[发明专利]一种商品防窜货方法

权利要求书

1.一种商品防窜货方法，其特征在于，该方法包括：

搜集历史扫码数据，将历史扫码数据区分为正常扫码数据和有窜货风险的扫码数据两个类别；

提取包含上述区分类别的历史扫码数据的第一特征值信息，并将该信息作为支持向量机的算法训练数据；

获取待预测类别的扫码数据的第一特征值信息，并将其带入已训练好的支持向量机模型中进行分类预测；

若扫码数据的第一特征值信息落入正常扫码数据类别的范围内，则扫码数据属于正常扫码数据，否则属于有窜货风险的扫码数据；

若所述扫码数据属于有窜货风险的扫码数据，则还包括：

将有窜货风险的扫码数据区分为低窜货风险扫码数据和高窜货风险扫码数据两个类别；

提取有窜货风险的扫码数据的第二特征值信息，并将该信息作为随机森林模型的训练数据；

获取待预测类别的扫码数据的第二特征值信息，并将其带入已训练好的随机森林模型中进行分类预测；

若扫码数据的第二特征值信息落入低窜货风险扫码数据类别的范围内，则扫码数据属于低窜货风险扫码数据，否则属于高窜货风险扫码数据。

2.根据权利要求1所述的方法，其特征在于，所述将扫码数据的第一特征值信息带入已训练好的支持向量机模型中进行分类预测具体包括：

将训练数据中包含已知的有窜货风险的扫码数据和正常扫码数据作为支持向量机模型在建模时的分类依据；

将每一个历史数据的第一特征值信息作为每一个历史数据的向量,并将该向量映射到一个高维空间中；

根据已知的有窜货风险的扫码数据和正常扫码数据作为分类的标的,在上述空间里建造一个最大间隔超平面来完全区隔两种类别的数据；

找出这个超平面之后,将待预测类别的扫码数据的第一特征值信息带入支持向量机模型；

根据扫码数据坐落在超平面的位置，确定扫码数据为正常扫码数据还是有窜货风险的扫码数据。

3.根据权利要求1所述的方法，其特征在于，所述获取待预测类别的扫码数据的第一特征值信息，具体是指获取待预测类别的扫码数据在扫码阶段的第一特征值信息。

4.根据权利要求1或2或3所述的方法，其特征在于，所述扫码数据的第一特征值信息包括但不限于以下一种或多种：

与设备信息相关的特征值信息；

与位置信息相关的特征值信息；

与时间信息相关的特征值信息；

与扫码次数相关的特征值信息。

5.根据权利要求1所述的方法，其特征在于，所述将待预测类别的扫码数据的第二特征值信息带入已训练好的随机森林模型中进行分类预测具体包括：

将有窜货风险的扫码数据作为随机森林模型在建模时的样本个数n,然后将每一个扫码数据的第二特征值信息作为每一个扫码数据的特征数目a；

对n个样本采取有放回抽样的方式选择a中的k个特征值，形成一个训练集，再用k值建立决策树的方式来获得最佳分割点；

以此类推重复采样m次,产生m颗决策树,然后将待预测类别的扫码数据的第二特征值信息带入随机森林模型；

根据每颗树分类的结果进行多数投票机制来预测扫码数据属于低窜货风险扫码数据还是高窜货风险扫码数据。

6.根据权利要求1所述的方法，其特征在于，所述提取有窜货风险的扫码数据的第二特征值信息，具体是指提取有窜货风险的扫码数据在兑奖阶段的第二特征值信息。

7.根据权利要求1或5或6所述的方法，其特征在于，所述扫码数据的第二特征值信息包括但不限于以下一种或多种：

与利益信息相关的特征值信息；

与位置信息相关的特征值信息；

与设备信息相关的特征值信息；

与扫码次数相关的特征值信息；

与销售范围信息相关的特征值信息。