一种低频点击的过滤方法和装置制造方法
【专利摘要】本发明公开了一种低频点击的过滤方法和装置，包括：基于点击用户的点击数据，对所述点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合；对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量；对所述一个或多个点击特征向量进行聚类处理，以得到所述点击用户的低频点击向量集合；以及根据所述低频点击向量集合确定对应的点击为所述点击用户的低频点击，并从所述点击数据中过滤掉所述低频点击。采用本发明的技术方案，能够过滤点击数据中的低频点击，并且能提高低频点击的过滤过程中过滤的精确度。
【专利说明】一种低频点击的过滤方法和装置
【技术领域】
[0001]本发明涉及互联网【技术领域】，具体涉及一种低频点击的过滤方法和装置。
【背景技术】
[0002]低频点击是指带有攻击意图的恶意用户，在一段较长的时间内每隔一段时间(例如，每天)对某几个内容项，或者几个固定的内容项发布用户，或者某几个固定关键词的内容项进行少量点击(例如，一至两次)，以消耗这些用户的内容项展示量的攻击方式。低频点击的攻击模式，隐蔽性较强，并且会给内容项发布用户带来损失，同时还将影响内容项发布用户的用户体验。因此，需要对点击数据进行低频点击过滤。
[0003]为了有效地发现并过滤掉低频点击，本发明提出一种对低频点击进行过滤的方案。
【发明内容】
[0004]鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的低频点击的过滤方法和装置。
[0005]依据本发明的一个方面，提供了一种低频点击的过滤方法，包括:基于点击用户的点击数据，对所述点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合；对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量；对所述一个或多个点击特征向量进行聚类处理，以得到所述点击用户的低频点击向量集合；以及根据所述低频点击向量集合确定对应的点击为所述点击用户的低频点击，并从所述点击数据中过滤掉所述低频点击。
[0006]其中，所述点击数据包括如下中的一项或多项:点击用户的用户标识、被点击内容项的标识、点击用户搜索的搜索词、被点击的关键词、被点击用户的用户标识。
[0007]其中，对所述点击用户的点击数据进行特征提取时，所提取的特征包括如下中的一项或多项:内容项标识特征、搜索词特征、关键词特征、被点击用户的用户标识特征。
[0008]其中，对所述点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合，进一步包括:对所述点击用户每天的点击数据进行特征提取，以得到所述点击用户的一个或多个每天的点击数据对应的点击特征集合。
[0009]其中，对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量，包括:汇总所述一个或多个点击特征集合，以得到所述点击用户的点击特征汇总集合；根据所述点击特征汇总集合，对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量。
[0010]其中，汇总所述一个或多个点击特征集合，以得到所述点击用户的点击特征汇总集合，进一步包括:合并所述一个或多个点击特征集合，并将合并后得到的集合中重复的特征去除，以得到所述点击用户的点击特征汇总集合。
[0011]其中，根据所述点击特征汇总集合，对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量，进一步包括:将所述点击特征汇总集合中的特征与所述一个或多个点击特征集合中的特征进行对比，以得到与所述一个或多个点击特征集合对应的一个或多个点击特征向量。
[0012]其中，对所述一个或多个点击特征向量进行聚类处理，以得到所述点击用户的低频点击向量集合，包括:对所述一个或多个点击特征向量进行聚类，以得到一个或多个点击类别；其中，所述一个或多个点击类别中的每一个点击类别至少包括一个点击特征向量；提取所述一个或多个点击类别中点击特征向量的数目超过预定阈值的点击类别中的点击特征向量作为所述点击用户的低频点击向量，以得到所述点击用户的低频点击向量集合。
