網(wǎng)絡(luò)交易中不良用戶的檢測方法和檢測系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種網(wǎng)絡(luò)交易中不良用戶的檢測方法和檢測系統(tǒng)。所述方法包括：活躍期檢測步驟，基于歷史信息檢測至少一個交易對象的活躍期；交易欺詐檢測步驟，基于至少一個證據(jù)對所述至少一個交易對象的活躍期進行檢測，確定存在交易排名欺詐的交易對象；以及不良用戶檢測步驟，檢測在所述存在交易排名欺詐的交易對象的活躍期中執(zhí)行至少一個交易操作的不良用戶。本發(fā)明的方法及系統(tǒng)能夠檢測出可能參與網(wǎng)絡(luò)交易中欺詐行為的不良用戶，為所有網(wǎng)絡(luò)交易用戶獲得商品或服務(wù)的真實信息提供了重要基礎(chǔ)，提高了網(wǎng)絡(luò)交易的安全性。
【專利說明】網(wǎng)絡(luò)交易中不良用戶的檢測方法和檢測系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及網(wǎng)絡(luò)領(lǐng)域，尤其涉及一種網(wǎng)絡(luò)交易中不良用戶的檢測方法和系統(tǒng)。
【背景技術(shù)】
[0002]通過互聯(lián)網(wǎng)等網(wǎng)絡(luò)進行商品或服務(wù)的交易越來越受到網(wǎng)絡(luò)用戶的歡迎，這使得網(wǎng)絡(luò)交易日益成為一種重要的產(chǎn)業(yè)。為了方便用戶通過網(wǎng)絡(luò)選擇并購買商品或服務(wù)，很多電子商務(wù)網(wǎng)站會集中地提供商品或服務(wù)的展示、查詢、評價等服務(wù)，同時還會定期地，例如每日，發(fā)布商品或服務(wù)的排行榜(Leader Board)以體現(xiàn)一些當(dāng)前受用戶歡迎的商品或服務(wù)。事實上，該排行榜是促銷商品或服務(wù)的最重要手段之一，商品或服務(wù)在排行榜上很高的排名通常會刺激用戶大量關(guān)注甚至購買該商品或服務(wù)，并為商品或服務(wù)的賣家?guī)砭薮蟮慕?jīng)濟收益。因此，商品或服務(wù)的賣家非常希望其商品或服務(wù)在排行榜上占據(jù)更高的排名。
[0003]商品或服務(wù)的交易排名欺詐(Ranking Fraud)是指目的在于提高商品或服務(wù)在網(wǎng)絡(luò)排行榜上的排名而進行的交易欺騙行為。事實上，不同于依賴傳統(tǒng)的市場手段來提高商品或服務(wù)的排名，商品或服務(wù)的賣家通過夸大其銷量或發(fā)布虛假的用戶評價來實施排名欺詐的行為已經(jīng)越來越普遍，例如雇傭“水軍(human water armies)”這樣的不良用戶來在短時間內(nèi)提升商品或服務(wù)的購買量和評價次數(shù)等。
[0004]為了使商品或服務(wù)的潛在買家能夠獲得商品或服務(wù)的真實信息，有必要識別出這些參與交易排名欺詐的不良用戶，在此基礎(chǔ)上就有可能將這些不良用戶所參與的交易操作剔除或做特殊處理等，從而提高網(wǎng)絡(luò)交易的安全性。
[0005]在現(xiàn)有技術(shù)中，對于不良用戶的識別是基于網(wǎng)絡(luò)交易用戶的交易歷史記錄和評價他人/物的一致性等來進行推測的。然而，這種交易歷史記錄和評價他人/物的一致性的判斷常需要人工參與，耗時耗力，而且往往由于不能查看全局數(shù)據(jù)而無法做出準確的判斷。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的在于提供一種網(wǎng)絡(luò)交易中不良用戶的檢測技術(shù)，用于識別出可能參與網(wǎng)絡(luò)交易中欺詐行為的不良用戶，為所有網(wǎng)絡(luò)交易用戶獲得商品或服務(wù)的真實信息提供重要基礎(chǔ)，提高網(wǎng)絡(luò)交易的安全性。
[0007]為解決上述技術(shù)問題，根據(jù)本發(fā)明的一個方面，提供一種網(wǎng)絡(luò)交易中不良用戶的檢測方法，所述方法包括:
[0008]活躍期檢測步驟，基于歷史信息檢測至少一個交易對象的活躍期；
[0009]交易欺詐檢測步驟，基于至少一個證據(jù)對所述至少一個交易對象的活躍期進行檢測，確定存在交易排名欺詐的交易對象；
[0010]不良用戶檢測步驟，檢測在所述存在交易排名欺詐的交易對象的活躍期中執(zhí)行至少一個交易操作的不良用戶。
[0011]根據(jù)本發(fā)明的另一個方面，還提供一種網(wǎng)絡(luò)交易中不良用戶的檢測系統(tǒng)，所述系統(tǒng)包括:[0012]活躍期檢測單元，用于基于歷史信息檢測至少一個交易對象的活躍期；
