异常用户识别方法及装置制造方法及图纸
【技术实现步骤摘要】
异常用户识别方法及装置
本申请涉及数据处理领域，尤其涉及异常用户设备方法及装置。
技术介绍
随着B2C(BusinesstoCustomer)及O2O(OnlinetoOffline)等各类电商平台的快速发展，越来越多的用户与顾客开始通过电商平台进行交易。由于对用户与顾客之间的交易进行补贴能够提升用户及顾客通过电商平台进行交易的积极性，因此为促进电商平台的进一步发展，越来越多的电商平台会采用满增、满减等方式对用户进行补贴。出于获取更多的补贴，或吸引更多交易对象等目的，电商平台的一些用户，例如商家，会通过虚假交易来提升交易量，通过虚假交易来提升的交易量的用户通常被称为异常用户。为避免异常用户通过虚假交易来获取更多补贴，电商平台需要使用一定的对策从众多的用户中识别出异常用户。技术人员经过研究发现，异常用户与正常用户相比，通常在用户特征上存在一些差异。例如，正常用户的日交易量波动值会在特定范围之内，而异常用户的日交易量波动值通常会超出该特定范围，即，异常用户相对于正常用户会存在日交易量波动异常，因此是否存在日交易量波动异常这一异常特征可以用于判定用户是否为异常用户。为识...
【技术保护点】
一种异常用户识别方法，其特征在于，所述方法包括：获取待识别用户的用户特征值和用户特征值正常范围；根据所述用户特征值及特征值正常范围确定所述待识别用户的用户特征中所存在的异常特征；根据所述异常特征的特征值及所述异常特征的特征权重值，计算所述待识别用户的用户评分；根据所述用户评分生成用以指示待识别用户是否为异常用户的识别结果。
【技术特征摘要】
1.一种异常用户识别方法，其特征在于，所述方法包括：获取待识别用户的用户特征值和用户特征值正常范围；根据所述用户特征值及特征值正常范围确定所述待识别用户的用户特征中所存在的异常特征；根据所述异常特征的特征值及所述异常特征的特征权重值，计算所述待识别用户的用户评分；根据所述用户评分生成用以指示待识别用户是否为异常用户的识别结果。2.如权利要求1所述的方法，其特征在于，所述根据所述异常特征的特征值及所述异常特征的特征权重值，计算所述待识别用户的用户评分包括：计算所述待识别用户的用户评分X，其中，w0为预设常量调整因子，wi表示第i异常特征的特征权重值，xi表示第i异常特征的特征值，m为所述异常特征的数量。3.如权利要求1所述的方法，其特征在于，所述根据所述异常特征的特征值及所述异常特征的特征权重值，计算所述待识别用户的用户评分包括：计算所述待识别用户的用户评分X，其中，w0为预设常量调整因子，wi表示第i异常特征的特征权重值，xi表示第i异常特征的特征值，m为所述异常特征的数量，wk表示第k正常特征的特征权重值，xk表示第k正常特征的特征值，p为正常特征的数量，正常特征为所述用户特征中除所述异常特征之外的其他特征。4.如权利要求2或3所述的方法，其特征在于，所述用户特征的特征权重值均为与所述用户组所对应的预设值。5.如权利要求1所述的方法，其特征在于，获取待识别用户的用户特征的特征值正常范围包括：获取所述用户组中每个用户在所述用户特征上的特征值；根据同组用户在所述用户特征上的特征值的平均值确定所述特征值正常范围。6.如权利要求1所述的方法，其特征在于，所述同组用户是指与待识别用户属于同一预设地域范围内的用户。7.如权利要求1所述的方法，其特征在于，所述根据所述用户评分生成用以指示待识别用户是否为异常用户的识别结果包括：将所述用户评分归一化至预定区间，从而得到归一化评分；当所述归一化评分超出预设评分时，将所述待识别用户判定为异常用户；或者，当所述归一化评分未超出所述预设评分时，将所述待识别用户判定为正常用户。8.如权利要求1所述的方法，其特征在于，还包括：当所述识别结果准确时，将所述识别结果作为训练样本加入到样本库；获取用于训练所述特征值正常范围与所述特征权重值的训练模型；使用所述样本库中的训练样本对所述训练模型进行训练，生成特征值正常范围训练值及特征权重训练值；使用所述特征值正常范围训练值更新所述特征值正常范围，并使用所述特征权重训练值...
【专利技术属性】
技术研发人员：王永会，刘梦宇，谭星，李子杰，朱润山，蒋凡，
申请(专利权)人：北京小度信息科技有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。