[发明专利]一种应用程序的排名欺诈检测方法

权利要求书

1.一种应用程序的排名欺诈检测方法，该方法包括：

特征提取阶段：从应用程序元数据和生成数据中提取特征数据；

智能学习阶段：使用深度学习模型对由特征数据和监督值组成的样本集进行训练；

检测阶段：输入待测应用的特征数据，判别是否存在排名欺诈。

2.根据权利要求1所述的检测方法，其特征在于，所述应用程序元数据为自应用程序发布就不再变更的数据，包括但不限于如下2个：应用所属分类、应用售价。

3.根据权利要求1所述的检测方法，其特征在于，所述应用程序生成数据为，在应用商店中，与应用程序相关并有可能发生变更的数据，包括但不限于如下17个：每日总榜排名序列、每日分类榜排名序列、用户评分序列、每日下载量序列、是否入选精品推荐、评论熵、平均评分、各种数值的评分占比、总下载量、评论用户数、各种数值的删除评分占比、曾有历史评论被删除的用户占比、高分评论者、评论者平均评论数、下载量与评论者数的相关性系数、下载量与积极评论者数的相关性系数、下载量与消极评论者数的相关性系数。

4.根据权利要求1所述的检测方法，其特征在于，所使用的深度学习模型具有如下特征：

（1）采用多层反馈神经网络和多层感知器模型相结合的方式构造整体模型；

（2）采用多层反馈神经网络处理长度不固定的数值序列，抽象出特征向量后再和其它数值类型的特征组成长度固定的总体特征向量；

（3）采用多层感知器模型进行处理分类。

5.根据权利要求4所述的检测方法，其特征在于，所述多层感知器模型采用了快速终止的方法，即在每一个迭代结束时计算验证数据的准确度，当上述准确度不再提高时，就停止训练，避免过度拟合。

6.根据权利要求4所述的检测方法，其特征在于，所述多层感知器模型采用了10折交叉验证作为命中率测试的方法，即每次将验证数据分为十份，轮流使用其中九份作为训练数据，剩下一份作为验证数据，十次验证数据结果的均值作为命中率测试的最终结果。