群體虛假交易識別方法及裝置制造方法及圖紙

本發(fā)明專利技術提供了一種群體虛假交易識別方法及裝置，包括：獲取預設時間段內(nèi)各買家的交易相關信息，所述交易相關信息包含買家ID及各買家所購買的多個商品的ID；根據(jù)所述交易相關信息對買家進行聚類，得到多個買家群體；其中，每個買家群體中的買家購買了多種相同的商品；根據(jù)所述交易相關信息計算每個買家群體的整體相似度指標；根據(jù)所述整體相似度指標識別出多個所述買家群體中的虛假交易群體。本申請可以基于交易數(shù)據(jù)自身識別群體虛假交易，無需事先確定訓練集，具有較好的自適應性。

Group false transaction identification method and device

The invention provides a device and a group of false trading, including: transaction identification method of obtaining relevant information of the buyers a preset period of time, the information related to the transaction includes a plurality of commodity ID buyers ID and the buyers; according to the information related to the transaction clustering of buyers, multiple groups of buyers among them, each buyer; group of buyers to buy a variety of the same goods; according to the overall similarity index is calculated for each transaction buyers groups of related information; according to the overall similarity index to identify a plurality of groups of buyers in the false trading group. The application can identify the group false transactions based on the transaction data, and has good self adaptability without prior determination of the training set.

【技術實現(xiàn)步驟摘要】
群體虛假交易識別方法及裝置
本專利技術涉及互聯(lián)網(wǎng)
，特別涉及一種群體虛假交易識別方法及裝置。
技術介紹
在電商平臺上，一些賣家為了獲取更多的流量等平臺資源而進行刷銷量、刷好評等作弊行為，而此種作弊行為逐漸變成一種類似“眾包”的群體作弊行為，即作弊賣家通過即時聊天工具等線上渠道將待作弊商品分發(fā)給全國各地的“刷手”買家，“刷手”買家進行虛假購買并給予好評，提高作弊商品銷量和好評率。現(xiàn)有技術在識別刷單類虛假交易時，事先確定一個訓練集，一般通過買家的顯著異常行為確定訓練集，顯著異常行為例如“發(fā)空包”等行為。此種方法得到的異常數(shù)據(jù)往往是有偏差的，在此類有偏差的訓練集基礎上建模，模型的泛化能力可想而知。除此之外，隨著虛假交易的演變，個體上的虛假交易已經(jīng)“幾可亂真”，越來越難以識別。
技術實現(xiàn)思路
本申請?zhí)峁┮环N群體虛假交易識別方法，包括：獲取預設時間段內(nèi)各買家的交易相關信息，所述交易相關信息包含買家ID及各買家所購買的多個商品的ID；根據(jù)所述交易相關信息對買家進行聚類，得到多個買家群體；其中，每個買家群體中的買家購買了多種相同的商品；根據(jù)所述交易相關信息計算每個買家群體的整體相似度指標；根據(jù)所述整體相似度指標識別出多個所述買家群體中的虛假交易群體。本申請?zhí)峁┮环N群體虛假交易識別裝置，包括：信息獲取單元，用于獲取預設時間段內(nèi)各買家的交易相關信息，所述交易相關信息包含買家ID及各買家所購買的多個商品的ID；聚類單元，用于根據(jù)所述交易相關信息對買家進行聚類，得到多個買家群體；其中，每個買家群體中的買家購買了多種相同的商品計算單元，用于根據(jù)所述交易相關信息計算每個買家群體的整體相似度指標；識別單元，用于根據(jù)所述整體相似度指標識別出多個所述買家群體中的虛假交易群體。本申請實施例中，可以基于交易數(shù)據(jù)自身識別群體虛假交易，無需事先確定訓練集，具有較好的自適應性。當然實施本申請的任一產(chǎn)品或者方法必不一定需要同時達到以上所述的所有優(yōu)點。附圖說明為了更清楚地說明本專利技術實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1是本申請實施例的群體虛假交易識別方法的一種實施例的方法流程圖；圖2是本申請實施例的商品及買家列表示意圖；圖3是本申請實施例的群體虛假交易識別方法的一種實施例的方法流程圖；圖4是本申請實施例的買家相似性關系示意圖；圖5是本申請實施例的群體虛假交易識別裝置的結構示意圖；圖6是本申請實施例的聚類單元的結構示意圖。具體實施方式下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本專利技術一部分實施例，而不是全部的實施例。基于本專利技術中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術保護的范圍。圖1是本申請?zhí)岢龅娜后w虛假交易識別方法的一種實施例的方法流程圖。雖然本申請?zhí)峁┝巳缦率鰧嵤├蚋綀D所示的方法操作步驟或裝置結構，但基于常規(guī)或者無需創(chuàng)造性的勞動在所述方法或裝置中可以包括更多或者更少的操作步驟或模塊結構。在邏輯性上不存在必要因果關系的步驟或結構中，這些步驟的執(zhí)行順序或裝置的模塊結構不限于本申請實施例提供的執(zhí)行順序或模塊結構。所述的方法或模塊結構的在實際中的裝置或終端產(chǎn)品執(zhí)行時，可以按照實施例或者附圖所示的方法或模塊結構連接進行順序執(zhí)行或者并行執(zhí)行(例如并行處理器或者多線程處理的環(huán)境)。正常交易中，買家的購物行為具有隨機性，任意兩個買家之間購物相關性不高。而同一批刷手之間由于擁有相同的線上分發(fā)渠道，在交易序列上不可避免的具有相似性，而同一批刷手越多，刷單的商品越多，此種異常越明顯。即，此類作弊行為雖然在單筆交易上越來越難以甄別，但從群體上卻有規(guī)律可循，基于此，本專利技術通過識別“刷手”群體異常行為識別虛假交易，通過對交易數(shù)據(jù)自身進行識別找出虛假交易，具有較好的自適應性。具體的如圖1所示，本申請?zhí)峁┑娜后w虛假交易識別方法可以包括：S101：獲取預設時間段內(nèi)各買家的交易相關信息，所述交易相關信息包含買家ID及各買家所購買的多個商品的ID；S102：根據(jù)所述交易相關信息對買家進行聚類，得到多個買家群體；其中，每個買家群體中的買家購買了多種相同的商品；S103：根據(jù)所述交易相關信息計算每個買家群體的整體相似度指標；S104：根據(jù)所述整體相似度指標識別出多個所述買家群體中的虛假交易群體。圖1所示的群體虛假交易識別方法的執(zhí)行主體可以為服務器，由圖1所示的流程可知，本申請根據(jù)首先獲取包含買家ID及各買家所購買的多個商品的ID的各買家的交易相關信息，然后基于交易相關信息對買家進行分類，得到多個買家群體，通過計算買家群體的整體相似度指標識別多個所述買家群體中的虛假交易群體。即基于交易數(shù)據(jù)自身(買家ID及買家購買的商品ID)就可以準確識別群體虛假交易，無需事先確定訓練集，具有較好的自適應性。本申請中預設時間段可以按照如下方式如下劃分：由于時間屬性為連續(xù)值，本申請可以將時間離散化，即將時間進行分段，如按照自然天分段，預設時間段為某一天，如按照自然月分段，預設時間段為某一月。時間的分段可以根據(jù)具體情況而定，例如按照季度、年進行劃分，本申請并非用于限定。本申請中，交易相關信息為與買家購買商品交易相關的信息，該交易相關信息為組合特征，包含但不限定買家ID及各買家所購買的多個商品的ID。根據(jù)上述交易相關信息對買家進行聚類，可以得到多個買家群體。實際商品交易時，可能存在大量買家同時購買一款產(chǎn)品的情況(例如商品爆款)，如果買家群體中只購買了一件相同的商品，一般不能將其列為虛假交易群體。而本申請目的為識別群體虛假交易，即從得到的多個買家群體中識別出虛假交易群體，所以本申請需要對買家群體進行如下限定：買家群體中的買家購買了多種相同的商品。本申請中，根據(jù)所述交易相關信息對買家進行聚類，得到多個買家群體的方式可以有很多種，只要滿足買家群體中的買家購買了多種相同的商品即可，一實施例中，可以通過如下方法得到多個買家群體：根據(jù)各買家的交易相關信息，以商品為主體，找出購買量較大(例如超過一預設數(shù)量)的n種商品的每個買家ID，將購買上述n種商品中兩種及兩種以上商品的多個買家劃分為買家群體。圖2中列出了購買量較大的A、B、C、D、E5種商品，A、B、C、D4種商品有B、D、G三個買家，可以將B、D、G三個買家劃分為一個買家群體。另一實施例中，可以通過圖3所示的方法得到多個買家群體，如圖3所示，該方法包括如下步驟：S301：根據(jù)所述交易相關信息計算兩兩買家之間的相似性。相似性為兩兩買家之間的相似程度，相似程度以兩兩買家購買的商品的種類總和及兩兩買家購買的相同商品的種類之和進行表征。一實施例中，可以首先根據(jù)兩兩買家的交易相關信息計算兩兩買家購買的商品的種類總和及兩兩買家購買的相同商品的種類之和；然后根據(jù)所述商品的種類總和及相同商品的種類之和計算兩兩買家之間的相似性，計算方法有很多種，例如可以計算所述相同商品的種類之和與商品的種類總和的比值，該比值表征兩兩買家之間的相似性，比值越大，買家之間的相似程度越高。本文檔來自技高網(wǎng)...

【技術保護點】
一種群體虛假交易識別方法，其特征在于，包括：獲取預設時間段內(nèi)各買家的交易相關信息，所述交易相關信息包含買家ID及各買家所購買的多個商品的ID；根據(jù)所述交易相關信息對買家進行聚類，得到多個買家群體；其中，每個買家群體中的買家購買了多種相同的商品；根據(jù)所述交易相關信息計算每個買家群體的整體相似度指標；根據(jù)所述整體相似度指標識別出多個所述買家群體中的虛假交易群體。

【技術特征摘要】
1.一種群體虛假交易識別方法，其特征在于，包括：獲取預設時間段內(nèi)各買家的交易相關信息，所述交易相關信息包含買家ID及各買家所購買的多個商品的ID；根據(jù)所述交易相關信息對買家進行聚類，得到多個買家群體；其中，每個買家群體中的買家購買了多種相同的商品；根據(jù)所述交易相關信息計算每個買家群體的整體相似度指標；根據(jù)所述整體相似度指標識別出多個所述買家群體中的虛假交易群體。2.根據(jù)權利要求1所述的群體虛假交易識別方法，其特征在于，根據(jù)所述交易相關信息對買家進行聚類，得到多個買家群體，包括：根據(jù)所述交易相關信息計算兩兩買家之間的相似性；根據(jù)所述相似性對買家進行聚類，得到多個買家群體。3.根據(jù)權利要求2所述的群體虛假交易識別方法，其特征在于，根據(jù)所述交易相關信息計算兩兩買家之間的相似性，包括：根據(jù)兩兩買家的交易相關信息計算兩兩買家購買的商品的種類總和及兩兩買家購買的相同商品的種類之和；根據(jù)所述商品的種類總和及相同商品的種類之和計算兩兩買家之間的相似性。4.根據(jù)權利要求3所述的群體虛假交易識別方法，其特征在于，根據(jù)所述商品的種類總和及相同商品的種類之和計算兩兩買家之間的相似性，包括：計算所述相同商品的種類之和與商品的種類總和的比值，該比值表征兩兩買家之間的相似性。5.根據(jù)權利要求3所述的群體虛假交易識別方法，其特征在于，根據(jù)所述相似性對買家進行聚類，得到多個買家群體，包括：比較所述相似性與一相似性臨界值，將相似性大于所述相似性臨界值的買家進行聚類。6.根據(jù)權利要求1所述的群體虛假交易識別方法，其特征在于，所述整體相似度指標包括：買家群體中的買家購買相同商品的種類數(shù)量；根據(jù)所述交易相關信息計算每個買家群體的整體相似度指標，包括：計算每個買家群體中的買家購買相同商品的種類數(shù)量。7.根據(jù)權利要求6所述的群體虛假交易識別方法，其特征在于，根據(jù)所述整體相似度指標識別出多個所述買家群體中的虛假交易群體，包括：將各買家群體的整體相似度指標分別與一預設的相似度指標進行比較，根據(jù)比較結果識別出多個所述買家群體中的虛假交易群體。8.根據(jù)權利要求6所述的群體虛假交易識別方法，其特征在于，根據(jù)所述整體相似度指標識別出多個所述買家群體中的虛假交易群體，包括：根據(jù)每個買家聚類簇的整體相似度指標在所有買家群體的整體相似度指標...

【專利技術屬性】
技術研發(fā)人員：王震，王華君，
申請(專利權)人：阿里巴巴集團控股有限公司，
類型：發(fā)明
國別省市：開曼群島,KY