移動廣告作為一種依托于智能終端的新型營銷方式,與傳統(tǒng)媒體相比具有精確性、互動性、靈活性以及個性化等特點。然而,在按行為付費的模式中,惡意的移動廣告發(fā)布者通過人工或程序模仿合法用戶進行虛假廣告點擊或應(yīng)用下載等操作,以增加其廣告收入,這種移動廣告欺詐行為對移動廣告市場構(gòu)成嚴(yán)重威脅。由于欺詐技術(shù)發(fā)展迅速,識別欺詐的發(fā)布者非常具有挑戰(zhàn)性。當(dāng)前,廣告欺詐檢測已成為移動廣告服務(wù)中亟待解決的問題。由于對結(jié)構(gòu)化數(shù)據(jù)有良好的表示能力且具有魯棒性,基于圖結(jié)構(gòu)數(shù)據(jù)的圖分析方法被應(yīng)用于異常和欺詐檢測。傳統(tǒng)基于圖結(jié)構(gòu)的分析方法在大規(guī)模圖中效率較低,且現(xiàn)有的深度學(xué)習(xí)等有效方案難以直接應(yīng)用于圖結(jié)構(gòu)數(shù)據(jù)的分析,圖嵌入方法為圖中的節(jié)點學(xué)習(xí)一個低維空間中的有效向量表示,從而更好地支持后續(xù)圖數(shù)據(jù)分析。本文針對移動應(yīng)用廣告的欺詐問題,在分析移動應(yīng)用廣告系統(tǒng)用戶、應(yīng)用和廣告之間關(guān)聯(lián)關(guān)系的基礎(chǔ)上,構(gòu)建了一種移動應(yīng)用廣告有權(quán)異構(gòu)圖,然后提出了一種基于元路徑隨機游走的有權(quán)異構(gòu)圖嵌入算法（WMP2vec）,解決該有權(quán)異構(gòu)圖的節(jié)點表示學(xué)習(xí)問題。在元路徑隨機游走階段,通過加入權(quán)重偏移因子,約束節(jié)點傳播概率,加強節(jié)點表示的準(zhǔn)確性。本文在真實... 

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的主要內(nèi)容
    1.4 本文的結(jié)構(gòu)
第二章 相關(guān)技術(shù)
    2.1 Word2vec方法
        2.1.1 詞向量
        2.1.2 Skip-gram模型
        2.1.3 層次softmax和負采樣方法
    2.2 圖嵌入方法
    2.3 卷積神經(jīng)網(wǎng)絡(luò)模型
        2.3.1 卷積層
        2.3.2 池化層
        2.3.3 批歸一化
        2.3.4 全連接層
    2.4 評價指標(biāo)
        2.4.1 PR曲線和AP值
        2.4.2 ROC曲線和AUC值
    2.5 TensorFlow深度學(xué)習(xí)框架
    2.6 本章小結(jié)
第三章 有權(quán)異構(gòu)圖嵌入算法研究
    3.1 引言
    3.2 基本思想
    3.3 移動廣告有權(quán)異構(gòu)圖模型的構(gòu)建
    3.4 有權(quán)異構(gòu)圖嵌入算法
    3.5 本章小結(jié)
第四章 有權(quán)異構(gòu)圖嵌入實驗
    4.1 實驗環(huán)境
    4.2 數(shù)據(jù)描述及任務(wù)分析
    4.3 對比模型及參數(shù)設(shè)置
    4.4 實驗及分析
        4.4.1 數(shù)據(jù)集劃分
        4.4.2 實驗結(jié)果
        4.4.3 參數(shù)分析
    4.5 本章小結(jié)
第五章 基于圖嵌入的混合欺詐檢測模型
    5.1 引言
    5.2 基本思想
    5.3 模型架構(gòu)
    5.4 本章小結(jié)
第六章 混合欺詐檢測模型實驗
    6.1 相關(guān)數(shù)據(jù)分析
    6.2 對比模型及參數(shù)設(shè)置
    6.3 實驗及分析
        6.3.1 數(shù)據(jù)集劃分
        6.3.2 實驗結(jié)果
        6.3.3 參數(shù)分析
    6.4 本章小結(jié)
總結(jié)與展望
參考文獻
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻】：
期刊論文
[1]基于深度學(xué)習(xí)的銀行卡交易反欺詐技術(shù)研究[J]. 竇路路,石秀金.  智能計算機與應(yīng)用. 2018(04)
[2]一種網(wǎng)絡(luò)廣告點擊欺詐檢測的SVM集成方法[J]. 張欣,劉學(xué)軍,李斌,郭漢.  小型微型計算機系統(tǒng). 2018(05)
[3]網(wǎng)絡(luò)表示學(xué)習(xí)綜述[J]. 涂存超,楊成,劉知遠,孫茂松.  中國科學(xué):信息科學(xué). 2017(08)
[4]如何用深度學(xué)習(xí)識別網(wǎng)絡(luò)欺詐[J]. 吳文煜.  計算機與網(wǎng)絡(luò). 2016(13)
[5]一種新的點擊欺詐防范算法[J]. 劉國卿.  計算機工程. 2011(S1)
[6]基于用戶行為分析的廣告欺詐點擊檢測[J]. 龔尚福,姜曉旭.  計算機應(yīng)用與軟件. 2011(04)
[7]一種有效預(yù)防點擊欺詐的算法[J]. 張祖蓮,卡米力·木衣丁,王命全.  計算機應(yīng)用. 2010(07)
[8]網(wǎng)絡(luò)廣告中反CPC點擊作弊研究[J]. 常艷,湯小春.  科學(xué)技術(shù)與工程. 2010(04)
[9]一種有效預(yù)防點擊欺詐的策略[J]. 袁健,張勁松,馬良.  計算機應(yīng)用. 2009(07)

碩士論文
[1]移動廣告欺詐檢測與推薦算法研究[D]. 梁俊杰.華南理工大學(xué) 2017
[2]移動萬維網(wǎng)中廣告點擊欺詐檢測技術(shù)的研究[D]. 母路明.西南交通大學(xué) 2016
[3]基于深度學(xué)習(xí)技術(shù)的信用卡交易欺詐偵測研究[D]. 丁衛(wèi)星.上海交通大學(xué) 2015



本文編號：3704412