[发明专利]具有交易性格的用户行为识别方法

权利要求书

1.一种具有交易性格的用户行为识别方法，其特征在于，具体包括如下步骤：

1)基于交易数据建立用户交易行为基准：从用户的交易数据中提取用户属性，通过多个维度构建用户的交易行为基准，以用户交易行为习惯的角度刻画用户；

2)基于交互数据建立用户谨慎画像：基于用户的交互数据提取谨慎因子，并构建用户的谨慎度模型，通过计算用户的谨慎度，形成用户的谨慎画像，以用户的交易性格的谨慎维度刻画用户；

3)具有交易性格的用户行为识别模型：考虑用户行为和性格之间的关系，将交易数据输入，计算用户交易到交易行为基准的距离以及用户谨慎度到谨慎画像的距离，设置初始风险阈值，将此两距离数据送入关系模型DMCB，以两距离小于风险阈值判断该笔交易符合用户的行为对关系模型DMCB进行训练，训练后得到用户的风险阈值所形成的接受域，形成具有交易性格的用户行为识别模型，用于进行用户行为识别；

所述步骤1)建立用户交易行为基准的具体步骤如下：

1.1)提取用户的历史交易数据：从历史交易数据库中提取用户u的历史正常交易日志T_u作为该部分的输入；

1.2)计算交易金额属性TPR：

提取每笔交易的金额，针对金额计算每个区间的概率，反映用户的日常消费的金额区间；

1.3)计算交易对象类型属性CGP：

提取每笔交易的交易对象类型，针对每种类型，进行区间概率统计，反映用户对每种商品类型的发生交易概率；

1.4)计算对象价位水平属性GPL：

根据每笔交易的金额在同类交易中的价位水平进行价位区间的统计，反映用户消费等级的偏好；

1.5)计算交易时间间隔属性TDD：

提取每笔交易距离上笔交易的时间间隔，通过步骤1.3)的计算方式，反映用户消费频率；

1.6)计算同类交易时间间隔属性CTDD：

基于不同类型的交易时间，以细粒度的属性对用户的交易时间属性进行刻画；

1.7)计算交易日期属性TIW：

提取交易的时间集合，计算用户工作日和非工作日的交易概率，得到用户交易日期区间的习惯；

1.8)计算会话交易笔数属性STC：

横向的看待用户的交易，每次会话中每个用户的每次消费的笔数是有上限的，通过提取用户每次会话的交易笔数，得到其消费笔数上限和各区间的概率；

1.9)构建用户交易行为基准BHU

根据1.2)-1.8)步骤提取用户的交易行为，得到用户在各个维度的发生交易的概率区间，从而构建7维的用户交易行为基准BHU，其中BHU＝(TPR，CGP，GPL，TDD，CTDD，TIW，STC)；

所述步骤2)建立用户谨慎画像的具体步骤如下：

2.1)提取用户的历史正常交互数据：

从历史交互数据库中，提取用户u的历史正常交互数据S_u作为该部分的输入；

2.2)计算历史浏览谨慎度BCH：

从用户的所有交互数据中，计算用户u历史交互数据中与交易商品g_i同一类别c_j的商品的浏览次数与对此次交易前该类型所有商品用户历史发生的所有交互行为总次数的比值，所有交互行为包括浏览行为、加购行为、收藏行为，获取历史浏览谨慎度，其中i表示某件交易商品，j表示某种类型的商品；

2.3)计算购前同类对比度CPP：

根据用户每次会话的交互数据，计算用户u在会话中所有与成功交易的商品g_i同类c_j商品的浏览时间与会话时间比，获得购前同类对比度，从时间上刻画用户u在此次会话中交易商品的谨慎程度；

2.4)计算同类挖掘度CPH：

结合用户的所有交互数据，计算用户u在某次会话中成功交易商品g_i所属类别c_j的所有同类商品中用户浏览过的商品数量比，获得同类挖掘度，通过同类商品的挖掘数量比来刻画用户在购买前用户对某类商品的谨慎程度；

2.5)构建用户的谨慎度模型CAU：

通过步骤2.2)-2.4)，根据用户u正常行为记录S_u和同类商品信息c，用CAU_u＝(BCH，CPP，CPH)来构建用户u谨慎度模型，计算用户每笔交易的谨慎度。