[发明专利]一种基于异构图嵌入的移动广告欺诈检测方法

摘要

本发明公开了一种基于异构图嵌入的移动广告欺诈检测方法，包括步骤：1)获取移动广告日志数据并对数据进行预处理；2)提取用户、应用和广告三者关联关系数据，构建有权异构图；3)定义元路径，设定每个节点的游走次数和最长步长，遍历有权异构图节点，构建节点元路径随机游走序列；4)使用语言模型，构建有权异构图中节点的低维空间稠密向量表示；5)定义标签，构成被试数据；6)构建移动广告欺诈检测模型；7)将训练部分的移动应用被试数据输入至移动广告欺诈检测模型训练，得到移动广告欺诈检测模型；8)采用移动广告欺诈检测模型对移动应用进行欺诈检测。本发明利用移动广告系统中的实体关联关系，有效的检测出欺诈的移动应用。

主权项

1.一种基于异构图嵌入的移动广告欺诈检测方法，其特征在于，包括以下步骤：1)获取移动广告日志数据，对数据进行预处理；2)提取移动广告生态系统中用户、应用和广告的关联关系数据，构建有权异构图，其对应的meta模板和分别代表类别集和边的关系类别集，且满足3)定义元路径设定每个节点的游走次数n和最长步长l，遍历有权异构图G中的节点，构建节点v的n条有权随机游走路径S_v＝{S_v1,S_v2,...,S_vn}，最终得到有权异构图G的元路径随机游走序列S；4)构建语言模型，学习有权异构图G中P个移动应用节点的d维空间稠密向量表示X∈R^P×d，构成输入特征向量；5)对训练部分的移动应用进行人工标注，按照是否为欺诈应用的信息设置每个移动应用的标签取值；欺诈应用的标签设置为1，非欺诈应用的标签设置为0，得到P_train个标签数据P_train＜P，P_train为训练部分应用总数P*η，η为小于1但大于0的浮点数，而后与步骤4)中的对应输入特征向量结合构成被试数据；6)构建欺诈检测模型，用于检测欺诈的移动应用；7)将被试数据输入到欺诈检测模型当中，获取欺诈检测模型参数，得到移动广告欺诈检测模型；8)将未标注的移动应用输入特征输入到移动广告欺诈检测模型当中，进行欺诈应用的检测。