[发明专利]一种异常账号的识别方法和装置

权利要求书

1.一种异常账号的识别方法，其特征在于，包括以下步骤：

获取目标账号第一起点位置数据；所述第一起点位置数据为当前订单的起点位置数据；

通过预存的核密度估计模型训练所述第一起点位置数据，并输出所述第一起点位置数据的第一核密度估计值；所述核密度估计模型是以目标账号的历史订单的起点位置数据而建立的；

将所述第一核密度估计值发送至预设分类器，以识别目标账号是否为为异常账号。

2.根据权利要求1所述的一种异常账号的识别方法，其特征在于，所述核密度估计模型是通过以下方法获得，包括：

获取目标账号第二起点位置数据，建立起点位置数据集；所述第二起点位置数据为历史订单的起点位置数据；

通过预设分布函数和预设带宽对起点位置数据集中每个第二起点位置数据进行核密度估计，生成所述起点位置数据集对应的核密度估计函数。

3.根据权利要求2所述的一种异常账号的识别方法，其特征在于，所述预设分布函数为高斯核函数，所述核密度估计函数的表达式为：

式中，f(x,y)为核密度估计值，n为第二起点位置数据的个数，h为预设带宽，(x_i,y_i)为第i个第二起点位置数据的经纬度。

4.根据权利要求1所述的一种异常账号的识别方法，其特征在于，将所述第一核密度估计值发送至预设的分类器前，还包括以下步骤：

获取目标账号的第一辅助识别数据；所述第一辅助识别数据为当前订单的辅助识别数据；所述辅助识别数据包括：订单金额、订单时间，订单结束地点，订单行驶距离，订单持续时长，使用优惠券信息，订单折扣信息。

将第一辅助识别数据发送至所述分类器。

5.根据权利要求1-4中任一项所述的一种异常账号的识别方法，其特征在于，所述预设分类器是通过以下方法获得，包括：

获取第二核密度估计值和第二辅助识别数据；所述第二核密度估计值是以历史订单中起点位置数据为输入在核密度估计模型中训练所得；所述第二辅助识别数据为历史订单的辅助识别数据；

将所述第二核密度估计值和所述第二辅助识别数据作为输入，通过学习模型训练预设分类器；所述学习模型为xgboost分类模型。

6.根据权利要求5所述的一种异常账号的识别方法，其特征在于，通过学习模型训练预设分类器，具体为：

将获取的所述第二核密度估计值和所述第二辅助识别数据按照预设比值分割为训练样本和测试样本；

在所述学习模型中训练所述训练样本，生成初步分类器；

以测试样本作为所述初步分类规则输入并生成评价指标，将所述评价指标与预设评价指标范围进行对比；若所述评价指标在预设评价指标范围内，则所述初步分类器为所述预设分类器；若所述评价指标不在预设评价指标范围内，则重新生成初步分类器。

7.根据权利要求6所述的一种异常账号的识别方法，其特征在于，所述评价指标的判断公式为：

式中，F_β为评价指标，r为召回率，p为精准率，β表示召回率的权重为精准率的β倍。

8.一种异常账号识别装置，其特征在于，包括：

第一获取模块，所述第一获取模块用于获取目标账号第一起点位置数据；所述第一起点位置数据为当前订单的起点位置数据；

训练模块，所述训练模块用于通过预存的核密度估计模型训练所述第一起点位置数据，并输出所述第一起点位置数据的第一核密度估计值；所述核密度估计模型是以目标账号的历史订单的起点位置数据而建立的；

第一发送模块，所述第一发送模块用于将所述第一核密度估计值发送至预设分类器，以识别目标账号是否为为异常账号。