[0013]其中，还包括:提取所述点击用户的低频点击向量集合所对应的点击的特征，以生成所述点击用户对应的低频点击过滤表，其中，所述低频点击过滤表用于过滤掉所述点击用户进行的与所述低频点击过滤表中包含的特征相关的点击。
[0014]根据本发明的另一方面，提供了一种过滤低频点击的装置，包括:特征提取模块，用于基于点击用户的点击数据，对所述点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合；向量化模块，用于对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量；聚类处理模块，用于对所述一个或多个点击特征向量进行聚类处理，以得到所述点击用户的低频点击向量集合；以及过滤模块，用于根据所述低频点击向量集合确定对应的点击为所述点击用户的低频点击，并从所述点击数据中过滤掉所述低频点击。
[0015]其中，所述点击数据包括如下中的一项或多项:点击用户的用户标识、被点击内容项的标识、点击用户搜索的搜索词、被点击的关键词、被点击用户的用户标识。
[0016]其中，对所述每个点击用户的点击数据进行特征提取时，所提取的特征包括如下中的一项或多项:内容项标识特征、搜索词特征、关键词特征、被点击用户的用户标识特征。
[0017]其中，所述特征提取模块进一步用于:对所述点击用户每天的点击数据进行特征提取，以得到所述点击用户的一个或多个每天的点击数据对应的点击特征集合。
[0018]其中，所述向量化模块，包括:汇总子模块，用于汇总所述一个或多个点击特征集合，以得到所述点击用户的点击特征汇总集合；向量化子模块，用于根据所述点击用户的点击特征汇总集合，对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量。
[0019]其中，所述汇总子模块进一步用于:合并所述一个或多个点击特征集合，并将合并后得到的集合中重复的特征去除，以得到所述点击用户的点击特征汇总集合。
[0020]其中，所述向量化子模块进一步用于:将所述点击特征汇总集合中的特征与所述一个或多个点击特征集合中的特征进行对比，以得到与所述一个或多个点击特征集合对应的一个或多个点击特征向量。
[0021]其中，所述聚类处理模块，包括:聚类子模块，用于对所述一个或多个点击特征向量进行聚类，以得到一个或多个点击类别；其中，所述一个或多个点击类别中的每一个点击类别至少包括一个点击特征向量；提取子模块，用于提取所述一个或多个点击类别中点击特征向量的数目超过预定阈值的点击类别中的点击特征向量作为所述点击用户的低频点击向量，以得到所述点击用户的低频点击向量集合。
[0022]其中，还包括:过滤表生成模块，用于提取所述点击用户的低频点击向量集合所对应的点击的特征，以生成所述点击用户对应的低频点击过滤表，其中，所述低频点击过滤表用于过滤掉所述点击用户进行的与所述低频点击过滤表中包含的特征相关的点击。
[0023]与现有技术相比，根据本发明的技术方案存在以下有益效果:
[0024](I)根据本发明的技术方案，可以过滤点击数据中的低频点击，并且，与现有的过滤低频点击的方案相比具有更高的精确度。
[0025]( 2 )根据本发明的技术方案，可以在一定程度上保证正常的点击不被过滤掉。
[0026]上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的【具体实施方式】。
【专利附图】
【附图说明】
[0027]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中:
[0028]图1示出了根据本发明一个实施例的低频点击的过滤方法的流程图；
[0029]图2示出了根据本发明一个实施例的图1中的步骤S120的流程图；
[0030]图3示出了根据本发明一个实施例的图1中的步骤S130的流程图；以及
[0031]图4示出了根据本发明一个实施例的过滤低频点击的装置的结构图。
【具体实施方式】
