网络交易中不良用户的检测方法和检测系统的制作方法
【专利摘要】本发明公开了一种网络交易中不良用户的检测方法和检测系统。所述方法包括:活跃期检测步骤,基于历史信息检测至少一个交易对象的活跃期;交易欺诈检测步骤,基于至少一个证据对所述至少一个交易对象的活跃期进行检测,确定存在交易排名欺诈的交易对象;以及不良用户检测步骤,检测在所述存在交易排名欺诈的交易对象的活跃期中执行至少一个交易操作的不良用户。本发明的方法及系统能够检测出可能参与网络交易中欺诈行为的不良用户,为所有网络交易用户获得商品或服务的真实信息提供了重要基础,提高了网络交易的安全性。
【专利说明】网络交易中不良用户的检测方法和检测系统
【技术领域】
[0001]本发明涉及网络领域,尤其涉及一种网络交易中不良用户的检测方法和系统。
【背景技术】
[0002]通过互联网等网络进行商品或服务的交易越来越受到网络用户的欢迎,这使得网络交易日益成为一种重要的产业。为了方便用户通过网络选择并购买商品或服务,很多电子商务网站会集中地提供商品或服务的展示、查询、评价等服务,同时还会定期地,例如每日,发布商品或服务的排行榜(Leader Board)以体现一些当前受用户欢迎的商品或服务。事实上,该排行榜是促销商品或服务的最重要手段之一,商品或服务在排行榜上很高的排名通常会刺激用户大量关注甚至购买该商品或服务,并为商品或服务的卖家带来巨大的经济收益。因此,商品或服务的卖家非常希望其商品或服务在排行榜上占据更高的排名。
[0003]商品或服务的交易排名欺诈(Ranking Fraud)是指目的在于提高商品或服务在网络排行榜上的排名而进行的交易欺骗行为。事实上,不同于依赖传统的市场手段来提高商品或服务的排名,商品或服务的卖家通过夸大其销量或发布虚假的用户评价来实施排名欺诈的行为已经越来越普遍,例如雇佣“水军(human water armies)”这样的不良用户来在短时间内提升商品或服务的购买量和评价次数等。
[0004]为了使商品或服务的潜在买家能够获得商品或服务的真实信息,有必要识别出这些参与交易排名欺诈的不良用户,在此基础上就有可能将这些不良用户所参与的交易操作剔除或做特殊处理等,从而提高网络交易的安全性。
[0005]在现有技术中,对于不良用户的识别是基于网络交易用户的交易历史记录和评价他人/物的一致性等来进行推测的。然而,这种交易历史记录和评价他人/物的一致性的判断常需要人工参与,耗时耗力,而且往往由于不能查看全局数据而无法做出准确的判断。
【发明内容】
[0006]本发明的目的在于提供一种网络交易中不良用户的检测技术,用于识别出可能参与网络交易中欺诈行为的不良用户,为所有网络交易用户获得商品或服务的真实信息提供重要基础,提高网络交易的安全性。
[0007]为解决上述技术问题,根据本发明的一个方面,提供一种网络交易中不良用户的检测方法,所述方法包括:
[0008]活跃期检测步骤,基于历史信息检测至少一个交易对象的活跃期;
[0009]交易欺诈检测步骤,基于至少一个证据对所述至少一个交易对象的活跃期进行检测,确定存在交易排名欺诈的交易对象;
[0010]不良用户检测步骤,检测在所述存在交易排名欺诈的交易对象的活跃期中执行至少一个交易操作的不良用户。
[0011]根据本发明的另一个方面,还提供一种网络交易中不良用户的检测系统,所述系统包括:[0012]活跃期检测单元,用于基于历史信息检测至少一个交易对象的活跃期;
[0013]交易欺诈检测单元,用于基于至少一个证据对所述至少一个交易对象的活跃期进行检测,确定存在交易排名欺诈的交易对象;
[0014]不良用户检测单元,用于检测在所述存在交易排名欺诈的交易对象的活跃期中执行至少一个交易操作的不良用户。
[0015]根据本发明的另一个方面,还提供一种网络交易中不良用户的检测方法,所述方法包括:
