[发明专利]基于谨慎度的用户身份识别方法

权利要求书

1.一种基于谨慎度的用户身份识别方法，其特征在于，具体包括如下步骤：

1)建立用户谨慎度预测模型：根据销售数据，建立交易商品销售量模型；在交易商品销售量模型基础上，考虑销售活动期间，商品的销售量和时间因素，产生商品活动影响因子；根据用户历史交易数据，计算用户经济承受压力；结合活动影响因子和经济承受压力，构建用户谨慎度预测模型；

2)建立用户谨慎度模型：基于用户的交互数据提取谨慎度特征，进行计算用户的谨慎度，构建用户谨慎度模型；

3)建立基于谨慎度的用户身份识别模型：将用户交易数据分别送入步骤1)和2)建立的模型，获得用户的谨慎度预测值和交易谨慎度；设置风险阈值，通过对比用户谨慎度预测值和交易谨慎度是否在风险阈值内对用户身份识别模型进行训练，构建基于谨慎度的身份识别模型用于身份识别；

所述步骤1)具体实现方法如下：

1.1)提取商品销售数据和用户历史交易数据：

借助销售数据，通过步骤1.2)-1.5)计算活动影响因子；借助用户历史交易数据，通过步骤1.6)-1.9)计算经济承受压力；

1.2)提取商品销售数据：

销售数据是客户销售平台每日对不同类型商品所有用户的交易统计结果，通过提取每类商品的销售数据，进行预测分析；

1.3)计算每种商品的日销售量：

通过统计每一种商品的日销售量，为拟合每类商品的日销售提供数据输入；

1.4)训练每类商品的日销售量模型：

借助广义逆矩阵的最小二乘法拟合每类商品的日销售量函数，用于预测下一个交易日每类商品的销售量；

1.5)计算活动影响因子：

在商品销售活动期间，根据每类商品的销售量和时间因素，借助1.4)预测的各类商品销售量，计算当前交易日该类商品销售量的变化情况，反映此次活动的规模、活动涉及商品类型和对该商品类型的影响程度；

1.6)提取用户历史交易数据：

通过计算用户历史中每月消费的总金额，借助月消费总金额数据集合的上4分位点反映用户每月的消费上限，然后，通过判断当前的金额接近消费上限的程度，反映用户交易时面对的不同经济承受压力；

1.7)计算用户每月的销售总金额：

按月统计用户的销售总金额，发掘用户的消费能力；

1.8)分析用户每月的消费水平：

借助所有的月消费金额中75％分位点作为用户每月的消费商品，反映用户每月的消费水平；

1.9)计算用户经济承受压力：

借助指数函数反映用户的经济承受压力，当当月消费越接近消费上限时，越接近1，当当月消费金额超出消费上限时，用户面对的压力快速增长，直至趋近于无穷大；

1.10)训练用户的谨慎度预测模型：

针对用户历史中的每一笔正常交易，在步骤2)用户谨慎度模型得到的与待判定交易商品同类型的上一笔交易的谨慎度的基础上，加入1.5)和1.9)中得到的活动影响因子和经济承受压力，通过拟合的方式得到用户谨慎度预测模型，实现在用户交易前，预测用户的谨慎度情况，为待判定交易提供是否异常的判定界限；

所述步骤2)具体实现方法如下：

2.1)提取用户历史正常交互数据：从用户的历史交互数据库中，提取交互数据，用于计算用户的谨慎度；

2.2)谨慎度特征提取：

2.2.1)计算浏览谨慎因子：

从用户的所有交互数据中，计算用户历史上成功交易商品所属类别中所有同类浏览商品的浏览次数与用户行为总次数的比值，获取浏览谨慎因子；

2.2.2)计算购前同类对比度：

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

2.2.3)计算同类挖掘度：

结合用户的所有交互数据，计算用户在某次会话中成功交易商品所属类别的所有同类商品中用户浏览过的商品数量比，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，获取同类挖掘度；

2.3)用户谨慎度模型：

根据浏览谨慎因子、购前同类对比度和同类挖掘度三种谨慎度特征，构建用户谨慎度模型。