[0032]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0033]针对低频点击攻击进行过滤的实现方法包括:(I)人工观察点击行为，这种方法需大量人力，过滤的精确度大部分取决于观察人员的观察能力和认真程度，并且，召回率较低；(2)根据被点击用户(内容项发布用户)的投诉进行过滤，这种方法较为滞后，且也存在不准确的因素；(3)基于规则的过滤方法，也就是强制规定符合某一条件的点击为低频点击，并将其过滤。基于规则的方法，是目前比较常用的低频点击的过滤方法，但是，制定的规则有时过于简单，精确度较低，往往还会误杀很多正常的点击，并且，规则的制定需要对作弊的数据进行统计和深入的分析才能制定。
[0034]下面将参考附图，详细描述本发明改进的技术方案。
[0035]如图1所示，图1是根据本发明一实施例的低频点击的过滤方法的流程图。
[0036]在步骤SllO处，基于点击用户的点击数据，对所述点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合。
[0037]其中，所述点击数据可以包括如下中的一项或多项:点击用户的用户标识、被点击内容项的标识、点击用户搜索的搜索词、被点击的关键词、被点击用户的用户标识。
[0038]应该注意，本发明中的词语“点击”所包含的意义，不仅限于用户对内容项的点击行为，还可以包括例如输入搜索词进行的搜索的搜索行为。[0039]其中，点击用户的用户标识，即，代表点击用户(点击或搜索内容项的用户)身份的标识，例如，可以用点击用户的Cookie(网站为了辨别用户身份而储存在用户本地终端上的数据)的标识来标识点击用户的身份，即，Cookie ID0被点击内容项的标识,即,用于标记该被点击的内容项的标识。点击用户搜索的搜索词，即，点击用户进行搜索时所使用的搜索词。被点击的关键词，即，被点击的内容项的关键词，内容项的发布用户取得其发布的内容项的关键词的关联权(有优先级的划分)，当用户输入与此关键词近似的信息时，该内容项会被按照该内容项的发布用户所具有的该关键词关联权的优先级展示给用户。被点击用户的用户标识，即代表被点击内容项的发布用户的身份的标识。
[0040]对所述点击用户的点击数据进行特征提取时，所提取的特征可以包括如下中的一项或多项:内容项标识特征、搜索词特征、关键词特征、被点击用户的用户标识特征。
[0041]应该注意，在本申请中的所述点击用户是指以点击用户的用户标识来标识用户身份的点击用户，而对点击用户的点击数据进行特征提取，以及后续的向量化、聚类处理等操作时，均是以所述点击用户的用户标识来识别一个具体的点击用户。
[0042]对所述点击用户的点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合，具体来说，可以先将所述点击用户的点击数据按照一定的属性划分为一个或多个点击数据集合(例如，按照日期属性，将点击数据按每天来划分，即，将N天的数据划分为N个点击数据集合，每天的点击数据为一个点击数据集合)，再对每个点击数据集合中的点击数据进行特征提取，以得到一个或多个点击数据集合对应的一个或多个点击特征集合；或者，还可以先对所述点击数据进行特征提取，再按照一定规则将提取的特征划分为一个或多个点击特征集合。
[0043]应该理解，对所述点击用户的点击数据进行特征提取后所得到的点击特征集合中包含的某一属性的特征可能有一个或多个，例如，对该点击用户的点击数据提取的内容项标识特征有SIF_123和SIF_234两个(其中，SIF表示内容项标识特征)。
[0044]应该理解，本发`明不限于此，而是还可以采用任何其他合适的方法来对所述点击用户的点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合。
[0045]根据本申请的一个实施例，对所述点击用户的点击数据进行特征提取时，可以对所述点击用户每天的点击数据进行特征提取，以得到所述点击用户的一个或多个每天的点击数据对应的点击特征集合。也就是说，以天为单位对所述点击用户的点击数据进行特征提取，即，该点击用户每天的点击数据对应一个点击特征集合。例如，获取的点击数据为N(N^ I)天的点击数据，则进行特征提取后，可以获得N个点击特征集合。
[0046]例如，对点击用户C的5天的点击数据进行特征提取后，得到每天的点击数据对应的点击特征集合分别为:
[0047]Featuresc, i={SIF_123，SIF_234, SKF_ 手机，SKF_MP3，BF_ 手机，BF_ 彩屏 MP3，MF_memberI, MF_member2}；
[0048]Featuresa2= {SIF_123, SIF_345, SKF_ 智能手机，SKF_MP3，BF_ 手机，BF_ 彩屏 MP3，MF_memberl, MF_member3}；
