CN111311408B - 电子交易属性识别方法及装置 - Google Patents
电子交易属性识别方法及装置 Download PDFInfo
- Publication number
- CN111311408B CN111311408B CN202010085719.5A CN202010085719A CN111311408B CN 111311408 B CN111311408 B CN 111311408B CN 202010085719 A CN202010085719 A CN 202010085719A CN 111311408 B CN111311408 B CN 111311408B
- Authority
- CN
- China
- Prior art keywords
- transaction
- node
- nodes
- hidden
- hidden node
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书实施例提供一种电子交易属性识别方法,该方法包括:根据多个目标电子交易所产生的交易记录,构建相应的马尔科夫随机场,马尔科夫随机场中包括多个隐含节点,一个隐含节点对应一个目标电子交易,根据各个已知属性交易的属性,确定各个已知属性交易对应的各个隐含节点的置信度,根据各个已确定的置信度,在马尔科夫随机场中,执行置信传播,获得各个未知属性交易对应的各个隐含节点的置信度,根据获得的置信度,判别相应的未知属性交易的属性。如此,该方法能够识别出虚假交易,以便为用户提供更为客观的参考信息。
Description
技术领域
本说明书实施例涉及互联网运营技术领域,具体地,涉及电子交易属性识别方法及装置。
背景技术
基于电商平台的电子交易中,某一产品的用户评价、销量数据以及商户综合评级等信息,是用户判断产品质量的关键参考因素。
然而,部分商户为了提高销量,在买方并不存在真实交易意向的情况下,通过与第三方服务机构合作、召集亲朋好友等方式,利用预先注册的多个用户身份标识号(IdentityDocument,简称ID),进行大量虚假交易,并在产品评价页面留下相应的虚假评价,这些评价显然有失客观。
因此,需要一种改进方案,能够自动识别出虚假交易信息,以保证用户评价以及销量数据等信息的真实性。
发明内容
本说明书描述了一种电子交易属性识别方法,用以解决虚假交易混杂在真实交易中不易识别的技术问题,该方法能够对电子交易的属性进行有效识别,筛选出可能存在的虚假交易。
根据第一方面,提供一种电子交易属性识别方法,包括:根据多个目标电子交易所产生的交易记录,构建相应的马尔科夫随机场,多个目标电子交易包括已知属性交易和未知属性交易,属性用于表征目标电子交易是否为虚假交易;马尔科夫随机场中包括多个隐含节点,一个隐含节点对应一个目标电子交易,每个隐含节点的状态值对应于置信度,用于表征该隐含节点对应的目标电子交易为目标属性交易的概率;根据各个已知属性交易的属性,确定各个已知属性交易对应的各个隐含节点的置信度;根据各个已确定的置信度,在马尔科夫随机场中,执行置信传播,获得各个未知属性交易对应的各个隐含节点的置信度;根据获得的置信度,判别相应的未知属性交易的属性。
根据第二方面,提供一种电子交易属性识别装置,该装置包括:映射单元,配置为根据多个目标电子交易所产生的交易记录,构建相应的马尔科夫随机场,多个目标电子交易包括已知属性交易和未知属性交易,属性用于表征目标电子交易是否为虚假交易;马尔科夫随机场中包括多个隐含节点,一个隐含节点对应一个目标电子交易,每个隐含节点的状态值对应于置信度,用于表征该隐含节点对应的目标电子交易为目标属性交易的概率;确定单元,配置为根据各个已知属性交易的属性,确定各个已知属性交易对应的各个隐含节点的置信度;传播单元,配置为根据各个已确定的置信度,在马尔科夫随机场中,执行置信传播,获得各个未知属性交易对应的各个隐含节点的置信度;判别单元,配置为根据获得的置信度,判别相应的未知属性交易的属性。
根据第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行第一方面所述的方法。