[0013]交易欺詐檢測單元，用于基于至少一個證據(jù)對所述至少一個交易對象的活躍期進行檢測，確定存在交易排名欺詐的交易對象；
[0014]不良用戶檢測單元，用于檢測在所述存在交易排名欺詐的交易對象的活躍期中執(zhí)行至少一個交易操作的不良用戶。
[0015]根據(jù)本發(fā)明的另一個方面，還提供一種網(wǎng)絡(luò)交易中不良用戶的檢測方法，所述方法包括:
[0016]交易欺詐檢測步驟，基于至少一個證據(jù)對至少一個交易對象的活躍期進行檢測，確定存在交易排名欺詐的交易對象；
[0017]不良用戶檢測步驟，檢測在所述存在交易排名欺詐的交易對象的活躍期中執(zhí)行至少一個交易操作的不良用戶。
[0018]根據(jù)本發(fā)明的另一個方面，還提供一種網(wǎng)絡(luò)交易中不良用戶的檢測系統(tǒng)，其特征在于，所述系統(tǒng)包括:
[0019]交易欺詐檢測單元，用于基于至少一個證據(jù)對至少一個交易對象的活躍期進行檢測，確定存在交易排名欺詐的交易對象；
[0020]不良用戶檢測單元，用于檢測在所述存在交易排名欺詐的交易對象的活躍期中執(zhí)行至少一個交易操作的不良用戶。
[0021]本發(fā)明的方法及系統(tǒng)能夠檢測出可能參與網(wǎng)絡(luò)交易中欺詐行為的不良用戶，為所有網(wǎng)絡(luò)交易用戶獲得商品或服務(wù)的真實信息提供了重要基礎(chǔ)，提高了網(wǎng)絡(luò)交易的安全性。
【專利附圖】

【附圖說明】
[0022]圖1是本發(fā)明【具體實施方式】中網(wǎng)絡(luò)交易中不良用戶的檢測方法的流程圖；
[0023]圖2a是在交易對象排行榜中活躍事件的一個示例；
[0024]圖2b是在交易對象排行榜中活躍期的一個示例；
[0025]圖3是交易對象的一個活躍事件中不同排名階段的示意圖；
[0026]圖4a是一個疑似存在交易排名欺詐的交易對象的排名記錄示意圖；
[0027]圖4b是一個正常交易對象的排名記錄示意圖；
[0028]圖5是本發(fā)明【具體實施方式】中網(wǎng)絡(luò)交易中不良用戶的檢測系統(tǒng)的系統(tǒng)結(jié)構(gòu)圖；
[0029]圖6是本發(fā)明另一實施例中網(wǎng)絡(luò)交易中不良用戶的檢測系統(tǒng)的結(jié)構(gòu)示意圖。
【具體實施方式】
[0030]下面結(jié)合附圖和實施例，對本發(fā)明的【具體實施方式】作進一步詳細說明。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。
[0031]在本發(fā)明中，“交易對象”應(yīng)做廣義理解，其包括可發(fā)布于網(wǎng)絡(luò)并可供用戶瀏覽、查詢、購買、評價的各種商品或服務(wù)，既包括傳統(tǒng)的實體商品，例如家用電器、紙質(zhì)書籍等，也包括虛擬商品，例如應(yīng)用程序、電子書等，還包括各種服務(wù)內(nèi)容，例如網(wǎng)絡(luò)會員服務(wù)等。
[0032]在本發(fā)明中，“不良用戶”是指利用本發(fā)明的檢測方法或系統(tǒng)識別出的有可能參與網(wǎng)絡(luò)交易中欺詐行為的網(wǎng)絡(luò)用戶。
[0033]本發(fā)明的【具體實施方式】中對網(wǎng)絡(luò)交易中不良用戶的行為以及這些行為對交易對象的排名所造成的影響進行了整體性的分析和研究，提供了一種可檢測網(wǎng)絡(luò)交易中不良用戶的技術(shù)，其可通過對交易對象的歷史信息的分析來檢測一定數(shù)量交易對象的“活躍期”，針對活躍期中交易對象的特定特征(包括排名特征、用戶評價特征、用戶評論特征等)，基于至少一個證據(jù)來檢測存在交易排名欺詐的部分交易對象，并將在這些交易對象的活躍期內(nèi)發(fā)生交易操作的用戶檢測為不良用戶。
[0034]根據(jù)發(fā)明人的分析發(fā)現(xiàn)，存在交易排名欺詐的交易對象并不會長期在排名榜上占據(jù)很高的排名，排名較高的情況僅是作為一些獨立事件集中發(fā)生在一段相對較短的時期內(nèi)，這表明交易排名欺詐行為正是發(fā)生在這段時期內(nèi)。在本發(fā)明中，可將交易對象持續(xù)排名較高的時期稱為交易對象的“活躍事件(Leading Event)”,可將頻繁發(fā)生活躍事件的時期稱為交易對象的“活躍期(Leading Session)”。因此，對于不良用戶的檢測首先需要檢測每個交易對象有可能存在交易排名欺詐的該活躍事件和該活躍期。
