[发明专利]一种航空订票恶意行为的智能检测方法

说明书

一种航空订票恶意行为的智能检测方法，包括数据预处理，特征提取，训练集选取和模型训练等子步骤的统一建模方法，具体步骤为：步骤1，从航空公司数据库调取原始数据，进行数据预处理并提取特征；步骤2，选择训练集并进行机器学习模型GBDT(梯度提升决策树)训练和调试参数；步骤3，通过训练好的模型结合数据库对用户是否为恶意行为进行预测。

技术领域

本发明涉及智能检测领域，尤其涉及一种航空订票恶意行为的智能检测方法。

背景技术

目前购票网站中，存在一些恶意预定行为，这些预定由某些组织所控制的“肉鸡”账号产生，为某些热门航线制造垄断局面，再抬高价格出售给用户，严重的影响了旅客利益并使航空公司蒙受损失，机票销售市场秩序也受到严重的影响。如何识别恶意订单，对于提高航空公司服务质量，提高用户体验和维护市场稳定具有重要的现实意义。然而目前对于恶意预定行为的有效预测仍然是一个待解决的问题，现有技术中常用解决问题的是黑白名单法，应用图灵测试系统和订单可信度评价方法。

订单可信度评价方法，采用从航信系统的订单数据库获取历史订单数据；根据所述历史订单数据，生成可信度评估指标，其中，可信度评估指标包括以下至少之一：旅客诚信度指标、代理人诚信度指标、不同舱位等级出票可信度指标、订票时间距离起飞时间的不同时间区间出票可信度指标；采用层次化分析法，确定可信度评估指标的权重系数；根据可信度评估指标和可信度评估指标的权重系数，计算实时订单的订单可信度得分；将订单可信度得分存储到数据库中的方式，对订单进行评估。

黑白名单法，是指通过数据库调出用户的历史订单数据，通过订票结果，查询结果等用户行为进行分析，然后根据相关技术人员指导规定阈值，当某个用户的行为特征达到判定恶意的阈值，我们将其加入黑名单，类似的，我们把它加入白名单，并形成黑白名单库，当有新订单时，我们通过判定他是否存在于黑白名单库来对他进行不同的措施。例如，我们规定从未产生历史订单的用户为黑名单，产生过订单的用户为白名单，当有新查询时候，如果该用户存在于黑名单库中，我们就对他进行拦截，若存在于白名单中则对其放行。

然而，目前航空订票领域中的恶意预定恶意查询等行为严重，影响了航空公司订票市场的正常运行，但是现有技术中，无论是订单可信度方法还是黑白名单方法，考虑的特征维度都相对单一，在准确率方面也不足够理想，不能够实时高效的对恶意订单进行识别。

发明内容

为了实现上述的发明目的，本发明提出一种航空订票恶意行为的智能检测方法，包括数据预处理，特征提取，训练集选取和模型训练等子步骤的统一建模方法，其具体步骤为：

步骤1，从航空公司数据库调取原始数据，进行数据预处理并提取特征；

步骤2，选择训练集并进行机器学习模型GBDT(梯度提升决策树)训练和调试参数；

步骤3，通过训练好的模型结合数据库对用户是否为恶意行为进行预测。

附图说明

图1为本发明的整体流程图；

图2为本发明使用梯度提升决策树GBDT的训练流程；

图3为本发明对用户是否为恶意行为进行预测的流程。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明提出一种对整个恶意行为检测包括数据预处理，特征提取，训练集选取和模型训练等子步骤的统一建模方法，步骤为：

步骤1，从航空公司数据库调取原始数据，进行数据预处理并提取特征；