根据第四方面,提供了一种计算设备,包括存储器和处理器,其特征在于,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现第一方面所述的方法。
采用本说明书实施例提供的电子交易属性识别方法,根据多个目标电子交易所产生的交易记录,构建相应的马尔科夫随机场,以马尔科夫随机场中的隐含节点表示目标电子交易,根据部分交易的已知属性先确定相应隐含节点的置信度,作为先验概率,在马尔科夫随机场中,通过置信传播逐步获得未知属性交易对应的隐含节点的置信度,即得到了未知属性交易为虚假交易或真实交易的概率,进而可确定未知属性交易是否为虚假交易,实现对虚假交易的有效识别,以保证交易数据的真实性。
附图说明
为了更清楚地说明本说明书披露的多个实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书披露的多个实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1示出了根据一个实施例的电子交易属性识别方法的流程示意图;
图2示出了本说明书实施例中二部图的一个示例;
图3示出了本说明书实施例中由二部图转换为交易节点拓扑图的一个示例;
图4示出了本说明书实施例中构建的交易节点拓扑图的一个示例;
图5示出了本说明书实施例中马尔科夫随机场的一个基础结构示例;
图6示出了本说明书实施例中映射后的马尔科夫随机场的拓扑结构示例;
图7示出了根据一个实施例的电子交易属性识别装置的结构示意图。
具体实施方式
下面结合附图,对本说明书披露的多个实施例进行描述。
本说明书实施例披露一种电子交易属性识别方法,下面首先对所述方法的应用场景和发明构思进行介绍,具体如下:
在用户与商户通过淘宝、天猫等电商平台进行电子交易的场景中,由于虚假交易的存在,部分商户产品页面中向用户展示的评价并不真实,容易误导用户,降低用户体验。
鉴于此,发明人提出一种电子交易属性识别方法,将用户与商户之间的交易关系映射到马尔科夫随机场中,以马尔科夫随机场中的隐含节点表示目标电子交易,根据部分已知属性交易在马尔科夫随机场中的概率分布,通过置信传播的方式,将隐含节点之间事件发生概率的彼此影响程度进行量化表示,并在马尔科夫随机场中传递,逐步推得各个未知属性交易为虚假交易或者真实交易的概率,进而判别未知属性交易的属性。
具体地,本说明书一个实施例中,首先需要确定识别对象,锁定识别范围,包括确定目标商户、目标用户和目标电子交易,并在锁定识别对象后,获取多个目标电子交易的交易记录。
一种确定识别对象的可实施方式为:根据商户的历史交易记录,将已确认发生过虚假交易的至少一个商户确定为目标商户,将与至少一个目标商户发生过电子交易的用户作为目标用户。目标商户和目标用户之间产生的多个电子交易,即为目标电子交易。
例如,已确认商户A和曾经与用户进行了虚假交易,则将商户A确定为目标商户,而商户F目前未发现与用户进行虚假交易的历史记录,则商户F暂时不作为目标商户进行识别,以降低服务器端的识别压力和云端运算成本。假设商户A、商户B和商户C,均被确定为目标商户,而用户a仅与商户A进行了电子交易,用户b与商户B和商户C均进行了电子交易,则用户a与用户b均作为目标用户。
在本说明书实施例中,多个目标电子交易包括已知属性交易和未知属性交易,本说明书中的属性,用于表征所述目标电子交易是否为虚假交易,属性可以包括真实属性和虚假属性。
需要说明的是,识别对象或识别范围的确定并不局限于上述一种方式,还可以是先确定多个目标电子交易,将目标电子交易所涉及到的用户和商户分别作为目标用户和目标商户,及目标商户、目标用户以及目标电子交易的确定在时序上并无必然的先后顺序限制。识别范围还可以包括确定数据截取时间,例如选择目标商户一个月内的交易记录进行识别。
下面结合具体实施例,对本说明书提供的电子交易属性识别方法详细阐述。
请参阅图1,图1示出了本说明书一个实施例中电子交易属性识别方法的流程图。所述方法包括:S101,根据多个目标电子交易所产生的交易记录,构建相应的马尔科夫随机场;S102,根据各个已知属性交易的属性,确定各个已知属性交易对应的各个隐含节点的置信度;S103,根据各个已确定的置信度,在所述马尔科夫随机场中,执行置信传播,获得各个所述未知属性交易对应的各个隐含节点的置信度;S104,根据获得的置信度,判别相应的未知属性交易的属性。
