[發明專利]票務訂單的惡意占位識別方法、系統、設備和存儲介質

在審

• 申請號: 201711499025.0
• 申請日: 2017-12-28
• 公開（公告）號: CN108564423A
• 公開（公告）日: 2018-09-21
• 發明（設計）人: 崔欣培;肖銓武;高遠;李文廣;李靖楠;向榕
• 申請（專利權）人: 攜程旅游網絡技術（上海）有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 上海隆天律師事務所 31282
• 代理人: 臧云霄;鐘宗

1.一種票務訂單的惡意占位識別方法，其特征在于，所述方法包括：

獲取數據庫中已完成票務訂單的用戶信息和行為信息，部分所述已完成票務訂單被標記為惡意占位，從所述用戶信息和所述行為信息中提取與惡意占位相關的特征變量；

基于各特征變量在被標記為惡意占位的已完成票務訂單中的取值和在未被標記為惡意占位的已完成票務訂單中的取值的差值，計算各特征變量的信息值；

篩選出信息值大于信息閾值的特征變量，基于篩選出的特征變量在被標記為惡意占位的已完成票務訂單中的取值，提取先驗條件；

采用篩選出的特征變量訓練回歸模型Z＝logit(p)＝log(odds)＝β₀+β₁X₁+β₂X₂+β₃X₃+…+β_kX_k，其中p為一票務訂單的惡意占位概率，odds為該票務訂單發生惡意占位與不發生惡意占位的比值，odds＝p/(1-p)，X₁,X₂,…,X_k為篩選出的各特征變量在該票務訂單中對應的取值，β₀為截距，β₁,β₂,…,β_k為篩選出的各特征變量對應的回歸系數；

獲取實時票務訂單及其用戶信息和行為信息，判斷該實時票務訂單的用戶信息和行為信息是否滿足對應的先驗條件，若是則判斷該實時票務訂單具有惡意占位風險；

對于具有惡意占位風險的實時票務訂單，基于該實時票務訂單的用戶信息和行為信息，采用訓練好的回歸模型計算該實時票務訂單的惡意占位概率，并攔截惡意占位概率超出概率閾值的實時票務訂單。

2.如權利要求1所述的票務訂單的惡意占位識別方法，其特征在于，訓練回歸模型時，還包括采用下述公式對回歸系數進行調整：

其中，為回歸系數的lasso估計值；

N為用于訓練回歸模型的已完成票務訂單的樣本總數，i從1取至N；

y_i為第i個已完成票務訂單對應的回歸函數，y_i∈{0,1}，y_i＝1代表票務訂單惡意占位，y_i＝0代表票務訂單非惡意占位；

k為篩選出的用于訓練回歸模型的特征變量個數，j從1取至k；

為懲罰項；

t為約束值。

3.如權利要求1所述的票務訂單的惡意占位識別方法，其特征在于，所述攔截惡意占位概率超出概率閾值的實時票務訂單的步驟包括：

將惡意占位概率按照多個概率閾值劃分惡意占位等級，對不同惡意占位等級的實時票務訂單對應的下單用戶，分別采取對應的攔截措施。

4.如權利要求3所述的票務訂單的惡意占位識別方法，其特征在于，所述攔截措施包括：

對于惡意占位概率小于第一概率閾值的實時票務訂單對應的下單用戶，允許其票務預定行為；

對于惡意占位概率大于等于第一概率閾值且小于第二概率閾值的實時票務訂單對應的下單用戶，彈出驗證碼；

對于惡意占位概率大于等于第二概率閾值的實時票務訂單對應的下單用戶，拒絕其票務預訂行為。

5.如權利要求1所述的票務訂單的惡意占位識別方法，其特征在于，進行先驗條件判斷時，若一實時票務訂單不滿足先驗條件，則判斷該實時票務訂單不具有惡意占位風險，允許該實時票務訂單對應的下單用戶的票務預訂行為。

6.如權利要求1所述的票務訂單的惡意占位識別方法，其特征在于，獲取實時票務訂單及其用戶信息和行為信息的步驟包括：

獲取實時票務訂單，并獲取該實時票務訂單對應所述篩選出的特征變量的用戶信息和行為信息。

7.如權利要求1所述的票務訂單的惡意占位識別方法，其特征在于，采用篩選出的特征變量訓練回歸模型前，還包括對所述篩選出的特征變量進行數據預處理的步驟。