[發(fā)明專(zhuān)利]票務(wù)訂單的惡意占位識(shí)別方法、系統(tǒng)、設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201711499025.0
• 申請(qǐng)日: 2017-12-28
• 公開(kāi)（公告）號(hào): CN108564423A
• 公開(kāi)（公告）日: 2018-09-21
• 發(fā)明（設(shè)計(jì)）人: 崔欣培;肖銓武;高遠(yuǎn);李文廣;李靖楠;向榕
• 申請(qǐng)（專(zhuān)利權(quán)）人: 攜程旅游網(wǎng)絡(luò)技術(shù)（上海）有限公司
• 主分類(lèi)號(hào): G06Q30/06
• 分類(lèi)號(hào): G06Q30/06
• 代理公司: 上海隆天律師事務(wù)所 31282
• 代理人: 臧云霄;鐘宗

本發(fā)明提供票務(wù)訂單的惡意占位識(shí)別方法、系統(tǒng)、設(shè)備和存儲(chǔ)介質(zhì)，方法包括：獲取數(shù)據(jù)庫(kù)中已完成票務(wù)訂單的用戶(hù)信息和行為信息，從中提取與惡意占位相關(guān)的特征變量；計(jì)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，提取先驗(yàn)條件；采用篩選出的特征變量訓(xùn)練回歸模型；獲取實(shí)時(shí)票務(wù)訂單及其用戶(hù)信息和行為信息，判斷是否超出對(duì)應(yīng)的先驗(yàn)條件，若是則識(shí)別具有惡意占位風(fēng)險(xiǎn)；采用訓(xùn)練好的回歸模型計(jì)算該實(shí)時(shí)票務(wù)訂單對(duì)應(yīng)的下單用戶(hù)的惡意占位概率，并采取對(duì)應(yīng)的攔截措施。本發(fā)明通過(guò)篩選特征變量，采用先驗(yàn)條件識(shí)別惡意占位風(fēng)險(xiǎn)，并訓(xùn)練出更準(zhǔn)確地計(jì)算惡意占位概率的回歸模型，提高惡意占位的判別準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種票務(wù)訂單的惡意占位識(shí)別方法、系統(tǒng)、設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

正常的票務(wù)訂單預(yù)訂時(shí)，例如機(jī)票預(yù)定過(guò)程中，創(chuàng)單填寫(xiě)頁(yè)點(diǎn)擊下一步時(shí)會(huì)發(fā)起訂位請(qǐng)求，隨后獲得訂位結(jié)果。用戶(hù)下單15分鐘內(nèi)未支付將關(guān)閉訂單。然而，存在惡意用戶(hù)在預(yù)訂過(guò)程中預(yù)訂但不支付訂單的惡意占位情況，導(dǎo)致對(duì)應(yīng)航班的座位被占無(wú)法出售，降低了正常用戶(hù)的預(yù)訂體驗(yàn)，同時(shí)對(duì)航空公司的航班售賣(mài)造成損失。

目前的風(fēng)控系統(tǒng)中，使用基于業(yè)務(wù)經(jīng)驗(yàn)設(shè)定的人為規(guī)則來(lái)識(shí)別虛占位惡意用戶(hù)，該功能存在兩個(gè)主要問(wèn)題。首先，人為規(guī)則的設(shè)定存在一定的主觀性，規(guī)則的標(biāo)準(zhǔn)和閥值的設(shè)定準(zhǔn)確性較低。其次，惡意用戶(hù)通過(guò)不斷嘗試容易識(shí)別并破解風(fēng)控規(guī)則，靈活性較差。

需要說(shuō)明的是，在上述背景技術(shù)部分公開(kāi)的信息僅用于加強(qiáng)對(duì)本公開(kāi)的背景的理解，因此可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明要解決的問(wèn)題在于，如何實(shí)時(shí)計(jì)算票務(wù)訂單的惡意占位概率，更加準(zhǔn)確和全面地識(shí)別惡意占位用戶(hù)。

根據(jù)本發(fā)明的一個(gè)方面，提供一種票務(wù)訂單的惡意占位識(shí)別方法，所述方法包括：

獲取數(shù)據(jù)庫(kù)中已完成票務(wù)訂單的用戶(hù)信息和行為信息，部分所述已完成票務(wù)訂單被標(biāo)記為惡意占位，從所述用戶(hù)信息和所述行為信息中提取與惡意占位相關(guān)的特征變量；

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

篩選出信息值大于預(yù)設(shè)閾值的特征變量，基于篩選出的特征變量在被標(biāo)記為惡意占位的已完成票務(wù)訂單中的取值，提取先驗(yàn)條件；

采用篩選出的特征變量訓(xùn)練回歸模型Z＝logit(p)＝log(odds)＝β₀+β₁X₁+β₂X₂+β₃X₃+…+β_kX_k，其中p為一票務(wù)訂單的惡意占位概率，odds為該票務(wù)訂單發(fā)生惡意占位與不發(fā)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(wù)訂單中對(duì)應(yīng)的取值，β₀為截距，β₁,β₂,…,β_k為篩選出的各特征變量對(duì)應(yīng)的回歸系數(shù)；

獲取實(shí)時(shí)票務(wù)訂單及其用戶(hù)信息和行為信息，判斷該實(shí)時(shí)票務(wù)訂單的用戶(hù)信息和行為信息是否滿足先驗(yàn)條件，若是則判斷該實(shí)時(shí)票務(wù)訂單具有惡意占位風(fēng)險(xiǎn)；

對(duì)于具有惡意占位風(fēng)險(xiǎn)的實(shí)時(shí)票務(wù)訂單，基于該實(shí)時(shí)票務(wù)訂單的用戶(hù)信息和行為信息，采用訓(xùn)練好的回歸模型計(jì)算該實(shí)時(shí)票務(wù)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(shí)時(shí)票務(wù)訂單。

優(yōu)選地，訓(xùn)練所述回歸模型時(shí)，還包括采用下述公式對(duì)回歸系數(shù)進(jìn)行調(diào)整：