[发明专利]一种评估网上用户信用的方法及系统

说明书

技术领域

本发明涉及数据评估领域，特别是涉及一种评估网上用户信用的方法及系统。

背景技术

目前在网上交易系统中，由于用户在交易过程中，不知道交易对方的真实目的，因此经常存在一些欺诈和不诚信的问题。而且，网上交易欺诈行为越来越多，欺诈手段也来越来越高明，很难从一些表面现象看透交易的真实性。

现有的大多数网站评估用户信用的方法是：把注册时间、交易量和用户评价等指标通过简单的加权处理，得到一个简单而又不能真实反映网上用户的信用现状。

这种评估网上信用的技术手段由于比较简单，很难识破一些不真实的、故意炒作的交易，因此一些不法分子充分利用这些漏洞进行网上欺诈。例如，通过相互转账来提高自己的总交易量，通过两个账户相互好评等种种不诚信的手段来提高自己的伪信用，交易对象可以在很短的时间内提高自己的级别或假信用，从而给其他客户提供一种虚假的信息。这种不真实的信用评价，给交易对方带来不可估量的损失。

如何解决互联网上交易双方的诚信问题，即客户在交易之间就能看到对方的真实信用状况，同时也能达成网上交易，成为第三方互联网(如网站)支付亟待解决的问题。同时随着互联网的高速发展，也需要建设一个诚信安全、和谐的交易环境。

发明内容

本发明所要解决的技术问题是提供一种评估网上用户信用的方法及系统，以解决网上交易诚信的问题，从而减少不诚信给用户造成的损失。

为解决上述技术问题，根据本发明提供的具体实施例，本发明公开了以下技术方案：

一种评估网上用户信用的方法，包括：

从各业务系统收集用户在网上的原始行为数据；

将所述网上行为数据进行ETL处理，并存储到数据仓库；

分析确定影响信用评估的因素，然后从数据仓库获取影响因素数据；

利用所述影响因素数据建立信用评估模型；

利用所述模型计算用户的信用得分。

所述方法还包括数据仓库的调整步骤：如果数据仓库中没有对应影响因素的数据，或者数据仓库中的数据不符合要求，则重新对网上行为数据进行ETL处理，并存储到数据仓库。

其中，所述影响因素包括网站点击行为、用户交易数据及行为、资金变动数据及行为。

优选的，所述信用评估模型采用C5.0决策树和LOGISTIC回归相结合的组合模型，对每个用户分别采用C5.0决策树和LOGISTIC回归进行分析计算，然后根据两者结果进行加权处理，求出加权综合评分。

所述方法还包括：根据用户的历史信用记录，生成信用变化趋势图，并显示。

一种评估网上用户信用的系统，包括：

数据收集单元，用于从各业务系统收集用户在网上的原始行为数据，并进行ETL处理，然后进行存储；

模型建立单元，用于分析确定影响信用评估的因素，然后从数据收集单元获取影响因素数据；利用所述影响因素数据建立信用评估模型；

信用评估单元，用于利用所述模型计算用户的信用得分。

所述系统还包括：建模分析单元，用于对影响因素数据进行初步分析，删除对建模无用的变量。

所述系统还包括：业务调用单元，用于调用用户的历史信用记录，生成信用变化趋势图，并显示。

优选的，所述信用评估模型采用C5.0决策树和LOGISTIC回归相结合的组合模型，信用评估单元对每个用户分别采用C5.0决策树和LOGISTIC回归进行分析计算，然后根据两者结果进行加权处理，求出加权综合评分。

其中，所述影响因素包括网站点击行为、用户交易数据及行为、资金变动数据及行为。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明实施例充分利用用户在网上的点击行为数据、历史交易数据、资金变动数据等网上行为数据，通过数据仓库的ETL(Extract-数据抽取，Transform-数据转换，Load-数据装载)过程从各业务系统收集数据，然后利用C5.0决策树和LOGISTIC回归相结合的组合模型等数据挖掘技术，建立了一套客观的信用评估体系，大大改进了目前的网上信用评估方法，解决了网上交易的诚信问题，最大限度地减少了交易的风险性。

所述信用评估体系能够更加客观地评估用户的网上信用度，因为该体系进行评估的数据来自于网站记录的各种用户行为数据，这些数据是用户在网上进行交易时产生的数据，用户无法随意修改，所以能够客观、真实地反映用户的信用度。因此，利用这些客观数据建立的评估模型和计算得到的信用得分也更加客观、真实。