[0016]交易欺诈检测步骤,基于至少一个证据对至少一个交易对象的活跃期进行检测,确定存在交易排名欺诈的交易对象;
[0017]不良用户检测步骤,检测在所述存在交易排名欺诈的交易对象的活跃期中执行至少一个交易操作的不良用户。
[0018]根据本发明的另一个方面,还提供一种网络交易中不良用户的检测系统,其特征在于,所述系统包括:
[0019]交易欺诈检测单元,用于基于至少一个证据对至少一个交易对象的活跃期进行检测,确定存在交易排名欺诈的交易对象;
[0020]不良用户检测单元,用于检测在所述存在交易排名欺诈的交易对象的活跃期中执行至少一个交易操作的不良用户。
[0021]本发明的方法及系统能够检测出可能参与网络交易中欺诈行为的不良用户,为所有网络交易用户获得商品或服务的真实信息提供了重要基础,提高了网络交易的安全性。
【专利附图】
【附图说明】
[0022]图1是本发明【具体实施方式】中网络交易中不良用户的检测方法的流程图;
[0023]图2a是在交易对象排行榜中活跃事件的一个示例;
[0024]图2b是在交易对象排行榜中活跃期的一个示例;
[0025]图3是交易对象的一个活跃事件中不同排名阶段的示意图;
[0026]图4a是一个疑似存在交易排名欺诈的交易对象的排名记录示意图;
[0027]图4b是一个正常交易对象的排名记录示意图;
[0028]图5是本发明【具体实施方式】中网络交易中不良用户的检测系统的系统结构图;
[0029]图6是本发明另一实施例中网络交易中不良用户的检测系统的结构示意图。
【具体实施方式】
[0030]下面结合附图和实施例,对本发明的【具体实施方式】作进一步详细说明。以下实施例用于说明本发明,但不用来限制本发明的范围。
[0031]在本发明中,“交易对象”应做广义理解,其包括可发布于网络并可供用户浏览、查询、购买、评价的各种商品或服务,既包括传统的实体商品,例如家用电器、纸质书籍等,也包括虚拟商品,例如应用程序、电子书等,还包括各种服务内容,例如网络会员服务等。
[0032]在本发明中,“不良用户”是指利用本发明的检测方法或系统识别出的有可能参与网络交易中欺诈行为的网络用户。
[0033]本发明的【具体实施方式】中对网络交易中不良用户的行为以及这些行为对交易对象的排名所造成的影响进行了整体性的分析和研究,提供了一种可检测网络交易中不良用户的技术,其可通过对交易对象的历史信息的分析来检测一定数量交易对象的“活跃期”,针对活跃期中交易对象的特定特征(包括排名特征、用户评价特征、用户评论特征等),基于至少一个证据来检测存在交易排名欺诈的部分交易对象,并将在这些交易对象的活跃期内发生交易操作的用户检测为不良用户。
[0034]根据发明人的分析发现,存在交易排名欺诈的交易对象并不会长期在排名榜上占据很高的排名,排名较高的情况仅是作为一些独立事件集中发生在一段相对较短的时期内,这表明交易排名欺诈行为正是发生在这段时期内。在本发明中,可将交易对象持续排名较高的时期称为交易对象的“活跃事件(Leading Event)”,可将频繁发生活跃事件的时期称为交易对象的“活跃期(Leading Session)”。因此,对于不良用户的检测首先需要检测每个交易对象有可能存在交易排名欺诈的该活跃事件和该活跃期。
[0035]网络商店运营商处可能拥有交易对象的各种历史信息,从网络商店运营商处直接获取,或通过对网络商店运营商在一段较长历史时期内持续发布的交易对象排行榜相关信息进行分析和处理,也可以获得交易对象的历史信息。由于交易对象的该历史信息记载了有关交易对象排名的历史信息、有关交易对象的用户评价的历史信息和有关交易对象的用户评论的历史信息等多种信息,因此在本发明【具体实施方式】中,可以基于该历史信息来进行每个交易对象的活跃事件和活跃期的检测,并进而实现对不良用户的检测。通过分析交易对象的排名行为发现,相比于正常的交易对象而言,存在交易排名欺诈的交易对象在活跃事件和活跃期内会呈现成不同的特定特征。因此,有可能从交易对象的历史信息中抽取出一些用于判定交易排名欺诈的证据,并获取这些证据,从而实现对存在交易排名欺诈的交易对象的检测,并最终实现对不良用户的检测。
