[發明專利]基于深度學習的不良購票行為管理方法

在審

• 申請號: 201810040220.5
• 申請日: 2018-01-16
• 公開（公告）號: CN108229749A
• 公開（公告）日: 2018-06-29
• 發明（設計）人: 李稀敏;肖龍源;蔡振華;譚玉坤;劉曉葳;朱敬華
• 申請（專利權）人: 廈門快商通信息技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/00;G06Q30/06;G06K9/62
• 代理公司: 廈門仕誠聯合知識產權代理事務所(普通合伙) 35227
• 代理人: 樂珠秀

本發明公開了一種基于深度學習的不良購票行為管理方法，包括，建立模型、步驟S2，訓練模型，實時數據采集，根據采集的用戶交易行為數據并經訓練模型分析，預測用戶當前購票行為是否為不良購票行為，若用戶當前購票行為為不良購票行為進入不良購票行為處理，否則為正常購票行為，本發明的不良購票行為管理方法，主動發現網絡刷票行為，并自動進行處理，將異常用戶列入黑名單，禁止黑名單用戶購票，維護購票系統公正運行。

技術領域

本發明涉及購票技術領域，具體涉及一種基于深度學習的不良購票行為管理方法。

背景技術

隨著互聯網電子商務的普及，各種網絡購票渠道和平臺極大的方便了人們的生活方式。網絡購票一般采取預售模式，且預售期都較長，而且可以隨時退票。像火車票、機票的預訂周期長達幾個天，且在時間限制之外可自由退票不產生手續費。

由此導致了很多第三方代理機構及黃牛等人員，利用售票系統的漏洞非常占有大量票源。一般為系統自動操作，將熱門票源在剛放票時就全部買下，一直把持到臨近收費時再退票，從而達到零成本控制大量票源的目的。給正常需要購買票的人們帶來了不便，也給運營機構帶來不利因素，如無法正確估計真正有需求的目標群體數量，有可能已經售罄的票會在某個節點突然被大量退回。

發明內容

本發明的目的克服現有技術問題，提出一種基于深度學習的不良購票行為管理方法，本發明采用如下技術方案：

一種基于深度學習的不良購票行為管理方法，包括如下步驟：

步驟S1，建立模型：

采用SVM分類器、貝葉斯分類器、及隨機森林回歸建立模型；

步驟S2，訓練模型：

將售票系統中現有的用戶及其購票記錄，及其票附屬信息進行收集、整理，并對模型進行訓練；將售票系統已被標識或屏蔽的黑名單用戶的購票記錄及其附屬信息也進行收集、模型訓練；所述票附屬信息包括購票時間、購票地點、終端類型、數量、付款信息、購票內容；

步驟S3，實時數據采集：

實時采集用戶交易行為數據，所述用戶交易行為數據包括但不限于用戶身份信息、購票時間、購票地點、終端類型、購票內容；

所述終端類型為電腦、手機、或者操作系統；

所述購票內容包括票的區間、時間；

步驟S4，用戶行為預測：

根據采集的用戶交易行為數據并經訓練模型分析，預測用戶當前購票行為是否為不良購票行為，若用戶當前購票行為為不良購票行為進入步驟S5不良購票行為處理，否則為正常購票行為。

進一步的，所述用戶身份信息包括性別、年齡、地區、電話。

其中，步驟S5不良購票行為處理，包括如下步驟：

步驟S51，判斷當前不良購票行為用戶的用戶類型，

若當前不良購票行為用戶為老用戶，則進入步驟S52，若當前不良購票行為用戶為新用戶，則當前不良購票行為用戶給予警告標記；

步驟S52，根據當前不良購票行為用戶的當前購票之前的購票行為處理當前不良購票行為：

若當前不良購票行為為首次，則將當前不良購票行為用戶標記為潛在不良用戶；

若當前不良購票行為為第N次不良購票行為或者當前不良購票行為用戶已被標記為潛在不良用戶，則當前不良購票行為用戶給予警告標記；

若當前不良購票行為為第N+M次不良購票行為或者當前不良購票行為用戶已被警告標記，則當前不良購票行為用戶標記為黑名單用戶。