[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

本發明提供票務訂單的惡意占位識別方法、系統、設備和存儲介質，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，從中提取與惡意占位相關的特征變量；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，提取先驗條件；采用篩選出的特征變量訓練回歸模型；獲取實時票務訂單及其用戶信息和行為信息，判斷是否超出對應的先驗條件，若是則識別具有惡意占位風險；采用訓練好的回歸模型計算該實時票務訂單對應的下單用戶的惡意占位概率，并采取對應的攔截措施。本發明通過篩選特征變量，采用先驗條件識別惡意占位風險，并訓練出更準確地計算惡意占位概率的回歸模型，提高惡意占位的判別準確率。

技術領域

本發明涉及互聯網技術領域，尤其涉及一種票務訂單的惡意占位識別方法、系統、設備和存儲介質。

背景技術

正常的票務訂單預訂時，例如機票預定過程中，創單填寫頁點擊下一步時會發起訂位請求，隨后獲得訂位結果。用戶下單15分鐘內未支付將關閉訂單。然而，存在惡意用戶在預訂過程中預訂但不支付訂單的惡意占位情況，導致對應航班的座位被占無法出售，降低了正常用戶的預訂體驗，同時對航空公司的航班售賣造成損失。

目前的風控系統中，使用基于業務經驗設定的人為規則來識別虛占位惡意用戶，該功能存在兩個主要問題。首先，人為規則的設定存在一定的主觀性，規則的標準和閥值的設定準確性較低。其次，惡意用戶通過不斷嘗試容易識別并破解風控規則，靈活性較差。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

針對現有技術中的缺陷，本發明要解決的問題在于，如何實時計算票務訂單的惡意占位概率，更加準確和全面地識別惡意占位用戶。

根據本發明的一個方面，提供一種票務訂單的惡意占位識別方法，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；

篩選出信息值大于預設閾值的特征變量，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。

優選地，訓練所述回歸模型時，還包括采用下述公式對回歸系數進行調整：