[0049]Features。，3= {SIF_123, SIF_345, SKF_ 手机，SKF_MP3，BF_ 智能手机，BF_ 彩屏 MP3，MF_member2, MF_member3}；
[0050]Featuresa4= {SIF_234, SIF_345, SKF_MP3, SKF_ 智能手机，BF_ 手机，BF_MP3，MF_memberI, MF_member3}；
[0051]Featuresa5= {SIF_123, SIF_234, SKF_ 手机，SKF_MP3，BF_ 智能手机，BF_MP3, MF_memberI, MF_member2}。
[0052]其中，点击特征集合用Featuresai来表示，C表示点击用户的用户标识，i表示第i天，即，Featuresai表示用户C第i天的点击特征集合；SIF表示内容项标识特征、SKF表示搜索词特征、BF表示关键词特征、MF表示被点击用户的用户标识特征。
[0053]在步骤S120处，对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量。也就是说，对得到的一个或多个点击特征集合中的每一个进行向量化，以得到每个点击特征集合对应的点击特征向量。
[0054]如图2所示，图2是根据本发明一实施例的图1中的步骤S120的流程图。
[0055]对所述一个或多个点击特征集合进行向量化可以按如下的步骤进行。
[0056]在步骤S210处，汇总所述一个或多个点击特征集合，以得到所述点击用户的点击特征汇总集合。具体而言，可以合并所述一个或多个点击特征集合，并将合并后得到的集合中重复的特征去除，以得到所述点击用户的点击特征汇总集合。即，先将得到的一个或多个点击特征集合合并为一个集合，再将合并后得到的集合中重复的特征去除，得到该点击用户的点击特征汇总集合。
[0057]例如，在步骤SllO处所举的例子中，将用户C的点击特征集合Features。」、Featuresa2> Featuresa3> Featuresa4> Featuresa5 进行合并，可以得到集合 M:
[0058]M={SIF_123, SIF_234, SKF_ 手机，SKF_MP3，BF_ 手机，BF_ 彩屏 MP3，MF_memberl,MF_member2, SIF_123, SIF_345, SKF_ 智能手机，SKF_MP3, BF_ 手机，BF_ 彩屏 MP3，MF_memberl，MF_member3，SIF_123，SIF_345, SKF_ 手机，SKF_MP3，BF_ 智能手机，BF_ 彩屏 MP3，MF_member2, MF_member3, SIF_234, SIF_345, SKF_MP3, SKF_ 智能手机，BF_ 手机，BF_MP3,MF_memberl, MF_member3, SIF_123, SIF_234, SKF_ 手机，SKF_MP3, BF_ 智能手机，BF_MP3，MF_memberl, MF_member2}。
[0059]去除集合M中重复的特征，可以得到该点击用户C的点击特征汇总集合DimesionalityC:
[0060]DimesionalityC= {SIF_123, SIF_234, SKF_手机，SKF_MP3，BF_ 手机，BF_彩屏 MP3，MF_memberl, MF_member2, SIF_345, SKF_ 智能手机，MF_member3, BF_ 智能手机，BF_MP3}。
[0061]在步骤S220处，根据所述点击特征汇总集合，对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量。
[0062]根据本发明的一个实施例，可以将所述点击特征汇总集合中的特征与所述一个或多个点击特征集合中的特征进行对比，以得到与所述一个或多个点击特征集合对应的一个或多个点击特征向量。
[0063]具体地，针对一个点击特征集合，可以将点击特征汇总集合中的所有特征依次与该点击特征集合中的特征进行对比，得到每个分量与所述点击特征汇总集合中的每个特征依次对应的该点击特征集合的点击特征向量，其中，在该点击特征向量中，对应于点击特征汇总集合中的特征，在该点击特征集合中出现的特征对应的分量为1，在该点击特征集合中未出现的特征对应的分量为O。
