CN109451359A - 一种关注异常的检测方法、装置、设备和存储介质 - Google Patents
一种关注异常的检测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109451359A CN109451359A CN201811284057.3A CN201811284057A CN109451359A CN 109451359 A CN109451359 A CN 109451359A CN 201811284057 A CN201811284057 A CN 201811284057A CN 109451359 A CN109451359 A CN 109451359A
- Authority
- CN
- China
- Prior art keywords
- concern
- users
- target
- total number
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
- H04N21/4755—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for defining user preferences, e.g. favourite actors or genre
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
- H04N21/4788—Supplemental services, e.g. displaying phone caller identification, shopping application communicating with other users, e.g. chatting
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例公开了一种关注异常的检测方法、装置、设备和存储介质。该方法包括:获取目标对象对应的第一关注用户总数、在第一预设时段内的第一观看用户总数、在第二预设时段之前未关注且在第二预设时段内观看的第二观看用户总数、以及在第二预设时段内的第一实际新增关注人数;根据各网格区域对应的关注转化率、第一关注用户总数以及第一观看用户总数确定目标对象对应的目标关注转化率;根据目标关注转化率和第二观看用户总数,确定第二预设时段内的期望新增关注人数;根据期望新增关注人数和实际新增关注人数确定目标关注异常度,并在目标关注异常度满足预设异常条件时,确定对目标对象的关注异常,可以及时发现刷关注的作弊行为。
Description
技术领域
本发明实施例涉及数据处理技术,尤其涉及一种关注异常的检测方法、装置、设备和存储介质。
背景技术
在一些网络平台上,通常会存在对某个对象进行刷关注的作弊行为,以快速增加该对象的关注人数,进而达到提升对象影响力等目的。例如,在直播平台中,往往会存在对某个主播或直播间进行刷关注的作弊行为,从而可以快速增加主播或直播间的关注人数。但是,这种刷关注行为会对网络直播生态造成极大恶劣的影响。所以现在急需一种可以有效检测关注是否存在异常的方法,以便及时发现这种作弊行为。
发明内容
本发明实施例提供了一种关注异常的检测方法、装置、设备和存储介质,以便可以及时发现这种刷关注的作弊行为。
第一方面,本发明实施例提供了一种关注异常的检测方法,包括:
获取目标对象对应的第一关注用户总数、在第一预设时段内的第一观看用户总数、在第二预设时段之前未关注且在所述第二预设时段内观看的第二观看用户总数、以及在所述第二预设时段内的第一实际新增关注人数;
根据各网格区域对应的关注转化率、所述第一关注用户总数以及所述第一观看用户总数,确定所述目标对象对应的目标关注转化率,其中,所述各网格区域对应的关注转化率根据各对象对应的历史关注数据确定;
根据所述目标关注转化率和所述第二观看用户总数,确定所述第二预设时段内的期望新增关注人数;
根据所述期望新增关注人数和所述实际新增关注人数,确定目标关注异常度,并在所述目标关注异常度满足预设异常条件时,确定在所述第二预设时段内对所述目标对象的关注异常。
第二方面,本发明实施例还提供了一种关注异常的检测装置,包括:
目标对象信息获取模块,用于获取目标对象对应的第一关注用户总数、在第一预设时段内的第一观看用户总数、在第二预设时段之前未关注且在所述第二预设时段内观看的第二观看用户总数、以及在所述第二预设时段内的第一实际新增关注人数;
目标关注转化率确定模块,用于根据各网格区域对应的关注转化率、所述第一关注用户总数以及所述第一观看用户总数,确定所述目标对象对应的目标关注转化率,其中,所述各网格区域对应的关注转化率根据各对象对应的历史关注数据确定;
期望新增关注人数确定模块,用于根据所述目标关注转化率和所述第二观看用户总数,确定所述第二预设时段内的期望新增关注人数;
关注异常确定模块,用于根据所述期望新增关注人数和所述实际新增关注人数,确定目标关注异常度,并在所述目标关注异常度满足预设异常条件时,确定在所述第二预设时段内对所述目标对象的关注异常。
第三方面,本发明实施例还提供了一种设备,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任意实施例所提供的关注异常的检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的关注异常的检测方法。