[0036]如图1所示,本发明的一个【具体实施方式】中提供了一种网络交易中不良用户的检测方法,所述方法包括:
[0037]活跃期检测步骤S10,基于历史信息检测至少一个交易对象的活跃期;
[0038]交易欺诈检测步骤S20,基于至少一个证据对所述至少一个交易对象的活跃期进行检测,确定存在交易排名欺诈的交易对象;
[0039]不良用户检测步骤S30,检测在所述存在交易排名欺诈的交易对象的活跃期中执行至少一个交易操作的不良用户。
[0040]下面,结合附图来说明本发明【具体实施方式】中上述不良用户检测方法的各步骤流程和功能。
[0041]由于历史信息是本发明中检测不良用户的重要数据基础,因此作为本发明的一个优选实施方式,该不良用户检测方法还可包括一历史信息获取步骤,获取交易对象的历史信息。
[0042]交易对象排行榜通常可显示受欢迎的排名前K位的交易对象,例如前1000位等。而且,交易对象排行榜通常会定期更新,例如每日进行更新。因此,对于每个交易对象a而言都有其历史排名信息,该历史排名信息可以包括表示为一个与离散时间序列对应的排名
序列&={<,..该离散时间序列中的时间点之间的间隔固定,即交易对象排行
榜的更新周期。其中,/f是该交易对象a在时间t时的排名,/f e [I,...,A:...,+oc:}, + Co表示交易对象a不在排行榜排名前K位之列;n表示所有历史排名信息所对应的时间点总数。例如,在排行榜每天更新的情况下,\就表示该段历史中的第i天,η就是历史排名信息所对应的总天数。可以看出,<的值越小,说明交易对象a第i天在排行榜上的排名越高。
[0043]在一个交易对象在网络上被发布后,任何网络用户都可以对其进行评价。实际上,用户评价对于交易对象推广而言是最重要的特征之一。具有越高评价的交易对象就会吸引越多的用户来关注或购买它,并导致该交易对象在排行榜上的更高排名。因而在历史信息中,可以包括历史评价信息,即历史各时间段中网络用户对该交易对象做出的评价信息。
[0044]同样,在一个交易对象在网络上被发布后,任何网络用户都可以对其进行文字性的评论。实际上,用户评论对于交易对象推广而言是最重要的特征之一。具有越积极评论的交易对象就会吸引越多的用户来关注或购买它,并导致该交易对象在排行榜上的更高排名。因而在历史信息中,可以包括历史评论信息,即历史各时间段中交易对象的用户对该交易对象做出的评论信息。
[0045]在该历史信息获取步骤中,可以多种方式来获取该历史信息。例如,可从网络商店运营商处直接获取该历史信息,也可以从网络商店在一段较长历史时期内持续发布的数据中抽取该历史信息等。
[0046]S10:活跃期检测步骤,基于历史信息检测至少一个交易对象的活跃期。
[0047]活跃期表示一交易对象在交易对象排行榜上排名较高,也就是用户关注度比较高的一段时期,因此对网络交易会造成较大影响的交易排名欺诈行为只会出现在这些活跃期内。所以在本发明【具体实施方式】中,对于不良用户的检测首先要从交易对象的历史信息中检测出至少一个交易对象的活跃期。
[0048]同时,如果一交易对象存在交易排名欺诈但是并未使该交易对象占据交易对象排行榜上的较高排名,该交易排名欺诈行为并不会对网络交易造成较大影响。因此,在活跃期检测步骤中,只需要关注在交易对象排行榜上排名较高的部分交易对象,并检测这些交易对象的活跃期即可。至于所检测的交易对象的具体数量,可以根据本领域技术人员的需求和处理能力等来确定一预定数量,该预定数量的取值范围例如可在I?500之间。