[0064]例如，用户C第I天的点击特征集合为Features。，,{SIF—US，SIF_234, SKF_手机，SKF_MP3，BF_手机，BF_彩屏MP3，MF_memberl, MF_member2};用户C的点击特征汇总集合 DimesionalityC= {SIF_123，SIF_234, SKF_ 手机，SKF_MP3, BF_ 手机，BF_ 彩屏 MP3，MF_member I, MF_member2, SIF_345, SKF—智能手机，MF_member3, BF—智能手机，BF_MP3},以Vectorai表示用户C第i天的点击特征向量,则将点击特征汇总集合中的所有特征依次与该点击特征集合中的特征进行对比，可得到Vectorai=U, 1，1，1，1，1，1，1，0，0，0，0，0，}。其中，点击特征汇总集合中有13个特征，每个点击特征向量也对应都有13个分量。
[0065]也就是说，根据点击特征汇总集合中的特征是否在该点击特征集合中出现，将该一个或多个点击特征集合进行向量化，每个点击特征集合向量化之后得到的点击特征向量
中各个分量与点击特征汇总集合中的各个特征顺次--对应。因此，每个点击特征向量中
分量的数目与点击特征汇总集合中特征的数目相同。也就是说，若点击特征汇总集合中有m个特征，则对一个或多个点击特征集合进行向量化后得到的一个或多个点击特征向量都为m维向量。
[0066]将前述所举的例子中用户C的5天的点击特征集合分别进行向量化后，可以得到用户C的5个点击特征向量分别为:
[0067]Vectorcu=U, I, I, I, I, I, I, I, O, O, O, O, 0}；
[0068]Vectorc 2= {I, O, O, I, I, I, I, O, I, I, I, O, 0}；
[0069]vectorc’3= {1，O, I, I, O, I, O, I, I, O, I, O, 0}；
[0070]vectorc’4= {O, I, O, I, I, O, I, O, I, I, I, O, 1}；
[0071]Vectora5= {I,` I, I, I, O, O, I, I, O, O, O, I, 1}。
[0072]应该理解，本发明不限于此，而是还可以采用任何其他合适的方法来对所述一个或多个点击特征集合进行向量化。
[0073]在步骤S130处，对所述一个或多个点击特征向量进行聚类处理，以得到所述点击用户的低频点击向量集合。
[0074]如图3所示，图3是根据本发明一实施例的图1中的步骤S130的流程图。步骤S130可以进一步包括步骤S310~S320。
[0075]在步骤S310处，对所述一个或多个点击特征向量进行聚类，以得到一个或多个点击类别；其中，所述一个或多个点击类别中的每一个点击类别至少包括一个点击特征向量。
[0076]对该一个或多个点击特征向量进行聚类，即，将该一个或多个点击特征向量，按照相似度聚类为一个或多个向量集合，即，点击类别，其中每个点击类别中至少包含一个点击特征向量。根据本发明的实施例，可以利用聚类算法，先将该一个或多个点击特征向量进行相似度计算，再根据相似度计算的结果，将该一个或多个点击特征向量聚类为一个或多个点击类别。例如，可以采用最邻近节点算法(KNN,k-Nearest Neighbor algorithm)进行聚类。
[0077]在步骤S320处，提取所述一个或多个点击类别中点击特征向量的数目超过预定阈值的点击类别中的点击特征向量作为所述点击用户的低频点击向量，以得到所述点击用户的低频点击向量集合。其中，所述预定阈值可以通过对历史数据的分析来确定，例如，通过对大量用户(发布内容项的用户)投诉数据的分析进行确定。
[0078]例如，预定阈值设为ξ =2，聚类后得到m个点击类别分别为C1X2X3-Cm。其中，点击类别Cj中点击特征向量的数目为3个,点击类别Ck中点击特征向量的数目为4个,CjJPCk中点击特征向量的数目都超过了预定阈值I，则将点击类别CyCk中的共7个点击特征向量作为该点击用户的低频点击向量，并将这7个低频点击向量合并为一个向量集合，SP，该点击用户的低频点击向量集合。
[0079]在步骤S140处，根据所述低频点击向量集合确定对应的点击为所述点击用户的低频点击，并从所述点击数据中过滤掉所述低频点击。也就是说，对于该低频点击向量集合中的所有低频点击向量，找出每个低频点击向量所对应的点击，即为该用户的低频点击。