本发明实施例通过根据各对象对应的历史关注数据预先确定各网格区域对应的关注转化率,并根据目标对象对应的第一关注用户总数、在第一预设时段内的第一观看用户总数以及各网格区域对应的关注转化率,确定目标对象对应的目标关注转化率;根据目标关注转化率和在第二预设时段之前未关注且在第二预设时段内观看的第二观看用户总数,确定第二预设时段内的期望新增关注人数;根据期望新增关注人数和目标对象在第二预设时段内的第一实际新增关注人数,确定目标关注异常度,并在目标关注异常度满足预设异常条件时,确定在第二预设时段内对目标对象的关注异常。通过计算和检测目标对象在第二预设时段内的目标关注异常度,可以快速有效地确定目标对象在第二预设时间内的新增关注人数是否存在异常,从而可以及时发现这种刷关注的作弊行为。
附图说明
图1是本发明实施例一提供的一种关注异常的检测方法的流程图;
图2是本发明实施例二提供的一种关注异常的检测方法的流程图;
图3是本发明实施例三提供的一种关注异常的检测装置的结构示意图;
图4是本发明实施例四提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种关注异常的检测方法的流程图,本实施例可适用于检测对某个对象的关注人数是否存在异常的情况,尤其是可以用于直播平台中检测某个直播间是否存在刷关注行为的场景。该方法可以由关注异常的检测装置来执行,该装置可以由软件和/或硬件的方式来实现,可以集成于管理对象的设备中。该方法具体包括以下步骤:
S110、获取目标对象对应的第一关注用户总数、在第一预设时段内的第一观看用户总数、在第二预设时段之前未关注且在第二预设时段内观看的第二观看用户总数、以及在第二预设时段内的第一实际新增关注人数。
其中,对象是指用户所关注的某个对象,比如直播间、主播、或微博账号等。目标对象是指待检测的对象。第一关注用户总数可以是指以当前时刻为时间截点,累计的关注目标对象的用户总数。第一观看用户总数可以是指在第一预设时段内观看目标对象的用户总数。第一观看用户总数可以是在第一预设时段内观看且关注目标对象的用户总数与观看且未关注目标对象的用户总数之和。第二观看用户总数可以是指在第二预设时段之前未关注目标对象,且在第二预设时段内观看目标对象的用户总数。第一实际新增关注人数可以指在第二预设时段内新增的关注目标对象的实际人数。第一预设时段可以是预先设置的,用于统计第一观看用户总数的时段。示例性地,经过数据分析,第一预设时段可以优选设置为近一个月或30天的时段。比如,当天为10月15日,则第一预设时段可以设置为:9月15日-10月15日。第二预设时段可以是预先设置的,用于检测目标对象的新增关注人数是否存在异常的时段。示例性地,第二预设时段可以设置为当天,也可以设置为近几天,其具体数值可以根据用户需求进行设置。
示例性地,若检测直播平台中的某个直播间在近10天(假设当天为10月15日)的新增关注人数是否存在刷关注的情况,则可以将该直播间确定为目标对象,以及将10月5日-10月15日确定为第二预设时段。
S120、根据各网格区域对应的关注转化率、第一关注用户总数以及第一观看用户总数,确定目标对象对应的目标关注转化率。
其中,各网格区域对应的关注转化率可以根据各对象对应的历史关注数据预先进行确定。网格区域可以根据预设关注用户总数和预设观看用户总数这两个指标进行切分得到的区域块,以使每个网格区域对应具体的人数范围。网格区域的数量可以切分的段数进行确定。关注转化率是指未关注的观看用户转化为关注用户的概率。本实施例中每个网格区域对应的关注转化率可以相同,也可以不同,其具体数值可以根据平台中每个对象对应的历史关注数据进行确定。
示例性地,S120可以包括:根据各网格区域对应的人数范围、第一关注用户总数以及第一观看用户总数,确定目标对象对应的目标网格区域;根据网格区域与关注转化率之间的对应关系以及目标网格区域,确定目标对象对应的目标关注转化率。
其中,网格区域对应的人数范围可以是预先设置的关注用户总数的人数范围以及观看用户总数的人数范围。示例性的,某个网格区域对应的人数范围可以设置为:关注用户总数为1万-10万,观看用户总数为:1万-20万。网格区域与关注转化率之间的对应关系是一一对应关系。
具体地,根据每个网格区域对应的人数范围,检测第一关注用户总数和第一观看用户总数位于哪个网格区域中,并将位于的网格区域确定为目标对象对应的目标网格区域。根据网格区域与关注转化率之间的对应关系,将与目标网格区域对应的关注转化率确定为目标关注转化率。
S130、根据目标关注转化率和第二观看用户总数,确定第二预设时段内的期望新增关注人数。
其中,期望新增关注人数可以是指在第二预设时段内正常情况下新增的关注目标对象的预期人数。
具体地,在第二预设时段内新增的关注用户通常是在第二预设时段之前未关注且在第二预设时段内的观看用户进行关注转化而获得的,从而可以根据目标关注转化率和第二观看用户总数,可以确定在正常情况下,第二预设时段内的期望新增关注人数。
示例性地,可以根据如下公式确定第二预设时段内的期望新增关注人数:
其中,ET,r是第二预设时段T内的期望新增关注人数;wR,T是目标对象R在第二预设时段T之前未关注且在第二预设时段T内观看的第二观看用户总数;是目标对象R对应的目标关注转化率。具体地,可以将第二观看用户总数乘以目标关注转化率,将得到的乘积确定为期望新增关注人数,也就是在关注正常的情况下,第二预设时间内的第二观看用户总数中预期可以有多少个未关注用户转化为关注用户。
