[發明專利]基于互聯網交易數據的電子商務交易監測方法

在審

• 申請號: 201510306742.1
• 申請日: 2015-06-04
• 公開（公告）號: CN104915842A
• 公開（公告）日: 2015-09-16
• 發明（設計）人: 陳海江;呂浩;邵奇可;顏世航
• 申請（專利權）人: 浙江力石科技股份有限公司
• 主分類號: G06Q30/00
• 分類號: G06Q30/00
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種基于互聯網交易數據的電子商務交易監測方法，其特征在于，包括如下步驟：

S1：獲取交易記錄，并根據交易記錄進行信譽參數分析，并建立信譽信息集；

S2：對信譽信息集進行篩選得到問題交易集，對問題交易集進行樣本分析，提煉出基于信譽參數的指標集合，并建立基于信譽參數的聚集關聯，得到聚集關聯的結果集合；

S3：根據所述基于信譽參數的指標集合及聚集關聯的結果集合建立監測模型并得到監測集合，并將該監測集合作為參考對電子商務交易進行監測和預警，具體為：對如當前的電子商務交易的指標符合該監測集合，則判斷該電子商務交易為問題交易；

其中，所述聚集關聯具體為將當前交易涉及信息與問題交易涉及的指標集合進行關聯。

2.根據權利要求1所述的基于互聯網交易數據的電子商務交易監測方法，其特征在于，所述信譽參數分析分為基于B2C或C2C的分析及基于B2B的分析；其中，基于B2C或C2C的分析包括：分析影響施信方對交易對象的信任的因素，以及分析影響互聯網交易信任的因素；基于B2B的分析包括：分析影響組織間的信任的因素。

3.根據權利要求2所述的基于互聯網交易數據的電子商務交易監測方法，其特征在于，影響施信方對交易對象的信任的因素包括：對對方的信任、基于控制的信任、對于潛在收益的期望、以及其自身對于風險的態度；

影響互聯網交易信任的因素包括：技術因素、環境因素、商業因素及個人因素；

影響組織間的信任的因素包括：可感知的監督、可感知的認證、可感知的法律約束、可感知的反饋和可感知的寫作規范。

4.根據權利要求1所述的基于互聯網交易數據的電子商務交易監測方法，其特征在于，所述指標集合包括注冊行為、操作行為、推廣行為及被投訴行為中的一個或多個。

5.根據權利要求1所述的基于互聯網交易數據的電子商務交易監測方法，其特征在于，所述聚集關聯包括IP關聯、基本信息關聯及商品關聯的行業數，其中，所述IP關聯包括直接IP關聯和IP進階關聯；所述基本信息關聯具體為交易涉及的注冊信息中的郵箱、負責人、聯系電話、店鋪網址或其他注冊信息與已確認的問題交易的信息進行直接關聯；所述商品關聯的行業數為商品和行業的關聯度指標。

6.根據權利要求5所述的基于互聯網交易數據的電子商務交易監測方法，其特征在于，所述聚集關聯還包括商品關聯，所述商品關聯為在IP信息相同、注冊基本信息相同的情況下的產品的關聯。

7.根據權利要求1所述的基于互聯網交易數據的電子商務交易監測方法，其特征在于，所述步驟S3后面還包括：

S4：定期或在需要時追蹤新的交易記錄并提取新的聚集關聯結果，并將新的聚集關聯結果加入所述監測集合。

8.根據權利要求7所述的基于互聯網交易數據的電子商務交易監測方法，其特征在于，所述步驟S4具體包括：

S41：追蹤新的交易記錄并結合所述信譽信息集建立交易行為信息集；

S42：通過分類算法對所述交易行為信息集進行第一次預測，得到嫌疑問題交易的第一次嫌疑等級信息及預測結果集A；

S43：對新的交易記錄中的基本信息進行過濾和分析，得到新的交易基本信息集，將新的交易基本信息集與所述預測結果集A進行關聯運算，得到第二次嫌疑等級信息及預測結果集B；

S44：通過設定閾值將預測結果集B分類為高風險問題交易群和低風險問題交易群，高風險問題交易群和步驟S3中的聚集關聯結果再進行關聯，得到新的聚集關聯結果，并加入所述監測集合，以更新該監測集合。

9.根據權利要求1所述的基于互聯網交易數據的電子商務交易監測方法，其特征在于，采用神經網絡算法建立所述監測模型，具體為：將所述基于信譽參數的指標集合作為輸入監測指標集合X，（0，1）之間的隨機數作為監測的初始權值集合W，輸出的交易行為的預警指標Y作為監測結果，其中，聚集關聯的結果集合在對樣本數據進行訓練的過程中不斷的調整輸出和實際值的誤差，并通過輸出層反饋到輸入層進行反向傳播的多層前向反饋的網絡，直至算法的學習誤差不再明顯減少。

10.根據權利要求9所述的基于互聯網交易數據的電子商務交易監測方法，其特征在于，設定所述初始權值集合W中的各個權值的額定誤差函數為e，給定計算精度ε和最大學習次數M，輸入監測指標集合X包括所述基于信譽參數的指標集合中的任一一項或多項指標；算法執行時，當誤差滿足條件或已達到最大學習次數時，輸出交易行為的預警指標。