[0080]例如，可以根据在步骤S210处得到的该点击用户的点击特征汇总集合，找到每个点击向量对应的点击。每个点击特征集合向量化之后得到的点击特征向量的各个分量与点击特征汇总集合中的各个特征是顺次一一对应的，因此，可以按照它们的对应关系找到对应的点击特征，进而找到对应的点击。
[0081]根据本申请的一个实施例，还可以包括:提取所述点击用户的低频点击向量集合所对应的点击的特征，以生成所述点击用户对应的低频点击过滤表的步骤。
[0082]具体地，可以对于该点击用户的低频点击向量集合中的每个低频点击向量分别找到对应的点击后，汇总各个对应的点击的特征，例如，内容项标识特征、搜索词特征、关键词特征、被点击用户的用户标识特征等，生成该点击用户对应的低频点击过滤表。其中，所述低频点击过滤表用于过滤掉所述点击用户进行的与所述低频点击过滤表中包含的特征相关的点击。即，可以根据该低频点击过滤表，将该点击用户进行与该表中包含的特征相关的点击过滤掉。通过低频点击过滤表进行过滤，能够在一定程度上保证正常的点击不会被过滤掉。
[0083]本发明还提供了一种过滤低频点击的装置。如图4所示，图4是根据本发明一实施例的过滤低频点击的装置400的结构框图。该装置包括:特征提取模块410、向量化模块420、聚类处理模块430以及过滤模块440。
[0084]其中，特征提取模块410可以用于基于点击用户的点击数据，对所述点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合。
[0085]向量化模块420可以用于对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量。
[0086]聚类处理模块430可以用于对所述一个或多个点击特征向量进行聚类处理，以得到所述点击用户的低频点击向量集合。
[0087]过滤模块440可以用于根据所述低频点击向量集合确定对应的点击为所述点击用户的低频点击，并从所述点击数据中过滤掉所述低频点击。
[0088]所述点击数据可以包括如下中的一项或多项:点击用户的用户标识、被点击内容项的标识、点击用户搜索的搜索词、被点击的关键词、被点击用户的用户标识。
[0089]对所述每个点击用户的点击数据进行特征提取时，所提取的特征可以包括如下中的一项或多项:内容项标识特征、搜索词特征、关键词特征、被点击用户的用户标识特征。
[0090]根据本发明的实施例，所述特征提取模块410可以进一步用于:对所述点击用户每天的点击数据进行特征提取，以得到所述点击用户的一个或多个每天的点击数据对应的点击特征集合。
[0091]根据本发明的实施例，所述向量化模块420可以包括汇总子模块和向量化子模块。汇总子模块可以用于汇总所述一个或多个点击特征集合，以得到所述点击用户的点击特征汇总集合。向量化子模块可以用于根据所述点击用户的点击特征汇总集合，对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量。
[0092]根据本发明的实施例，所述汇总子模块可以进一步用于:合并所述一个或多个点击特征集合，并将合并后得到的集合中重复的特征去除，以得到所述点击用户的点击特征汇总集合。
[0093]根据本发明的实施例，所述向量化子模块可以进一步用于:将所述点击特征汇总集合中的特征与所述一个或多个点击特征集合中的特征进行对比，以得到与所述一个或多个点击特征集合对应的一个或多个点击特征向量。
[0094]根据本发明的实施例，所述聚类处理模块430可以包括:聚类子模块和提取子模块。其中，聚类子模块可以用于对所述一个或多个点击特征向量进行聚类，以得到一个或多个点击类别。其中，所述一个或多个点击类别中的每一个点击类别至少包括一个点击特征向量。提取子模块可以用于提取所述一个或多个点击类别中点击特征向量的数目超过预定阈值的点击类别中的点击特征向量作为所述点击用户的低频点击向量，以得到所述点击用户的低频点击向量集合。
[0095]根据本发明的实施例，装置400还可以包括过滤表生成模块，该模块可以用于提取所述点击用户的低频点击向量集合所对应的点击的特征，以生成所述点击用户对应的低频点击过滤表，其中，所述低频点击过滤表用于过滤掉所述点击用户进行的与所述低频点击过滤表中包含的特征相关的点击。