交易记录中至少会记录交易双方的身份信息,例如目标用户和目标商户的ID,因此,根据交易记录,可明确目标商户与目标用户之间的交易关系。而实际应用场景中,多个目标商户和多个目标用户之间的交易关系错综复杂,往往不具备特定规则。
在本说明书中,创新性地提出将所述交易关系映射到马尔科夫随机场中,将错综复杂的交易关系转换为马尔科夫随机场中的节点之间连接的拓扑关系。具体地,在步骤S101中,根据多个目标电子交易所产生的交易记录,构建相应的马尔科夫随机场,以实现交易关系的映射,使得构建出的马尔科夫随机场携带有交易关系信息。
具体地,在本说明书中的一个实施例中,交易关系的映射包括如下步骤:
首先,获取或者构建二部图。二部图一般指图中具备两种类型的节点,相同类型的节点之间没有边连接,不同类型的节点之间通过边连接的图。
在本说明书的一个实施例中,构建二部图可以采用以下方式:生成用于表征目标用户的用户节点和用于表征目标商户的商户节点,将产生任一目标电子交易的目标商户和目标用户分别对应的商户节点和用户节点,用边连接,一条边对应一个目标电子交易,得到所述二部图。
例如,用户a、用户b和用户c与商户A发生交易,用户b、用户c和用户d与商户B发生交易,用户d和用户e与商户C发生交易,则相应的二部图请参阅图2所示。
接下来,将二部图转换为交易节点拓扑图。作为一种可实施方式,采用如下方式进行二部图到交易节点拓扑图的转换:将二部图中的各条边转换为对应的各个交易节点,并在连接于同一商户节点或用户节点的两条边所对应的两个交易节点之间建立连接边,获得交易节点拓扑图。
例如,参阅图3所示,图3示出了从二部图到交易节点拓扑图的转换过程。其中,边Aa表示目标商户A与目标用户a之间的电子交易,边Ab表示目标商户A与目标用户b之间的电子交易,将边Aa对应转换为交易节点T1,边Ab对应转换为交易节点T2,图2中所示的二部图中一共存在7笔电子交易,分别是Aa、Ab、Ac、Bc、Bd、Cd和Ce,将其对应转换为交易节点,分别得到T1、T2、T3、T4、T5、T6和T7,其中,边Aa、Ab连接于同一商户节点A,则在Aa对应交易节点T1与Ab对应的交易节点T2之间,建立连接边;边Ac和Bc连接于同一用户节点c,则在相应的交易节点T3和T4之间建立连接边,以此类推,得到如图4所示的交易节点拓扑图。交易节点拓扑图中,一个交易节点对应一个目标电子交易,并且,目标用户与目标商户之间的交易关系也隐含在通过交易节点之间的连接关系中。
得到交易节点拓扑图之后,将交易节点拓扑图映射到马尔科夫随机场中。在介绍将交易拓扑图映射到马尔科夫随机场之前,先介绍下马尔科夫随机场的概念和表达形式。
马尔科夫随机场是基于无向图结构形成的一种概率图模型,常常表示为图5的形式。请参阅图5,图5示出了马尔科夫随机场的一个典型示例,该示例中的马尔科夫随机场包括多个隐含节点和多个显式节点,隐含节点12与显式节点11一一对应。例如图5中带有阴影的节点为显式节点11,白色节点为隐含节点12,通过直线连接的显式节点11和隐含节点12即为一对节点。显式节点具备观测值,隐含节点具备状态值,一对节点中的显式节点的观测值和隐含节点的状态值之间的函数关系为似然函数,似然函数反应了观测值与状态值之间的存在的统计依赖性,用于量化表示显式节点与隐含节点之间的联合相容度,每一对节点中的隐含节点的似然函数只受其对应的显式节点所影响。相邻隐含节点的状态值之间的函数关系为势函数,也可以定义为相邻隐含节点之间的不连续代价,用于量化表示相邻的隐含节点之间的相容性,体现了马尔科夫随机场自身具备的约束条件。
具体地,在本说明一个实施例中,交易节点拓扑图到马尔科夫随机场的映射方式包括:以交易节点拓扑图中的各个交易节点作为马尔科夫随机场中的各个隐含节点,以及根据各个交易节点之间的连接关系,在马尔科夫随机场中,按照上述连接关系连接相应的隐含节点。该映射过程,相当于将交易节点拓扑图中的拓扑关系作为马尔科夫随机场中隐含节点之间的连接关系。
例如,将图4所示的交易节点拓扑图,映射到图5所示的马尔科夫随机场中,可得到如图6所示的马尔科夫随机场。图4中的交易节点T1-T7分别映射为图6中的隐含节点h1-h7,s1-s7为对应的显式节点。映射后的马尔科夫随机场中,一对节点中的隐含节点与显式节点对应同一目标电子交易,例如,隐含节点h1和显式节点s1对应于目标商户A与目标用户a之间的目标电子交易Aa。
