[发明专利]一种基于用户真实流量数据补全App的Host/Url特征集的方法

摘要

本发明公开了一种基于用户真实流量数据补全App的Host/Url特征集的方法，该方法首先从初始Host/Url特征集中选取种子。然后在不同用户的流量数据中分别提取出候选特征集，并对这些候选特征集进行关联分析，将提取的频繁项补全到该App的Host/Url特征集中。由于补全特征直接来源于用户的流量数据，本发明提出的方法不仅实现较为便捷，还更能贴近用户的对App的真实使用。

主权项

1.一种基于用户真实流量数据补全App的Host/Url特征集的方法，其特征在于，该方法包括以下步骤：S1：从某个App的初始Host/Url特征集中选取种子特征集，记为{url_seed}，具体包括以下步骤：(1)统计该App初始特征集中的每个Host/Url特征出现在不同App的Host/Url特征集中的次数，只出现在该App中则次数为1，出现在2个不同的App中则次数为2，以此类推；(2)种子特征集{url_seed}中的成员，将优先选取所有出现在不同App的特征集中次数只有1次的Host/Url特征；如果在初始特征集中没有出现次数只有1次的Host/Url特征，则选取出现次数最少的几个Host/Url特征，将其作为种子特征集的唯一成员；S2：对种子特征集{url_seed}中的每个成员，都在多用户的真实流量数据中进行特征补全，具体包括以下步骤：(1)从多个用户各自的流量数据中提取种子url_i访问时刻前后一段时间范围内的Host/Url特征，构成{url_cand}；(2)对来自N个用户的候选特征集{url_cand}_k(k＝1,2,...,N)进行关联分析，得到若干个频繁项集；(3)将得到的频繁项集中不属于初始Host/Url特征集的新Host/Url特征提取出来，对初始特征集进行补全；S3：从补全后的特征集中选取新的种子，构成新的种子特征集，迭代地进行特征补全，直到不再得到新的种子为止。