[发明专利]虚假交易团伙识别方法、设备及计算机可读介质有效
| 申请号: | 201910963294.0 | 申请日: | 2019-10-11 |
| 公开(公告)号: | CN110874786B | 公开(公告)日: | 2022-10-18 |
| 发明(设计)人: | 晏荣 | 申请(专利权)人: | 支付宝(杭州)信息技术有限公司 |
| 主分类号: | G06Q30/06 | 分类号: | G06Q30/06 |
| 代理公司: | 北京晋德允升知识产权代理有限公司 11623 | 代理人: | 王戈 |
| 地址: | 310012 浙江省杭州市*** | 国省代码: | 浙江;33 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 虚假 交易 团伙 识别 方法 设备 计算机 可读 介质 | ||
1.一种虚假交易团伙识别方法,其中,该方法包括:
获取预设时间段内服务商下买家对应的交易特征信息项集,其中,所述交易特征信息项集的元素为对应的买家所完成的交易的交易特征信息;所述交易特征信息为用于反映所述交易的特点的信息;
根据所述交易特征信息项集,获取所述服务商下的最大频繁项集;
计算买家对应的交易特征信息项集与所述服务商下的最大频繁项集的相似度;
若存在所述相似度超过第一阈值的买家,将所述服务商确定为虚假交易团伙的成员;
其中,所述服务商用于促成所述买家与卖家之间的所述交易。
2.根据权利要求1所述的方法,其中,该方法还包括:
将所述相似度超过第一阈值的买家,以及与所述买家完成过交易的卖家确定为虚假交易团伙的成员。
3.根据权利要求1所述的方法,其中,计算买家对应的交易特征信息项集与所述服务商下的最大频繁项集的相似度,包括:
将第一集合的元素数量与第二集合的元素数量的比值确定为买家对应的交易特征信息项集与所述服务商下的最大频繁项集的相似度,其中,所述第一集合为买家对应的交易特征信息项集与所述服务商下的最大频繁项集的交集,所述第二集合为买家对应的交易特征信息项集与所述服务商下的最大频繁项集的并集。
4.根据权利要求1所述的方法,其中,所述服务商下的最大频繁项集数量为至少一个;
计算买家对应的交易特征信息项集与所述服务商下的最大频繁项集的相似度,包括:
构建与最大频繁项集数量相同的候选团伙,每个候选团伙分别对应所述服务商下的一个最大频繁项集;
分别计算买家对应的交易特征信息项集与各个候选团伙对应的最大频繁项集的相似度;
若存在所述相似度超过第一阈值的买家,将所述服务商确定为虚假交易团伙的成员,包括:
将买家归入相似度最高的候选团伙;
对于任一候选团伙,若所述候选团伙中存在所述相似度超过第一阈值的买家,将所述候选团伙确定为虚假交易团伙,并将所述服务商确定为虚假交易团伙的成员。
5.根据权利要求4所述的方法,其中,对于任一候选团伙,若所述候选团伙中存在所述相似度超过第一阈值的买家,将所述候选团伙确定为虚假交易团伙,并将所述服务商确定为虚假交易团伙的成员,包括:
对于任一候选团伙,若所述候选团伙中存在所述相似度超过第一阈值的买家,将所述候选团伙确定为虚假交易团伙,并将所述服务商、所述候选团伙下相似度超过第一阈值的买家、以及与所述虚假交易团伙中的买家完成过交易的卖家确定为所述虚假交易团伙的成员。
6.根据权利要求1所述的方法,其中,获取预设时间段内服务商下买家对应的交易特征信息项集,包括:
获取预设时间段内服务商下符合识别要求的买家对应的交易特征信息项集,其中,所述符合识别要求的买家为所述预设时间段内交易的卖家数量小于第二阈值的买家。
7.根据权利要求1所述的方法,其中,所述交易特征信息为买家的交易金额或与所述买家交易的卖家。
8.一种虚假交易团伙识别设备,其中,该设备包括:
信息获取模块,用于获取预设时间段内服务商下买家对应的交易特征信息项集,其中,所述交易特征信息项集的元素为对应的买家所完成的交易的交易特征信息;所述交易特征信息为用于反映所述交易的特点的信息;
计算处理模块,用于根据所述交易特征信息项集,获取所述服务商下的最大频繁项集,以及计算买家对应的交易特征信息项集与所述服务商下的最大频繁项集的相似度;
识别模块,用于在判断存在所述相似度超过第一阈值的买家时,将所述服务商确定为虚假交易团伙的成员;
其中,所述服务商用于促成所述买家与卖家之间的所述交易。
9.根据权利要求8所述的设备,其中,所述识别模块,还用于将所述相似度超过第一阈值的买家,以及与所述买家完成过交易的卖家确定为虚假交易团伙的成员。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于支付宝(杭州)信息技术有限公司,未经支付宝(杭州)信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910963294.0/1.html,转载请声明来源钻瓜专利网。





