CN111553696B - 一种风险提示方法、装置及电子设备 - Google Patents
一种风险提示方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111553696B CN111553696B CN202010328350.6A CN202010328350A CN111553696B CN 111553696 B CN111553696 B CN 111553696B CN 202010328350 A CN202010328350 A CN 202010328350A CN 111553696 B CN111553696 B CN 111553696B
- Authority
- CN
- China
- Prior art keywords
- commodity
- category
- user
- risk
- categories
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书公开了一种风险提示方法、装置及电子设备,该风险提示方法包括:获得用户对目标商品的操作行为所属的行为类型以及提供目标商品的目标商家;基于目标商家售卖的所有商品的类目信息,获得目标商家的商品类目分散度;基于用户的行为类型和目标商家的商品类目分散度,对用户的操作行为进行风险提示。通过商家的商品类目分散度、用户行为类型,综合考虑商家侧和用户侧的信息,来确定是否需要对用户进行风险提示,提高风险提示的准确性。
Description
技术领域
本说明书涉及软件技术领域,特别涉及一种风险提示方法、装置及电子设备。
背景技术
随着电商的普及,网上购物给消费者带来了巨大的便利,其早已成为人们生活中必不可少的一部分。在网上购物过程中,存在这种情况:商家售卖的商品与主营类目不相关,亦或是所售商品之间完全不相似。比如售卖“五金配件”的商家同时销售“3C数码”以及“珠宝翡翠”。如果用户从此商家购买“珠宝翡翠”则很容易造成财产损失,严重影响用户切身利益。如何对这种网络购物行为进行风险防控成为了一个亟待解决的问题。
发明内容
本说明书实施例提供一种风险提示方法、装置及电子设备,基于商品类目分散度对用户的网络购物行为进行风险提示,提高风险提示的准确性。
第一方面,本说明书实施例提供一种风险提示方法,所述方法包括:
获取用户对目标商品的操作行为所属的行为类型以及提供所述目标商品的目标商家;
基于所述目标商家售卖的所有商品的类目信息,获得所述目标商家的商品类目分散度,其中,所述商品类目分散度用于表征商品类目之间的相关性;
基于所述行为类型和所述商品类目分散度,对所述用户进行风险提示。
可选的,所述基于所述行为类型和所述商品类目分散度,对所述用户进行风险提示,包括:
获取所述用户的用户画像;
基于所述用户行为类型、所述用户画像以及所述商品类目分散度,对所述用户进行风险提示。
可选的,所述基于所述所有商品的类目信息,获得所述目标商家的商品类目分散度,包括:
基于所述所有商品的类目信息,获得所述目标商家对应的所有商品类目及每个商品类目下的商品数;
获得所述每个商品类目的类目特征向量;
基于所述所有商品类目的所述商品数和所述类目特征向量,获得所述目标商家的所述商品类目分散度。
可选的,所述基于所述所有商品类目的所述商品数和所述类目特征向量,获得所述目标商家的所述商品类目分散度,包括:
基于所述所有商品类目的所述商品数,对所述每个商品类目下的商品数进行归一化,获得所述每个商品类目的权重参数;
基于所述所有商品类目的所述权重参数和所述类目特征向量,计算获得类目中心点;
基于每个商品类目的所述类目特征向量与所述类目中心点之间的距离,计算获得所述商品类目分散度。
可选的,所述方法还包括:
针对商品售卖平台,获取所述平台上的所有商品类目及每个商品类目下的商品;
根据平台上的所有商品类目及每个商品类目下的商品,对所述平台上的每个商品类目进行向量化,获得所述平台上的每个商品类目的类目特征向量。
可选的,所述基于所述行为类型、所述用户画像以及所述商品类目分散度,对所述用户的操作行为进行风险提示,对所述用户进行风险提示,包括:
获得所述行为类型对应的风险等级;
基于所述用户画像获取所述用户的易被欺诈指数;
基于所述风险等级、所述易被欺诈指数以及所述目标商家的商品类目分散度,加权计算所述操作行为的得分;
若所述得分大于设定阈值,对所述用户进行风险提示。
第二方面,本说明书实施例提供一种风险提示装置,所述装置包括:
行为获取单元,用于获取用户对目标商品的操作行为所属的行为类型以及提供所述目标商品的目标商家;
分散度获取单元,用于基于所述目标商家售卖的所有商品的类目信息,获得所述目标商家的商品类目分散度,其中,所述商品类目分散度用于表征商品类目之间的相关性;
风险提示单元,用于基于所述行为类型和所述商品类目分散度,对所述用户进行风险提示。
可选的,所述装置还包括画像获取单元,用于获取所述用户的用户画像;
所述风险提示单元还用于:基于所述行为类型、所述用户画像以及所述商品类目分散度,对所述用户进行风险提示。
可选的,所述分散度获取单元用于:
