[发明专利]用户行为追踪数据的分析方法、系统及存储介质

说明书

本发明公开了一种用户行为追踪数据的分析方法、系统及存储介质，所述分析方法包括以下步骤：S1、收集两个订单在用户下单过程中的用户行为追踪数据；S2、利用用户行为追踪数据计算两个订单的相似性。本发明收集两个订单在用户下单过程中的用户行为追踪数据，利用这些数据计算两个订单的相似性，利用订单的相似性就可以对大量的订单进行聚类，然后对各个类进行分析，从中总结出欺诈订单的手法、特征、模式等，可以在早期发现可能存在的欺诈订单或者欺诈用户，跟进处理进行止损，有力地保护公司并打击欺诈行为。

技术领域

本发明涉及计算机软件领域，特别涉及一种用户行为追踪(UBT，User BehaviorTrace)数据的分析方法、系统及存储介质。

背景技术

人工智能和大数据的时代已经到来，在这个大趋势下，风险控制部门需要做到与时俱进，从更多的角度来尝试挖掘用户的数据，从而区分良好用户和潜在可能的欺诈、恶意拒付，达到保护企业和打击黑色产业的目的。

以往的数据挖掘和用户甄别多集中在订单数据方面，目前用到的订单数据主要有用户画像(如次此用户过去一定时间的时间窗口内的交易情况、用户信息透明度、是否属于黑名单等)、产品画像(订单的出发地到达地是否属于诈骗高危地区等)还有信息匹配度(出发国家、到达国家、乘机人国籍、持卡人国籍、信用卡发卡行国籍是否有一定重合)等。单个订单的这些变量，经过标准化和去相关的处理，整合在一起成为一个向量，然后就可以通过一些方法对订单进行分析研究。

使用订单数据进行数据挖掘和用户甄别在数据来源上比较单一，无法兼顾到订单以外的有用数据；用户进行身份伪造，或者用户进行设备指纹伪造就无法进行有效分析。

发明内容

本发明要解决的技术问题是为了克服现有技术中只能通过订单的本身特征来分析订单属性的缺陷，提供一种用户行为追踪数据的分析方法、系统及存储介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供一种用户行为追踪数据的分析方法，该分析方法包括以下步骤：

S1、收集两个订单在用户下单过程中的用户行为追踪数据；

S2、利用所述用户行为追踪数据计算两个所述订单的相似性。

较佳地，S2包括以下步骤：

S21、结构化所述用户行为追踪数据，得到对应的用户行为追踪矩阵；

S22、将两个所述用户行为追踪矩阵分别作为循环神经网络的输入，获得所述循环神经网络的最后一个全连接层构成的两个向量；所述循环神经网络基于若干样本数据训练而得，所述样本数据包括样本用户行为追踪数据经结构化后得到的样本用户行为追踪矩阵和样本用户行为追踪数据所对应订单的标签；

S23、计算所述两个向量的欧氏距离，所述欧氏距离表征两个所述订单之间的相似性。

较佳地，使用若干样本数据运用基于时间的反向传播算法进行训练，得到所述循环神经网络。

较佳地，用户行为追踪数据的分析方法还包括以下步骤：

收集若干订单的所述用户行为追踪数据，运用步骤S2计算两两订单之间的相似性；

基于所述两两订单之间的相似性对订单进行聚类，得到若干个类；

分析每个类的数据特征。

较佳地，使用独热编码进行所述结构化。

较佳地，使用K-中心点算法进行所述聚类。

较佳地，所述数据特征包括表征是否属于欺诈类的特征，数据特征属于欺诈类特征的类所对应的订单的标签为欺诈类订单。