S140、根据期望新增关注人数和实际新增关注人数,确定目标关注异常度,并在目标关注异常度满足预设异常条件时,确定在第二预设时段内对目标对象的关注异常。
其中,目标关注异常度可以用于反映目标对象在第二预设时段内存在关注异常的程度。若目标关注异常度越高,则表明目标对象在第二预设时段内的实际新增关注人数超出预期的程度越大,从而存在刷关注情况的可能性越大。预设异常条件可以是根据实际情况和用户需求预先设置的,确定目标对象的新增关注人数存在异常的条件。示例性地,预设异常条件可以设置为:目标关注异常度大于或等于预设关注异常阈值。其中,预设关注异常阈值可以是根据实际情况预先设置的,在真实存在关注异常时对应的关注异常度的最小值。
具体地,可以将目标对象在第二预设时段内的实际新增关注人数与期望新增关注人数的比值确定为目标关注异常度。本实施例可以通过比较目标关注异常度和预设关注异常阈值的大小,若目标关注异常度大于或等于预设关注异常阈值,则确定在第二预设时段内对目标对象的关注异常,否则,确定对目标对象的关注正常,从而可以快速有效地检测目标对象在第二预设时间内的新增关注人数是否存在异常,以便可以及时发现这种刷关注的作弊行为。
本实施例的技术方案,通过根据各对象对应的历史关注数据预先确定各网格区域对应的关注转化率,并根据目标对象对应的第一关注用户总数、在第一预设时段内的第一观看用户总数以及各网格区域对应的关注转化率,确定目标对象对应的目标关注转化率;根据目标关注转化率和在第二预设时段之前未关注且在第二预设时段内观看的第二观看用户总数,确定第二预设时段内的期望新增关注人数;根据期望新增关注人数和目标对象在第二预设时段内的第一实际新增关注人数,确定目标关注异常度,并在目标关注异常度满足预设异常条件时,确定在第二预设时段内对目标对象的关注异常。通过计算和检测目标对象在第二预设时段内的目标关注异常度,可以快速有效地确定目标对象在第二预设时间内的新增关注人数是否存在异常,从而可以及时发现这种刷关注的作弊行为。
实施例二
图2为本发明实施例二提供的一种关注异常的检测方法的流程图,本实施例在上述实施例的基础上,对“各网格区域对应的关注转化率根据各对象对应的历史关注数据确定”进行优化。在此基础上,还可以进一步对“在目标关注异常度满足预设异常条件时,确定在第二预设时段内对目标对象的关注异常”进行优化。其中与上述各实施例相同或相应的术语的解释在此不再赘述。
参见图2,本实施例提供的关注异常的检测方法具体包括以下步骤:
S210、将第三预设时段中的每一天作为参考天,获取每个对象在每个参考天对应的第二关注用户总数以及在第四预设时段内的第三观看用户总数。
其中,第三预设时段可以是预先设置的,在确定每个网格区域对应的关注转化率时的参考时段。示例性地,第三预设时段可以设置为当天(即参考天为当天),也可以设置为近三个月(即参考天为三个月中的每一天)等。需要注意的是,第三预设时段设置的越长,即参考天的数量越多,则确定的关注转化率越精准。第二关注用户总数可以是指每个对象在以每个参考天为时间截点,累计的关注相应对象的用户总数。对于同一个对象而言,由于每天都会增加新的关注用户,从而同一对象在以不同参考天为时间截点时,累计的第二关注用户总数也不同。第四预设时段可以根据第一预设时段和参考天实时确定。每个参考天对应一个第四预设时段。示例性地,第四预设时段可以设置为在参考天的前第一预设时段。例如,第一预设时段为近一个月,参考天为10月10日,则第四预设时间可以设置为9月10日-10月10日。每个对象对应的第三观看用户总数可以是在第四预设时段内观看相应对象的用户总数。第三观看用户总数可以是在第四预设时段内观看且关注相应对象的用户总数与观看且未关注相应对象的用户总数之和。
示例性地,若第三预设时段为近三个月,则将三个月中的每一天逐个确定为参考天,然后对于平台中的每个对象而言,统计该对象在以每个参考天为时间截点时的第二关注用户总数以及在每个参考天对应的第四预设时段内的第三观看用户总数。
S220、根据第二关注用户总数的最大值和第三观看用户总数的最大值,进行人数的均匀切分,确定各网格区域对应的人数范围。
具体地,经过数据分析发现:本实施例中的关注转化率与累计的关注用户总数和第一预设时段(如近30天)内的观看用户总数这两个指标相关,从而可以根据所有的第二关注用户总数中的最大值和所有第三观看用户总数中的最大值,分别对这两个指标进行均匀切分,即以相同的人数间隔进行切分。若两个指标对应的切分段数分别为:n和m,则可以形成一个n×m的网格结构,并且每个区域对应一个具体的人数范围。
示例性地,若第二关注用户总数的最大值为100万,第三观看用户总数的最大值为50万,则可以以20万为间隔对关注用户总数进行均匀切分,以10万为间隔对观看用户总数进行均匀切分,形成了5×5的网格结构,比如第一行第一列的网格区域对应的人数范围为:关注用户总数1-20万以及观看用户总数1-10万。
S230、根据各第二关注用户总数、各第三观看用户总数、以及各网格区域对应的人数范围,从各对象和各参考天中确定每个网格区域对应的各网格对象以及每个网格对象对应的各网格参考天。
具体地,对于每个网格区域而言,将每个对象在每个参考天对应的第二关注用户总数和第三观看用户总数,与该网格区域对应的人数范围进行匹配,若某个对象在某个参考天对应的第二关注用户总数和第三观看用户总数位于该网格区域的人数范围内,则将该对象确定为该网格区域对应的网格对象,以及将该参考天确定为该网格对象对应的网格参考天。从而可以确定该网格区域对应的所有网格对象以及每个网格对象对应的网格参考天。
