一种购物异常检测方法及系统技术方案

本发明专利技术公开一种购物异常检测方法及系统，方法包括：接收到包括当前购买记录的购物请求；获取当前用户购买商品的历史记录，基于当前用户购买商品的历史记录构建关于历史购买商品的类目和历史购买商品的购买发生时间的相关关系的用户商品时间关系矩阵；基于用户商品时间关系矩阵与当前购买记录的关系计算出用户非正常购物行为可能性指数；确定用户非正常购物行为指数所对应的干预等级，对当前用户的购物请求执行与所述干预等级对应的购物干预。本发明专利技术通过对用户的历史购买行为与当前购买行为进行比较计算以获取相应的干预等级，从而执行与干预等级对应的购物干预，避免用户账号产生异常购物行为，对于用户的异常购物行为检测更为准确可靠。

【技术实现步骤摘要】

本专利技术涉及购物检测相关
，特别是一种购物异常检测方法及系统。
技术介绍
现有的非正常用户购物行为的检测有几种常见的方法，比如通过用户登录的异常 所在地分析，进而判断其有可能为非正常状态，以此限制其正常购物。 一般的步骤如下：a)获取用户登录IP;b)将用户登录IP以及常用IP地址对比；c)如果出现地址出现不一致则判断两者地址的实际所在地是否差距很大；d)如果地理位 置差距较大，则判断为非正常用户状态。 现有的技术方案存在很大的缺陷：第一、对于非账号盗取的诈骗行为是防止不了 的，比如用户因网上做兼职等受骗，由于用户的登陆IP与注册IP-致，导致系统无法区分 用户此时在线购物的行为到底是正常购物行为还是非自身意愿的购物行为，此时就很容易 导致用户利益受损；第二、会对用户产生大的困惑，比如用户用自己的账号在非注册所在区 域或者非常用地址下单，被误判为非正常用户状态，这对用户体验造成极大的损伤，不符合 用户的正常购物习惯；第三、当IP-致时，恶意用户的购买行为往往会与正常用户出现极 大程度的不一致，主要体现在品类不同或者数量购买习惯上有比较大变化，这个也是目前 技术无法判断的；第四、对于恶意用户来说，IP破解其实有很多方式来突破，比如说变更IP 来突破限制等。 因此，现有技术纯粹的以形式判断用户异常购物行为有很大局限性，具有较大的 误判性。
技术实现思路
基于此，针对现有技术对用户异常购物判断不准确的技术问题，提供一种购物异 常检测方法及系统。 一种购物异常检测方法，包括： 当前购买记录获取步骤，包括：接收到包括当前购买记录的购物请求，所述当前购 买记录包括当前用户、当前购买商品的类目以及当前购买商品的购买发生时间； 关系矩阵获取步骤，包括：获取当前用户购买商品的历史记录，所述历史记录包括 历史购买商品的类目以及历史购买商品的购买发生时间，基于当前用户购买商品的历史记 录构建关于历史购买商品的类目和历史购买商品的购买发生时间的相关关系的用户商品 时间关系矩阵； 指数计算步骤，包括：基于用户商品时间关系矩阵与当前购买记录的关系计算出 用户非正常购物行为可能性指数； 购物干预步骤，包括：确定用户非正常购物行为指数所对应的干预等级，对当前用 户的购物请求执行与所述干预等级对应的购物干预。 一种购物异常检测系统，包括： 当前购买记录获取模块，用于：接收到包括当前购买记录的购物请求，所述当前购 买记录包括当前用户、当前购买商品的类目以及当前购买商品的购买发生时间； 关系矩阵获取模块，用于：获取当前用户购买商品的历史记录，所述历史记录包括 历史购买商品的类目以及历史购买商品的购买发生时间，基于当前用户购买商品的历史记 录构建关于历史购买商品的类目和历史购买商品的购买发生时间的相关关系的用户商品 时间关系矩阵； 指数计算模块，用于：基于用户商品时间关系矩阵与当前购买记录的关系计算出 用户非正常购物行为可能性指数； 购物干预模块，用于：确定用户非正常购物行为指数所对应的干预等级，对当前用 户的购物请求执行与所述干预等级对应的购物干预。 