此外,在本说明书中的另一个实施例中,也可以采用如下方式将交易关系映射到马尔科夫随机场中:根据目标电子交易的交易记录,构建相应的交易矩阵,在交易矩阵中,以行表示目标商户,以列表示目标用户,矩阵中的元素值aij表示相应的目标商户i与目标用户j是否发生交易,元素值为1,则认为存在交易,元素值为0,则未发生交易。例如,用户a、用户b和用户c与商户A发生交易,用户b、用户c和用户d与商户B发生交易,用户d和用户e与商户C发生交易,则相应的交易矩阵为:
其中,目标商户A与目标用户a之间发生了电子交易,相应位置的元素值为1,目标商户B与目标用户b之间未发生电子交易,则相应位置元素的元素值为0。根据上述交易矩阵,可知,一共存在Aa、Ab、Ac、Bc、Bd、Cd、Ce七个目标电子交易,在马尔科夫随机场中直接生成相应的七个隐含节点,即,将交易矩阵中元素值为1的元素分别对应于马尔科夫随机场中的各个隐含节点,如此,先完成节点映射。
接着进行边映射:根据交易矩阵,在元素值表示发生电子交易的元素范围内,例如可以是在元素值为1的元素范围内,将属于同一行或者同一列的任意两个元素所对应的隐含节点之间,建立连接边。例如,从交易矩阵中可见,Aa与Ab处的元素值均为1(表示发生了电子交易)均且同属于一列,Aa与Ac的元素值也为1且同属于一列,则将Aa和Ab对应的隐含节点之间用边连接;Bd与Cd的元素值均为1且同属于一行,则将Bd与Cd之间用边连接,以此类推,可实现根据交易矩阵,构建出相应的马尔科夫随机场。
根据上述阐述,可以见得,本说明书旨在根据交易记录中携带的交易关系映射到马尔科夫随机场中,具体的映射方式有多种,本说明书不逐一列举。
需要说明的是,基于构建出的马尔科夫随机场,按照马尔科夫随机场原有的运算机制,直接计算边缘概率会导致运算量以及运算时间上的指数级增长。因此,本说明书实施例中,将置信传播技术与马尔科夫随机场这一概率图模型相结合,基于携带有交易关系信息的马尔科夫随机场,执行置信传播(Belief Propagation,BP),使用置信传播算法来对边缘概率进行求解。
其中,马尔科夫随机场中隐含节点的状态值对应于置信度,即在马尔科夫随机场中,由隐含节点状态值参与的各种运算中,将状态值替换为置信度。例如,似然函数用于计算显式节点的观测值与隐含节点的置信度之间的联合相容度,势函数用于计算相邻的隐含节点的置信度之间的相容性。在一些实施例中,置信度可以表示当前隐含节点对应的目标电子交易为虚假交易或者真实交易的概率。
具体地,构建马尔科夫随机场之后,执行步骤S102,根据各个已知属性交易的属性,确定各个已知属性交易对应的各个隐含节点的置信度。
对于虚假交易,则确定该虚假交易对应的隐含节点的置信度为第一固定值;对于真实交易,则确定该真实交易对应的隐含节点的置信度为第二固定值。其中所述“第一”“第二”仅为表示在同一实施例中,具有不同属性的目标电子交易的置信度应设置为不同值,不应理解为二者数值上的大小关系或者设置的先后顺序。
在本说明书一个实施例中,在步骤S102还包括:对于未知属性的目标电子交易所对应的隐含节点,为其置信度赋初始值。
具体地,作为一种可实施方式,各个隐含节点的置信度的初始值,应根据目标属性设置。目标属性,即需要识别出的属性。
例如,目标属性为虚假,即需要识别出未知属性的目标电子交易为虚假交易的概率,则应设置确认为虚假交易的已知属性交易对应的隐含节点的第一固定值为1,设置确认为真实交易的已知属性交易对应的隐含节点的第二固定值为0,未知属性交易对应的隐含节点的置信度的初始值则可以设置为0.5;而目标属性为真实时,即需要识别出未知属性的目标电子交易为真实交易的概率,则应设置确认为虚假交易的已知属性交易对应的隐含节点的第一固定值为0,设置确认为真实交易的已知属性交易对应的隐含节点的第二固定值为1,未知属性交易对应的隐含节点的置信度的初始值则可以设置为0.5。
根据本说明书一个实施例,步骤S103中,基于映射后的马尔科夫随机场执行置信传播,具体可以包括:遍历马尔科夫随机场中的各个隐含节点,依次传递各个隐含节点所分别对应的局部消息。