示例性地,若某个网格区域g对应的人数范围为:关注用户总数1-20万以及观看用户总数1-10万;对象A在参考天D1对应的第二关注用户总数为10万和第三观看用户总数为5万;对象A在参考天D2对应的第二关注用户总数为25万和第三观看用户总数为9万,则通过匹配,可以确定该网格区域g对应的一个网格对象为A,且网格对象A对应的网格参考天为D1。
S240、获取每个网格对象在对应的每个网格参考天内的第二实际新增关注人数,以及在网格参考天之前未关注且在网格参考天内观看的第四观看用户总数。
其中,第二实际新增关注人数可以指在每个网格参考天内新增的关注相应的网格对象的实际人数。第四观看用户总数可以是指在网格参考天之前未关注相应的网络对象,且在网格参考天内观看相应的网络对象的用户总数。
具体地,对于每个网格区域而言,获得该网格区域对应的每个网格对象在所对应的每个网格参考天内的第二实际新增关注人数,以及在对应的网格参考天之前未关注且在网格参考天内观看的第四观看用户总数。
S250、根据每个网格对象对应的各第二实际新增关注人数、各第四观看用户总数、以及每个网格对象对应的网格参考天数量,确定每个网格区域对应的关注转化率。
具体地,对于每个网格区域而言,可以根据该网格区域对应的每个网格对象在每个网格参考天对应的第二实际新增关注人数和第四观看用户总数,确定每个网格对象在每个网格参考天对应的关注转化率,再将每个网格对象对应的网格参考天数量进行相加,确定所有网格参考天的总数量。根据网格参考天的总数量以及每个网格参考天对应的关注转化率,确定平均关注转化率,从而可以将该平均关注转化率确定为该网格区域对应的关注转化率。
示例性地,可以根据如下公式确定每个网格区域对应的关注转化率:
其中,Yg是某个网格区域g对应的关注转化率;xr是某个网格对象r对应的网格参考天数量;ar,t是网格对象r在对应的某个网格参考天t内的第二实际新增关注人数;wr,t是网格对象r在对应的某个网格参考天t之前未关注且在网格参考天t内观看的第四观看用户总数。具体地,本实施例可以将第二实际新增关注人数ar,t与第四观看用户总数wr,t的比值确定为网格对象r在网格参考天t对应的关注转化率,并对所有的网格对象r在所有的网格参考天t对应的关注转化率进行求和再对求和结果进行平均,从而可以更加准确地确定网格区域g对应的关注转化率。
S260、获取目标对象对应的第一关注用户总数、在第一预设时段内的第一观看用户总数、在第二预设时段之前未关注且在第二预设时段内观看的第二观看用户总数、以及在第二预设时段内的第一实际新增关注人数。
需要说明的是,此处不限定步骤S260执行时的执行顺序。比如步骤S260可以在步骤S250之后顺序执行,也可以在步骤S210之前执行。
S270、根据各网格区域对应的关注转化率、第一关注用户总数以及第一观看用户总数,确定目标对象对应的目标关注转化率。
S280、根据目标关注转化率和第二观看用户总数,确定第二预设时段内的期望新增关注人数。
S290、根据期望新增关注人数和实际新增关注人数,确定目标关注异常度。
S291、根据各历史关注异常度,确定关注异常度对应的异常均值和异常方差。
其中,历史关注异常度可以是之前已确定的目标对象和/或其他对象对应的关注异常度。异常均值是指关注异常度的平均值。异常方差可以用于度量关注异常度与异常均值之间的偏离程度。
具体地,通过对大量的历史关注异常度进行统计计算,可以确定关注异常度对应的异常均值和异常方差。本实施例中的历史关注异常度的数量可以随着检测次数的增加而增多,从而在每次检测时,可以根据当前所有的历史关注异常度,更新异常均值和异常方差,以便提高检测的准确度。
S292、若检测到目标关注异常度、异常均值以及异常方差满足预设异常表达式,则确定在第二预设时段内对目标对象的关注异常。
其中,预设异常表达式可以是预先设置的,用于表征在目标对象的关注异常时,目标关注异常度、异常均值以及异常方差之间的逻辑关系。本实施例中的预设异常条件可以设置为:在目标关注异常度、异常均值以及异常方差满足预设异常表达式。
具体地,本实施例可以通过检测目标关注异常度、异常均值以及异常方差是否满足预设异常表达式,来更加准确地确定在第二预设时段内对目标对象的关注是否存在异常情况。若满足预设异常表达式,则确定在第二预设时段内对目标对象的关注异常;若不满足预设异常表达式,则确定对目标对象的关注正常。
示例性地,预设异常表达式可以为:
其中,SR,T是目标关注异常度;meanS是异常均值;是异常方差;λ是预设异常系数。示例性地,预设异常系数λ是一个大于0的常数,一般情况下,λ的取值可以设置为3。具体地,若目标关注异常度大于或等于异常均值和异常方差的相加结果,则可以确定满足预设异常表达式,否则确定不满足预设异常表达式。
本实施例的技术方案,通过将第三预设时段中的每一天作为参考天,根据每个对象在每个参考天对应的第二关注用户总数以及在第四预设时段内的第三观看用户总数,确定每个网格区域对应的各网格对象以及每个网格对象对应的各网格参考天,并根据每个网格对象对应的各第二实际新增关注人数、各第四观看用户总数,可以更加准确地确定每个网格区域对应的关注转化率,以便提高关注异常检测的准确度。并且通过检测目标关注异常度、异常均值以及异常方差是否满足预设异常表达式,来确定在第二预设时段内对目标对象的关注是否存在异常情况,从而可以进一步提高关注异常检测的准确度,以便及时发现这种刷关注的作弊行为。
以下是本发明实施例提供的关注异常的检测装置的实施例,该装置与上述各实施例的关注异常的检测方法属于同一个发明构思,在关注异常的检测装置的实施例中未详尽描述的细节内容,可以参考上述关注异常的检测方法的实施例。
