[发明专利]信息处理方法、装置和计算机设备

权利要求书

1.一种信息处理方法，其特征在于，包括：

获取对应用程序的下载数据，所述对应用程序的下载数据是指下载应用程序时所产生的数据；所述下载数据包括下载的内容、下载行为的发起者、下载时的网络环境和下载时间；

提取所述下载数据的属性的特征值；

将所述下载数据的属性的特征值导入到下载分类决策树中，所述下载分类决策树是根据应用程序的历史下载数据训练得到的；

将所述下载数据的属性的特征值与所述下载分类决策树中各属性节点的特征值进行比较，根据比较结果得到所述下载数据的类别。

2.根据权利要求1所述的信息处理方法，其特征在于，所述方法还包括：

获取应用程序的历史下载数据，对所述历史下载数据进行采样形成训练样本数据集；

对所述训练样本数据集中每一样本数据提取多个属性及对应的特征值；

获取所述训练样本数据集的各个属性的信息增益；

根据各个属性的信息增益将样本数据进行归类，得到下载分类决策树。

3.根据权利要求2所述的信息处理方法，其特征在于，所述根据各个属性的信息增益将样本数据进行归类，得到下载分类决策树，包括：

选取信息增益最大的属性；

将所述信息增益最大的属性的特征值相同的样本数据归类到同一训练样本数据子集；

依次对各训练样本数据子集获取训练样本数据子集中的各个属性的信息增益，选取信息增益最大的属性，将所述信息增益最大的属性的特征值相同的样本数据归类到同一训练样本数据子集，递归分裂构建下载分类决策树。

4.根据权利要求1至3中任一项所述的信息处理方法，其特征在于，所述方法还包括：

统计指定时间内或指定次数的下载数据的分类结果的正确率；

若所述正确率小于阈值，则选取训练样本数据集及选取新的属性进行训练得到新的下载分类决策树。

5.一种构建下载分类决策树的方法，其特征在于，包括：

获取应用程序的历史下载数据，对所述历史下载数据进行采样形成训练样本数据集，所述应用程序的历史下载数据是指下载应用程序时所产生的数据；所述下载数据包括下载的内容、下载行为的发起者、下载时的网络环境和下载时间；

对所述训练样本数据集中每一样本数据提取多个属性的特征值；

获取所述训练样本数据集的各个属性的信息增益；

选取信息增益最大的属性；

将所述信息增益最大的属性的特征值相同的样本数据归类到同一训练样本数据子集；

依次对各训练样本数据子集获取训练样本数据子集中的各个属性的信息增益，选取信息增益最大的属性，将所述信息增益最大的属性的特征值相同的样本数据归类到同一训练样本数据子集，递归分裂构建下载分类决策树。

6.一种信息处理装置，其特征在于，包括：

数据获取模块，用于获取对应用程序的下载数据，所述对应用程序的下载数据是指下载应用程序时所产生的数据；所述下载数据包括下载的内容、下载行为的发起者、下载时的网络环境和下载时间；

属性特征获取模块，用于提取所述下载数据的属性的特征值；

导入模块，用于将所述下载数据的属性的特征值导入到下载分类决策树中，所述下载分类决策树是根据应用程序的历史下载数据训练得到的；

类别识别模块，用于将下载数据的属性的特征值与所述下载分类决策树中各属性节点的特征值进行比较，根据比较结果得到所述下载数据的类别。

7.根据权利要求6所述的信息处理装置，其特征在于，所述装置还包括：

样本采集模块，用于获取应用程序的历史下载数据，对所述历史下载数据进行采样形成训练样本数据集；

属性提取模块，用于对所述训练样本数据集中每一样本数据提取多个属性及对应的特征值；

信息增益获取模块，用于获取所述训练样本数据集的各个属性的信息增益；

构建模块，用于根据各个属性的信息增益将样本数据进行归类，得到下载分类决策树。