[发明专利]一种开源社区异常点赞用户的识别方法及系统有效

专利信息
申请号: 201910694279.0 申请日: 2019-07-30
公开(公告)号: CN110457630B 公开(公告)日: 2022-03-29
发明(设计)人: 蒋竞;刘一帆;张莉 申请(专利权)人: 北京航空航天大学
主分类号: G06F16/958 分类号: G06F16/958;G06K9/62;G06Q50/00;H04L67/1396
代理公司: 北京天达知识产权代理事务所(普通合伙) 11386 代理人: 李明里
地址: 100191*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 社区 异常 用户 识别 方法 系统
【权利要求书】:

1.一种开源社区异常点赞用户的识别方法,其特征在于,包括以下步骤:

获取样本用户数据;所述样本用户数据包括用户属性数据和点赞项目属性数据;所述用户属性数据包括用户类型、公共代码段数量和点赞活动间隔;所述点赞项目属性数据包括项目直接分支数、项目总分支数和拉取请求数量;

根据所述样本用户数据构建决策树,训练得到决策树分类模型;

利用所述决策树分类模型对待识别用户进行分类,确定用户类别;所述用户类别包括正常点赞用户和异常点赞用户。

2.根据权利要求1所述的一种开源社区异常点赞用户的识别方法,其特征在于,所述用户属性数据还包括:用户类型、是否有公司、是否有博客、是否有地址、是否有邮箱、是否有个人简介、项目数量、粉丝数量、关注数量、非fork项目数量、获得点赞总数和用户贡献数。

3.根据权利要求2所述的一种开源社区异常点赞用户的识别方法,其特征在于,所述点赞项目属性数据还包括:点赞项目创建时间和点赞项目提交次数。

4.根据权利要求3所述的一种开源社区异常点赞用户的识别方法,其特征在于,所述点赞项目属性数据还包括:点赞总数、订阅数、项目大小、最近更新时间、项目是否来自拷贝、项目是否有维基、项目是否有网页、项目描述长度、提交次数、贡献者人数、标签数量、发布数量、问题数量。

5.根据权利要求4所述的一种开源社区异常点赞用户的识别方法,其特征在于,通过下述流程确定所述决策树分类模型:

将所述样本用户数据中的用户属性数据、点赞项目属性数据和用户类别数值化;

将每一个用户数值化后的用户属性数据、点赞项目属性数据和用户类别作为特征向量里的元素,生成一个特征向量;

将所述特征向量导入决策树算法模型,训练得到决策树分类模型。

6.根据权利要求5所述的一种开源社区异常点赞用户的识别方法,其特征在于,通过下述方法训练得到决策树分类模型:

计算用户属性和点赞项目属性中每个属性的信息增益,并按信息增益大小进行降序排序,确定所有属性顺序;

选择信息增益最大的属性作为决策树的根节点,再按照所述顺序依次确定决策树子节点对应的属性;

直到所有决策树子节点下对应的用户类别一致,训练得到决策树分类模型。

7.根据权利要求6所述的一种开源社区异常点赞用户的识别方法,其特征在于,所述对待识别用户进行分类,通过将待识别用户的用户属性数据和点赞项目属性数据数值化,生成特征向量,导入所述决策树分类模型,确定用户类别。

8.一种开源社区异常点赞用户的识别系统,其特征在于,包括:

样本用户数据获取模块,用于获取样本用户数据;所述样本用户数据包括用户属性数据和点赞项目属性数据;所述用户属性数据包括用户类型、公共代码段数量和点赞活动间隔;所述点赞项目属性数据包括项目直接分支数、项目总分支数和拉取请求数量;

决策树分类模型获得模块,用于根据所述获取的样本用户数据训练得到决策树分类模型;

待识别用户分类模块,用于根据所述决策树分类模型对待识别用户分类,确定用户类别;所述用户类别包括正常点赞用户和异常点赞用户。

9.根据权利要求8所述的一种开源社区异常点赞用户的识别系统,其特征在于,所述点赞项目属性数据包括:点赞项目创建时间和点赞项目提交次数。

10.根据权利要求9所述的一种开源社区异常点赞用户的识别系统,其特征在于,所述点赞项目属性数据还包括:点赞总数、订阅数、项目大小、最近更新时间、项目是否来自拷贝、项目是否有维基、项目是否有网页、项目描述长度、提交次数、贡献者人数、标签数量、发布数量、问题数量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910694279.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top