量监控方法包括：根据第一单位时间段内的第一数据量变化量确定第二单位时间段的变化量阈值，当第二单位时间段内的第二数据变化量超过所述变化量阈值时，所述第二单位时间段为陡变时间段，根据数据量变化趋势将所述第二单位时间段记录为陡增时间段或陡降时间段；判断连续陡变时间段个数大于或等于预设个数时，确定包含所述连续陡变时间段且包含一组陡增时间段和陡降时间段的区间为陡变区间。本实施例方案结合虚假数据量特点有针对性的进行监控，可以准确的判断出存在虚假数据量的时间区间。

技术领域

本文涉及数据处理技术，尤指一种数据量监控方法、修正方法、系统和计算机设备。

背景技术

在自媒体时代，流量就代表着价值，而刷量则成了引流的捷径。关键意见领袖(KOL)为拥有更多、更准确的产品信息，且为相关群体所接受或信任，并对该群体的购买行为有较大影响力的人。很多KOL是靠买水军或买机器人刷文章的阅读数(文章被浏览的次数)包装出来的。如何去掉水军或者刷量产生的阅读数(去水)，计算出文章真实的阅读数是一大难题。大量的虚假KOL，导致品牌广告主在选择KOL进行产品推广时不知道如何去甄别KOL的真假。

以微信为例，目前微信后台可以通过分析文章浏览日志来鉴别真假阅读行为。如果同一用户名或者IP重复多次浏览同一文章，可以判断为刷量行为。但是只有微信平台才能采集浏览日志进行分析，第三方无法拿到此数据，也就无法通过这种方法去计算文章的真实阅读数。还有的方法是使用机器学习方法来预测真实阅读数。通过利用已知文章的真实阅读数作为训练样本，训练模型预测其他文章的真实阅读数。但样本数据通常为非公开数据，获取难度大。当样本的特征值不够时，以及增量趋势不一致时，会导致预测不准确。

发明内容

本申请实施例提供了一种数据量监控方法、修正方法、系统和计算机设备，所述数据量监控方法、系统和计算机设备能够准确的判断出非正常数据，所述数据量修正方法、系统和计算机设备可以获得准确的数据量。

本发明实施例提供了一种数据量监控方法，包括：

根据第一单位时间段内的第一数据量变化量确定第二单位时间段的变化量阈值，当第二单位时间段内的第二数据变化量超过所述变化量阈值时，所述第二单位时间段为陡变时间段，根据数据量变化趋势将所述第二单位时间段记录为陡增时间段或陡降时间段；

判断连续陡变时间段个数大于或等于预设个数时，确定包含所述连续陡变时间段且包含一组陡增时间段和陡降时间段的区间为陡变区间。

本发明实施例还提供了一种数据量修正方法，包括：

确定需要修正的单位时间段的初始数据量变化量，确定所述需要修正的单位时间段的前一单位时间段的数据量变化量为基准数据量变化量；

根据所述基准数据量变化量和初始数据量变化量计算修正后的数据量变化量。

本发明实施例还提供了一种数据量监控系统，包括阈值确定模块、第一判断模块和第二判断模块，其中：

所述阈值确定模块，用于根据第一单位时间段内的第一数据量变化量确定第二单位时间段的变化量阈值；

所述第一判断模块，用于判断当第二单位时间段内的第二数据变化量超过所述变化量阈值时，确定所述第二单位时间段为陡变时间段，根据数据量变化趋势将所述第二单位时间段记录为陡增时间段或陡降时间段；

所述第二判断模块，用于判断连续陡变时间段个数大于或等于预设个数时，确定包含所述连续陡变时间段且包含一组陡增时间段和陡降时间段的区间为陡变区间。

本发明实施例还提供了一种数据量修正系统，包括数据量确定模块和修正模块，其中：