对象控制方法及装置制造方法及图纸

本发明专利技术实施方式提供了对象控制方法及装置，涉及计算机应用技术领域。其中，所述对象控制方法包括：对监控对象的历史数据进行信用评分；预测所述监控对象的异常概率；基于所述信用评分的结果和所述异常概率对所述监控对象进行控制处理。本发明专利技术实施方式在对监控对象的历史数据进行信用评分的基础上，进一步对所述监控对象的异常概率进行预测处理，因此，能够更加有效、准确地识别作弊用户，以解决现有技术中所存在的作弊用户识别的准确率较低的问题。

【技术实现步骤摘要】
对象控制方法及装置
本专利技术涉及计算机应用
，更为具体而言，涉及对象控制方法及装置。
技术介绍
O2O(OnlineToOffline，在线离线/线上到线下)，是指将线下的商务机会与互联网结合，让互联网成为线下交易的平台。O2O模式充分利用了互联网跨地域、无边界、海量信息、海量用户的优势，同时充分挖掘线下资源，进而促成线上用户与线下商品与服务的交易。对本地商家来说，O2O模式要求消费者网站支付，支付信息会成为商家了解消费者购物信息的渠道，方便商家对消费者购买数据的搜集，进而达成精准营销的目的，更好地维护并拓展客户。对消费者而言，O2O提供丰富、全面、及时的商家折扣信息，能够快捷筛选并订购适宜的商品或服务。对服务提供商来说，O2O模式可带来大规模高黏度的消费者，进而能争取到更多的商家资源。因此，O2O模式具有非常可观的发展前景。但是，O2O模式面临着一个必需解决的难题：一些投机的用户出于商业目的，试图欺骗平台，获取私利，这就造成了干扰交易秩序、破坏用户体验的恶劣后果，这些用户可以称之为作弊用户。因此，发现和剔除这种为了商业目的作弊行为，就成为净化电子商务平台生态环境，保证网上交易市场健康发展的重要环节。然而，现有的反作弊方法却存在作弊用户识别的准确率低等问题。
技术实现思路
本专利技术实施方式提供了对象控制方法及装置，用以解决现有技术中所存在的作弊用户识别的准确率较低的问题。第一方面，本专利技术实施方式提供了一种对象控制方法。具体地，所述方法包括：对监控对象的历史数据进行信用评分；预测所述监控对象的异常概率；基于所述信用评分的结果和所述异常概率对所述监控对象进行控制处理。由于本专利技术在对监控对象的历史数据进行信用评分的基础上，进一步对所述监控对象的异常概率进行预测处理，因此，能够更加有效、准确地识别作弊用户，以解决现有技术中所存在的作弊用户识别的准确率较低的问题。结合第一方面，在本专利技术的一些实现方式中，对监控对象的历史数据进行信用评分包括：划分所述监控对象的评分周期；对所述监控对象在所述评分周期中的历史数据进行周期评分；汇总所述周期评分的结果以进行所述信用评分。由于本专利技术中先分周期地进行周期评分，再汇总所述周期评分的结果以进行信用评分，因此，可以降低计算成本并且还可以有效防止部分数据特征被弱化，提高作弊用户识别的召回率。结合第一方面，在本专利技术的一些实现方式中，对所述监控对象在所述评分周期中的历史数据进行周期评分包括：根据设定的监控维度，对所述监控对象在所述评分周期中的历史数据进行维度评分；汇总所述维度评分的结果以进行所述周期评分。由于本专利技术中先分维度地进行维度评分，再汇总所述维度评分的结果以进行所述周期评分，因此，可以进一步降低计算成本。结合第一方面，在本专利技术的一些实现方式中，汇总所述周期评分的结果以进行所述信用评分包括：依据评分周期的权重，汇总所述周期评分的结果以进行所述信用评分。由于本专利技术中基于评分周期的权重进行汇总处理，因此，可以通过权重来调整不同评分周期在信用评分中的影响比重，从而提高信用评分结果的置信度。结合第一方面，在本专利技术的一些实现方式中，预测所述监控对象的异常概率包括：基于所述信用评分的结果生成训练样本；利用所述训练样本训练机器学习模型；通过所述机器学习模型预测所述监控对象的异常概率。由于本专利技术中可以基于信用评分的结果生成训练样本，因此能够更加智能、高效地扩充训练样本。第二方面，本专利技术实施方式提供了一种对象控制装置。具体地，所述装置包括：评分模块，用于对监控对象的历史数据进行信用评分；预测模块，用于预测所述监控对象的异常概率；控制模块，用于基于所述信用评分的结果和所述异常概率对所述监控对象进行控制处理。由于本专利技术在对监控对象的历史数据进行信用评分的基础上，进一步对所述监控对象的异常概率进行预测处理，因此，能够更加有效、准确地识别作弊用户，以解决现有技术中所存在的作弊用户识别的准确率较低的问题。结合第二方面，在本专利技术的一些实现方式中，所述评分模块包括：划分单元，用于划分所述监控对象的评分周期；评分单元，用于对所述监控对象在所述评分周期中的历史数据进行周期评分；汇总单元，用于汇总所述周期评分的结果以进行所述信用评分。由于本专利技术中先分周期地进行周期评分，再汇总所述周期评分的结果以进行信用评分，因此，可以降低计算成本并且还可以有效防止部分数据特征被弱化，提高作弊用户识别的召回率。结合第二方面，在本专利技术的一些实现方式中，所述评分单元包括：评分组件，用于根据设定的监控维度，对所述监控对象在所述评分周期中的历史数据进行维度评分；汇总组件，用于汇总所述维度评分的结果以进行所述周期评分。由于本专利技术中先分维度地进行维度评分，再汇总所述维度评分的结果以进行所述周期评分，因此，可以进一步降低计算成本。结合第二方面，在本专利技术的一些实现方式中，所述汇总单元具体用于依据评分周期的权重，汇总所述周期评分的结果以进行所述信用评分。由于本专利技术中基于评分周期的权重进行汇总处理，因此，可以通过权重来调整不同评分周期在信用评分中的影响比重，从而提高信用评分结果的置信度。结合第二方面，在本专利技术的一些实现方式中，所述预测模块包括：生成单元，用于基于所述信用评分的结果生成训练样本；训练单元，用于利用所述训练样本训练机器学习模型；预测单元，用于通过所述机器学习模型预测所述监控对象的异常概率。由于本专利技术中可以基于信用评分的结果生成训练样本，因此能够更加智能、高效地扩充训练样本。本专利技术的这些方面或其他方面在以下具体实施方式的描述中会更加简明易懂。附图说明为了更清楚地说明本专利技术实施方式的技术方案，下面将对实施方式描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是根据本专利技术方法实施方式1的对象控制方法的流程图；图2示出了图1所示的处理S11的一种实施方式；图3示出了图2所示的处理S112的一种实施方式；图4示出了图1所示的处理S12的一种实施方式；图5示出了图4所示的处理S121的一种实施方式；图6是根据本专利技术装置实施方式1的对象控制装置的结构示意图；图7示出了图6所示的评分模块11的一种实施方式；图8示出了图7所示的评分单元112的一种实施方式；图9示出了图6所示的预测模块12的一种实施方式；图10示出了图9所示的生成单元121的一种实施方式。具体实施方式以下结合附图和具体实施方式对本专利技术的各个方面进行详细阐述。其中，在本专利技术的各个具体实施方式中，众所周知的操作过程、模块、单元及其相互之间的连接、链接、通信或操作没有示出或未作详细说明。并且，所描述的特征、架构或功能可在一个或一个以上实施例中以任何方式组合。此外，本领域技术人员应当理解，下述的各种实施方式只用于举例说明，而非用于限制本专利技术的保护范围。本领域的技术人员还可以容易理解，本文所述和附图所示的各实施方式中的模块、单元或步骤可以按多种不同配置进行组合和设计。对于未在本说明书中进行具体说明的技术术语，除非另有特定说明，都应以本领域最宽泛的意思进行解释。在本专利技术的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该本文档来自技高网...

