[发明专利]分类信息网站中的基于机器学习的欺诈行为识别系统

摘要

本发明提供了一种用于分类信息网站中基于机器学习的欺诈行为识别系统的方法，所述方法包括如下步骤a)基于已有的用户行为数据抽取样本数据，用于首次生成模型；b)针对不同业务类型的训练数据选择提取多种用户行为特征；c)基于所提取的用户行为特征，对所述样本训练数据进行向量化；d)利用向量化的样本训练数据产生预测模型；e)利用所产生的模型基于分类和聚类规则对线上数据进行检测；f)对所检测得到的异常用户数据进行处理。利用本发明能够从多个维度对用户的行为进行识别，高效地减少交易信息的虚假量。并且，即使在训练数据中含有噪音数据的情况下也能够很好的对劣质用户行为进行识别。

主权项

一种用于分类信息网站中基于机器学习的欺诈行为识别系统的方法，所述方法包括如下步骤：a)基于已有的用户行为数据抽取样本数据，用于首次生成模型；b)针对不同业务类型的训练数据选择提取多种用户行为特征；c)基于所提取的用户行为特征，对所述样本训练数据进行向量化；d)利用向量化的样本训练数据产生预测模型；e)利用所产生的模型基于分类和聚类规则对线上数据进行检测，其中，基于聚类规则的用户异常行为检测方法包括如下：e1)对概率点进行聚类现象监测；e2)将概率点聚类到一定数量的用户行为进行检测，以判断聚类至相同概率点的用户行为是否为劣质用户行为；e3)根据检测结果，异常用户行为判别模型对该类用户行为的概率点进行更新；e4)将经过检测发现的新的坏数据作为训练数据加入样本库；e5)利用新的训练数据训练模型；f)对所检测得到的异常用户数据进行处理。