本专利技术通过对用户的历史购买行为与当前购买行为进行比较计算以获取相应的 干预等级，从而执行与干预等级对应的购物干预，避免用户账号产生异常购物行为，对于用 户的异常购物行为检测更为准确可靠。【附图说明】 图1为本专利技术一种购物异常检测方法的工作流程图； 图2为本专利技术最佳实施例的系统框图； 图3为本专利技术一种购物异常检测系统的结构模块图。【具体实施方式】 下面结合附图和具体实施例对本专利技术做进一步详细的说明。 如图1所示为本专利技术一种购物异常检测方法的工作流程图，包括： 步骤S101，包括：接收到包括当前购买记录的购物请求，所述当前购买记录包括 当前用户、当前购买商品的类目以及当前购买商品的购买发生时间； 步骤S102,包括：获取当前用户购买商品的历史记录，所述历史记录包括历史购 买商品的类目以及历史购买商品的购买发生时间，基于当前用户购买商品的历史记录构建 关于历史购买商品的类目和历史购买商品的购买发生时间的相关关系的用户商品时间关 系矩阵； 步骤S103,包括：基于用户商品时间关系矩阵与当前购买记录的关系计算出用户 非正常购物行为可能性指数； 步骤S104,包括：确定用户非正常购物行为指数所对应的干预等级，对当前用户 的购物请求执行与所述干预等级对应的购物干预。 步骤SlOl响应用户的购物请求，得到当前用户的当前购买记录，然后在步骤S102 中找出当前用户的历史记录，从而构建用户商品时间关系矩阵。由于用户商品时间关系矩 阵是根据用户的历史记录生成，因此在步骤S103中计算的用户非正常购物行为可能性指 数是通过对用户的历史购物行为和当前的购物行为进行比较所得到，其准确性相比现有技 术得到显著提高。 其中，步骤SlOl的当前购买记录是针对单个类目，当购买请求包括有多个类目 时，则可以对每个类目执行步骤SlOl~S102。 对于不同的干预等级，可以执行诸如：比如订单购买失败、需要短信二次确认、出 现用户防骗提示等的购物干预。 本专利技术基于交易系统中特定时间段内有此类商品购物行为的用户集与用户购物 内容记录时间与购买内容矩阵，以此计算出用户非正常购物行为可能性指数；并由根据用 户非正常行为指数来进行不同等级的购物干预，避免用户账号产生异常购物行为。 在其中一个实施例中： 所述步骤S102,具体包括： 获取当前用户购买商品的历史记录，所述历史记录包括历史购买商品的类目以及 历史购买商品的购买发生时间； 将历史购买商品的购买发生时间分为预设的多个历史时间段，以历史购买商品的 类目作为历史类目，生成包括多个历史记录的用户商品时间关系矩阵，每个历史记录与一 个历史类目相关，且每个历史记录保存相应的历史类目在每个时间段内的购买发生次数； 所述步骤S103,具体包括： 以当前购买商品的类目作为当前类目，以当前类目购买发生的时间段为当前时间 段； 如果用户商品时间关系矩阵中存在关于当前购买类目的历史记录，则：当前第1页1 2 3 4 本文档来自技高网...

【技术保护点】
一种购物异常检测方法，其特征在于，包括：当前购买记录获取步骤，包括：接收到包括当前购买记录的购物请求，所述当前购买记录包括当前用户、当前购买商品的类目以及当前购买商品的购买发生时间；关系矩阵获取步骤，包括：获取当前用户购买商品的历史记录，所述历史记录包括历史购买商品的类目以及历史购买商品的购买发生时间，基于当前用户购买商品的历史记录构建关于历史购买商品的类目和历史购买商品的购买发生时间的相关关系的用户商品时间关系矩阵；指数计算步骤，包括：基于用户商品时间关系矩阵与当前购买记录的关系计算出用户非正常购物行为可能性指数；购物干预步骤，包括：确定用户非正常购物行为指数所对应的干预等级，对当前用户的购物请求执行与所述干预等级对应的购物干预。

【技术特征摘要】

【专利技术属性】
技术研发人员：王记学，陈迅，薛韬，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11