[0049]在本发明一个优选实施方式中,在该活跃期检测步骤中可进一步包括一活跃事件检测步骤,基于该历史信息检测上述预定数量的交易对象中的每一个交易对象的活跃事件。
[0050]由于交易对象的卖家均希望其交易对象在排行榜上占据较高的排名,因此交易对象卖家有可能利用交易排名欺诈的手段使其交易对象跻身排行榜前列。通过分析发现,交易对象并不会总是在排名榜上占据很高的排名,发生持续排名较高的时期即为“活跃事件”,图2a中示出了交易对象的活跃事件的例子,图中横轴表示历史信息中的历史排名信息对应的时间序列(Date Index),纵轴表示交易对象的排名(Ranking),图中的事件I(Eventl)和事件2 (Event2)表示该交易对象排名历史中所出现的两个活跃事件,其轮廓分别由活跃事件期间的排名点连接而成。
[0051]在本发明【具体实施方式】中,交易对象在交易对象排行榜上排名较高的标准是该交易对象的排名不大于一排名阈值K*。由于交易对象的排名在排行榜前K*位之列被认为是排名较高,因而交易对象的排名持续在前K*位之列的时间段即可被认为是一个活跃事件,该活跃事件应从该交易对象开始进入排行榜前K*位之列开始,持续到该交易对象跌出排行榜前K*位之列结束。
[0052]优选地,本发明实施方式中的方法还可包括一设置该排名阈值K*的步骤,从而确定交易对象在交易对象排行榜上排名较高的标准。由于排行榜上的交易对象总数量K通常很大,例如为1000等,因此上述排名阈值K*通常小于K值。根据交易对象排行榜中交易对象的总数量K和本领域技术人员的分析需求等因素,该排名阈值K*可在例如I~500之间的整数间取值。本领域技术人员可以理解,K*的取值越小,交易对象被认为排名较高的标准就越高。在图2a中,该K*的取值为300。
[0053]根据上述对于活跃事件的文字表述,交易对象a的活跃事件e可以如下公式化表述:
[0054]给定一排名阈值K*作为排名较高的标准,其中K* e [I, K];交易对象a的活跃事件e包括从一开始时间到一结束时间的一时间范围7:,对应的交易对象a的排
名满足
【权利要求】
1.一种网络交易中不良用户的检测方法,其特征在于,所述方法包括: 活跃期检测步骤,基于历史信息检测至少一个交易对象的活跃期; 交易欺诈检测步骤,基于至少一个证据对所述至少一个交易对象的活跃期进行检测,确定存在交易排名欺诈的交易对象;以及 不良用户检测步骤,检测在所述存在交易排名欺诈的交易对象的活跃期中执行至少一个交易操作的不良用户。
2.根据权利要求1所述的方法,其特征在于,所述活跃期检测步骤进一步包括: 活跃事件检测步骤,基于所述历史信息检测所述至少一个交易对象的活跃事件; 活跃期确定步骤,合并相邻近的所述活跃事件以构成所述至少一个交易对象的所述活跃期。
3.根据权利要求2所述的方法,其特征在于,所述活跃事件是所述交易对象在交易对象排行榜上持续排名较高的时间段,排名较高的标准是所述交易对象在交易对象排行榜上的排名不大于一排名阈值K*。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:设置所述排名阈值K*。
5.根据权利要求3所述的方法,其特征在于,所述排名阈值K*的取值范围是I~500之间的整数。
6.根据权利要求2所述的方法,其特征在于,将相邻两个活跃事件的时间间隔小于一间隔阈值Φ作为将所述两 个活跃事件合并在同一活跃期内的标准。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:设置所述间隔阈值Φ。