[0035]網(wǎng)絡(luò)商店運營商處可能擁有交易對象的各種歷史信息，從網(wǎng)絡(luò)商店運營商處直接獲取，或通過對網(wǎng)絡(luò)商店運營商在一段較長歷史時期內(nèi)持續(xù)發(fā)布的交易對象排行榜相關(guān)信息進行分析和處理，也可以獲得交易對象的歷史信息。由于交易對象的該歷史信息記載了有關(guān)交易對象排名的歷史信息、有關(guān)交易對象的用戶評價的歷史信息和有關(guān)交易對象的用戶評論的歷史信息等多種信息，因此在本發(fā)明【具體實施方式】中，可以基于該歷史信息來進行每個交易對象的活躍事件和活躍期的檢測，并進而實現(xiàn)對不良用戶的檢測。通過分析交易對象的排名行為發(fā)現(xiàn)，相比于正常的交易對象而言，存在交易排名欺詐的交易對象在活躍事件和活躍期內(nèi)會呈現(xiàn)成不同的特定特征。因此，有可能從交易對象的歷史信息中抽取出一些用于判定交易排名欺詐的證據(jù)，并獲取這些證據(jù)，從而實現(xiàn)對存在交易排名欺詐的交易對象的檢測，并最終實現(xiàn)對不良用戶的檢測。
[0036]如圖1所示，本發(fā)明的一個【具體實施方式】中提供了一種網(wǎng)絡(luò)交易中不良用戶的檢測方法，所述方法包括:
[0037]活躍期檢測步驟S10，基于歷史信息檢測至少一個交易對象的活躍期；
[0038]交易欺詐檢測步驟S20，基于至少一個證據(jù)對所述至少一個交易對象的活躍期進行檢測，確定存在交易排名欺詐的交易對象；
[0039]不良用戶檢測步驟S30，檢測在所述存在交易排名欺詐的交易對象的活躍期中執(zhí)行至少一個交易操作的不良用戶。
[0040]下面，結(jié)合附圖來說明本發(fā)明【具體實施方式】中上述不良用戶檢測方法的各步驟流程和功能。
[0041]由于歷史信息是本發(fā)明中檢測不良用戶的重要數(shù)據(jù)基礎(chǔ)，因此作為本發(fā)明的一個優(yōu)選實施方式，該不良用戶檢測方法還可包括一歷史信息獲取步驟，獲取交易對象的歷史信息。
[0042]交易對象排行榜通?？娠@示受歡迎的排名前K位的交易對象，例如前1000位等。而且，交易對象排行榜通常會定期更新，例如每日進行更新。因此，對于每個交易對象a而言都有其歷史排名信息，該歷史排名信息可以包括表示為一個與離散時間序列對應(yīng)的排名
序列&={<，..該離散時間序列中的時間點之間的間隔固定，即交易對象排行
榜的更新周期。其中，/f是該交易對象a在時間t時的排名，/f e [I,...,A:...,+oc:}, + Co表示交易對象a不在排行榜排名前K位之列；n表示所有歷史排名信息所對應(yīng)的時間點總數(shù)。例如，在排行榜每天更新的情況下，\就表示該段歷史中的第i天，η就是歷史排名信息所對應(yīng)的總天數(shù)?？梢钥闯觯?lt;的值越小，說明交易對象a第i天在排行榜上的排名越高。
[0043]在一個交易對象在網(wǎng)絡(luò)上被發(fā)布后，任何網(wǎng)絡(luò)用戶都可以對其進行評價。實際上，用戶評價對于交易對象推廣而言是最重要的特征之一。具有越高評價的交易對象就會吸引越多的用戶來關(guān)注或購買它，并導(dǎo)致該交易對象在排行榜上的更高排名。因而在歷史信息中，可以包括歷史評價信息，即歷史各時間段中網(wǎng)絡(luò)用戶對該交易對象做出的評價信息。
[0044]同樣，在一個交易對象在網(wǎng)絡(luò)上被發(fā)布后，任何網(wǎng)絡(luò)用戶都可以對其進行文字性的評論。實際上，用戶評論對于交易對象推廣而言是最重要的特征之一。具有越積極評論的交易對象就會吸引越多的用戶來關(guān)注或購買它，并導(dǎo)致該交易對象在排行榜上的更高排名。因而在歷史信息中，可以包括歷史評論信息，即歷史各時間段中交易對象的用戶對該交易對象做出的評論信息。
[0045]在該歷史信息獲取步驟中，可以多種方式來獲取該歷史信息。例如，可從網(wǎng)絡(luò)商店運營商處直接獲取該歷史信息，也可以從網(wǎng)絡(luò)商店在一段較長歷史時期內(nèi)持續(xù)發(fā)布的數(shù)據(jù)中抽取該歷史信息等。
[0046]S10:活躍期檢測步驟，基于歷史信息檢測至少一個交易對象的活躍期。
[0047]活躍期表示一交易對象在交易對象排行榜上排名較高，也就是用戶關(guān)注度比較高的一段時期，因此對網(wǎng)絡(luò)交易會造成較大影響的交易排名欺詐行為只會出現(xiàn)在這些活躍期內(nèi)。所以在本發(fā)明【具體實施方式】中，對于不良用戶的檢測首先要從交易對象的歷史信息中檢測出至少一個交易對象的活躍期。
[0048]同時，如果一交易對象存在交易排名欺詐但是并未使該交易對象占據(jù)交易對象排行榜上的較高排名，該交易排名欺詐行為并不會對網(wǎng)絡(luò)交易造成較大影響。因此，在活躍期檢測步驟中，只需要關(guān)注在交易對象排行榜上排名較高的部分交易對象，并檢測這些交易對象的活躍期即可。至于所檢測的交易對象的具體數(shù)量，可以根據(jù)本領(lǐng)域技術(shù)人員的需求和處理能力等來確定一預(yù)定數(shù)量，該預(yù)定數(shù)量的取值范圍例如可在I?500之間。
