【技术实现步骤摘要】
本专利技术涉及人工智能、风险监测，尤其涉及一种基于人工智能体的购物平台用户权益风险监测方法。
技术介绍
1、随着移动通信和互联网技术的快速发展，主流浏览器和电商等互联网平台都将智能算法推荐服务作为最基本的内容分发和产品推介模式。目前，浏览器已形成集个性化新闻推荐、小说、搜索等多项业务为一体的“内容+服务的综合信息平台”服务模式。同时，电商购物平台根据用户的线上行为学习用户的兴趣爱好，进行“千人千面”的推荐和商品的精准投放。在智能推荐技术为用户提供便捷服务的同时，也伴随着大量信息安全风险和用户权益保护安全风险，如过度推荐、大数据杀熟、歧视推荐。
2、对于传统的非智能互联网信息服务，信息安全和公平性的监测重心主要集中在供给侧，通过监控信息的生产和发布就能够整体重现信息的传播和消费过程。然而，以智能算法的黑箱性和动态性，决定了即使能够拥有所有信息的生产和发布过程也无法有效重构出信息的传播和分发过程。这使得传统的基于供给侧的监测模式逐渐失效，亟需研究智能算法推荐模式下的安全风险监测技术。
3、人工智能体是基于人工智能技术的智能体，经过精心训练以理解用户的购物偏好、习惯和需求。人工智能体直接扮演着用户的角色，是最终的购物者。它通过与模拟的或实际的购物系统互动，执行购物任务，完成整个购物流程。
4、因此，提出一种基于人工智能体的购物平台用户权益风险监测方法，来解决现有技术存在的困难，是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供
2、为了实现上述目的，本专利技术采用如下技术方案：
3、一种基于人工智能体的购物平台用户权益风险监测方法，包括以下步骤：
4、s1.获取购物平台初始数据，构建购物生态模拟系统；
5、s2.根据不同用户的消费特征和购物平台的基本特性构建人工智能体行为；
6、s3.基于人工智能体行为，进行初始数据迭代，将第1～n次的迭代数据作为历史数据，第n+1次的迭代数据作为更新数据，n为正整数；
7、s4.持续监测历史数据和更新数据，获得历史数据和更新数据的差值；
8、s5.将差值与指标进行比对，从而对用户权益进行风险监测。
9、可选的，s1中初始数据包括但不限于用户与商品交互数据、商品的文本数据、商品更新数据。
10、可选的，通过商品信息、用户消费记录、店铺信息并结合预训练语言模型，高斯混合模型，构建s1中的购物生态模拟系统。
11、可选的，s3中基于人工智能体行为进行数据迭代包括：人工智能体在构建的购物生态模拟系统上模拟用户购买商品的流程，进行数据迭代。
12、可选的，s5中的指标包括但不限于价格差异度、个人隐私、投诉反馈、未成年人健康、老年人适老服务。
13、可选的，采用优惠价差、定价价差、价格方差、最大价差四种不同价格差异计算指标对价格差异度进行衡量。
14、经由上述的技术方案可知，与现有技术相比，本专利技术提供了一种基于人工智能体的购物平台用户权益风险监测方法，具有以下有益效果：
15、(1)拟真性高：人工智能体的各种活跃行为更贴近于真人；兼容性强：可灵活操作以应对不同的监测目的；还具有高效性：仅用数十个人工智能体即可完成对某一购物平台的监测，无需占用更多资源。
16、(2)利用不同人工智能体揭示购物平台的推荐系统与群体特征之间的影响和作用路径，并据此以用户偏好，曝光和选择行为模式为核心，对价格差异度、个人隐私、投诉反馈、未成年人健康、老年人适老服务五个指标进行监测。
本文档来自技高网...【技术保护点】
1.一种基于人工智能体的购物平台用户权益风险监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人工智能体的购物平台用户权益风险监测方法，其特征在于，
3.根据权利要求1所述的一种基于人工智能体的购物平台用户权益风险监测方法，其特征在于，
4.根据权利要求1所述的一种基于人工智能体的购物平台用户权益风险监测方法，其特征在于，
5.根据权利要求1所述的一种基于人工智能体的购物平台用户权益风险监测方法，其特征在于，
6.根据权利要求5所述的一种基于人工智能体的购物平台用户权益风险监测方法，其特征在于，
【技术特征摘要】
1.一种基于人工智能体的购物平台用户权益风险监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人工智能体的购物平台用户权益风险监测方法，其特征在于，
3.根据权利要求1所述的一种基于人工智能体的购物平台用户权益风险监测方法，其特征在于，
<...【专利技术属性】
技术研发人员：韩晗，赵芸伟，王鲁华，刘美辰，
申请(专利权)人：国家计算机网络与信息安全管理中心，
类型：发明
国别省市：
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。