[发明专利]基于用户行为数据特征的刷单检测方法及系统在审

专利信息
申请号: 201810288917.4 申请日: 2018-04-03
公开(公告)号: CN108550052A 公开(公告)日: 2018-09-18
发明(设计)人: 陈宇;陈鹏;熊伟;汪宁;芦帅;谢伟良 申请(专利权)人: 杭州呯嘭智能技术有限公司
主分类号: G06Q30/02 分类号: G06Q30/02;G06Q30/06
代理公司: 上海汉声知识产权代理有限公司 31236 代理人: 王叶娟;胡晶
地址: 310051 浙江省杭州市西兴街道江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 行为特征 交易行为 异常交易 用户行为数据 检测 判定 简单规则 预测模型 预先建立 大数据 多维度 决策树 识别率 构建 交易 验证 统计
【权利要求书】:

1.一种基于用户行为数据特征的刷单检测方法,其特征在于,包括以下步骤:

S1:获取当前待检测交易的交易行为信息,包括多维度的行为特征属性;

S2:输入所述交易行为信息至预先建立的大数据离群预测模型,提取出当前待检测交易中离群的行为特征属性,而判定其对应的交易行为为异常交易行为;所述大数据离群预测模型的建立步骤如下:

获取一定时间段内一定量的用户购买商品所发生的交易行为信息;

针对各个用户的交易行为信息,统计用户的多维度的行为特征属性,并将各个用户的行为特征属性依据属性关键词进行自动分集合归类;

对分集合归类的各个行为特征属性进行离群分析,建立大数据离群预测模型;

S3:针对所述异常交易行为的各个离群的行为特征属性,获取基于离群对应的行为特征属性构建的决策树进行验证,以判定所述异常交易行为是否为刷单行为。

2.如权利要求1所述的基于用户行为数据特征的刷单检测方法,其特征在于,所述多维度的行为特征属性包括:交易频率、售前咨询比率、复购率、确认收货时间、长评价比率、交易前网站页面浏览时长;

所述步骤S2中,将各个用户的行为特征属性依据属性关键词进行自动分集合归类后,对应得到包含有对应行为特征属性的数据集合A-F。

3.如权利要求2所述的基于用户行为数据特征的刷单检测方法,其特征在于,所述步骤S2中,

对分集合归类的各个行为特征属性进行离群分析,建立大数据离群预测模型,具体为:根据分集合归类各个行为特征属性后的数据集合A-F所包含的数据值,分别计算得到各个数据集合A-F的非离群取值区间,从而建立起用于判断各个行为特征属性是否离群的预测模型;

通过预先建立的大数据离群预测模型,筛选出当前待检测交易中离群的行为特征属性,具体为:针对当前待检测交易的交易行为信息,利用所述数据集合A-F的非离群取值区间分别计算各个对应的行为特征属性是否离群,甄选出当前待检测交易中离群的行为特征属性。

4.如权利要求3所述的基于用户行为数据特征的刷单检测方法,其特征在于,所述利用所述数据集合A-F的非离群取值区间分别计算各个对应的行为特征属性是否离群通过下述公式实现,若满足则为不离群,否则离群:

其中,a为确定用户的交易频率这一属性的非离群取值区间时所设的第一预设值,为数据集合A中交易频率的平均值;b为确定用户的售前咨询比率这一属性的非离群取值区间时所设的第二预设值,为数据集合B中售前咨询比率的平均值;c为确定用户的复购率这一属性的非离群取值区间时所设的第三预设值,为数据集合C中复购率的平均值;d为确定用户的确认收货时间这一属性的非离群取值区间时所设的第四预设值,为数据集合D中确认收货时间的平均值;e为确认用户的长评价比率这一属性的非离群取值区间时所设的第五预设值,为数据集合E中长评价比率的平均值;f为确定用户的交易前网站页面浏览时长这一属性的非离群取值区间时所设的第六预设值,为数据集合F中交易前网站页面浏览时长的平均值。

5.如权利要求2所述的基于用户行为数据特征的刷单检测方法,其特征在于,所述步骤S3包括:

S31:根据各个异常交易行为所存在的各个离群的行为特征属性,建立或者获取基于离群对应的行为特征属性的决策树;

S32:将每个所述异常交易行为中存在的各个离群的行为特征属性分别通过对应的决策树来验证,若所述异常交易行为中的全部离群的行为特征属性均被验证为刷单行为,则该异常交易行为判定为刷单行为,否则该异常交易行为判定为非刷单行为。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州呯嘭智能技术有限公司,未经杭州呯嘭智能技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810288917.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top