[发明专利]分类信息网站中的基于机器学习的欺诈行为识别系统

说明书

技术领域

本发明涉及互联网技术，特别是一种分类信息网站中的基于机器学习的欺诈行为识别系统。

背景技术

分类信息网是互联网新兴起的一种涉及日常生活的方方面面信息资讯的网站类型。在这些网站里面用户可以获得免费、便利的信息发布服务，包括二手物品交易、二手车买卖、房屋租售、宠物、招聘、兼职、求职、交友活动、生活服务信息等。分类信息又称分类广告，人们日常在电视、报刊上所看到的广告，往往是不管观看者愿不愿意，它都会强加给观看者，这类广告为被动广告；而人们主动去查询招聘、租房、旅游等方面的信息，对这些信息，称它为主动广告。在信息社会逐步发展的今天，被动广告越来越引起人们的反感，而主动广告却受到人们的广泛青睐。几乎每个地方的晚报、日报、生活娱乐报都少不了分类信息的身影，而且办得越好的报纸，分类信息的篇幅往往越大。由此就产生了分类信息网。

在分类信息网站发布信息的用户中，常会出现一部分劣质用户，他们以发布虚假信息等方式欺诈用户来获取利益。因此，分类信息网站会设置一些对劣质信息的处理规则和过滤逻辑等。

现有的虚假信息识别的手段主要是基于规则的识别方式，外加一些人工的干预，例如通过统计一个ip在一段时间内发布地点数、信息内容内是否含有非法词、发布的商品或服务的价格区间是否不合理等等规则来判断一个用户是否为发布虚假信息的劣质用户，从而采取删除信息、警告、注销用户等处理手段。然而，常见的处理规则和过滤逻辑通常都是使用单一维度来进行劣质行为的识别，因此劣质用户总能想方设法地试探到规则的临界点从而绕开系统的对劣质信息的处理和过滤逻辑。

另外，随着各种规则的上线，可使用的规则会越来越少，因为规则都是会比较明显的特征。现有的方法中对规则的识别只能使用线性的分类面进行区分，从而导致多数的劣质信息都不会被系统识别并处理。

因此，需要一种分类信息网站中的基于机器学习的欺诈行为识别系统，来在多个维度对用户的行为进行识别，从而高效地减少交易信息的虚假量，提高交易信息的真实性。

发明内容

本发明的目的是提供一种分类信息网站中的基于机器学习的欺诈行为识别系统。

根据本发明的一个方面，提供了一种用于分类信息网站中基于机器学习的欺诈行为识别系统的方法，所述方法包括如下步骤：a)基于已有的用户行为数据抽取样本数据，用于首次生成模型；b)针对不同业务类型的训练数据选择提取多种用户行为特征；c)基于所提取的用户行为特征，对所述样本训练数据进行向量化；d)利用向量化的样本训练数据产生预测模型；e)利用所产生的模型基于分类和聚类规则对线上数据进行检测；f)对所检测得到的异常用户数据进行处理。

优选地，所述步骤a中的样本数据包括正样本数据和负样本数据，分别对应于优质行为的用户和劣质行为的用户。

优选地，所述步骤b中用户行为特征包括对于同一cookie的用户行为数据以及用户各维度的统计数量。

优选地，所述步骤b中通过计算信息熵和模型交叉数据验证的方式来选择对不同业务类型提取的用户特征。

优选地，所述步骤d中使用概率型的分类器进行决策。

优选地，所述步骤e中利用模型计算表示用户行为数据的异常概率的概率点。

优选地，计算所述概率点的方法为，多个模型分别对用户行为数据的多组特征进行检测，并分别得出一个分概率点，然后对各分概率点进行乘积和转化操作，得出用户行为数据的概率点。

优选地，所述步骤e中基于分类规则的用户异常行为检测方法包括设定一条概率线用于判断用户行为数据是否为坏数据。

优选地，所述步骤e中基于聚类规则的用户异常行为检测方法包括如下：e1)对概率点进行聚类现象监测；e2)将概率点聚类到一定数量的用户行为进行检测，以判断聚类至相同概率点的用户行为是否为劣质用户行为；e3)根据检测结果，异常用户行为判别模型对该类用户行为的概率点进行更新；e4)将经过检测发现的新的坏数据作为训练数据加入样本库；e5)利用新的训练数据训练模型。

优选地，所述步骤e5中对于概率点不准确的用户行为数据进行离线分析，寻找新的用户行为特征并选择合适的特征。

利用本发明的一种分类信息网站中的基于机器学习的欺诈行为识别系统，能够从多个维度对用户的行为进行识别，从而高效地减少交易信息的虚假量，提高交易信息的真实性。并且，即使在训练数据中含有噪音数据的情况下也能够很好的对劣质用户行为进行识别。

附图说明

参考随附的附图，本发明更多的目的、功能和优点将通过本发明实施方式的如下描述得以阐明，其中：