8.根据权利要求6所述的方法,其特征在于,所述间隔阈值Φ的取值范围是所述交易对象排行榜的更新周期的2~10倍。
9.根据权利要求2所述的方法,其特征在于,在所述活跃事件检测步骤中,进一步包括: 开始时间识别步骤,识别所述活跃事件的开始时间; 结束时间识别步骤,识别所述活跃时间的结束时间; 活跃事件识别步骤,将每个开始时间与其之后相邻的结束时间之间的时间段识别为活跃事件,从而检测出所述交易对象的所有活跃事件。
10.根据权利要求9所述的方法,其特征在于, 在所述开始时间识别步骤中,顺序搜索所述历史信息的历史排名信息中每个时间点上所述交易对象的排名,当当前时间点的排名不大于一排名阈值K*且上一时间点的排名大于所述排名阈值K*时,识别当前时间点为所述活跃事件的所述开始时间; 在所述结束时间识别步骤中,顺序搜索所述历史排名信息中每个时间点上所述交易对象的排名,当当前时间点的排名大于所述排名阈值K*且上一时间点的排名不大于所述排名阈值K*时,识别上一时间点为所述活跃事件的所述结束时间。
11.根据权利要求9所述的方法,其特征在于, 如果所述历史信息的历史排名信息的第一个时间点上所述交易对象的排名不大于所述排名阈值K*,在所述开始时间识别步骤中,识别所述第一个时间点为一开始时间; 如果所述历史排名信息的最后一个时间点上所述交易对象的排名不大于所述排名阈值K*,在所述结束时间识别步骤中,识别所述最后一个时间点为一结束时间。
12.根据权利要求2所述的方法,其特征在于, 在所述活跃期确定步骤中,从所述历史信息的历史排名信息中的初始时间点开始顺序搜索每个检测出的活跃事件,当当前活跃事件与上一活跃事件的时间间隔小于一间隔阈值Φ时,将这两个活跃事件合并在同一活跃期内,直至搜索完所有检测出的活跃事件以检测出所述交易对象的所有活跃期。
13.根据权利要求12所述的方法,其特征在于,在所述活跃期确定步骤中,当一活跃事件与上一活跃事件的时间间隔不小于所述间隔阈值Φ,且该活跃事件与下一活跃事件的时间间隔不小于所述间隔阈值Φ时,检测该活跃事件自身为一活跃期。
14.根据权利要求1所述的方法,其特征在于,所述交易欺诈检测步骤进一步包括: 证据验证步骤,基于至少一个证据对所述至少一个交易对象的活跃期进行检测,并得到每个交易对象的一欺诈参数。
15.根据权利要求14所述的方法,其特征在于,所述交易欺诈检测步骤进一步包括: 活跃事件分析步骤,识别所述活跃期中至少一个活跃事件的上升阶段、保持阶段和下降阶段。
16.根据权利要求15所述的方法,其特征在于,在所述活跃事件分析步骤中,确定所述活跃事件中所述交易对象的排名在一峰值范围AR内的第一个时间和最后一个时间,将所述第一个时间和所述最后一个时间之间的时间段识别为所述保持阶段,将所述活跃事件中在保持阶段之前的时间段识别为所述上升阶段,将所述活跃事件中在保持阶段之后的时间段识别为所述下降阶段。
17.根据权利要求15所述的方法,其特征在于,所述证据基于所述活跃期内的活跃事件中的上升阶段和/或下降阶段构成。`
18.根据权利要求17所述的方法,其特征在于, 所述欺诈参数是所述活跃期内所有活跃事件的所述上升阶段的时间范围的平均值,或所述活跃期内所有活跃事件的所述下降阶段的时间范围的平均值,或所述活跃期内所有活跃事件的所述上升阶段的时间范围和下降阶段的时间范围的和的平均值。
19.根据权利要求17所述的方法,其特征在于, 所述欺诈参数是所述活跃期内所有活跃事件的所述上升阶段的曲线与时间轴相交所形成的锐角的角度的平均值,或所有活跃事件的所述下降阶段的曲线与时间轴相交所形成的锐角的角度的平均值,或所有活跃事件的所述上升阶段的曲线和所述下降阶段的曲线与时间轴相交所形成的锐角的角度和的平均值。
20.根据权利要求15所述的方法,其特征在于, 所述证据基于所述活跃期内的活跃事件中的保持阶段构成。