实施例三
图3为本发明实施例三提供的一种关注异常的检测装置的结构示意图,本实施例可适用于检测对某个对象的关注人数是否存在异常的情况,该装置可以具体包括:目标对象信息获取模块310、目标关注转化率确定模块320、期望新增关注人数确定模块330和关注异常确定模块340。
其中,目标对象信息获取模块310,用于获取目标对象对应的第一关注用户总数、在第一预设时段内的第一观看用户总数、在第二预设时段之前未关注且在第二预设时段内观看的第二观看用户总数、以及在第二预设时段内的第一实际新增关注人数;目标关注转化率确定模块320,用于根据各网格区域对应的关注转化率、第一关注用户总数以及第一观看用户总数,确定目标对象对应的目标关注转化率,其中,各网格区域对应的关注转化率根据各对象对应的历史关注数据确定;期望新增关注人数确定模块330,用于根据目标关注转化率和第二观看用户总数,确定第二预设时段内的期望新增关注人数;关注异常确定模块340,用于根据期望新增关注人数和实际新增关注人数,确定目标关注异常度,并在目标关注异常度满足预设异常条件时,确定在第二预设时段内对目标对象的关注异常。
本实施例的技术方案,通过计算和检测目标对象在第二预设时段内的目标关注异常度,可以快速有效地确定目标对象在第二预设时间内的新增关注人数是否存在异常,从而可以及时发现这种刷关注的作弊行为。
可选地,目标关注转化率确定模块320,具体用于:
根据各网格区域对应的人数范围、第一关注用户总数以及第一观看用户总数,确定目标对象对应的目标网格区域;根据网格区域与关注转化率之间的对应关系以及目标网格区域,确定目标对象对应的目标关注转化率。
可选地,该装置还包括:关注转化率确定模块,具体用于:
将第三预设时段中的每一天作为参考天,获取每个对象在每个参考天对应的第二关注用户总数以及在第四预设时段内的第三观看用户总数,其中第四预设时段根据第一预设时段和参考天确定;
根据第二关注用户总数的最大值和第三观看用户总数的最大值,进行人数的均匀切分,确定各网格区域对应的人数范围;
根据各第二关注用户总数、各第三观看用户总数、以及各网格区域对应的人数范围,从各对象和各参考天中确定每个网格区域对应的各网格对象以及每个网格对象对应的各网格参考天;
获取每个网格对象在对应的每个网格参考天内的第二实际新增关注人数,以及在网格参考天之前未关注且在网格参考天内观看的第四观看用户总数;
根据每个网格对象对应的各第二实际新增关注人数、各第四观看用户总数、以及每个网格对象对应的网格参考天数量,确定每个网格区域对应的关注转化率。
可选地,根据如下公式确定每个网格区域对应的关注转化率:
其中,Yg是某个网格区域g对应的关注转化率;xr是某个网格对象r对应的网格参考天数量;ar,t是网格对象r在对应的某个网格参考天t内的第二实际新增关注人数;wr,t是网格对象r在对应的某个网格参考天t之前未关注且在网格参考天t内观看的第四观看用户总数。
可选地,根据如下公式确定第二预设时段内的期望新增关注人数:
其中,ET,r是第二预设时段T内的期望新增关注人数;wR,T是目标对象R在第二预设时段T之前未关注且在第二预设时段T内观看的第二观看用户总数;是目标对象R对应的目标关注转化率。
可选地,关注异常确定模块340,还用于:
根据各历史关注异常度,确定关注异常度对应的异常均值和异常方差;若检测到目标关注异常度、异常均值以及异常方差满足预设异常表达式,则确定在第二预设时段内对目标对象的关注异常。
可选地,预设异常表达式为:
其中,SR,T是目标关注异常度;meanS是异常均值;是异常方差;λ是预设异常系数。
本发明实施例所提供的关注异常的检测装置可执行本发明任意实施例所提供的关注异常的检测方法,具备执行关注异常的检测方法相应的功能模块和有益效果。
值得注意的是,上述关注异常的检测装置的实施例中,所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图4是本发明实施例四提供的一种设备的结构示意图。参见图4,该设备包括:
一个或多个处理器410;
存储器420,用于存储一个或多个程序;
当一个或多个程序被一个或多个处理器410执行,使得一个或多个处理器410实现如上述实施例中任意实施例所提供的关注异常的检测方法,该方法包括:
获取目标对象对应的第一关注用户总数、在第一预设时段内的第一观看用户总数、在第二预设时段之前未关注且在第二预设时段内观看的第二观看用户总数、以及在第二预设时段内的第一实际新增关注人数;
根据各网格区域对应的关注转化率、第一关注用户总数以及第一观看用户总数,确定目标对象对应的目标关注转化率,其中,各网格区域对应的关注转化率根据各对象对应的历史关注数据确定;
根据目标关注转化率和第二观看用户总数,确定第二预设时段内的期望新增关注人数;
根据期望新增关注人数和实际新增关注人数,确定目标关注异常度,并在目标关注异常度满足预设异常条件时,确定在第二预设时段内对目标对象的关注异常。
图4中以一个处理器410为例;设备中的处理器410和存储器420可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器420作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的关注异常的检测方法对应的程序指令/模块(例如,关注异常的检测装置中的目标对象信息获取模块310、目标关注转化率确定模块320、期望新增关注人数确定模块330和关注异常确定模块340)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的关注异常的检测方法。