置信传播为一种消息传递算法,本说明书采用置信度传递算法,利用隐含节点与隐含节点之间相互传递信息,而更新当前整个马尔科夫随机场的标记状态,是基于马尔科夫随机场的一种近似计算。具体地,该算法通过执行消息传递的多次迭代,来解决概率图模型概率推断问题,经过多次迭代后,所有隐含节点的置信度不再发生变化,则认为此时每一个隐含节点的置信度即为最优标记,马尔科夫随机场也达到了收敛状态。在部分实施例中,消息的传递可以并行实现。
在本说明书一个实施例中,所需传递的局部消息根据相关隐含节点所对应的联合相容度和相容性确定,由此,在传递局部消息之前,首先要确定相应的联合相容度和相容性。作为一种可实施方式,可采用如下方式确定联合相容度和相容性:
基于一对节点中的隐含节点的置信度和显式节点的观测值,施加预定的似然函数,得到这对节点对应的联合相容度,并依此,得到马尔科夫随机场中各个隐含节点和对应的显式节点之间的联合相容度;基于具有连接边的两个隐含节点的置信度,施加预定的势函数,得到这两个隐含节点之间的相容性。其中,具有连接边的两个隐含节点,包括马尔科夫随机场中任意一组通过一条连接边连接的两个隐含节点。通过多条连接边间接连接的隐含节点之间的相容性可在其他实施例中另作考虑。
其中,在本说明书一个实施例中,似然函数可以是利用已知样本对假设的函数中参数的估计显式节点的观测值,可采用如下方式确定:
根据最大似然假设,设置观测值α=已知属性交易笔数/总交易笔数,例如,确定已知属性交易中虚假交易的数目,以及全部目标电子交易的总数目,将虚假交易的数目与总数目的比值,作为虚假交易的交易记录对应的显式节点的观测值;确定已知属性交易中真实交易的数目,以及全部目标电子交易的总数目,将真实交易的数目与总数目的比值,作为真实交易的交易记录对应的显式节点的观测值。
似然函数和势函数的具体函数表达式,应根据实际应用场景的不同分别设定。在一个实施例中,可采用如下势函数:
其中,xi表示第i个隐含节点hi的置信度,xj表示第j个隐含节点hj的置信度,Ψij(xi,xj)表示xi与xj之间的势函数,α为一常数,作为一种可实施方式,α可取值为相应的显式节点的观测值。
如此,经过上述步骤,确定了显式节点的观测值、隐含节点置信度的初始值(包括第一固定值或第二固定值)以及似然函数和势函数。在执行每次局部消息传递之前,需要首先计算出本次待传递的局部消息。假设一次局部消息传递中的消息发出方为第一隐含节点,消息接收方为第二隐含节点。则第一隐含节点向第二隐含节点传递的局部消息计算方式为:
根据所述第一隐含节点接收到的历史总局部消息、所述第一隐含节点和对应的显式节点之间的联合相容度、所述第一隐含节点和所述第二隐含节点之间的相容性,计算由所述第一隐含节点发出的第一局部消息。
其中,历史总局部消息,为所述第一隐含节点从邻域集合中的各个隐含节点接收到的历史局部消息的乘积,所述第一隐含节点的邻域集合为所述第一隐含节点的一阶邻域中除所述第二隐含节点以外的隐含节点集合。
示例性地,作为一种可实施方式,局部消息的计算表达式如下:
其中,xi表示第i个隐含节点(即第二隐含节点)hi的置信度,xj表示第j个隐含节点(即第一隐含节点)hj的置信度,mji(xi)表示由第一隐含节点hj传递至第二隐含节点hi的局部消息,表明了隐含节点hj对隐含节点hi当前状态(即置信度)的影响;Фi(xi,yi)表示似然函数,用于计算隐含节点hi的置信度xi与相应的显式节点si的观测值yi之间的联合相容度,相当于隐含节点hi的局部证据;Ψij(xi,xj)则表示置信度xi与置信度xj之间的势函数;k为第一隐含节点hj的邻域集合中的一个隐含节点,N(j)\i即为隐含节点hj的邻域集合,N(j)\i表示隐含节点hj在马尔科夫随机场的一阶邻域中排除掉消息目标节点hi的节点集合,即,隐含节点hj周围与hj之间通过一条边连接的隐含节点的集合为一阶邻域,将其中的目标隐含节点hi排除,即为隐含节点hj的邻域集合N(j)\i。
其中,关于似然函数Фi(xi,yi),在实际应用场景中,可以观察到很多次xi的取值,一般而言这个取值要么是0要么是1,观测n次,相当于一个标准的二项分布,即Фi(xi,yi)中的yi服从标准二项分布,yi~B(n,p),其中n表示观测的次数,p表示当前观测为虚假交易(或者当目标交易为真实交易时,表示为真实交易的概率)的概率。该似然函数Фi(xi,yi)相当于对yi求期望,即E(y)=np,例如,假设观测了100次,其中有20次为虚假交易,对应这个式子就是n=100,np=20,得到p=0.2,因此作为其中一种可实施方式,Фi(xi,yi)具体可以是求该二项分布的期望E(y),得到的期望值即为相应的显示节点的观测值和隐含节点的置信度之间的联合相容度。