21.根据权利要求20所述的方法,其特征在于, 所述欺诈参数是所述活跃期内所有活跃事件的所述保持阶段的时间范围的平均值。
22.根据权利要求20所述的方法,其特征在于,基于所有活跃事件的所述保持阶段中所述交易对象的平均排名和所述保持阶段的时间范围来计算所述欺诈参数。
23.根据权利要求14所述的方法,其特征在于, 所述证据基于所述活跃期内活跃事件的数量构成。
24.根据权利要求23所述的方法,其特征在于,所述欺诈参数是所述活跃期内活跃事件的数量。
25.根据权利要求14所述的方法,其特征在于,所述证据基于所述活跃期内的平均评价和历史平均评价构成。
26.根据权利要求25所述的方法,其特征在于, 所述欺诈参数是所述活跃期内的平均评价和历史平均评价的差值或比值。
27.根据权利要求25所述的方法,其特征在于, 所述欺诈参数是所述活跃期内的平均评价和历史平均评价的差值与历史平均评价的比值。
28.根据权利要求14所述的方法,其特征在于, 所述证据基于交易对象在所述活跃期内的评价等级的分布和历史评价信息中评价等级的分布构成。
29.根据权利要求28所述的方法,其特征在于, 所述欺诈参数是交易对象在所述活跃期内的评价等级的分布和历史评价信息中评价等级的分布之间的差值。
30.根据权利要求29所述的方法,其特征在于,通过计算交易对象在所述活跃期内的评价等级的分布和历史评价信息中评价等级的分布之间的余弦距离来计算它们之间的差值。
31.根据权利要求14所述的方法,其特征在于,所述证据基于所述活跃期内用户评论间的相似程度构成。
32.根据权利要求31所述的方法,其特征在于, 所述欺诈参数是所述活跃期内用户评论间的平均相似度。
33.根据权利要求32所述的方法,其特征在于, 所述证据验证步骤进一步包括: 对所述活跃期内的所有用户评论进行标准化处理; 为所述活跃期内的每一条用户评论构建标准化词汇向量; 基于所述标准化词汇向量计算所述活跃期内用户评论间的平均相似度。
34.根据权利要求14所述的方法,其特征在于, 所述证据基于交易对象在所述活跃期内用户评论的主题分布和历史评论信息中用户评论的主题分布构成。
35.根据权利要求34所述的方法,其特征在于, 所述欺诈参数是交易对象在所述活跃期内用户评论的主题分布和历史评论信息中用户评论的主题分布之间的差值。
36.根据权利要求35所述的方法,其特征在于,通过计算交易对象在所述活跃期内用户评论的主题分布和历史评论信息中用户评论的主题分布之间的余弦距离来计算它们之间的差值。
37.根据权利要求14所述的方法,其特征在于,在所述证据验证步骤中,综合考虑所述至少一个证据,将基于所述至少一个证据验证得到的对应欺诈参数进行加权计算,从而得到所述欺诈参数。
38.根据权利要求14-37中任一项所述的方法,其特征在于,所述交易欺诈检测步骤进一步包括: 欺诈参数判断步骤,将所述欺诈参数与一阈值进行比较,从而判断所述交易对象是否存在交易排名欺诈。
39.根据权利要求1所述的方法,其特征在于,所述方法还包括: 历史信息获取步骤,获取所述至少一个交易对象的所述历史信息。
40.根据权利要求39所述的方法,其特征在于,在所述历史信息获取步骤中,从网络商店运营商获取所述历史信息,或从网络商店发布的数据中抽取所述历史信息。
41.根据权利要求1所述的方法,其特征在于,所述历史信息包括历史排名信息,其表示为一个与离散时间序列对应的排名序列,所述排名序列中的每个元素对应于所述时间序列中的一个离散时间点,表示所述交易对象在所述离散时间点时的排名。
42.根据权利要求1所述的方法,其特征在于,所述历史信息包括历史评价信息,即历史各时间段中所述交易对象的用户对该交易对象做出的评价信息。
