[发明专利]一种互联网商家虚假热度检测方法及系统

权利要求书

1.一种互联网商家虚假热度检测方法，其特征在于，包括如下步骤：

通过电子商务平台获取评价数据，并将评价数据建模成多维张量数据R；

利用改进的密集块检测方法检测多维张量数据R中的密集块；

根据密集块分析电子商务平台上商家的虚假热度。

2.根据权利要求1所述的一种互联网商家虚假热度检测方法，其特征在于，评价数据包括用户、商家和评价时间。

3.根据权利要求1所述的一种互联网商家虚假热度检测方法，其特征在于，将评价数据建模成多维张量数据R，设R为K维张量数据，则R＝{R₁,R₂,…,R_i,…,R_K}，其中，R_i表示张量数据R中的第i维张量数据，R_i＝{a_i,1,a_i,2,…,a_i,j,…,a_i,length(Ri)}，a_i,j表示第i个维度中第j个属性，i＝1,2,…,K，j＝1,2,…,length(R_i)，length(R_i)表示R_i中属性的数量。

4.根据权利要求3所述的一种互联网商家虚假热度检测方法，其特征在于，利用改进的密集块检测方法检测多维张量数据R中的密集块的方法为：

(1)令D＝R；

(2)在张量数据D中随机选取一个子张量，作为初始的密集块B₀，初始化final_B＝B₀，final_metric＝metric(B₀,R)，其中，metric(B₀,R)表示密集块B₀相对于张量数据R的可疑程度；

(3)基于密集块B₀，利用CrossSpot方法对张量数据D进行收敛，得到收敛后的密集块B；

(4)如果收敛后的密集块B相对于张量数据R的可疑程度metric(B,R)final_metric，则final_metric＝metric(B,R)，final_B＝B；

(5)从i＝1到i＝K，计算密集块B中每个维度下每个属性的计数，并根据计数对每个维度的所有属性进行降序排列，得到降序排列后的属性列表B_i＝{a_i,1,a_i,2,…,a_i,j,…,a_i,length(Bi)}，其中，count(a_i,1)≥…≥count(a_i,j)≥…≥count(a_i,length(Bi))，count(a_i,j)表示第i个维度中第j个属性的计数，length(Bi)表示降序排列后的属性列表B_i中属性的数量；

(6)分别剪除B_i中最后一个属性a_i,length(Bi)，结合密集块B中除i之外的其他K-1个维度的属性得到对应的备选密集块B’_(i)及其可疑程度B’_metric_(i)＝metric(B’_(i),R)；

(7)比较K个备选密集块的可疑程度，得到可疑程度最大的备选密集块，记为max_B；

(8)令D＝max_B，B₀＝random_seed(D)；

(9)判断D是否为空，如果D不为空，返回步骤(3)，如果D为空，将fianl_B作为最终检测出的密集块并输出。

5.根据权利要求4所述的一种互联网商家虚假热度检测方法，其特征在于，每当步骤(9)输出一个密集块后，将该密集块从张量数据R中删除，基于更新后的张量数据R重复步骤(1)～(9)，检测多个密集块。

6.根据权利要求4所述的一种互联网商家虚假热度检测方法，其特征在于，利用度量指标DTS或DGCS度量密集块的可疑程度。