在执行局部消息传递的过程中,遍历各个隐含节点,沿遍历路径,依次选择连接(通过一条边连接)的第一隐含节点和第二隐含节点,将第一局部消息由所述第一隐含节点传递至所述第二隐含节点,完成一次消息传递。
在执行完一次消息传递后,当确定本次消息传递的目标隐含节点(消息接收方)为未知属性交易对应的隐含节点时,则根据所述第一局部消息,更新所述第二隐含节点的置信度。
具体地,在本说明一个实施例中,可以采用如下方式,计算第二隐含节点的置信度:
根据所述第一局部消息、所述第二隐含节点与对应的显式节点之间的联合相容度,计算所述第二隐含节点的边缘概率,以所述边缘概率作为所述第二隐含节点更新后的置信度。例如,采用如下表达式更新第二隐含节点hi的置信度:
其中,bi(xi)表示第二隐含节点hi的置信度,其中,zi为归一化常数,可使马尔科夫随机场中各个隐含节点的置信度和为1。N(i)为隐含节点hi在马尔科夫随机场中的一阶邻域。隐含节点hi的置信度bi(xi),与传递至隐含节点hi的各个局部消息的乘积成正比,同时也正比于Фi(xi,yi)。其中,归一化常数并非计算置信度的必要参数,可在某些实施例中缺省。
例如,基于图6所示的马尔科夫随机场,假设隐含节点h3将局部消息传递至隐含节点h4,则h4的置信度应更新为:
其中,b4(x4)表示隐含节点h4的置信度,Z4为隐含节点h4对应的归一化常数,Φ(x4,y4)表示隐含节点h4的置信度(包括初始值或固定值)与显式节点s4的观测值y4之间的似然函数,Φ(x4,y4)的值即为第四对节点的联合相容度,Ψ34(x3,x4)表示隐含节点h3的置信度x3与隐含节点h4的置信度x4之间的势函数,势函数的值即为相容性。m34(x4)表示由隐含节点h3传递至隐含节点h4的局部消息,m54(x4)表示由隐含节点h5传递至隐含节点h4的局部消息,同理,其他参数可根据上述定义对应得到,本说明书不一一赘述。
其中,m23(x3)、m13(x3)和m65(x5)能够根据图6示出的连接关系以及上述局部消息mji(xi)的计算式具体得到,可逐渐展开为各对节点的联合相容度和隐含节点之间相容性的表达式,根据上述获得的隐含节点的联合相容度和相容性,即可计算相应的局部消息,具体本说明书不逐一列举。
更新消息接收方的隐含节点的置信度之后,还更新消息接收方的隐含节点向其他隐含节点传递的局部消息。例如,执行从第一隐含节点hj至第二隐含节点hi的消息传递后,至少根据隐含节点hj发出的第一局部消息,更新将由第二隐含节点发出的第二局部消息。第二隐含节点发出第二局部消息则是在下一次迭代中执行。
在本说明书一个实施例中,执行局部消息传递的多次迭代时,为提高消息传递效率,避免消息的重复传递,确定下一次消息传递路径时,在马尔科夫随机场中未执行过消息传递的路径范围内,选择相邻且连接的两个隐含节点。其中,由隐含节点hi传递至隐含节点hj的路径,与隐含节点hj传递至隐含节点hi的路径为不同方向的两条路径。
并且,一般地,当隐含节点hi周围与hi连接的各个隐含节点的局部消息都被计算出来后,则相比于其他待选择的隐含节点,优先选择隐含节点hi进行消息传递。
如此,当马尔科夫随机场中的隐含节点之间的连接拓扑结构为无环形结构,例如树形结构时,消息的传递不会循环连接为一个闭环,遍历一次即可实现马尔科夫随机场中全部隐含节点的覆盖,置信度不再更新,马尔科夫随机场中各个隐含节点的概率分布达到收敛状态。
当马尔科夫随机场中的隐含节点之间的连接拓扑结构中,具有环形结构时,则执行上述置信传播过程会陷入死循环,如此,本说明书一个实施例中,对于隐含节点之间的拓扑连接结构中的环形路径上,采用循环信念传递(Loopy belief propagation)和/或连接树算法(Junction tree algorithm),以确定环状传递路径上的各个未知属性交易对应的隐含节点的置信度。
基于上述步骤,可获得马尔科夫随机场中各个隐含节点置信度。