43.根据权利要求1所述的方法,其特征在于,所述历史信息包括历史评论信息,即历史各时间段中所述交易对象的用户对所述交易对象做出的用户评论。
44.根据权利要求1所述的方法,其特征在于,所述方法还包括:将所检测出的所述交易对象的所述活跃期发送给网络商店运营商或至少一个网络用户。
45.根据权利要求1所述的方法,其特征在于,所述方法还包括:将交易欺诈检测步骤所检测的结果发送给网络商店运营商或至少一个网络用户。
46.一种网络交易中不良用户的检测系统,其特征在于,所述系统包括: 活跃期检测单元,用于基于历史信息检测至少一个交易对象的活跃期; 交易欺诈检测单元,用于基于至少一个证据对所述至少一个交易对象的活跃期进行检测,确定存在交易排名欺诈的交易对象;以及 不良用户检测单元,用于检测在所述存在交易排名欺诈的交易对象的活跃期中执行至少一个交易操作的不良用户。
47.根据权利要求46所述的系统,其特征在于,所述活跃期检测单元进一步包括: 活跃事件检测模块,用于基于所述历史信息检测所述至少一个交易对象的活跃事件; 活跃期确定模块,用于合并相邻近的所述活跃事件以构成所述至少一个交易对象的所述活跃期。
48.根据权利要求47所述的系统,其特征在于,所述活跃事件是所述交易对象在交易对象排行榜上持续排名较高的时间段,排名较高的标准是所述交易对象在交易对象排行榜上的排名不大于一排名阈值K*。
49.根据权利要求48所述的系统,其特征在于,所述系统还包括一排名阈值设置单元,用于设置所述排名阈值K*。
50.根据权利要求47所述的系统,其特征在于,将相邻两个活跃事件的时间间隔小于一间隔阈值Φ作为将所述两个活跃事件合并在同一活跃期内的标准。
51.根据权利要求50所述的系统,其特征在于,所述系统还包括一间隔阈值设置单元,用于设置所述间隔阈值Φ。
52.根据权利要求47所述的系统,其特征在于,在所述活跃事件检测单元中,进一步包括:开始时间识别模块,用于识别所述活跃事件的开始时间; 结束时间识别模块,用于识别所述活跃时间的结束时间; 活跃事件识别模块,用于将每个开始时间与其之后相邻的结束时间之间的时间段识别为活跃事件,从而检测出所述交易对象的所有活跃事件。
53.根据权利要求52所述的系统,其特征在于, 所述开始时间识别模块,用于顺序搜索所述历史信息的历史排名信息中每个时间点上所述交易对象的排名,当当前时间点的排名不大于一排名阈值K*且上一时间点的排名大于所述排名阈值K*时,识别当前时间点为所述活跃事件的所述开始时间; 所述结束时间识别模块,用于顺序搜索所述历史排名信息中每个时间点上所述交易对象的排名,当当前时间点的排名大于所述排名阈值K*且上一时间点的排名不大于所述排名阈值K*时,识别上一时间点为所述活跃事件的所述结束时间。
54.根据权利要求52所述的系统,其特征在于, 所述开始时间识别模块,用于当所述历史信息的历史排名信息的第一个时间点上所述交易对象的排名不大于所述排名阈值K*时,识别所述第一个时间点为一开始时间; 所述结束时间识别模块,用于当所述历史排名信息的最后一个时间点上所述交易对象的排名不大于所述排名阈值K*时,识别所述最后一个时间点为一结束时间。
55.根据权利要求47所述的系统,其特征在于, 所述活跃期检测单元,用于从所述历史信息的历史排名信息中的初始时间点开始顺序搜索每个检测出的活跃事件,当当前活跃事件与上一活跃事件的时间间隔小于一间隔阈值Φ时,将这两个活跃事件合并在同一活跃期内,直至搜索完所有检测出的活跃事件以检测出所述交易对象的所有活跃期。
56.根据权利要求55所述的系统,其特征在于, 所述活跃期检测单元,用于当一活跃事件与上一活跃事件的时间间隔不小于所述间隔阈值Φ,且该活跃事件与下一活跃事件的时间间隔不小于所述间隔阈值Φ时,检测该活跃事件自身为一活跃期。