存储器420主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器420可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器420可进一步包括相对于处理器410远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本实施例提出的设备与上述实施例提出的关注异常的检测方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例具备执行关注异常的检测方法相同的有益效果。
实施例五
本实施例五提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的关注异常的检测方法,该方法包括:
获取目标对象对应的第一关注用户总数、在第一预设时段内的第一观看用户总数、在第二预设时段之前未关注且在第二预设时段内观看的第二观看用户总数、以及在第二预设时段内的第一实际新增关注人数;
根据各网格区域对应的关注转化率、第一关注用户总数以及第一观看用户总数,确定目标对象对应的目标关注转化率,其中,各网格区域对应的关注转化率根据各对象对应的历史关注数据确定;
根据目标关注转化率和第二观看用户总数,确定第二预设时段内的期望新增关注人数;
根据期望新增关注人数和实际新增关注人数,确定目标关注异常度,并在目标关注异常度满足预设异常条件时,确定在第二预设时段内对目标对象的关注异常。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于:电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种关注异常的检测方法,其特征在于,包括:
获取目标对象对应的第一关注用户总数、在第一预设时段内的第一观看用户总数、在第二预设时段之前未关注且在所述第二预设时段内观看的第二观看用户总数、以及在所述第二预设时段内的第一实际新增关注人数;
根据各网格区域对应的关注转化率、所述第一关注用户总数以及所述第一观看用户总数,确定所述目标对象对应的目标关注转化率,其中,所述各网格区域对应的关注转化率根据各对象对应的历史关注数据确定;
根据所述目标关注转化率和所述第二观看用户总数,确定所述第二预设时段内的期望新增关注人数;
根据所述期望新增关注人数和所述实际新增关注人数,确定目标关注异常度,并在所述目标关注异常度满足预设异常条件时,确定在所述第二预设时段内对所述目标对象的关注异常。
2.根据权利要求1所述的方法,其特征在于,根据各网格区域对应的关注转化率、所述第一关注用户总数以及所述第一观看用户总数,确定所述目标对象对应的目标关注转化率,包括:
根据各网格区域对应的人数范围、所述第一关注用户总数以及所述第一观看用户总数,确定所述目标对象对应的目标网格区域;
根据所述网格区域与关注转化率之间的对应关系以及所述目标网格区域,确定所述目标对象对应的目标关注转化率。
3.根据权利要求1所述的方法,其特征在于,所述各网格区域对应的关注转化率根据各对象对应的历史关注数据确定,包括:
将第三预设时段中的每一天作为参考天,获取每个对象在每个所述参考天对应的第二关注用户总数以及在第四预设时段内的第三观看用户总数,其中所述第四预设时段根据所述第一预设时段和所述参考天确定;
根据所述第二关注用户总数的最大值和所述第三观看用户总数的最大值,进行人数的均匀切分,确定各网格区域对应的人数范围;
根据各所述第二关注用户总数、各所述第三观看用户总数、以及各所述网格区域对应的人数范围,从所述各对象和所述各参考天中确定每个网格区域对应的各网格对象以及每个网格对象对应的各网格参考天;
获取每个所述网格对象在对应的每个所述网格参考天内的第二实际新增关注人数,以及在所述网格参考天之前未关注且在所述网格参考天内观看的第四观看用户总数;
根据每个所述网格对象对应的各所述第二实际新增关注人数、各所述第四观看用户总数、以及每个网格对象对应的网格参考天数量,确定每个网格区域对应的关注转化率。
4.根据权利要求3所述的方法,其特征在于,根据如下公式确定每个网格区域对应的关注转化率:
其中,Yg是某个网格区域g对应的关注转化率;xr是某个网格对象r对应的网格参考天数量;ar,t是网格对象r在对应的某个网格参考天t内的第二实际新增关注人数;wr,t是网格对象r在对应的某个网格参考天t之前未关注且在网格参考天t内观看的第四观看用户总数。
5.根据权利要求1所述的方法,其特征在于,根据如下公式确定所述第二预设时段内的期望新增关注人数:
ET,r=wR,T×Ygo
其中,ET,r是第二预设时段T内的期望新增关注人数;wR,T是目标对象R在第二预设时段T之前未关注且在第二预设时段T内观看的第二观看用户总数;Ygo是目标对象R对应的目标关注转化率。
6.根据权利要求1所述的方法,其特征在于,在所述目标关注异常度满足预设异常条件时,确定在所述第二预设时段内对所述目标对象的关注异常,包括:
根据各历史关注异常度,确定关注异常度对应的异常均值和异常方差;
若检测到所述目标关注异常度、所述异常均值以及所述异常方差满足预设异常表达式,则确定在所述第二预设时段内对所述目标对象的关注异常。