接下来,则执行步骤S104,根据获得的置信度,判别相应的未知属性交易的属性。
一部分实施例中,当计算隐含节点的置信度时采用了归一化常数zi时,则对应地,在S104中,将得到的置信度与归一化常数的乘积作为对应隐含节点是否为虚假交易的概率值。将该概率值与预设的阈值进行比较,判定是否为虚假交易。
例如,设置阈值为0.5,当一个隐含节点对应的概率值大于0.5时,则认为该隐含节点对应的目标电子交易为虚假交易,低于0.5则认为该隐含节点对应的目标电子交易为真实交易。
如此,即实现了对未知属性的目标电子交易的识别。
综上,本说明书提供的电子交易属性识别方法,将交易关系映射到马尔科夫随机场中的隐含节点之间的拓扑连接关系中,在映射后的马尔科夫随机场执行置信传播,在各个隐含节点之间传递局部消息,根据已知属性交易的先验概率,获得未知属性交易是否为虚假交易的概率,如此,可将混杂于真实交易中的虚假电子交易识别出来,从而可向用户发出相应提示,显示哪些交易可能为虚假交易,或者仅向用户展示剔除虚假交易后的真实交易数据,以保证产品页面显示的相关信息的客观性和真实性。
根据另一方面的实施例,本说明书还提供一种电子交易属性识别装置,具体地,图7示出根据一个实施例的电子交易属性识别装置700,所述装置包括:
构建单元710,配置为根据多个目标电子交易所产生的交易记录,构建相应的马尔科夫随机场.
其中,所述多个目标电子交易包括已知属性交易和未知属性交易,所述属性用于表征所述目标电子交易是否为虚假交易;所述马尔科夫随机场中包括多个隐含节点,一个隐含节点对应一个目标电子交易,每个隐含节点的状态值对应于置信度,用于表征该隐含节点对应的目标电子交易为目标属性交易的概率。
确定单元720,配置为根据各个所述已知属性交易的属性,确定各个所述已知属性交易对应的各个隐含节点的置信度;
传播单元730,配置为根据各个已确定的置信度,在所述马尔科夫随机场中,执行置信传播,获得各个所述未知属性交易对应的各个隐含节点的置信度;
判别单元740,配置为根据获得的置信度,判别相应的未知属性交易的属性。
在一个实施例中,马尔科夫随机场还包括多个显式节点;所述显式节点与所述隐含节点一一对应,组成多对节点,一对节点中的显式节点和隐含节点对应于同一目标电子交易,所述显式节点具备观测值,所述观测值用于表征所述已知属性交易为目标属性交易的全局概率。
在一个实施例中,所述构建单元被具体配置为:获取用于表征所述多个目标电子交易的交易关系的二部图,所述二部图包括商户节点和用户节点,其中的边表示商户和用户之间的电子交易;将所述二部图中的各条边转换为对应的各个交易节点,并在连接于同一商户节点或用户节点的两条边所对应的两个交易节点之间建立连接边,从而获得交易节点拓扑图;以所述交易节点拓扑图中的各个交易节点作为隐含节点,生成相应的马尔科夫随机场。
在一个实施例中,所述构建单元被进一步配置为:将所述多个目标电子交易涉及的用户和商户分别作为目标用户和目标商户;生成用于表征目标用户的用户节点和用于表征目标商户的商户节点,将产生任一目标电子交易的目标商户和目标用户分别对应的商户节点和用户节点,用边连接,一条边对应一个目标电子交易,得到所述二部图。
在一个实施例中,所述构建单元被进一步配置为:以所述交易节点拓扑图中的各个交易节点作为所述马尔科夫随机场中的各个隐含节点,以及根据各个交易节点之间的连接关系,在所述马尔科夫随机场中,按照所述连接关系连接相应的隐含节点。
在一个实施例中,所述确定单元被具体配置为:当所述已知属性交易为虚假交易时,确定所述虚假交易对应的隐含节点的置信度为第一固定值;和/或,当所述已知属性交易为真实交易时,确定所述真实交易对应的隐含节点的置信度为第二固定值。
在一个实施例中,所述确定单元被进一步配置为:将各个所述未知属性交易对应的各个隐含节点的置信度赋予初始值。
在一个实施例中,所述传播单元被进一步配置为:确定所述已知属性交易中虚假交易的数目,以及全部目标电子交易的总数目,将所述虚假交易的数目与所述总数目的比值,作为所述虚假交易的交易记录对应的显式节点的观测值;和/或,确定所述已知属性交易中真实交易的数目,以及全部目标电子交易的总数目,将所述真实交易的数目与所述总数目的比值,作为所述真实交易的交易记录对应的显式节点的观测值。