[0049]在本發(fā)明一個優(yōu)選實施方式中，在該活躍期檢測步驟中可進一步包括一活躍事件檢測步驟，基于該歷史信息檢測上述預(yù)定數(shù)量的交易對象中的每一個交易對象的活躍事件。
[0050]由于交易對象的賣家均希望其交易對象在排行榜上占據(jù)較高的排名，因此交易對象賣家有可能利用交易排名欺詐的手段使其交易對象躋身排行榜前列。通過分析發(fā)現(xiàn)，交易對象并不會總是在排名榜上占據(jù)很高的排名，發(fā)生持續(xù)排名較高的時期即為“活躍事件”，圖2a中示出了交易對象的活躍事件的例子，圖中橫軸表示歷史信息中的歷史排名信息對應(yīng)的時間序列(Date Index),縱軸表示交易對象的排名(Ranking),圖中的事件I(Eventl)和事件2 (Event2)表示該交易對象排名歷史中所出現(xiàn)的兩個活躍事件,其輪廓分別由活躍事件期間的排名點連接而成。
[0051]在本發(fā)明【具體實施方式】中，交易對象在交易對象排行榜上排名較高的標準是該交易對象的排名不大于一排名閾值K*。由于交易對象的排名在排行榜前K*位之列被認為是排名較高，因而交易對象的排名持續(xù)在前K*位之列的時間段即可被認為是一個活躍事件，該活躍事件應(yīng)從該交易對象開始進入排行榜前K*位之列開始，持續(xù)到該交易對象跌出排行榜前K*位之列結(jié)束。
[0052]優(yōu)選地，本發(fā)明實施方式中的方法還可包括一設(shè)置該排名閾值K*的步驟，從而確定交易對象在交易對象排行榜上排名較高的標準。由于排行榜上的交易對象總數(shù)量K通常很大，例如為1000等，因此上述排名閾值K*通常小于K值。根據(jù)交易對象排行榜中交易對象的總數(shù)量K和本領(lǐng)域技術(shù)人員的分析需求等因素，該排名閾值K*可在例如I~500之間的整數(shù)間取值。本領(lǐng)域技術(shù)人員可以理解，K*的取值越小，交易對象被認為排名較高的標準就越高。在圖2a中，該K*的取值為300。
[0053]根據(jù)上述對于活躍事件的文字表述，交易對象a的活躍事件e可以如下公式化表述:
[0054]給定一排名閾值K*作為排名較高的標準，其中K* e [I, K];交易對象a的活躍事件e包括從一開始時間到一結(jié)束時間的一時間范圍7:，對應(yīng)的交易對象a的排
名滿足
【權(quán)利要求】
1.一種網(wǎng)絡(luò)交易中不良用戶的檢測方法，其特征在于，所述方法包括: 活躍期檢測步驟，基于歷史信息檢測至少一個交易對象的活躍期； 交易欺詐檢測步驟，基于至少一個證據(jù)對所述至少一個交易對象的活躍期進行檢測，確定存在交易排名欺詐的交易對象；以及 不良用戶檢測步驟，檢測在所述存在交易排名欺詐的交易對象的活躍期中執(zhí)行至少一個交易操作的不良用戶。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述活躍期檢測步驟進一步包括: 活躍事件檢測步驟，基于所述歷史信息檢測所述至少一個交易對象的活躍事件； 活躍期確定步驟，合并相鄰近的所述活躍事件以構(gòu)成所述至少一個交易對象的所述活躍期。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述活躍事件是所述交易對象在交易對象排行榜上持續(xù)排名較高的時間段，排名較高的標準是所述交易對象在交易對象排行榜上的排名不大于一排名閾值K*。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述方法還包括:設(shè)置所述排名閾值K*。
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述排名閾值K*的取值范圍是I~500之間的整數(shù)。
6.根據(jù)權(quán)利要求2所述的方法，其特征在于，將相鄰兩個活躍事件的時間間隔小于一間隔閾值Φ作為將所述兩 個活躍事件合并在同一活躍期內(nèi)的標準。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述方法還包括:設(shè)置所述間隔閾值Φ。
8.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述間隔閾值Φ的取值范圍是所述交易對象排行榜的更新周期的2~10倍。