7.根据权利要求1所述的方法,其特征在于,所述预设异常表达式为:
其中,SR,T是所述目标关注异常度;meanS是所述异常均值;是所述异常方差;λ是预设异常系数。
8.一种关注异常的检测装置,其特征在于,包括:
目标对象信息获取模块,用于获取目标对象对应的第一关注用户总数、在第一预设时段内的第一观看用户总数、在第二预设时段之前未关注且在所述第二预设时段内观看的第二观看用户总数、以及在所述第二预设时段内的第一实际新增关注人数;
目标关注转化率确定模块,用于根据各网格区域对应的关注转化率、所述第一关注用户总数以及所述第一观看用户总数,确定所述目标对象对应的目标关注转化率,其中,所述各网格区域对应的关注转化率根据各对象对应的历史关注数据确定;
期望新增关注人数确定模块,用于根据所述目标关注转化率和所述第二观看用户总数,确定所述第二预设时段内的期望新增关注人数;
关注异常确定模块,用于根据所述期望新增关注人数和所述实际新增关注人数,确定目标关注异常度,并在所述目标关注异常度满足预设异常条件时,确定在所述第二预设时段内对所述目标对象的关注异常。
9.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的关注异常的检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的关注异常的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811284057.3A CN109451359B (zh) | 2018-10-31 | 2018-10-31 | 一种关注异常的检测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811284057.3A CN109451359B (zh) | 2018-10-31 | 2018-10-31 | 一种关注异常的检测方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109451359A true CN109451359A (zh) | 2019-03-08 |
CN109451359B CN109451359B (zh) | 2020-10-16 |
Family
ID=65549038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811284057.3A Active CN109451359B (zh) | 2018-10-31 | 2018-10-31 | 一种关注异常的检测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109451359B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112261484A (zh) * | 2020-12-21 | 2021-01-22 | 武汉斗鱼鱼乐网络科技有限公司 | 一种目标用户识别方法、装置、电子设备和存储介质 |
CN113727126A (zh) * | 2021-08-31 | 2021-11-30 | 北京快来文化传播集团有限公司 | 基于直播平台的主播关注方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106488267A (zh) * | 2016-11-21 | 2017-03-08 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐策略的评估方法、用户设备和服务器*** |
CN107515889A (zh) * | 2017-07-03 | 2017-12-26 | 国家计算机网络与信息安全管理中心 | 一种微博话题实时监测方法与装置 |
CN108134944A (zh) * | 2017-12-14 | 2018-06-08 | 北京奇艺世纪科技有限公司 | 一种收入异常主播用户的识别方法、装置及电子设备 |
CN108174296A (zh) * | 2018-01-02 | 2018-06-15 | 武汉斗鱼网络科技有限公司 | 恶意用户识别方法及装置 |
CN108200450A (zh) * | 2018-01-12 | 2018-06-22 | 武汉斗鱼网络科技有限公司 | 一种关注合法性的确定方法、装置、电子设备及介质 |
CN108243191A (zh) * | 2018-01-10 | 2018-07-03 | 武汉斗鱼网络科技有限公司 | 风险行为识别方法、存储介质、设备及*** |
-
2018
- 2018-10-31 CN CN201811284057.3A patent/CN109451359B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106488267A (zh) * | 2016-11-21 | 2017-03-08 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐策略的评估方法、用户设备和服务器*** |
CN107515889A (zh) * | 2017-07-03 | 2017-12-26 | 国家计算机网络与信息安全管理中心 | 一种微博话题实时监测方法与装置 |