基于所述所有商品的类目信息,获得所述目标商家对应的所有商品类目及每个商品类目下的商品数;
获得所述每个商品类目的类目特征向量;
基于所述所有商品类目的所述商品数和所述类目特征向量,获得所述目标商家的所述商品类目分散度。
可选的,所述分散度获取单元还用于:
基于所述所有商品类目的所述商品数,对所述每个商品类目下的商品数进行归一化,获得所述每个商品类目的权重参数;
基于所述所有商品类目的所述权重参数和所述类目特征向量,计算获得类目中心点;
基于每个商品类目的所述类目特征向量与所述类目中心点之间的距离,计算获得所述商品类目分散度。
可选的,所述装置还包括向量获取单元,用于:
针对商品售卖平台,获取所述平台上的所有商品类目及每个商品类目下的商品;
根据平台上的所有商品类目及每个商品类目下的商品,对所述平台上的每个商品类目进行向量化,获得所述平台上的每个商品类目的类目特征向量。
可选的,所述风险提示单元用于:
获得所述行为类型对应的风险等级;
基于所述用户画像获取所述用户的易被欺诈指数;
基于所述风险等级、所述易被欺诈指数以及所述目标商家的商品类目分散度,加权计算所述操作行为的得分;
若所述得分大于设定阈值,对所述用户进行风险提示。
本说明书实施例中的上述一个或多个技术方案,至少具有如下技术效果:
本说明书实施例提供一种风险提示方法,通过获得用户对目标商品的操作行为所属的行为类型以及提供目标商品的目标商家;基于目标商家售卖的所有商品的类目信息,获得目标商家的商品类目分散度,商品类目分散度用于表征商品类目之间的相关性;基于用户的行为类型和目标商家的商品类目分散度,对用户的操作行为进行风险提示。一方面,通过获得商家的商品类目分散度,综合商家所包含的各个商品类目之间的相关性,来提高异常商家评估的准确性。另一方面,将商家的商品类目分散度与用户的操作行为相结合,综合考虑商家侧和用户侧的信息,来确定是否需要对用户进行风险提示,提高了风险提示的准确性。
附图说明
为了更清楚地说明本说明书实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本说明书的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书实施例提供的一种风险提示方法的流程图;
图2为本说明书实施例提供的获取商家分散度的流程图;
图3为本说明书实施例提供的一种风险提示装置的示意图;
图4为本说明书实施例提供的一种电子设备的示意图。
具体实施方式
为使本说明书实施例的目的、技术方案和优点更加清楚,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本说明书保护的范围。
在本说明书实施例提供一种风险提示方法,在用户购物过程中,获取用户对商品的操作行为所属行为类型,以及该商品对应的商家的商品类目分散度,基于用户的行为类型和商家的商品类目分散度来对用户进行风险提示。基于商家的商品类目分散度和用户行为类型,对用户的网络购物行为进行风险提示,避免用户财产利益损失,提高风险提示的准确性。
下面结合附图对本说明书实施例技术方案的主要实现原理、具体实施方式及其对应能够达到的有益效果进行详细的阐述。
实施例
请参考图1,本实施例提供一种风险提示方法,包括如下步骤S10~S14:
S10、获取用户对目标商品的操作行为所属的行为类型以及提供所述目标商品的目标商家。
其中,被用户操作的商品称为目标商品。用户对目标商品的操作行为包括:“浏览商品详情”、“加入购物车”、“点击付款按钮”等,不同的操作行为具有不同的风险等级,比如:点击付款按钮的风险等级往往高于浏览商品详情和加入购物车。本实施例为用户的操作行为进行类型划分,不同类型的行为类型对应不同的风险等级,风险等级越高用户遭受损失的可能性越大。比如“浏览商品详情”为“类型1”,“商品加入购物车”为“类型2”,“点击付款按钮”为“类型3”,而且风险等级逐步上升。
在执行S10的过程中,还可以获取用户的用户画像。
用户画像是基于大数据获得的用户特征,用户画像中的一个或多个特征可以用来表征用户遭遇损失的概率。用户画像包括:基础特征和统计型特征,基础特征包括姓名、年龄、所处区域或者家庭住址等,统计型特征包括“易被欺诈指数”、“购买能力”、“风险防控能力”等。统计型特征可以根据用户在互联网上的行为、账号安全等信息统计分析获得,例如:对于“易被欺诈指数”可以根据用户的历史交易信息统计获得,历史交易中受欺诈的金额、次数越高“易被欺诈指数”越高,反之越低。“易被欺诈指数”越高,对应用户遭遇损失的概率越大,对其进行风险提示的必要性越大,反之,“易被欺诈指数”越低,对应用户遭遇损失的概率越小,对其进行风险提示的必要性越小。
S12、基于目标商家售卖的所有商品的类目信息,获得目标商家的商品类目分散度。
其中,商家的商品类目分散度用于表征多个商品类目之间的相关性或相似性,相关性或相似性越高,商品分散度越低,商家为异常商家的可能性越低,反之,商品类目分散度越高,商家为异常商家的可能性越大。例如:一个商家同时售卖的商品包含“五金配件”、“3C数码”以及“珠宝翡翠”,这些商品类目之间的相关性或相似性都非常低,其为异常商家的可能性加大,而一个商家同时售卖的商品包含“珠宝翡翠”、“金银首饰”以及“奢侈品”,这些商品类目之间的相关性或相似性相对较高,其为异常商家的可能性较小。商家类目的分散度综合考虑了商家售卖的所有商品所属类目,能够更准确的反映商家性质,据此进行风险提示,大大提高了异常商家风险提示的准确性。