[0096]以上描述的过滤低频点击的装置与之前描述的低频点击的过滤方法的处理是对应的，因此，关于更详细的技术细节，可以参见之前描述的方法。
[0097]在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
[0098]在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
[0099]类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循【具体实施方式】的权利要求书由此明确地并入该【具体实施方式】，其中每个权利要求本身都作为本发明的单独实施例。
[0100]本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
[0101]此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
[0102]本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的过滤低频点击的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
[0103]应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
[0104]本发明包括B10、一种过滤低频点击的装置，其特征在于，包括:
[0105]特征提取模块，用于基于点击用户的点击数据，对所述点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合；
[0106]向量化模块，用于对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量；
[0107]聚类处理模块，用于对所述一个或多个点击特征向量进行聚类处理，以得到所述点击用户的低频点击向量集合；以及
[0108]过滤模块，用于根据所述低频点击向量集合确定对应的点击为所述点击用户的低频点击，并从所述点击数据中过滤掉所述低频点击。
[0109]B11、根据权利要求BlO所述的装置，其特征在于，所述点击数据包括如下中的一项或多项:点击用户的用户标识、被点击内容项的标识、点击用户搜索的搜索词、被点击的关键词、被点击用户的用户标识。
[0110]B12、根据权利要求BlO所述的装置，其特征在于，对所述每个点击用户的点击数据进行特征提取时，所提取的特征包括如下中的一项或多项:内容项标识特征、搜索词特征、关键词特征、被点击用户的用户标识特征。[0111]B13、根据权利要求BlO所述的装置，其特征在于，所述特征提取模块进一步用于:对所述点击用户每天的点击数据进行特征提取，以得到所述点击用户的一个或多个每天的点击数据对应的点击特征集合。
[0112]B14、根据权利要求BlO所述的装置，其特征在于，所述向量化模块，包括:
[0113]汇总子模块，用于汇总所述一个或多个点击特征集合，以得到所述点击用户的点击特征汇总集合；
[0114]向量化子模块，用于根据所述点击用户的点击特征汇总集合，对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量。
[0115]B15、根据权利要求B14所述的装置，其特征在于，所述汇总子模块进一步用于:
[0116]合并所述一个或多个点击特征集合，并将合并后得到的集合中重复的特征去除，以得到所述点击用户的点击特征汇总集合。
[0117]B16、根据权利要求B14或B15所述的装置，其特征在于，所述向量化子模块进一步用于:
[0118]将所述点击特征汇总集合中的特征与所述一个或多个点击特征集合中的特征进行对比，以得到与所述一个或多个点击特征集合对应的一个或多个点击特征向量。
[0119]B17、根据权利要求BlO所述的装置，其特征在于，所述聚类处理模块，包括:
[0120]聚类子模块，用于对所述一个或多个点击特征向量进行聚类，以得到一个或多个点击类别；其中，所述一个或多个点击类别中的每一个点击类别至少包括一个点击特征向量;
[0121]提取子模块，用于提取所述一个或多个点击类别中点击特征向量的数目超过预定阈值的点击类别中的点击特征向量作为所述点击用户的低频点击向量，以得到所述点击用户的低频点击向量集合。
