[發(fā)明專(zhuān)利]刷單的預(yù)測(cè)方法、裝置及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201910595619.4
• 申請(qǐng)日: 2019-07-03
• 公開(kāi)（公告）號(hào): CN110288362A
• 公開(kāi)（公告）日: 2019-09-27
• 發(fā)明（設(shè)計(jì)）人: 何涇沙;劉文倩;朱娜斐
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類(lèi)號(hào): G06Q30/00
• 分類(lèi)號(hào): G06Q30/00;G06Q30/06
• 代理公司: 北京超凡宏宇專(zhuān)利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 張磊

本發(fā)明提供了一種刷單的預(yù)測(cè)方法、裝置及電子設(shè)備，涉及電子商務(wù)領(lǐng)域，其中，該方法包括獲取目標(biāo)平臺(tái)的目標(biāo)商品的時(shí)域評(píng)論數(shù)據(jù)；基于時(shí)域評(píng)論數(shù)據(jù)建立異常檢測(cè)模型；該異常檢測(cè)模型是采用孤獨(dú)森林算法構(gòu)建的；基于異常檢測(cè)模型對(duì)商家的刷單行為進(jìn)行預(yù)測(cè)。該方法通過(guò)利用具有時(shí)間域的商品評(píng)論數(shù)據(jù)建立異常檢測(cè)模型進(jìn)行異常檢測(cè)，進(jìn)而預(yù)測(cè)商家的刷單行為，大大提升了預(yù)測(cè)的效果，預(yù)測(cè)精度較高；同時(shí)，該方法能夠快速檢測(cè)出可能存在刷單行為的商家，提高了預(yù)測(cè)效率。

技術(shù)領(lǐng)域

本發(fā)明涉及電子商務(wù)技術(shù)領(lǐng)域，尤其是涉及一種刷單的預(yù)測(cè)方法、裝置及電子設(shè)備。

背景技術(shù)

隨著全球電子商務(wù)的飛速發(fā)展，電子商務(wù)平臺(tái)交易金額不斷擴(kuò)大。刷單行為可以泛指在電商平臺(tái)中，商家為了提升自己的品牌信譽(yù)或者評(píng)分，亦或者為了在搜索結(jié)果中得到更前排名而進(jìn)行虛假交易的行為。由于商家的刷單行為將極大擾亂網(wǎng)絡(luò)電子商務(wù)交易平臺(tái)的正常經(jīng)營(yíng)，給電商平臺(tái)用戶(hù)帶來(lái)較差的用戶(hù)體驗(yàn)，因此，及時(shí)發(fā)現(xiàn)這類(lèi)刷單行為，在商家存在刷單行為的萌芽狀態(tài)就將其扼殺，能夠?yàn)殡娚唐脚_(tái)帶來(lái)更好的用戶(hù)體驗(yàn)，杜絕商家之間的不正當(dāng)競(jìng)爭(zhēng)，保護(hù)電子商務(wù)平臺(tái)正常經(jīng)營(yíng)商家的正當(dāng)權(quán)益。

虛假評(píng)論是商家最長(zhǎng)采用的刷單方法，因此，通過(guò)檢測(cè)虛假評(píng)論可以預(yù)測(cè)商家刷單的行為。近年來(lái)，大多研究人員嘗試使用文本挖掘技術(shù)檢測(cè)虛假評(píng)論的方式來(lái)預(yù)測(cè)刷單，這種方法的缺點(diǎn)在于：大多數(shù)相關(guān)工作側(cè)重于僅僅只檢測(cè)評(píng)論或評(píng)論者而不考慮多個(gè)評(píng)論或評(píng)論者之間的潛在關(guān)系，而多數(shù)研究虛假評(píng)論的檢測(cè)方法均是通過(guò)評(píng)論的含義來(lái)進(jìn)行，然而在許多實(shí)際案例中，評(píng)論不容易獲得，大多數(shù)用戶(hù)并不進(jìn)行評(píng)論，從而系統(tǒng)會(huì)留為默認(rèn)好評(píng)或空白，用評(píng)論文本內(nèi)容的方法便不能很好地預(yù)測(cè)刷單。

現(xiàn)有技術(shù)中利用文本檢測(cè)的方法來(lái)識(shí)別虛假評(píng)論進(jìn)而預(yù)測(cè)刷單的方式存在準(zhǔn)確度較低的問(wèn)題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供刷單的預(yù)測(cè)方法、裝置及電子設(shè)備，以緩解現(xiàn)有技術(shù)中存在的預(yù)測(cè)準(zhǔn)確度不高的技術(shù)問(wèn)題。

第一方面，本發(fā)明實(shí)施例提供了一種刷單的預(yù)測(cè)方法，包括：

獲取目標(biāo)平臺(tái)的目標(biāo)商品的時(shí)域評(píng)論數(shù)據(jù)；

基于所述時(shí)域評(píng)論數(shù)據(jù)建立異常檢測(cè)模型；

基于所述異常檢測(cè)模型對(duì)商家的刷單行為進(jìn)行預(yù)測(cè)。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第一種可能的實(shí)施方式，其中，所述獲取目標(biāo)平臺(tái)的目標(biāo)商品的時(shí)域評(píng)論數(shù)據(jù)，包括：

基于廣度優(yōu)先的爬取策略對(duì)目標(biāo)平臺(tái)進(jìn)行數(shù)據(jù)爬取得到目標(biāo)商品的時(shí)域評(píng)論數(shù)據(jù)。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第二種可能的實(shí)施方式，其中，所述基于所述時(shí)域評(píng)論數(shù)據(jù)建立異常檢測(cè)模型，包括：

基于所述時(shí)域評(píng)論數(shù)據(jù)建立數(shù)據(jù)集；

基于所述數(shù)據(jù)集建立時(shí)間特征向量；

基于所述時(shí)間特征向量建立異常檢測(cè)模型。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第三種可能的實(shí)施方式，其中，所述基于所述異常檢測(cè)模型對(duì)商家的刷單行為進(jìn)行預(yù)測(cè)，包括：

計(jì)算目標(biāo)商品的異常分?jǐn)?shù)值；

將所述異常分?jǐn)?shù)值與預(yù)設(shè)閾值作比較，生成比較結(jié)果；

基于所述比較結(jié)果預(yù)測(cè)所述目標(biāo)商品是否參與刷單。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第四種可能的實(shí)施方式，其中，所述時(shí)域評(píng)論數(shù)據(jù)包括時(shí)間戳以及用戶(hù)商品關(guān)系，所述用戶(hù)商品關(guān)系包括：商品名稱(chēng)和用戶(hù)ID。

第二方面，本發(fā)明實(shí)施例還提供一種刷單的預(yù)測(cè)裝置，包括：

獲取模塊，用于獲取目標(biāo)平臺(tái)的目標(biāo)商品的時(shí)域評(píng)論數(shù)據(jù)；