S14、基于用户的行为类型和目标商家的商品类目分散度,对用户进行风险提示。
具体实施过程中,若S10中还获取了用户画像,S14可以基于用户的行为类型、用户画像以及目标商家的商品类目分散度,对用户进行风险提示。其中,基于用户的行为类型和/或用户画像,获取用户侧的风险等级,基于目标商家的商品类目分散度获取商家侧的风险等级,基于用户侧的风险等级和商家侧的风险等级对用户进行风险提示,提高风险提示的准确性。
具体的,执行S14时针对用户的行为类型,可以获得该行为类型对应的风险等级,该风险等级用数值UA表示;基于用户画像获取用户的易被欺诈指数、年龄、所处区域是否为欺诈高发地等一个或多个表征用户遭遇损失的概率的目标特征,目标特征用数值UP表示;基于用户行为对应的风险等级、用户画像中的目标特征以及目标商家的商品类目分散度L,加权计算此次操作行为的得分即总的风险等级:
w1×L+w2×UA+w3×UP
其中,w1~w3为预设的权重参数,可以由设计人员根据经验设置。
在获得用户当前操作行为的得分后,判断其得分是否大于设定阈值,若该得分大于设定阈值,对用户进行风险提示。具体风险提示方式包括但不限于显示风险提示信息、禁止响应用户的操作行为、身份验证等。在对用户进行风险提示时,还可以向用户展示当前操作行为的风险等级,提示用户风险等级过高,若继续该操作可能造成财产损失。
具体实施过程中,执行S12时可以基于本实施例提供的一种获取商品类目分散方法来获得目标商家的商品类目分散度,请参考图2,该方法包括:
S21、基于目标商家售卖的所有商品的类目信息,获得所述目标商家对应的所有商品类目及每个商品类目下的商品数。
其中,类目信息可以利用分类模型根据商品详情页中的文本信息分类获得,也可以从商品属性中获取。对商家售卖的所有商品的类目信息进行聚合处理,获得商家对应的商品类目和每个商品类目下的商品数,即类目分布如:“C1:N1,C2:N2,C3:N3”,其中Ci代表商品类目,Ni代表该类目下商品的个数(商品数)。
S23、获得目标商家对应的每个商品类目的类目特征向量。
类目特征向量,即用数值型特征来代表商品类目,比如:类目“3C数码”用向量“0.15 0.13 0.2 0.08 0.21”来表示。类目特征向量可以有多种方式获取,可以通过已有的词向量转换模型转换获得,也可以基于各类目下的商品转换获得。
其中,本实施例提供一种类目特征向量的获取方法,针对商品售卖平台,获取平台上的所有商品类目及每个商品类目下的商品;根据平台上的所有商品类目及每个商品类目下的商品,对平台上的每个商品类目进行向量化,获得平台上的每个商品类目的类目特征向量。其中,商品类目向量化时,可以通过Bag of Words、Word2vec等模型来实现。例如,可以将平台上全部商品类目视作不同的文档,类目下的商品视作文档中的句子,对文档分词后获取每个词的TF-IDF(term frequency–inverse document frequency,词频-逆文本频率指数)值,然后基于Bag of Words以及TF-IDF权重对文档即类目进行向量化,最终获得类目特征向量如:Ci:Fi,其中Ci表示商品类目,Fi表示特征向量,Fi=fi1,fi2,fi3…fin,n表示词的个数,fin表示词的TF-IDF值。
S25、基于目标商家对应的所有商品类目的商品数和类目特征向量,获得目标商家的商品类目分散度。
其中,本实施例基于类目特征向量和商品数,在考虑商品类目之间的相似性基础上,结合商品类目下的商品数量,来获得商品类目分散度,提高获取类目分散度的准确性。具体商品类目分散度的计算方式如下:
1.对类目数量分布进行归一化:基于目标商家的所有商品类目的商品数,对每个商品类目下的商品数进行归一化,获得每个商品类目的权重参数。商品类目Ci的权重参数用Wi表示,即Ci:Wi,i=1,2,3...m,m表示目标商家包含的商品类目个数,根据所有类目下的商品数进行归一化后
3.计算每个类目与类目中心点的距离:di=||Fi-c||2
在上述实施例中,通过类目特征向量和商品数来计算获得商品类目的分散度,利用商品类目分散度、用户行为风险、用户画像风险综合判断用户当前行为的风险等级,充分考虑用户购物过程中可能会遇到异常商家的情况、用户行为情况、用户自身情况,有效的提高风险提示的准确性,从而避免用户财产利益损失的情况,推动电子商务、在线金融的健康发展。
基于同一发明构思,本实施例针对上述实施例提供的一种风险提示方法,还对应提供一种风险提示装置,请参考图3,该装置包括:
行为获取单元31,用于获取用户对目标商品的操作行为所属的行为类型以及提供所述目标商品的目标商家;
分散度获取单元33,用于基于所述目标商家售卖的所有商品的类目信息,获得所述目标商家的商品类目分散度,其中,所述商品类目分散度用于表征商品类目之间的相关性;