[0122]B18、根据权利要求BlO所述的装置，其特征在于，还包括:过滤表生成模块，用于提取所述点击用户的低频点击向量集合所对应的点击的特征，以生成所述点击用户对应的低频点击过滤表，其中，所述低频点击过滤表用于过滤掉所述点击用户进行的与所述低频点击过滤表中包含的特征相关的点击。
【权利要求】
1.一种低频点击的过滤方法，其特征在于，包括: 基于点击用户的点击数据，对所述点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合； 对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量； 对所述一个或多个点击特征向量进行聚类处理，以得到所述点击用户的低频点击向量集合；以及 根据所述低频点击向量集合确定对应的点击为所述点击用户的低频点击，并从所述点击数据中过滤掉所述低频点击。
2.根据权利要求1所述的方法，其特征在于，所述点击数据包括如下中的一项或多项:点击用户的用户标识、被点击内容项的标识、点击用户搜索的搜索词、被点击的关键词、被点击用户的用户标识。
3.根据权利要求1所述的方法，其特征在于，对所述点击用户的点击数据进行特征提取时，所提取的特征包括如下中的一项或多项:内容项标识特征、搜索词特征、关键词特征、被点击用户的用户标识特征。
4.根据权利要求1所述的方法，其特征在于，对所述点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合，进一步包括: 对所述点击用户每天的 点击数据进行特征提取，以得到所述点击用户的一个或多个每天的点击数据对应的点击特征集合。
5.根据权利要求1所述的方法，其特征在于，对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量，包括: 汇总所述一个或多个点击特征集合，以得到所述点击用户的点击特征汇总集合； 根据所述点击特征汇总集合，对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量。
6.根据权利要求5所述的方法，其特征在于，汇总所述一个或多个点击特征集合，以得到所述点击用户的点击特征汇总集合，进一步包括: 合并所述一个或多个点击特征集合，并将合并后得到的集合中重复的特征去除，以得到所述点击用户的点击特征汇总集合。
7.根据权利要求5或6所述的方法，其特征在于，根据所述点击特征汇总集合，对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量，进一步包括: 将所述点击特征汇总集合中的特征与所述一个或多个点击特征集合中的特征进行对t匕，以得到与所述一个或多个点击特征集合对应的一个或多个点击特征向量。
8.根据权利要求1所述的方法，其特征在于，对所述一个或多个点击特征向量进行聚类处理，以得到所述点击用户的低频点击向量集合，包括: 对所述一个或多个点击特征向量进行聚类，以得到一个或多个点击类别；其中，所述一个或多个点击类别中的每一个点击类别至少包括一个点击特征向量； 提取所述一个或多个点击类别中点击特征向量的数目超过预定阈值的点击类别中的点击特征向量作为所述点击用户的低频点击向量，以得到所述点击用户的低频点击向量集合。
9.根据权利要求1所述的方法，其特征在于，还包括:提取所述点击用户的低频点击向量集合所对应的点击的特征，以生成所述点击用户对应的低频点击过滤表，其中，所述低频点击过滤表用于过滤掉所述点击用户进行的与所述低频点击过滤表中包含的特征相关的点击。
10.一种过滤低频点击的装置，其特征在于，包括: 特征提取模块，用于基于点击用户的点击数据，对所述点击数据进行特征提取，以得到所述点击用户的一个或多个点击特征集合； 向量化模块，用于对所述一个或多个点击特征集合进行向量化，以得到所述点击用户的一个或多个点击特征向量； 聚类处理模块，用于对所述一个或多个点击特征向量进行聚类处理，以得到所述点击用户的低频点击向量集合；以及 过滤模块，用于根据所述低频点击向量集合确定对应的点击为所述点击用户的低频点击，并从所述点击数据 中过滤掉所述低频点击。
【文档编号】G06F17/30GK103810241SQ201310597954
【公开日】2014年5月21日 申请日期:2013年11月22日 优先权日:2013年11月22日
【发明者】杨松 申请人:北京奇虎科技有限公司, 奇智软件（北京）有限公司