[发明专利]基于主成分分析算法的渠道反作弊方法、装置和电子设备

说明书

本发明涉及计算机技术领域，具体涉及基于主成分分析算法的渠道反作弊方法、装置和电子设备，对渠道数据特征进行数据降维，将多维数据特征映射到二维平面上的点；对所述二维平面上的点进行转化，计算映射点和转化后的二维平面上的点之间的欧氏距离；对所述欧氏距离进行分区段频数统计，获取异常渠道扣掉的数量。本发明将复杂的数据进行中心化处理，完成高维数据到低维数据的转化，减小数据的复杂程度；通过得到数据的主要成分，舍弃次要成分，降低数据计算的难度；简化了各渠道和标准参考渠道差异化的计算过程，让结果更加显而易见，提升作弊渠道判断的准确性。

技术领域

本发明涉及计算机技术领域，尤其涉及基于主成分分析算法的渠道反作弊方法、装置和电子设备。

背景技术

现在做的渠道反作弊方法基于投资回报率(return on investment)来判断渠道的欺诈行为，此方法的缺点在于ROI的计算方式需要对每一个特征进行计算，并且没有进行主要成分的提取与分析，使得计算量大，过程繁琐，不能迅速分离主要特征对结果的影响，并且对于渠道作弊数据的敏感性较小，导致不能准确地判断出渠道的作弊行为。

发明内容

本发明提供了基于主成分分析算法的渠道反作弊方法、装置和电子设备，用以降低数据计算的难度，简化了各渠道和标准参考渠道差异化的计算过程，提升作弊渠道判断的准确性。

本说明书实施例提供基于主成分分析算法的渠道反作弊方法，包括：

对渠道数据特征进行数据降维，将多维数据特征映射到二维平面上的点；

对所述二维平面上的点进行转化，计算映射点和转化后的二维平面上的点之间的欧氏距离；

对所述欧氏距离进行分区段频数统计，获取异常渠道扣掉的数量。

优选的，所述对所述二维平面上的点进行转化，包括：

保持原点不动，旋转坐标轴；

将所述二维平面上的点向所述坐标轴做正交分解，当所述二维平面上的点落到Y轴上坐标值之和最小时，停止旋转所述坐标轴；

获取所述二维平面上的点于当前坐标轴位置下X轴上的坐标值。

优选的，所述对所述欧氏距离进行分区段频数统计，包括：

对所述欧氏距离进行区段分割；

对不同区段的数值进行频数统计。

优选的，所述获取异常渠道扣掉的数量，包括：

通过正态分布确定3σ的距离值；

通过所述3σ的距离值判定所述异常渠道；

根据所述异常渠道的坐标点到所述转化后的二维平面上的点的距离，计算所述异常渠道的扣量比例；

根据所述扣量比例计算所述异常渠道扣掉的数量。

优选的，所述对渠道数据特征进行数据降维，包括：

通过主成分分析算法对渠道数据特征进行数据降维。

优选的，所述数据降维为对所述渠道数据特征进行中心化处理，去除冗余信息。

优选的，当所述数据为一维数据时，通过计算一维数据的平均值对所述一维数据进行中心化处理。

本说明书实施例还提供基于主成分分析算法的渠道反作弊装置，其特征在于，包括：

映射模块，对渠道数据特征进行数据降维，将多维数据特征映射到二维平面上的点；

转化模块，对所述二维平面上的点进行转化，计算映射点和转化后的二维平面上的点之间的欧氏距离；