[发明专利]基于深度学习的不良购票行为管理方法

说明书

本发明公开了一种基于深度学习的不良购票行为管理方法，包括，建立模型、步骤S2，训练模型，实时数据采集，根据采集的用户交易行为数据并经训练模型分析，预测用户当前购票行为是否为不良购票行为，若用户当前购票行为为不良购票行为进入不良购票行为处理，否则为正常购票行为，本发明的不良购票行为管理方法，主动发现网络刷票行为，并自动进行处理，将异常用户列入黑名单，禁止黑名单用户购票，维护购票系统公正运行。

技术领域

本发明涉及购票技术领域，具体涉及一种基于深度学习的不良购票行为管理方法。

背景技术

随着互联网电子商务的普及，各种网络购票渠道和平台极大的方便了人们的生活方式。网络购票一般采取预售模式，且预售期都较长，而且可以随时退票。像火车票、机票的预订周期长达几个天，且在时间限制之外可自由退票不产生手续费。

由此导致了很多第三方代理机构及黄牛等人员，利用售票系统的漏洞非常占有大量票源。一般为系统自动操作，将热门票源在刚放票时就全部买下，一直把持到临近收费时再退票，从而达到零成本控制大量票源的目的。给正常需要购买票的人们带来了不便，也给运营机构带来不利因素，如无法正确估计真正有需求的目标群体数量，有可能已经售罄的票会在某个节点突然被大量退回。

发明内容

本发明的目的克服现有技术问题，提出一种基于深度学习的不良购票行为管理方法，本发明采用如下技术方案：

一种基于深度学习的不良购票行为管理方法，包括如下步骤：

步骤S1，建立模型：

采用SVM分类器、贝叶斯分类器、及随机森林回归建立模型；

步骤S2，训练模型：

将售票系统中现有的用户及其购票记录，及其票附属信息进行收集、整理，并对模型进行训练；将售票系统已被标识或屏蔽的黑名单用户的购票记录及其附属信息也进行收集、模型训练；所述票附属信息包括购票时间、购票地点、终端类型、数量、付款信息、购票内容；

步骤S3，实时数据采集：

实时采集用户交易行为数据，所述用户交易行为数据包括但不限于用户身份信息、购票时间、购票地点、终端类型、购票内容；

所述终端类型为电脑、手机、或者操作系统；

所述购票内容包括票的区间、时间；

步骤S4，用户行为预测：

根据采集的用户交易行为数据并经训练模型分析，预测用户当前购票行为是否为不良购票行为，若用户当前购票行为为不良购票行为进入步骤S5不良购票行为处理，否则为正常购票行为。

进一步的，所述用户身份信息包括性别、年龄、地区、电话。

其中，步骤S5不良购票行为处理，包括如下步骤：

步骤S51，判断当前不良购票行为用户的用户类型，

若当前不良购票行为用户为老用户，则进入步骤S52，若当前不良购票行为用户为新用户，则当前不良购票行为用户给予警告标记；

步骤S52，根据当前不良购票行为用户的当前购票之前的购票行为处理当前不良购票行为：

若当前不良购票行为为首次，则将当前不良购票行为用户标记为潜在不良用户；

若当前不良购票行为为第N次不良购票行为或者当前不良购票行为用户已被标记为潜在不良用户，则当前不良购票行为用户给予警告标记；

若当前不良购票行为为第N+M次不良购票行为或者当前不良购票行为用户已被警告标记，则当前不良购票行为用户标记为黑名单用户。