9.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述活躍事件檢測步驟中，進一步包括: 開始時間識別步驟，識別所述活躍事件的開始時間； 結(jié)束時間識別步驟，識別所述活躍時間的結(jié)束時間； 活躍事件識別步驟，將每個開始時間與其之后相鄰的結(jié)束時間之間的時間段識別為活躍事件，從而檢測出所述交易對象的所有活躍事件。
10.根據(jù)權(quán)利要求9所述的方法，其特征在于， 在所述開始時間識別步驟中，順序搜索所述歷史信息的歷史排名信息中每個時間點上所述交易對象的排名，當(dāng)當(dāng)前時間點的排名不大于一排名閾值K*且上一時間點的排名大于所述排名閾值K*時，識別當(dāng)前時間點為所述活躍事件的所述開始時間； 在所述結(jié)束時間識別步驟中，順序搜索所述歷史排名信息中每個時間點上所述交易對象的排名，當(dāng)當(dāng)前時間點的排名大于所述排名閾值K*且上一時間點的排名不大于所述排名閾值K*時，識別上一時間點為所述活躍事件的所述結(jié)束時間。
11.根據(jù)權(quán)利要求9所述的方法，其特征在于， 如果所述歷史信息的歷史排名信息的第一個時間點上所述交易對象的排名不大于所述排名閾值K*，在所述開始時間識別步驟中，識別所述第一個時間點為一開始時間； 如果所述歷史排名信息的最后一個時間點上所述交易對象的排名不大于所述排名閾值K*，在所述結(jié)束時間識別步驟中，識別所述最后一個時間點為一結(jié)束時間。
12.根據(jù)權(quán)利要求2所述的方法，其特征在于， 在所述活躍期確定步驟中，從所述歷史信息的歷史排名信息中的初始時間點開始順序搜索每個檢測出的活躍事件，當(dāng)當(dāng)前活躍事件與上一活躍事件的時間間隔小于一間隔閾值Φ時，將這兩個活躍事件合并在同一活躍期內(nèi)，直至搜索完所有檢測出的活躍事件以檢測出所述交易對象的所有活躍期。
13.根據(jù)權(quán)利要求12所述的方法，其特征在于，在所述活躍期確定步驟中，當(dāng)一活躍事件與上一活躍事件的時間間隔不小于所述間隔閾值Φ，且該活躍事件與下一活躍事件的時間間隔不小于所述間隔閾值Φ時，檢測該活躍事件自身為一活躍期。
14.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述交易欺詐檢測步驟進一步包括: 證據(jù)驗證步驟，基于至少一個證據(jù)對所述至少一個交易對象的活躍期進行檢測，并得到每個交易對象的一欺詐參數(shù)。
15.根據(jù)權(quán)利要求14所述的方法，其特征在于，所述交易欺詐檢測步驟進一步包括: 活躍事件分析步驟，識別所述活躍期中至少一個活躍事件的上升階段、保持階段和下降階段。
16.根據(jù)權(quán)利要求15所述的方法，其特征在于，在所述活躍事件分析步驟中，確定所述活躍事件中所述交易對象的排名在一峰值范圍AR內(nèi)的第一個時間和最后一個時間，將所述第一個時間和所述最后一個時間之間的時間段識別為所述保持階段，將所述活躍事件中在保持階段之前的時間段識別為所述上升階段，將所述活躍事件中在保持階段之后的時間段識別為所述下降階段。
17.根據(jù)權(quán)利要求15所述的方法，其特征在于，所述證據(jù)基于所述活躍期內(nèi)的活躍事件中的上升階段和/或下降階段構(gòu)成。`
18.根據(jù)權(quán)利要求17所述的方法，其特征在于， 所述欺詐參數(shù)是所述活躍期內(nèi)所有活躍事件的所述上升階段的時間范圍的平均值，或所述活躍期內(nèi)所有活躍事件的所述下降階段的時間范圍的平均值，或所述活躍期內(nèi)所有活躍事件的所述上升階段的時間范圍和下降階段的時間范圍的和的平均值。
19.根據(jù)權(quán)利要求17所述的方法，其特征在于， 所述欺詐參數(shù)是所述活躍期內(nèi)所有活躍事件的所述上升階段的曲線與時間軸相交所形成的銳角的角度的平均值，或所有活躍事件的所述下降階段的曲線與時間軸相交所形成的銳角的角度的平均值，或所有活躍事件的所述上升階段的曲線和所述下降階段的曲線與時間軸相交所形成的銳角的角度和的平均值。
20.根據(jù)權(quán)利要求15所述的方法，其特征在于， 所述證據(jù)基于所述活躍期內(nèi)的活躍事件中的保持階段構(gòu)成。
21.根據(jù)權(quán)利要求20所述的方法，其特征在于， 所述欺詐參數(shù)是所述活躍期內(nèi)所有活躍事件的所述保持階段的時間范圍的平均值。
22.根據(jù)權(quán)利要求20所述的方法，其特征在于，基于所有活躍事件的所述保持階段中所述交易對象的平均排名和所述保持階段的時間范圍來計算所述欺詐參數(shù)。
23.根據(jù)權(quán)利要求14所述的方法，其特征在于， 所述證據(jù)基于所述活躍期內(nèi)活躍事件的數(shù)量構(gòu)成。
24.根據(jù)權(quán)利要求23所述的方法，其特征在于，所述欺詐參數(shù)是所述活躍期內(nèi)活躍事件的數(shù)量。
