[发明专利]票务订单的恶意占位识别方法、系统、设备和存储介质

摘要

本发明提供票务订单的恶意占位识别方法、系统、设备和存储介质，方法包括：获取数据库中已完成票务订单的用户信息和行为信息，从中提取与恶意占位相关的特征变量；计算各特征变量的信息值；筛选出信息值大于信息阈值的特征变量，提取先验条件；采用筛选出的特征变量训练回归模型；获取实时票务订单及其用户信息和行为信息，判断是否超出对应的先验条件，若是则识别具有恶意占位风险；采用训练好的回归模型计算该实时票务订单对应的下单用户的恶意占位概率，并采取对应的拦截措施。本发明通过筛选特征变量，采用先验条件识别恶意占位风险，并训练出更准确地计算恶意占位概率的回归模型，提高恶意占位的判别准确率。

主权项

1.一种票务订单的恶意占位识别方法，其特征在于，所述方法包括：获取数据库中已完成票务订单的用户信息和行为信息，部分所述已完成票务订单被标记为恶意占位，从所述用户信息和所述行为信息中提取与恶意占位相关的特征变量；基于各特征变量在被标记为恶意占位的已完成票务订单中的取值和在未被标记为恶意占位的已完成票务订单中的取值的差值，计算各特征变量的信息值；筛选出信息值大于信息阈值的特征变量，基于筛选出的特征变量在被标记为恶意占位的已完成票务订单中的取值，提取先验条件；采用筛选出的特征变量训练回归模型Z＝logit(p)＝log(odds)＝β0+β1X1+β2X2+β3X3+…+βkXk，其中p为一票务订单的恶意占位概率，odds为该票务订单发生恶意占位与不发生恶意占位的比值，odds＝p/(1‑p)，X1,X2,…,Xk为筛选出的各特征变量在该票务订单中对应的取值，β0为截距，β1,β2,…,βk为筛选出的各特征变量对应的回归系数；获取实时票务订单及其用户信息和行为信息，判断该实时票务订单的用户信息和行为信息是否满足对应的先验条件，若是则判断该实时票务订单具有恶意占位风险；对于具有恶意占位风险的实时票务订单，基于该实时票务订单的用户信息和行为信息，采用训练好的回归模型计算该实时票务订单的恶意占位概率，并拦截恶意占位概率超出概率阈值的实时票务订单。