[发明专利]基于互联网交易数据的电子商务交易监测方法

权利要求书

1.一种基于互联网交易数据的电子商务交易监测方法，其特征在于，包括如下步骤：

S1：获取交易记录，并根据交易记录进行信誉参数分析，并建立信誉信息集；

S2：对信誉信息集进行筛选得到问题交易集，对问题交易集进行样本分析，提炼出基于信誉参数的指标集合，并建立基于信誉参数的聚集关联，得到聚集关联的结果集合；

S3：根据所述基于信誉参数的指标集合及聚集关联的结果集合建立监测模型并得到监测集合，并将该监测集合作为参考对电子商务交易进行监测和预警，具体为：对如当前的电子商务交易的指标符合该监测集合，则判断该电子商务交易为问题交易；

其中，所述聚集关联具体为将当前交易涉及信息与问题交易涉及的指标集合进行关联。

2.根据权利要求1所述的基于互联网交易数据的电子商务交易监测方法，其特征在于，所述信誉参数分析分为基于B2C或C2C的分析及基于B2B的分析；其中，基于B2C或C2C的分析包括：分析影响施信方对交易对象的信任的因素，以及分析影响互联网交易信任的因素；基于B2B的分析包括：分析影响组织间的信任的因素。

3.根据权利要求2所述的基于互联网交易数据的电子商务交易监测方法，其特征在于，影响施信方对交易对象的信任的因素包括：对对方的信任、基于控制的信任、对于潜在收益的期望、以及其自身对于风险的态度；

影响互联网交易信任的因素包括：技术因素、环境因素、商业因素及个人因素；

影响组织间的信任的因素包括：可感知的监督、可感知的认证、可感知的法律约束、可感知的反馈和可感知的写作规范。

4.根据权利要求1所述的基于互联网交易数据的电子商务交易监测方法，其特征在于，所述指标集合包括注册行为、操作行为、推广行为及被投诉行为中的一个或多个。

5.根据权利要求1所述的基于互联网交易数据的电子商务交易监测方法，其特征在于，所述聚集关联包括IP关联、基本信息关联及商品关联的行业数，其中，所述IP关联包括直接IP关联和IP进阶关联；所述基本信息关联具体为交易涉及的注册信息中的邮箱、负责人、联系电话、店铺网址或其他注册信息与已确认的问题交易的信息进行直接关联；所述商品关联的行业数为商品和行业的关联度指标。

6.根据权利要求5所述的基于互联网交易数据的电子商务交易监测方法，其特征在于，所述聚集关联还包括商品关联，所述商品关联为在IP信息相同、注册基本信息相同的情况下的产品的关联。

7.根据权利要求1所述的基于互联网交易数据的电子商务交易监测方法，其特征在于，所述步骤S3后面还包括：

S4：定期或在需要时追踪新的交易记录并提取新的聚集关联结果，并将新的聚集关联结果加入所述监测集合。

8.根据权利要求7所述的基于互联网交易数据的电子商务交易监测方法，其特征在于，所述步骤S4具体包括：

S41：追踪新的交易记录并结合所述信誉信息集建立交易行为信息集；

S42：通过分类算法对所述交易行为信息集进行第一次预测，得到嫌疑问题交易的第一次嫌疑等级信息及预测结果集A；

S43：对新的交易记录中的基本信息进行过滤和分析，得到新的交易基本信息集，将新的交易基本信息集与所述预测结果集A进行关联运算，得到第二次嫌疑等级信息及预测结果集B；

S44：通过设定阈值将预测结果集B分类为高风险问题交易群和低风险问题交易群，高风险问题交易群和步骤S3中的聚集关联结果再进行关联，得到新的聚集关联结果，并加入所述监测集合，以更新该监测集合。

9.根据权利要求1所述的基于互联网交易数据的电子商务交易监测方法，其特征在于，采用神经网络算法建立所述监测模型，具体为：将所述基于信誉参数的指标集合作为输入监测指标集合X，（0，1）之间的随机数作为监测的初始权值集合W，输出的交易行为的预警指标Y作为监测结果，其中，聚集关联的结果集合在对样本数据进行训练的过程中不断的调整输出和实际值的误差，并通过输出层反馈到输入层进行反向传播的多层前向反馈的网络，直至算法的学习误差不再明显减少。

10.根据权利要求9所述的基于互联网交易数据的电子商务交易监测方法，其特征在于，设定所述初始权值集合W中的各个权值的额定误差函数为e，给定计算精度ε和最大学习次数M，输入监测指标集合X包括所述基于信誉参数的指标集合中的任一一项或多项指标；算法执行时，当误差满足条件或已达到最大学习次数时，输出交易行为的预警指标。