25.根據(jù)權(quán)利要求14所述的方法，其特征在于，所述證據(jù)基于所述活躍期內(nèi)的平均評價和歷史平均評價構(gòu)成。
26.根據(jù)權(quán)利要求25所述的方法，其特征在于， 所述欺詐參數(shù)是所述活躍期內(nèi)的平均評價和歷史平均評價的差值或比值。
27.根據(jù)權(quán)利要求25所述的方法，其特征在于， 所述欺詐參數(shù)是所述活躍期內(nèi)的平均評價和歷史平均評價的差值與歷史平均評價的比值。
28.根據(jù)權(quán)利要求14所述的方法，其特征在于， 所述證據(jù)基于交易對象在所述活躍期內(nèi)的評價等級的分布和歷史評價信息中評價等級的分布構(gòu)成。
29.根據(jù)權(quán)利要求28所述的方法，其特征在于， 所述欺詐參數(shù)是交易對象在所述活躍期內(nèi)的評價等級的分布和歷史評價信息中評價等級的分布之間的差值。
30.根據(jù)權(quán)利要求29所述的方法，其特征在于，通過計算交易對象在所述活躍期內(nèi)的評價等級的分布和歷史評價信息中評價等級的分布之間的余弦距離來計算它們之間的差值。
31.根據(jù)權(quán)利要求14所述的方法，其特征在于，所述證據(jù)基于所述活躍期內(nèi)用戶評論間的相似程度構(gòu)成。
32.根據(jù)權(quán)利要求31所述的方法，其特征在于， 所述欺詐參數(shù)是所述活躍期內(nèi)用戶評論間的平均相似度。
33.根據(jù)權(quán)利要求32所述的方法，其特征在于， 所述證據(jù)驗證步驟進一步包括: 對所述活躍期內(nèi)的所有用戶評論進行標準化處理； 為所述活躍期內(nèi)的每一條用戶評論構(gòu)建標準化詞匯向量； 基于所述標準化詞匯向量計算所述活躍期內(nèi)用戶評論間的平均相似度。
34.根據(jù)權(quán)利要求14所述的方法，其特征在于， 所述證據(jù)基于交易對象在所述活躍期內(nèi)用戶評論的主題分布和歷史評論信息中用戶評論的主題分布構(gòu)成。
35.根據(jù)權(quán)利要求34所述的方法，其特征在于， 所述欺詐參數(shù)是交易對象在所述活躍期內(nèi)用戶評論的主題分布和歷史評論信息中用戶評論的主題分布之間的差值。
36.根據(jù)權(quán)利要求35所述的方法，其特征在于，通過計算交易對象在所述活躍期內(nèi)用戶評論的主題分布和歷史評論信息中用戶評論的主題分布之間的余弦距離來計算它們之間的差值。
37.根據(jù)權(quán)利要求14所述的方法，其特征在于，在所述證據(jù)驗證步驟中，綜合考慮所述至少一個證據(jù)，將基于所述至少一個證據(jù)驗證得到的對應(yīng)欺詐參數(shù)進行加權(quán)計算，從而得到所述欺詐參數(shù)。
38.根據(jù)權(quán)利要求14-37中任一項所述的方法，其特征在于，所述交易欺詐檢測步驟進一步包括: 欺詐參數(shù)判斷步驟，將所述欺詐參數(shù)與一閾值進行比較，從而判斷所述交易對象是否存在交易排名欺詐。
39.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括: 歷史信息獲取步驟，獲取所述至少一個交易對象的所述歷史信息。
40.根據(jù)權(quán)利要求39所述的方法，其特征在于，在所述歷史信息獲取步驟中，從網(wǎng)絡(luò)商店運營商獲取所述歷史信息，或從網(wǎng)絡(luò)商店發(fā)布的數(shù)據(jù)中抽取所述歷史信息。
41.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述歷史信息包括歷史排名信息，其表示為一個與離散時間序列對應(yīng)的排名序列，所述排名序列中的每個元素對應(yīng)于所述時間序列中的一個離散時間點，表示所述交易對象在所述離散時間點時的排名。
42.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述歷史信息包括歷史評價信息，即歷史各時間段中所述交易對象的用戶對該交易對象做出的評價信息。
43.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述歷史信息包括歷史評論信息，即歷史各時間段中所述交易對象的用戶對所述交易對象做出的用戶評論。
44.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括:將所檢測出的所述交易對象的所述活躍期發(fā)送給網(wǎng)絡(luò)商店運營商或至少一個網(wǎng)絡(luò)用戶。
45.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括:將交易欺詐檢測步驟所檢測的結(jié)果發(fā)送給網(wǎng)絡(luò)商店運營商或至少一個網(wǎng)絡(luò)用戶。
46.一種網(wǎng)絡(luò)交易中不良用戶的檢測系統(tǒng)，其特征在于，所述系統(tǒng)包括: 活躍期檢測單元，用于基于歷史信息檢測至少一個交易對象的活躍期； 交易欺詐檢測單元，用于基于至少一個證據(jù)對所述至少一個交易對象的活躍期進行檢測，確定存在交易排名欺詐的交易對象；以及 不良用戶檢測單元，用于檢測在所述存在交易排名欺詐的交易對象的活躍期中執(zhí)行至少一個交易操作的不良用戶。
47.根據(jù)權(quán)利要求46所述的系統(tǒng)，其特征在于，所述活躍期檢測單元進一步包括: 活躍事件檢測模塊，用于基于所述歷史信息檢測所述至少一個交易對象的活躍事件； 活躍期確定模塊，用于合并相鄰近的所述活躍事件以構(gòu)成所述至少一個交易對象的所述活躍期。
48.根據(jù)權(quán)利要求47所述的系統(tǒng)，其特征在于，所述活躍事件是所述交易對象在交易對象排行榜上持續(xù)排名較高的時間段，排名較高的標準是所述交易對象在交易對象排行榜上的排名不大于一排名閾值K*。
49.根據(jù)權(quán)利要求48所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括一排名閾值設(shè)置單元，用于設(shè)置所述排名閾值K*。
50.根據(jù)權(quán)利要求47所述的系統(tǒng)，其特征在于，將相鄰兩個活躍事件的時間間隔小于一間隔閾值Φ作為將所述兩個活躍事件合并在同一活躍期內(nèi)的標準。
51.根據(jù)權(quán)利要求50所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括一間隔閾值設(shè)置單元，用于設(shè)置所述間隔閾值Φ。
52.根據(jù)權(quán)利要求47所述的系統(tǒng)，其特征在于，在所述活躍事件檢測單元中，進一步包括:開始時間識別模塊，用于識別所述活躍事件的開始時間； 結(jié)束時間識別模塊，用于識別所述活躍時間的結(jié)束時間； 活躍事件識別模塊，用于將每個開始時間與其之后相鄰的結(jié)束時間之間的時間段識別為活躍事件，從而檢測出所述交易對象的所有活躍事件。
53.根據(jù)權(quán)利要求52所述的系統(tǒng)，其特征在于， 所述開始時間識別模塊，用于順序搜索所述歷史信息的歷史排名信息中每個時間點上所述交易對象的排名，當(dāng)當(dāng)前時間點的排名不大于一排名閾值K*且上一時間點的排名大于所述排名閾值K*時，識別當(dāng)前時間點為所述活躍事件的所述開始時間； 所述結(jié)束時間識別模塊，用于順序搜索所述歷史排名信息中每個時間點上所述交易對象的排名，當(dāng)當(dāng)前時間點的排名大于所述排名閾值K*且上一時間點的排名不大于所述排名閾值K*時，識別上一時間點為所述活躍事件的所述結(jié)束時間。
54.根據(jù)權(quán)利要求52所述的系統(tǒng)，其特征在于， 所述開始時間識別模塊，用于當(dāng)所述歷史信息的歷史排名信息的第一個時間點上所述交易對象的排名不大于所述排名閾值K*時，識別所述第一個時間點為一開始時間； 所述結(jié)束時間識別模塊，用于當(dāng)所述歷史排名信息的最后一個時間點上所述交易對象的排名不大于所述排名閾值K*時，識別所述最后一個時間點為一結(jié)束時間。
55.根據(jù)權(quán)利要求47所述的系統(tǒng)，其特征在于， 所述活躍期檢測單元，用于從所述歷史信息的歷史排名信息中的初始時間點開始順序搜索每個檢測出的活躍事件，當(dāng)當(dāng)前活躍事件與上一活躍事件的時間間隔小于一間隔閾值Φ時，將這兩個活躍事件合并在同一活躍期內(nèi)，直至搜索完所有檢測出的活躍事件以檢測出所述交易對象的所有活躍期。
56.根據(jù)權(quán)利要求55所述的系統(tǒng),其特征在于， 所述活躍期檢測單元，用于當(dāng)一活躍事件與上一活躍事件的時間間隔不小于所述間隔閾值Φ，且該活躍事件與下一活躍事件的時間間隔不小于所述間隔閾值Φ時，檢測該活躍事件自身為一活躍期。
57.根據(jù)權(quán)利要求46所述的系統(tǒng)，其特征在于，所述交易欺詐檢測步驟進一步包括: 證據(jù)驗證模塊，用于基于至少一個證據(jù)對所述至少一個交易對象的活躍期進行檢測，并得到每個交易對象的一欺詐參數(shù)。
58.根據(jù)權(quán)利要求57所述的系統(tǒng)，其特征在于，所述交易欺詐檢測單元進一步包括: 活躍事件分析模塊，用于識別所述活躍期中至少一個活躍事件的上升階段、保持階段和下降階段。
59.根據(jù)權(quán)利要求58所述的系統(tǒng)，其特征在于，所述活躍事件分析模塊，用于確定所述活躍事件中所述交易對象的排名在一峰值范圍△!?內(nèi)的第一個時間和最后一個時間，將所述第一個時間和所述最后一個時間之間的時間段識別為所述保持階段，將所述活躍事件中在保持階段之前的時間段識別為所述上升階段，將所述活躍事件中在保持階段之后的時間段識別為所述下降階段。
60.根據(jù)權(quán)利要求58所述的系統(tǒng)，其特征在于，所述證據(jù)基于所述活躍期內(nèi)的活躍事件中的上升階段和/或下降階段構(gòu)成。
61.根據(jù)權(quán)利要求58所述的系統(tǒng)，其特征在于，所述證據(jù)基于所述活躍期內(nèi)的活躍事件中的保持階段構(gòu)成。
62.根據(jù)權(quán)利要求57所述的系統(tǒng)，其特征在于， 所述證據(jù)基于所述活躍期內(nèi)活躍事件的數(shù)量構(gòu)成。
63.根據(jù)權(quán)利要求57所述的系統(tǒng)，其特征在于，所述證據(jù)基于所述活躍期內(nèi)的平均評價和歷史平均評價構(gòu)成。
64.根據(jù)權(quán)利要求57所述的系統(tǒng)，其特征在于， 所述證據(jù)基于交易對象在所述活躍期內(nèi)的評價等級的分布和歷史評價信息中評價等級的分布構(gòu)成。
65.根據(jù)權(quán)利要求57所述的系統(tǒng)，其特征在于，所述證據(jù)基于所述活躍期內(nèi)用戶評論間的相似程度構(gòu)成。
66.根據(jù)權(quán)利要求57所述的系統(tǒng),其特征在于， 所述證據(jù)基于交易對象在所述活躍期內(nèi)用戶評論的主題分布和歷史評論信息中用戶評論的主題分布構(gòu)成。
67.根據(jù)權(quán)利要求57所述的系統(tǒng)，其特征在于，所述證據(jù)驗證模塊，用于綜合考慮所述至少一個證據(jù)，將基于所述至少一個證據(jù)驗證得到的對應(yīng)欺詐參數(shù)進行加權(quán)計算，從而得到所述欺詐參數(shù)。
68.根據(jù)權(quán)利要求57-67中任一項所述的系統(tǒng)，其特征在于，所述排名欺詐檢測單元進一步包括: 欺詐參數(shù)判斷模塊，用于將所述欺詐`參數(shù)與一閾值進行比較，從而判斷所述交易對象是否存在交易排名欺詐。
69.根據(jù)權(quán)利要求46所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括: 歷史信息獲取模塊，用于獲取所述至少一個交易對象的所述歷史信息。
70.根據(jù)權(quán)利要求69所述的系統(tǒng)，其特征在于，所述歷史信息獲取單元，用于從網(wǎng)絡(luò)商店運營商獲取所述歷史信息，或從網(wǎng)絡(luò)商店發(fā)布的數(shù)據(jù)中抽取所述歷史信息。
71.根據(jù)權(quán)利要求46所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括一活躍期發(fā)送單元，用于將所檢測出的所述交易對象的所述活躍期發(fā)送給網(wǎng)絡(luò)商店運營商或至少一個網(wǎng)絡(luò)用戶。
72.根據(jù)權(quán)利要求46所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括一交易排名欺詐檢測結(jié)果發(fā)送單元:將交易欺詐檢測單元所檢測出的結(jié)果發(fā)送給網(wǎng)絡(luò)商店運營商或至少一個網(wǎng)絡(luò)用戶。
73.—種網(wǎng)絡(luò)交易中不良用戶的檢測方法，其特征在于，所述方法包括: 交易欺詐檢測步驟，基于至少一個證據(jù)對至少一個交易對象的活躍期進行檢測，確定存在交易排名欺詐的交易對象； 不良用戶檢測步驟，檢測在所述存在交易排名欺詐的交易對象的活躍期中執(zhí)行至少一個交易操作的不良用戶。
74.—種網(wǎng)絡(luò)交易中不良用戶的檢測系統(tǒng)，其特征在于，所述系統(tǒng)包括: 交易欺詐檢測單元，用于基于至少一個證據(jù)對至少一個交易對象的活躍期進行檢測，確定存在交易排名欺詐的交易對象； 不良用戶檢測單元，用于檢測在所述存在交易排名欺詐的交易對象的活躍期中執(zhí)行至少一個交易操作的不良用戶。
【文檔編號】G06Q30/02GK103761668SQ201310632341
【公開日】2014年4月30日 申請日期:2013年11月30日 優(yōu)先權(quán)日:2013年11月30日
【發(fā)明者】于魁飛, 祝恒書 申請人:北京智谷睿拓技術(shù)服務(wù)有限公司