[发明专利]用于检测虚假交易订单的方法和装置

说明书

本公开的实施例公开了用于检测虚假交易订单的方法和装置。该方法的一具体实施方式包括：获取待检测的订单集合，其中，订单集合中每个订单包括相同维度的特征；基于订单集合构建图结构，其中，图结构中每个节点代表一个订单，相邻的节点之间具有至少一个相同的特征；对于图结构中的目标节点，从目标节点的所有的邻居节点中确定出真实的邻居节点；将目标节点的特征与真实的邻居节点的特征聚合，得到聚合特征；将聚合特征输入逻辑回归模型，确定出目标节点是否是虚假交易订单。该实施方式实现了虚假交易订单检测的准确率。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于检测虚假交易订单的方法和装置。

背景技术

电商平台中存在一些虚假交易行为，商家通过雇佣虚假交易团伙，在电商平台上进行大量的虚假交易，从而提升自身店铺中商品的销量和评论数量，以获取更多的展示曝光机会以及诱导正常用户下单。但是虚假交易行为会扰乱电商平台秩序，并通过虚假的销量和评论误导消费者，并且对其它正常商家的曝光和下单机会造成负面影响。目前现有技术绝大部分都是以订单为单位，聚合和统计相关特征，通过人工标注或者模型生成的方式获取标签，订单之间孤立的排列，并没有利用订单之间的联系，建立模型来预测虚假交易行为。

因为少量零散虚假交易对商家造成的影响极其有限，所以商家往往会雇佣虚假交易团伙进行大规模虚假交易。很显然，如果能把虚假交易团伙的订单关联起来，并且把正常用户的订单关联起来，则模型的准确率会有很大提升。

发明内容

本公开的实施例提出了用于检测虚假交易订单的方法和装置。

第一方面，本公开的实施例提供了一种用于检测虚假交易订单的方法，包括：获取待检测的订单集合，其中，订单集合中每个订单包括相同维度的特征；基于订单集合构建图结构，其中，图结构中每个节点代表一个订单，相邻的节点之间具有至少一个相同的特征；对于图结构中的目标节点，从目标节点的所有的邻居节点中确定出真实的邻居节点；将目标节点的特征与真实的邻居节点的特征聚合，得到聚合特征；将聚合特征输入逻辑回归模型，确定出目标节点是否是虚假交易订单。

在一些实施例中，从目标节点的所有的邻居节点中确定出真实的邻居节点，包括：分别计算目标节点与所有的邻居节点的相似度；将计算出的相似度输入softmax激活层，将得到的概率值大于第一阈值的邻居节点确定为真实的邻居节点。

在一些实施例中，将目标节点的特征与真实的邻居节点的特征聚合，得到聚合特征，包括：将真实的邻居节点的特征进行平均，得到平均特征；将目标节点的特征与平均特征拼接，得到聚合特征。

在一些实施例中，将计算出的相似度输入softmax激活层，包括：将计算出的相似度乘以第一权重参数后与第一偏差参数相加，得到第一加权和；将第一加权和输入softmax激活层。

在一些实施例中，将聚合特征输入逻辑回归模型，包括：将聚合特征乘以第二权重参数后与第二偏差参数相加，得到第二加权和；将第二加权和输入sigmoid函数，将得到的概率值大于第二阈值的目标节点确定为虚假交易订单。

在一些实施例中，第一权重参数和、第一偏差参数、第二权重参数和第二偏差参数通过如下步骤得到：获取样本集，其中，样本包括样本订单和用于指示样本订单是否是虚假交易的标注信息；从样本集中选取样本；基于选取的样本订单计算出相似度；将相似度与初始的第一权重参数相乘再与初始的第一偏差参数相加后，输入softmax激活层，得到第一结果；基于第一结果确定出选取的样本订单的真实邻居节点后计算出样本聚合特征；将样本聚合特征与初始的第二权重参数相乘再与初始的第二偏差参数相加后，输入sigmoid函数，得到第二结果；计算第二结果与该样本的标注信息的损失值；根据损失值进行反向传播学习，得到第一权重参数、第一偏差参数、第二权重参数和第二偏差参数。