[发明专利]一种基于机器学习的数字资源处理方法、装置和系统

说明书

本发明公开了一种基于机器学习的数字资源处理方法、装置和系统，用于资源筹集平台对基于该平台发起的项目进行欺诈概率的预测，其中方法包括：预先分别设置项目、项目发起者、项目组织者和项目参与者的属性信息的权重；获取项目、项目发起者、项目组织者以及项目参与者的属性信息；建立基于机器自学习的欺诈判断模型，将所述项目、项目发起者、项目组织者以及项目参与者的属性信息及其权重输入欺诈判断模型，所述欺诈判断模型输出项目欺诈评分。采用该技术方案，采用该技术方案，通过欺诈判断模型能够将快速识别出存在欺诈行为的项目，能够减轻项目管理平台的管理和维护成本。

技术领域

本发明涉及计算机信息处理领域，具体而言，涉及一种基于机器学习的数字资源处理方法、装置和系统。

背景技术

随着互联网技术的发展，很多传统的领域发生了改变和创想。传统的项目资金往往需要由一个或几个出资人负责，出资人要承担的资金压力和风险都比较大。

互联网以及互联网金融的出现，项目的资金可以通过众筹的方式筹集，由项目发起人发起项目，由项目组织者对项目进行维护和推广，项目参与者在自己能力承受范围内参与项目。采用众筹的方式，每个人所承担的资金压力和风险都大幅度降低。

但不可避免的项目发起者、项目组织者以及项目参与者当中有些人出于增加曝光度、增加流量、完成任务等等各种各样的目的在项目存在欺诈行为。这些欺诈行为会导致项目管理平台增加大量管理和维护成本，因此需要对这些欺诈行为进行识别，但通过人工识别的方法会增加项目管理平台的开销而且效率较低。

发明内容

本发明旨在解决现有众筹项目中有的项目存在欺诈行为，使用人工识别欺诈行为开销大并且效率低的问题。

为了解决上述技术问题，本发明第一方面提出一种基于机器学习的数字资源处理方法，用于资源筹集平台对基于该平台发起的项目进行欺诈概率的预测，所述项目是由项目组织者发起的由项目发起者向项目参与者筹集资源的项目；方法包括：

预先分别设置项目、项目发起者、项目组织者和项目参与者的属性信息的权重；

获取项目、项目发起者、项目组织者以及项目参与者的属性信息；

建立基于机器自学习的欺诈判断模型，将所述项目、项目发起者、项目组织者以及项目参与者的属性信息及其权重输入欺诈判断模型，所述欺诈判断模型输出项目欺诈评分。

根据本发明的一种优选实施方式，预先分别设置项目、项目发起者、项目组织者和项目参与者的属性信息的权重具体为：

所述项目参与者的属性信息的权重高于所述项目组织者的属性信息的权重，所述所述项目组织者的属性信息的权重高于所述项目发起者的属性信息的权重。

根据本发明的一种优选实施方式，所述项目的属性信息包括项目创建时间，项目截止时间，项目目标金额以及项目参与人数。

根据本发明的一种优选实施方式，所述项目发起者的属性信息包括项目是否重复，项目成本，项目发起者所属地域以及亲属信息。

根据本发明的一种优选实施方式，所述项目组织者的属性信息包括历史组织项目评分以及历史组织项目数量分布。

根据本发明的一种优选实施方式，所述项目参与者的属性信息包括已参与项目名称、参与额度以及参与时间。

根据本发明的一种优选实施方式，所述欺诈判断模型为基于深度学习的RNN-LSTM神经网络模型。

本发明第二方面提出一种基于机器学习的数字资源处理装置，用于资源筹集平台对基于该平台发起的项目进行欺诈概率的预测，所述项目是由项目组织者发起的由项目发起者向项目参与者筹集资源的项目；装置包括：

权重设置模块，用于预先分别设置项目、项目发起者、项目组织者和项目参与者的属性信息的权重；