[發(fā)明專利]一種基于隨機(jī)森林算法的電子商務(wù)網(wǎng)站欺詐用戶識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201310722134.X
• 申請日: 2013-12-24
• 公開（公告）號: CN103678659A
• 公開（公告）日: 2014-03-26
• 發(fā)明（設(shè)計(jì)）人: 李莉;鄭一曼;蔣巧娜;黃建鵬
• 申請（專利權(quán)）人: 焦點(diǎn)科技股份有限公司;南京理工大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/00
• 代理公司: 南京知識律師事務(wù)所 32207
• 代理人: 張?zhí)K沛

1.一種基于隨機(jī)森林算法的電子商務(wù)網(wǎng)站欺詐用戶識別系統(tǒng)，其特征在于，該系統(tǒng)包括以下模塊：

電子商務(wù)網(wǎng)站用戶數(shù)據(jù)處理模塊：將電子商務(wù)網(wǎng)站信息服務(wù)系統(tǒng)收集的用戶數(shù)據(jù)，包括用戶基本信息和用戶行為數(shù)據(jù)進(jìn)行預(yù)處理，消除不完整的，雜亂的“臟”數(shù)據(jù)，使之成為能夠被電子商務(wù)網(wǎng)站用戶數(shù)據(jù)分析模塊使用的數(shù)據(jù)；

電子商務(wù)網(wǎng)站用戶數(shù)據(jù)存儲(chǔ)模塊：將處理完成的數(shù)據(jù)存儲(chǔ)到相應(yīng)的存儲(chǔ)單元，以方便數(shù)據(jù)分析模塊進(jìn)行數(shù)據(jù)抽取；

電子商務(wù)網(wǎng)站用戶數(shù)據(jù)分析模塊：從電子商務(wù)網(wǎng)站用戶數(shù)據(jù)存儲(chǔ)模塊中抽取單位時(shí)間內(nèi)的用戶數(shù)據(jù)，使用構(gòu)建的最優(yōu)隨機(jī)森林用戶分類模型對用戶進(jìn)行分類，評判分類結(jié)果的覆蓋率和準(zhǔn)確率，將超過閾值的分類結(jié)果輸出；

結(jié)果展示模塊：將數(shù)據(jù)分析的結(jié)果顯示于系統(tǒng)管理員終端顯示器界面。

2.根據(jù)權(quán)利要求1所述的電子商務(wù)網(wǎng)站欺詐用戶識別系統(tǒng)，其特征在于：所述最優(yōu)隨機(jī)森林用戶分類模型，包括：

預(yù)處理單元：從信息系統(tǒng)服務(wù)器獲取用戶歷史分類數(shù)據(jù)，將用戶歷史分類數(shù)據(jù)進(jìn)行預(yù)處理，消除無用的、不完整的數(shù)據(jù)，使其成為能夠被隨機(jī)森林算法所識別的數(shù)據(jù)形式；

存儲(chǔ)單元：將處理完成的數(shù)據(jù)按照預(yù)設(shè)比例分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集，存入相應(yīng)存儲(chǔ)單元中；

分類單元：讀取訓(xùn)練數(shù)據(jù)集，使用隨機(jī)森林算法進(jìn)行分類；

確定單元：讀取測試數(shù)據(jù)集，使用已構(gòu)建的隨機(jī)森林分類模型進(jìn)行模型檢測，查看分類準(zhǔn)確率和覆蓋率，若準(zhǔn)確率和覆蓋率均較低，則重新構(gòu)建分類模型；若準(zhǔn)確率和覆蓋率均超過閾值，則確定為最優(yōu)分類模型。

保存單元：將最優(yōu)分類模型保存在用戶數(shù)據(jù)分析模塊中，以便進(jìn)行新數(shù)據(jù)的分類。

3.根據(jù)權(quán)利要求2所述的電子商務(wù)網(wǎng)站欺詐用戶識別系統(tǒng)，其特征在于：所述分類單元在進(jìn)行模型優(yōu)化的過程中，隨機(jī)森林算法會(huì)給出變量重要性評分：設(shè)原始樣本含量為N，表示各樣本的變量為x₁,x₂,...,x_m；應(yīng)用bootstrap法有放回地隨機(jī)抽取b個(gè)新的自助樣本，并由此形成b個(gè)分類樹，每次未被抽到的樣本則組成b個(gè)袋外數(shù)據(jù)；袋外數(shù)據(jù)作為測試樣本用來評估各個(gè)變量在分類中的重要性，根據(jù)變量重要性評分，篩選出重要的分類變量，進(jìn)一步改進(jìn)分類模型。