-
公开(公告)号：CN109191191B
公开(公告)日：2022-04-26
申请号：CN201810951569.4
申请日：2018-08-20
Applicant: 南京工业大学
Abstract: 本发明公开了一种基于代价敏感卷积神经网络的广告点击欺诈检测方法，属于数据处理技术领域。本发明包括获取一维特征数据集的步骤：对包含点击数据集与发布商数据集的原始数据进行分析，利用统计方法提取广告发布商的特征，获得每个发布商的一维特征数据集；构造特征矩阵的步骤：利用多粒度的时间窗口将一维特征转换成特征矩阵；分类预测训练的步骤：将特征矩阵数据集作为输入，选择卷积神经网络结构进行分类预测训练；在输出层引入代价敏感机制，利用阈值移动进行反向传播。本发明可以很好的适用于现阶段的广告点击欺诈检测，达到了较好的检测能力，提高了检测的精确度和模型的训练效率，实用性较高。
-
公开(公告)号：CN109101642A
公开(公告)日：2018-12-28
申请号：CN201810951568.X
申请日：2018-08-20
Applicant: 南京工业大学
Abstract: 本发明公开了一种基于子组与社会行为的缩小群组推荐列表方法，属于数据处理技术领域。本发明包括对数据集划分成若干群组，得到项目主题特征模型与用户主题偏好模型，将每个群组划分为若干个子组；根据所述子组获取初始群组推荐列表、子组偏好和子组权重；根据所述子组权重与子组偏好，通过加权模型得到群组偏好；将所述群组偏好与所述初始群组推荐列表进行相似度匹配，得到最终群组推荐列表。本发明可以在满足推荐准确性与公平性的前提下，最大化缩小群组推荐列表，使群组成员可以更方便地做出选择。
-
公开(公告)号：CN109101642B
公开(公告)日：2022-06-24
申请号：CN201810951568.X
申请日：2018-08-20
Applicant: 南京工业大学
IPC: G06F16/9535 , G06K9/62 , G06Q50/00
Abstract: 本发明公开了一种基于子组与社会行为的缩小群组推荐列表方法，属于数据处理技术领域。本发明包括对数据集划分成若干群组，得到项目主题特征模型与用户主题偏好模型，将每个群组划分为若干个子组；根据所述子组获取初始群组推荐列表、子组偏好和子组权重；根据所述子组权重与子组偏好，通过加权模型得到群组偏好；将所述群组偏好与所述初始群组推荐列表进行相似度匹配，得到最终群组推荐列表。本发明可以在满足推荐准确性与公平性的前提下，最大化缩小群组推荐列表，使群组成员可以更方便地做出选择。
-
公开(公告)号：CN109191191A
公开(公告)日：2019-01-11
申请号：CN201810951569.4
申请日：2018-08-20
Applicant: 南京工业大学
Abstract: 本发明公开了一种基于代价敏感卷积神经网络的广告点击欺诈检测方法，属于数据处理技术领域。本发明包括获取一维特征数据集的步骤：对包含点击数据集与发布商数据集的原始数据进行分析，利用统计方法提取广告发布商的特征，获得每个发布商的一维特征数据集；构造特征矩阵的步骤：利用多粒度的时间窗口将一维特征转换成特征矩阵；分类预测训练的步骤：将特征矩阵数据集作为输入，选择卷积神经网络结构进行分类预测训练；在输出层引入代价敏感机制，利用阈值移动进行反向传播。本发明可以很好的适用于现阶段的广告点击欺诈检测，达到了较好的检测能力，提高了检测的精确度和模型的训练效率，实用性较高。
-
-
-
Search Results
4
records
(took 0.018 seconds)
