[发明专利]具有交易性格的用户行为识别方法

说明书

本发明涉及一种具有交易性格的用户行为识别方法，从用户交易行为基准、用户谨慎画像以及基于交易行为和谨慎度的距离关系建立具有交易性格的用户行为识别模型，从而实现行为识别。基于交易数据和交互数据，从交易行为和交易性格的角度，对用户进行刻画。本发明方法，可以有效检测电子交易中的欺诈行为。从实用性角度出发，通过交易行为和基准、谨慎度和画像、关系模型和风险阈值建立了识别框架，为解决欺诈交易检测提供了技术支持。

技术领域

本发明涉及一种信息技术领域，特别涉及一种具有交易性格的用户行为识别方法。

背景技术

近年来随着全球市场的移动化，金融和商品交易的信息化，在移动互联网中，数字金融和电子商务两大领域暴露的欺诈风险问题也越来越严峻。当前移动欺诈的主要欺诈形式包括虚假用户诈骗，窃取信息诈骗，恶意交易诈骗，金融支付欺诈，网络刷单欺诈，电信欺诈，网贷欺诈等。

基于交易行为的用户行为识别算法在电子交易欺诈检测领域应用的十分广泛。在交易行为识别研究中，Bahnsen,A.C.，Yu,Xie，Lutao,Zheng和Kultur,Y.等人分别以交易时间及其周期性、交易频率、金额及其衍生特征等多个维度构建用户行为证书。另外，Changjun,Jiang等将用户聚类分为高中低消费群体，基于滑动时间窗内的交易提取交易频率和金额等特征，并加入反馈机制构建用户行为模型。Lutao,Zheng等基于用户的历史交易记录提取用户的行为档案(BP)和属性状态，结合行为信息熵构建用户欺诈检测模型。Kultur,Y.等通过多种模型的综合决策投票机制，可以根据不同的策略和期望进行选择。这些通过交易数据建立用户交易行为证书的方法在用户行为识别领域都有一定的效果。

而在基于交互行为的用户行为识别算法的研究中，Kooti,F.，Bansal,S.，G.，Lu,Chen和Yunghui,Chu等人通过点击事件、页面停留时间、浏览序列等特征构建用户行为模型。在推荐领域，Li,Xin等人则通过获取地理位置和时间等上下文信息建立用户行为模式，从而发现用户的兴趣。Chang-Dong,Wang借助同类中领导者的行为迁移给目标用户达到偶然行为预测的目的。而Gongqi,Lin以用户关注点和物品知识的角度进行交易因果关系建模，依据相同因果关系类中的用户交易记录，预测用户行为。但是用户的行为在不同心理情境下时不同的，这些基于行为分析的方法只关注行为模型，没有充分考虑交易过程中用户的行为性格的影响，影响了对行为的准确识别。当面对全新的情景时，两种类型的模型效果就大大降低，出现误判的情况。

在这种情况下，精准识别用户行为是电子交易欺诈检测领域非常重要的一个研究方向。心理学认为，性格是每个人特有的，可以对个人外显的行为、态度提供统一的、内在的解释，是个性心理特征中最重要的方面。假设反欺诈学习是对一个人认识的过程，那么只借助模型学习到的用户行为特征作为对一个人的刻画是不准确的，这种方法忽略了对人个性化心理特征的刻画。同时说明了反欺诈学习的过程不仅要了解用户的行为特征，还要考虑到用户的性格因素。

而目前对于用户性格的研究实质上是一种迫选型、自我报告式的性格评估模型，需要通过测试问题，将回答归类，最后根据得分确定性格。如MBTI和Five-Factor Model。当然，近几年随着个性化推荐、语音识别和图文识别的推广，结合各方数据，这些模型出现的新的应用。Melchiorre,Alessandro B等人通过第三方测试得到五因素模型的性格评估结果，结合偏好音轨的特征进行相关性分析，得到性格与音乐之间的关系，实现个性化的音乐推荐。Talhi,Said等人借助学生信息、MBTI测试的性格分类结果、课程完成效果以及历史信息进行建模，综合考虑学士性格和学生能力确定每个学生的个性化培养方案。但并没有改变这些传统心理学理论模型基于问答测试的评估方式，使用场景仍受到限制。缺少可用的性格模型，无法实时对用户的性格进行识别。

因此，由于忽略用户性格因素和缺少适合的性格模型，造成的识别性能上的局限性，不能精准识别用户行为，尤其是用户面临新场景时的行为和偶发行为。

发明内容