57.根据权利要求46所述的系统,其特征在于,所述交易欺诈检测步骤进一步包括: 证据验证模块,用于基于至少一个证据对所述至少一个交易对象的活跃期进行检测,并得到每个交易对象的一欺诈参数。
58.根据权利要求57所述的系统,其特征在于,所述交易欺诈检测单元进一步包括: 活跃事件分析模块,用于识别所述活跃期中至少一个活跃事件的上升阶段、保持阶段和下降阶段。
59.根据权利要求58所述的系统,其特征在于,所述活跃事件分析模块,用于确定所述活跃事件中所述交易对象的排名在一峰值范围△!?内的第一个时间和最后一个时间,将所述第一个时间和所述最后一个时间之间的时间段识别为所述保持阶段,将所述活跃事件中在保持阶段之前的时间段识别为所述上升阶段,将所述活跃事件中在保持阶段之后的时间段识别为所述下降阶段。
60.根据权利要求58所述的系统,其特征在于,所述证据基于所述活跃期内的活跃事件中的上升阶段和/或下降阶段构成。
61.根据权利要求58所述的系统,其特征在于,所述证据基于所述活跃期内的活跃事件中的保持阶段构成。
62.根据权利要求57所述的系统,其特征在于, 所述证据基于所述活跃期内活跃事件的数量构成。
63.根据权利要求57所述的系统,其特征在于,所述证据基于所述活跃期内的平均评价和历史平均评价构成。
64.根据权利要求57所述的系统,其特征在于, 所述证据基于交易对象在所述活跃期内的评价等级的分布和历史评价信息中评价等级的分布构成。
65.根据权利要求57所述的系统,其特征在于,所述证据基于所述活跃期内用户评论间的相似程度构成。
66.根据权利要求57所述的系统,其特征在于, 所述证据基于交易对象在所述活跃期内用户评论的主题分布和历史评论信息中用户评论的主题分布构成。
67.根据权利要求57所述的系统,其特征在于,所述证据验证模块,用于综合考虑所述至少一个证据,将基于所述至少一个证据验证得到的对应欺诈参数进行加权计算,从而得到所述欺诈参数。
68.根据权利要求57-67中任一项所述的系统,其特征在于,所述排名欺诈检测单元进一步包括: 欺诈参数判断模块,用于将所述欺诈`参数与一阈值进行比较,从而判断所述交易对象是否存在交易排名欺诈。
69.根据权利要求46所述的系统,其特征在于,所述系统还包括: 历史信息获取模块,用于获取所述至少一个交易对象的所述历史信息。
70.根据权利要求69所述的系统,其特征在于,所述历史信息获取单元,用于从网络商店运营商获取所述历史信息,或从网络商店发布的数据中抽取所述历史信息。
71.根据权利要求46所述的系统,其特征在于,所述系统还包括一活跃期发送单元,用于将所检测出的所述交易对象的所述活跃期发送给网络商店运营商或至少一个网络用户。
72.根据权利要求46所述的系统,其特征在于,所述系统还包括一交易排名欺诈检测结果发送单元:将交易欺诈检测单元所检测出的结果发送给网络商店运营商或至少一个网络用户。
73.—种网络交易中不良用户的检测方法,其特征在于,所述方法包括: 交易欺诈检测步骤,基于至少一个证据对至少一个交易对象的活跃期进行检测,确定存在交易排名欺诈的交易对象; 不良用户检测步骤,检测在所述存在交易排名欺诈的交易对象的活跃期中执行至少一个交易操作的不良用户。
74.—种网络交易中不良用户的检测系统,其特征在于,所述系统包括: 交易欺诈检测单元,用于基于至少一个证据对至少一个交易对象的活跃期进行检测,确定存在交易排名欺诈的交易对象; 不良用户检测单元,用于检测在所述存在交易排名欺诈的交易对象的活跃期中执行至少一个交易操作的不良用户。
【文档编号】G06Q30/02GK103761668SQ201310632341
【公开日】2014年4月30日 申请日期:2013年11月30日 优先权日:2013年11月30日
【发明者】于魁飞, 祝恒书 申请人:北京智谷睿拓技术服务有限公司