风险提示单元34,用于基于所述行为类型和所述商品类目分散度,对所述用户进行风险提示。
作为一种可选的实施方式,所述装置还包括画像获取单元32,用于获取所述用户的用户画像;所述风险提示单元34还用于:基于所述行为类型、所述用户画像以及所述商品类目分散度,对所述用户进行风险提示。
作为一种可选的实施方式,所述分散度获取单元33用于:基于所述所有商品的类目信息,获得所述目标商家对应的所有商品类目及每个商品类目下的商品数;获得所述每个商品类目的类目特征向量;基于所述所有商品类目的所述商品数和所述类目特征向量,获得所述目标商家的所述商品类目分散度。其中,所述分散度获取单元33在基于商品数和类目特征向量获取商品类目分散度时,具体可以先基于所述所有商品类目的所述商品数,对所述每个商品类目下的商品数进行归一化,获得所述每个商品类目的权重参数;然后,基于所述所有商品类目的所述权重参数和所述类目特征向量,计算获得类目中心点;再基于每个商品类目的所述类目特征向量与所述类目中心点之间的距离,计算获得所述商品类目分散度。
作为一种可选的实施方式,所述装置还包括向量获取单元35,用于:针对商品售卖平台,获取所述平台上的所有商品类目及每个商品类目下的商品;根据平台上的所有商品类目及每个商品类目下的商品,对所述平台上的每个商品类目进行向量化,获得所述平台上的每个商品类目的类目特征向量。
作为一种可选的实施方式,所述风险提示单元34用于:获得所述行为类型对应的风险等级;基于所述用户画像获取所述用户的易被欺诈指数;基于所述风险等级、所述易被欺诈指数以及所述目标商家的商品类目分散度,加权计算所述操作行为的得分;若所述得分大于设定阈值,对所述用户进行风险提示。
关于上述实施例中的装置,其中各个单元执行操作的具体方式已经在有关方法的实施例中进行了详细描述,此处不再详细阐述。
请参考图4,是根据一示例性实施例示出的一种用于实现风险提示方法的电子设备700的框图。例如,电子设备700可以是计算机,数据库控制台,平板设备,个人数字助理等。
参照图4,电子设备700可以包括以下一个或多个组件:处理组件702,存储器704,电源组件706,多媒体组件708,输入/输出(I/O)的接口710,以及通信组件712。
处理组件702通常控制电子设备700的整体操作,诸如与显示,数据通信,及记录操作相关联的操作。处理元件702可以包括一个或多个处理器720来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件702可以包括一个或多个模块,便于处理组件702和其他组件之间的交互。
存储器704被配置为存储各种类型的数据以支持在设备700的操作。这些数据的示例包括用于在电子设备700上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件706为电子设备700的各种组件提供电力。电源组件706可以包括电源管理***,一个或多个电源,及其他与为电子设备700生成、管理和分配电力相关联的组件。
I/O接口710为处理组件702和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
通信组件712被配置为便于电子设备700和其他设备之间有线或无线方式的通信。电子设备700可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件712经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件712还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器704,上述指令可由电子设备700的处理器720执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得电子设备能够执行一种风险提示方法,所述方法包括:
获取用户对目标商品的操作行为所属的行为类型以及提供所述目标商品的目标商家;基于所述目标商家售卖的所有商品的类目信息,获得所述目标商家的商品类目分散度,其中,所述商品类目分散度用于表征商品类目之间的相关性;基于所述行为类型和所述商品类目分散度,对所述用户进行风险提示。
应当理解的是,本实施例并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本实施例的范围仅由所附的权利要求来限制
以上所述仅为本实施例的较佳实施例,并不用以限制本实施例,凡在本实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本实施例的保护范围之内。
Claims (12)
1.一种风险提示方法,所述方法包括:
获取用户对目标商品的操作行为所属的行为类型以及提供所述目标商品的目标商家;
基于所述目标商家售卖的所有商品的类目信息,获得所述目标商家的商品类目分散度,包括:基于所述所有商品的类目信息,获得所述目标商家对应的所有商品类目及每个商品类目下的商品数;获得所述每个商品类目的类目特征向量;基于所述所有商品类目的所述商品数和所述类目特征向量,获得所述目标商家的所述商品类目分散度;其中,所述商品类目分散度用于表征商品类目之间的相关性;
基于所述行为类型和所述商品类目分散度,对所述用户进行风险提示,包括:基于所述行为类型获取用户侧的风险等级,基于所述商品类目分散度获取商家侧的风险等级,基于用户侧的风险等级和商家侧的风险等级,对所述用户进行风险提示。
2.如权利要求1所述的方法,所述基于所述行为类型和所述商品类目分散度,对所述用户进行风险提示,包括:
获取所述用户的用户画像;
基于所述用户行为类型、所述用户画像以及所述商品类目分散度,对所述用户进行风险提示。
3.如权利要求1所述的方法,所述基于所述所有商品类目的所述商品数和所述类目特征向量,获得所述目标商家的所述商品类目分散度,包括:
基于所述所有商品类目的所述商品数,对所述每个商品类目下的商品数进行归一化,获得所述每个商品类目的权重参数;
基于所述所有商品类目的所述权重参数和所述类目特征向量,计算获得类目中心点;
基于每个商品类目的所述类目特征向量与所述类目中心点之间的距离,计算获得所述商品类目分散度。
4.如权利要求1所述的方法,所述方法还包括:
针对商品售卖平台,获取所述平台上的所有商品类目及每个商品类目下的商品;
根据平台上的所有商品类目及每个商品类目下的商品,对所述平台上的每个商品类目进行向量化,获得所述平台上的每个商品类目的类目特征向量。
5.如权利要求2所述的方法,所述基于所述行为类型、所述用户画像以及所述商品类目分散度,对所述用户的操作行为进行风险提示,对所述用户进行风险提示,包括:
获得所述行为类型对应的风险等级;
基于所述用户画像获取所述用户的易被欺诈指数;
基于所述风险等级、所述易被欺诈指数以及所述目标商家的商品类目分散度,加权计算所述操作行为的得分;
若所述得分大于设定阈值,对所述用户进行风险提示。
6.一种风险提示装置,所述装置包括:
行为获取单元,用于获取用户对目标商品的操作行为所属的行为类型以及提供所述目标商品的目标商家;
分散度获取单元,用于基于所述目标商家售卖的所有商品的类目信息,获得所述目标商家的商品类目分散度,包括:基于所述所有商品的类目信息,获得所述目标商家对应的所有商品类目及每个商品类目下的商品数;获得所述每个商品类目的类目特征向量;基于所述所有商品类目的所述商品数和所述类目特征向量,获得所述目标商家的所述商品类目分散度;其中,所述商品类目分散度用于表征商品类目之间的相关性;
风险提示单元,用于基于所述行为类型和所述商品类目分散度,对所述用户进行风险提示,包括:基于所述行为类型获取用户侧的风险等级,基于所述商品类目分散度获取商家侧的风险等级,基于用户侧的风险等级和商家侧的风险等级,对所述用户进行风险提示。
7.如权利要求6所述的装置,所述装置还包括画像获取单元,用于获取所述用户的用户画像;
所述风险提示单元还用于:基于所述行为类型、所述用户画像以及所述商品类目分散度,对所述用户进行风险提示。
8.如权利要求6所述的装置,所述分散度获取单元还用于:
基于所述所有商品类目的所述商品数,对所述每个商品类目下的商品数进行归一化,获得所述每个商品类目的权重参数;
基于所述所有商品类目的所述权重参数和所述类目特征向量,计算获得类目中心点;
基于每个商品类目的所述类目特征向量与所述类目中心点之间的距离,计算获得所述商品类目分散度。
9.如权利要求6所述的装置,所述装置还包括向量获取单元,用于:
针对商品售卖平台,获取所述平台上的所有商品类目及每个商品类目下的商品;
根据平台上的所有商品类目及每个商品类目下的商品,对所述平台上的每个商品类目进行向量化,获得所述平台上的每个商品类目的类目特征向量。
10.如权利要求7所述的装置,所述风险提示单元用于:
获得所述行为类型对应的风险等级;
基于所述用户画像获取所述用户的易被欺诈指数;
基于所述风险等级、所述易被欺诈指数以及所述目标商家的商品类目分散度,加权计算所述操作行为的得分;
若所述得分大于设定阈值,对所述用户进行风险提示。
11.一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1~5任一所述的方法。
12.一种电子设备,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以的上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上的程序所包含的用于进行如权利要求1~5任一所述方法对应的操作指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010328350.6A CN111553696B (zh) | 2020-04-23 | 2020-04-23 | 一种风险提示方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010328350.6A CN111553696B (zh) | 2020-04-23 | 2020-04-23 | 一种风险提示方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111553696A CN111553696A (zh) | 2020-08-18 |
CN111553696B true CN111553696B (zh) | 2022-05-31 |
Family
ID=72007594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010328350.6A Active CN111553696B (zh) | 2020-04-23 | 2020-04-23 | 一种风险提示方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111553696B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114626885B (zh) * | 2022-03-17 | 2022-11-15 | 华院分析技术(上海)有限公司 | 一种基于大数据的零售管理方法和*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194767A (zh) * | 2017-05-17 | 2017-09-22 | 深圳前海跨海侠跨境电子商务有限公司 | 一种用于代购平台的风险提示方法及*** |
EP3367311A1 (en) * | 2017-02-24 | 2018-08-29 | Accenture Global Solutions Limited | Machine learning for preventive assurance and recovery action optimization |
CN110009174A (zh) * | 2018-12-13 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 风险识别模型训练方法、装置及服务器 |
CN110035314A (zh) * | 2019-03-08 | 2019-07-19 | 腾讯科技(深圳)有限公司 | 信息的展示方法和装置、存储介质、电子装置 |
CN110675155A (zh) * | 2019-09-12 | 2020-01-10 | 阿里巴巴集团控股有限公司 | 风险识别方法和装置 |
CN111008858A (zh) * | 2019-10-24 | 2020-04-14 | 清华大学 | 一种商品销量预测方法及*** |
CN111027218A (zh) * | 2019-12-12 | 2020-04-17 | 电子科技大学 | 考虑权重及相关性的复杂***风险优先数分析计算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150032589A1 (en) * | 2014-08-08 | 2015-01-29 | Brighterion, Inc. | Artificial intelligence fraud management solution |
-
2020
- 2020-04-23 CN CN202010328350.6A patent/CN111553696B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3367311A1 (en) * | 2017-02-24 | 2018-08-29 | Accenture Global Solutions Limited | Machine learning for preventive assurance and recovery action optimization |
CN107194767A (zh) * | 2017-05-17 | 2017-09-22 | 深圳前海跨海侠跨境电子商务有限公司 | 一种用于代购平台的风险提示方法及*** |
CN110009174A (zh) * | 2018-12-13 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 风险识别模型训练方法、装置及服务器 |
CN110035314A (zh) * | 2019-03-08 | 2019-07-19 | 腾讯科技(深圳)有限公司 | 信息的展示方法和装置、存储介质、电子装置 |
CN110675155A (zh) * | 2019-09-12 | 2020-01-10 | 阿里巴巴集团控股有限公司 | 风险识别方法和装置 |
CN111008858A (zh) * | 2019-10-24 | 2020-04-14 | 清华大学 | 一种商品销量预测方法及*** |
CN111027218A (zh) * | 2019-12-12 | 2020-04-17 | 电子科技大学 | 考虑权重及相关性的复杂***风险优先数分析计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111553696A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11663568B1 (en) | Methods and systems for providing payment interface services using a payment platform | |
US10909608B2 (en) | Merchant recommendations associated with a persona | |
Ozturk et al. | Understanding the mobile payment technology acceptance based on valence theory: A case of restaurant transactions | |
US20150170148A1 (en) | Real-time transaction validity verification using behavioral and transactional metadata | |
US20130173336A1 (en) | Lifestyle application for consumers | |
CN107016568A (zh) | 积分增值消费电子商务平台的数据处理方法及*** | |
US20160350832A1 (en) | Method and system for automatically generating recommendations for a client shopping list | |
Liao et al. | Mobile payment and mobile application (app) behavior for online recommendations | |
US11941690B2 (en) | Reducing account churn rate through intelligent collaborative filtering | |
US11803542B2 (en) | Natural language processing system | |
US20230116407A1 (en) | Systems and Methods for Predicting Consumer Spending and for Recommending Financial Products | |
CN111914188A (zh) | 推荐目标用户的选择方法、***、设备及存储介质 | |
US20230298056A1 (en) | System, Method, and Computer Program Product for Determining a Dominant Account Profile of an Account | |
GB2506450A (en) | Web page categorisation | |
US20230205744A1 (en) | Entity Classification Using Cleansed Transactions | |
CN111553696B (zh) | 一种风险提示方法、装置及电子设备 | |
CN111429214A (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
CN116308505A (zh) | 资源分配方法、装置、存储介质和计算机设备 | |
CN109255645B (zh) | 一种消费预测方法、装置及电子设备 | |
US11741531B2 (en) | Behavioral savings systems and methods for implementing real-time optimized savings | |
Reddy et al. | Factors affecting consumers choice to use mobile wallet to access m-commerce industry in India | |
Peng et al. | Designing differential service strategy for two-dimensional warranty based on warranty claim data under consumer-side modularisation | |
CN116911953A (zh) | 物品推荐方法、装置、电子设备及计算机可读存储介质 | |
CN115797020B (zh) | 基于图数据库的数据处理的零售推荐方法、***和介质 | |
CN105225116A (zh) | 交易操作的识别方法及服务器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40035838 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |