[發明專利]一種虛假交易信息識別方法

有效

• 申請號: 201310037691.8
• 申請日: 2013-01-31
• 公開（公告）號: CN103064987A
• 公開（公告）日: 2013-04-24
• 發明（設計）人: 王永康;張愛華
• 申請（專利權）人: 五八同城信息技術有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/02
• 代理公司: 工業和信息化部電子專利中心 11010
• 代理人: 田俊峰

技術領域

本發明涉及互聯網技術領域，特別是涉及一種虛假交易信息識別方法。

背景技術

隨著互聯網的發展，網上的信息變得越來越泛濫，越來越真假難辨。對于電子商務或分類信息等類型的網站，如果能夠為用戶提供安全、真實的商品信息，已經成為一項重要而又基本的內容，于是如何識別用戶發布信息的真假已經成為了確保信息安全的關鍵，這也是很多網站都面臨的問題。

在識別虛假交易信息上，目前的方法主要是通過人工的審核，外加一些技術手段，例如確定黑名單的IP（Internet?Protocol，網絡之間互連的協議）地址、確定發布的信息內容或格式不合法、價格區間不合法等將完全確定信息不合法的信息刪除。

現有策略的缺點是：人工審核太消耗人力、輔助的技術手段只能刪除少部分的虛假交易信息，還有大量的虛假交易信息逃脫，可以刪除100%確定為虛假的信息，但是對有85%可能為假的信息無能為力，因為都不能判斷信息為假的程度。

發明內容

本發明要解決的技術問題是提供一種虛假交易信息識別方法置，用以解決現有技術進行虛假交易信息識別上人工消耗大、虛假交易信息識別率低的問題。

為解決上述技術問題，一方面，本發明提供一種虛假交易信息識別方法，包括：

步驟S101，獲取用戶發布信息的信息特征、信息內容和/或圖片信息；

步驟S201，根據用戶發布信息的信息特征、信息內容和/或圖片信息，對用戶發布消息進行虛假交易信息識別。

進一步，在獲取用戶發布信息的信息特征之前，包括以下步驟：

步驟S1011，獲取之前用戶發布消息的基本數據；

步驟S1012，根據獲取的之前用戶發布消息的基本數據，提取訓練數據，確定正負樣本；

步驟S1013，對正負樣本中的數據進行特征轉換，得到設定數據格式的數據；

步驟S1014，根據設定數據格式的數據，建立回歸模型。

進一步，步驟S1013具體包括：

將正負樣本中的每條數據的特征確定為數值型或枚舉型兩類；

數值型的維度值不變，在數值型數據處于樣本中的位置處置該數值型數據的數值；

枚舉型的維度值先計算其md5值，然后將md5值對W取模，得到取模結果；在樣本中將處于取模結果位置的數值置1。

進一步，步驟S1014具體包括：

將步驟S1013得到的設定數據格式的數據轉化為稀疏矩陣；

在模型訓練程序中輸入產生的稀疏矩陣（x₁,x₂,x₃,x₄,x₅，……,x_p），p為設定數據格式的數據的數據量；得到每一條記錄對應的參數(β₀,β₁,β₂,β₃,β₄,β₅，……,β_p)；

建立回歸模型，回歸模型為：其中g(x)＝β₀+β₁x₁+β₂x₂+…+β_px_p。

進一步，在建立回歸模型之后，當接收到用戶發布信息時，則步驟S101具體為：

步驟S1015，獲取用戶發布消息的基本數據；包括提取用戶發布消息的基本特征和獲取元特征；基本特征與元特征一起作為挖掘的基本數據。

進一步，在獲取用戶發布消息的基本數據之后，步驟S201具體包括以下步驟：

步驟S2011，對獲取用戶發布消息的基本數據進行特征轉換，得到模型可處理的數據格式；

步驟S2012，將步驟S2011得到的數據轉化為稀疏矩陣的形式，通過回歸模型進行虛假消息識別；其中，P>M，則Y=1，表示用戶發布信息為真實交易信息；反之，P≤M，則Y=0，表示用戶發布信息為虛假交易信息，M是預先設定的閾值。

進一步，在獲取用戶發布信息的信息內容之前，包括以下步驟：

步驟S1021，獲取之前用戶發布消息的信息內容并進行審核，將通過審核與沒通過審核的信息分為兩類，作為分類的樣本數據；

步驟S1022，對樣本中的信息內容進行分詞；

步驟S1023，通過計算，抽取特征詞；