[发明专利]一种电商平台刷单行为检测方法及系统

权利要求书

1.一种电商平台刷单行为检测方法，其特征在于，所述检测方法包括：

获取多个商品的原始数据，所述多个商品包括刷单商品和不刷单商品，所述原始数据包括访客数、咨询数、付款数、订单数、收藏数、点击次数、买家ID、下单时间、确认收货时间、付款时间、店铺停留时间、交易时间、IP地址信息；

根据所述原始数据计算特征率值，所述特征率值包括静默转化率、订单咨询率、流量转化率、成交转化率、订单支付率、收藏率、收货时间差、刷手占比、店铺停留时间；所述静默转化率为所述不经过咨询的订单数与所述访客数的商，所述订单咨询率为所述咨询数与所述访客数的商，所述流量转化率为所述付款数与所述点击量的商，所述成交转化率为所述付款数与所述访客数的商，所述订单支付率为所述付款数与所述订单数的商，所述收藏率为所述收藏数与所述访客数的商，所述收货时间差为所述确认收货时间与所述付款时间的差，所述刷手占比为IP重复率；

将所述特征率值进行归一化处理和转换成与支持向量机分类法相匹配的格式，获得特征值；

采用支持向量机分类法对所述刷单商品的特征值和所述不刷单商品的特征值进行训练，获得最优训练模型；

获取目标商品的目标数据，计算所述目标数据的特征值，获取目标特征值；

根据所述最优训练模型和所述目标特征值计算所述目标商品的刷单概率。

2.根据权利要求1所述的一种电商平台刷单行为检测方法，其特征在于，所述采用支持向量机分类法根据所述刷单商品的特征值和所述不刷单商品的特征值，获得最优训练模型具体包括：

采用K折交叉验证算法根据所述刷单商品的特征值和所述不刷单商品的特征值多次验证所述支持向量机分类法中的惩罚因子和核函数，获得最优惩罚因子和最优核函数；

根据所述最优惩罚因子和所述最优核函数获得所述最优训练模型。

3.根据权利要求1所述的一种电商平台刷单行为检测方法，其特征在于，所述根据所述最优训练模型和所述目标特征值计算所述目标商品的刷单概率具体包括：

根据所述最优训练模型和所述目标特征值计算所述目标商品的分类结果，获得分类结果，所述分类结果包括刷单和不刷单；

分别计算多个目标特征值在所述分类结果中的条件概率，获得特征条件概率；

分别计算不同分类结果出现的概率，获得分类概率；

根据所述分类概率和所述特征条件概率计算所述目标商品的刷单概率。

4.根据权利要求1所述的一种电商平台刷单行为检测方法，其特征在于，获取多个商品的原始数据的方法具体包括：文献查询、商家调研和网页爬虫中的任意一者。

5.一种电商平台刷单行为检测系统，其特征在于，所述检测系统包括：

原始数据获取模块，用于获取多个商品的原始数据，所述多个商品包括刷单商品和不刷单商品，所述原始数据包括访客数、咨询数、付款数、订单数、收藏数、点击次数、买家ID、下单时间、确认收货时间、付款时间、店铺停留时间、交易时间、IP地址信息；

特征率值计算模块与所述原始数据获取模块连接，所述特征率值计算模块用于根据所述原始数据计算特征率值，所述特征率值包括静默转化率、订单咨询率、流量转化率、成交转化率、订单支付率、收藏率、收货时间差、刷手占比、店铺停留时间；

特征率值转换模块与所述特征率值计算模块连接，所述特征率值转换模块用于将所述特征率值进行归一化处理和转换成与支持向量机分类法相匹配的格式，获得特征值；

训练模块与所述特征率值转换模块连接，所述训练模块用于采用支持向量机分类法处理所述刷单商品的特征值和所述不刷单商品的特征值，获得最优训练模型；

目标特征值获取模块与所述训练模块连接，用于获取目标商品的目标数据，计算所述目标数据的特征值，获取目标特征值；

刷单概率计算模块分别与所述目标特征值获取模块和所述训练模块连接，用于根据所述最优训练模型和所述目标特征值计算所述目标商品的刷单概率。

6.根据权利要求5所述的一种电商平台刷单行为检测系统，其特征在于，所述刷单概率计算模块具体包括：

分类结果计算单元，用于根据所述最优训练模型和所述目标特征值计算所述目标商品的分类结果，获得分类结果，所述分类结果包括刷单和不刷单；

条件概率计算单元与所述分类结果计算单元连接，所述条件概率计算单元用于分别计算多个目标特征值在所述分类结果中的条件概率，获得特征条件概率；

分类概率计算单元与所述条件概率计算单元连接，所述分类概率计算单元用于分别计算不同分类结果出现的概率，获得分类概率；

刷单概率计算单元与所述分类概率计算单元连接，所述刷单概率计算单元用于根据所述分类概率和所述特征条件概率计算所述目标商品的刷单概率。