技术总结
本发明涉及一种跨时间、多维度异常数据监测的方法和系统，其中，方法包括：收集Web日志和OLAP日志查询，获得网站信息、投放广告信息和用户信息；在Spark环境下利用Python将获得的异构数据进行清洗，生成各维度对应的电子表格，准备建模分析；使用GBDT算法建立正常广告点击行为模型；采用支持向量机对异常数据样本进行建模分析，建立异常广告点击行为模型；生成作弊点击监测模型，部署在线反作弊模型。本发明通过监测作弊互联网广告流量，利用机器学习和云计算技术，解决多种异构数据融合分析及小样本分类准确度问题，本发明还能在整个机器学习链条中记录下后续互联网广告点击数据，并对此进行分析，完善反作弊模型，以便更好的实现广告投放的精准度。
技术研发人员：史建民;龚安邦
受保护的技术使用者：杭州启冠网络技术有限公司
文档号码：201610770514
技术研发日：2016.08.30
技术公布日：2017.02.22