CN108134944A (zh) * | 2017-12-14 | 2018-06-08 | 北京奇艺世纪科技有限公司 | 一种收入异常主播用户的识别方法、装置及电子设备 |
CN108174296A (zh) * | 2018-01-02 | 2018-06-15 | 武汉斗鱼网络科技有限公司 | 恶意用户识别方法及装置 |
CN108243191A (zh) * | 2018-01-10 | 2018-07-03 | 武汉斗鱼网络科技有限公司 | 风险行为识别方法、存储介质、设备及*** |
CN108200450A (zh) * | 2018-01-12 | 2018-06-22 | 武汉斗鱼网络科技有限公司 | 一种关注合法性的确定方法、装置、电子设备及介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112261484A (zh) * | 2020-12-21 | 2021-01-22 | 武汉斗鱼鱼乐网络科技有限公司 | 一种目标用户识别方法、装置、电子设备和存储介质 |
CN112261484B (zh) * | 2020-12-21 | 2021-04-27 | 武汉斗鱼鱼乐网络科技有限公司 | 一种目标用户识别方法、装置、电子设备和存储介质 |
CN113727126A (zh) * | 2021-08-31 | 2021-11-30 | 北京快来文化传播集团有限公司 | 基于直播平台的主播关注方法 |
CN113727126B (zh) * | 2021-08-31 | 2022-10-18 | 北京快来文化传播集团有限公司 | 基于直播平台的主播关注方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109451359B (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210168444A1 (en) | Methods, apparatus, and systems to collect audience measurement data | |
Haysom et al. | Learning curve analysis of concentrated photovoltaic systems | |
Bossavy et al. | Forecasting ramps of wind power production with numerical weather prediction ensembles | |
CN112350953B (zh) | 流量限制方法及其装置、电子设备和计算机可读存储介质 | |
CN107172452B (zh) | 直播间推荐方法及装置 | |
US11689754B2 (en) | Systems and methods for predicting viewership and detecting anomalies | |
CN109451359A (zh) | 一种关注异常的检测方法、装置、设备和存储介质 | |
CN110290400B (zh) | 可疑刷量视频的识别方法、真实播放量预估方法及装置 | |
CN108989893A (zh) | 一种直播间推荐方法、装置、终端和存储介质 | |
CN108494841B (zh) | 一种基于终端设备使用情况的管控方法及装置 | |
CN113379335B (zh) | 电力物资抽检方法、装置、电子设备和计算机可读介质 | |
CN109587530B (zh) | 一种数据处理方法、装置、终端设备和存储介质 | |
CN110569910A (zh) | 直播周期的处理方法、装置、设备及存储介质 | |
KR102009460B1 (ko) | Sdo/hmi 벡터 자기장 기반의 태양 플레어 발생 예측 장치 및 방법 | |
US20160134115A1 (en) | Electric load management method and system | |
CN112672405B (zh) | 功耗计算方法、装置、存储介质、电子设备以及服务器 | |
CN116205380A (zh) | 新能源电场站内损耗预测模型构建方法、预测方法和*** | |
US10014691B2 (en) | Demand response system with field area network gateway | |
CN116185786A (zh) | 告警检测方法、装置、设备及介质 | |
CN115759436A (zh) | 一种电网大数据下的用户电量电费预测方法及*** | |
CN109040447A (zh) | 一种手机墙的识别方法、装置、服务器和存储介质 | |
CN105188071B (zh) | 一种测试终端功耗的方法、设备和*** | |
CN109191701B (zh) | 电力计量方法、***及服务器 | |
US11671874B2 (en) | Communication band calculation device, communication band calculation method, and medium | |
CN109600639B (zh) | 基于用户偏好的用户相似度计算方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |