[发明专利]一种预测风险账号的方法、装置、存储介质和计算机设备

说明书

本发明实施例提供了一种预测风险账号的方法、装置、存储介质和计算机设备。该方法包括：通过提升树模型对获取的训练测试集进行训练，生成风险模型；将获取的多个灰样本输入风险模型，生成每个灰样本对应的风险概率；将多个风险概率中大于设定概率的一个或多个风险概率对应的灰样本，确定为风险账户；将一个或多个风险账户和多个黑样本对应的用户账号数据确定为风险账号。本发明实施例提供的技术方案中，能够将一个或多个风险账户和多个黑样本对应的用户账号数据确定为风险账号，可以全面、准确、高效地预测出风险账号。

【技术领域】

本发明涉及计算机技术领域，尤其涉及一种预测风险账号的方法、装置、存储介质和计算机设备。

【背景技术】

随着居民日常出行的增加，互联网售票量也在快速增加。由于大量的第三方购票平台、抢票软件等利用互联网票额的动态变化，为旅客代购车票，用其技术、设备或网络优势“加价抢票”，不断查询互联网售票的余票，发现有余票时立即下单购票，消耗互联网售票平台的处理资源，影响互联网售票平台稳定运行，扰乱正常售票秩序。相关技术中，不能有效地通过预测风险账号来减少“加价抢票”的行为，缺少全面、准确、高效地预测风险账号的方法。

【发明内容】

有鉴于此，本发明实施例提供了一种预测风险账号的方法、装置、存储介质和计算机设备，用以全面、准确、高效地预测出风险账号。

一方面，本发明实施例提供了一种预测风险账号的方法，包括：

通过提升树模型对获取的训练测试集进行训练，生成风险模型；

将获取的多个灰样本输入所述风险模型，生成每个所述灰样本对应的风险概率；

将多个所述风险概率中大于设定概率的一个或多个所述风险概率对应的灰样本，确定为风险账户；

将一个或多个所述风险账户和多个黑样本对应的用户账号数据确定为风险账号。

可选地，所述通过提升树模型对获取的训练测试集进行训练，生成风险模型之前包括：

通过专家经验算法对获取的特征表进行分类，生成多个黑样本、多个白样本和多个灰样本；

从多个所述白样本中随机提取设定数量个白样本，生成多个随机白样本；

根据多个所述随机白样本和多个所述黑样本，生成训练测试集。

可选地，所述通过专家经验判断算法对获取的特征表进行分类，生成多个黑样本、多个白样本和多个灰样本之前包括：

判断获取的业务类型数据是否包括退票标识；

若判断出所述业务类型数据包括退票标识，将获取的交易时间减去获取的付款交易时间生成退款时长；

根据获取的业务类型数据、渠道类型数据、用户账号数据、付款流水号数据、交易IP数据和所述退款时长，生成基表；

通过特征算法对所述基表进行特征计算，生成特征表。

可选地，所述判断获取的付款流水号数据是否包括退票标识之前包括：

根据获取的支付数据生成逗号分隔值文件；

从所述逗号分隔值文件中提取业务类型数据、渠道类型数据、用户账号数据、付款流水号数据和交易IP数据。

可选地，还包括：

若判断出所述业务类型数据不包括退票标识，根据获取的业务类型数据、渠道类型数据、用户账号数据、付款流水号数据和交易IP数据，生成基表，并继续执行所述通过存储的特征算法对所述基表进行特征计算，生成特征表的步骤。

可选地，所述将一个或多个所述风险账户和多个黑样本对应的用户账号数据确定为风险账号之后包括：