【技术保护点】
一种对象控制方法，其特征在于，所述方法包括：对监控对象的历史数据进行信用评分；预测所述监控对象的异常概率；基于所述信用评分的结果和所述异常概率对所述监控对象进行控制处理。

【技术特征摘要】
1.一种对象控制方法，其特征在于，所述方法包括：对监控对象的历史数据进行信用评分；预测所述监控对象的异常概率；基于所述信用评分的结果和所述异常概率对所述监控对象进行控制处理。2.如权利要求1所述的方法，其特征在于，对监控对象的历史数据进行信用评分包括：划分所述监控对象的评分周期；对所述监控对象在所述评分周期中的历史数据进行周期评分；汇总所述周期评分的结果以进行所述信用评分。3.如权利要求2所述的方法，其特征在于，对所述监控对象在所述评分周期中的历史数据进行周期评分包括：根据设定的监控维度，对所述监控对象在所述评分周期中的历史数据进行维度评分；汇总所述维度评分的结果以进行所述周期评分。4.如权利要求2所述的方法，其特征在于，汇总所述周期评分的结果以进行所述信用评分包括：依据评分周期的权重，汇总所述周期评分的结果以进行所述信用评分。5.如权利要求1至4中任一项所述的方法，其特征在于，预测所述监控对象的异常概率包括：基于所述信用评分的结果生成训练样本；利用所述训练样本训练机器学习模型；通过所述机器学习模型预测所述监控对象的异常概率。6.一种对象控制装置，其特...

【专利技术属性】
技术研发人员：徐龙飞，谭星，王永会，
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