在一个实施例中,所述传播单元被进一步配置为:确定所述马尔科夫随机场中各个隐含节点和对应的显式节点之间的联合相容度,所述联合相容度,基于一对节点中的隐含节点的置信度和显式节点的观测值,施加预定的似然函数得到;确定具有连接边的两个隐含节点之间的相容性,所述相容性,基于所述两个隐含节点的置信度,施加预定的势函数得到;遍历所述马尔科夫随机场中的各个隐含节点,依次传递各个隐含节点所分别对应的局部消息,所述局部消息根据所述联合相容度和所述相容性确定。
在一个实施例中,所述传播单元被具体配置为:沿遍历路径,选择相邻且连接的第一隐含节点和第二隐含节点,根据所述第一隐含节点接收到的历史总局部消息、所述第一隐含节点和对应的显式节点之间的联合相容度、所述第一隐含节点和所述第二隐含节点之间的相容性,计算由所述第一隐含节点发出的第一局部消息,其中所述历史总局部消息,为所述第一隐含节点从邻域集合中的各个隐含节点接收到的历史局部消息的乘积,所述第一隐含节点的邻域集合为所述第一隐含节点的一阶邻域中除所述第二隐含节点以外的隐含节点集合;将所述第一局部消息由所述第一隐含节点传递至所述第二隐含节点。
在一个实施例中,所述传播单元进一步被配置为:确定所述第二隐含节点对应的目标电子交易为未知属性交易时,根据所述第一局部消息,更新所述第二隐含节点的置信度。
在一个实施例中,所传播单元进一步被配置为:根据所述第一局部消息、所述第二隐含节点与对应的显式节点之间的联合相容度,计算所述第二隐含节点的边缘概率,以所述边缘概率作为所述第二隐含节点更新后的置信度。
在一个实施例中,所述传播单元被进一步配置为:至少根据所述第一局部消息,更新所述第二隐含节点发出的第二局部消息。
在一个实施例中,所述传播单元被进一步配置为:在所述马尔科夫随机场中未执行过消息传递的路径范围内,随机选择相邻且连接的两个隐含节点。
在一个实施例中,所述传播单元被进一步配置为:确定所述马尔科夫随机场中存在环状传递路径时,则在所述环状传递路径上采用循环信念传递和/或连接树算法,以确定所述环状传递路径上的各个未知属性交易对应的隐含节点的置信度。
在一个实施例中,所述确定单元被进一步配置为:根据各个商户的历史交易记录,确定出至少一个目标商户,以及将与至少一个所述目标商户发生电子交易的用户确定为目标用户;将所述目标商户和所述目标用户之间的多个电子交易作为多个目标电子交易,获取所述多个目标电子交易所产生的交易记录。
如上,根据再一方面的实施例,还提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行结合图1所描述的方法。
根据再一方面的实施例,还提供一种计算设备,包括存储器和处理器,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现结合1所描述的方法。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本说明书披露的多个实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。
以上所述的具体实施方式,对本说明书披露的多个实施例的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本说明书披露的多个实施例的具体实施方式而已,并不用于限定本说明书披露的多个实施例的保护范围,凡在本说明书披露的多个实施例的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本说明书披露的多个实施例的保护范围之内。
Claims (34)
1.一种电子交易属性识别方法,包括:
根据多个目标电子交易所产生的交易记录,构建相应的马尔科夫随机场,所述多个目标电子交易包括已知属性交易和未知属性交易,所述属性用于表征所述目标电子交易是否为虚假交易;所述马尔科夫随机场中包括多个隐含节点,一个隐含节点对应一个目标电子交易,每个隐含节点的状态值对应于置信度,用于表征该隐含节点对应的目标电子交易为目标属性交易的概率;
根据各个所述已知属性交易的属性,确定各个所述已知属性交易对应的各个隐含节点的置信度;
根据各个已确定的置信度,在所述马尔科夫随机场中,执行置信传播,获得各个所述未知属性交易对应的各个隐含节点的置信度;
根据获得的置信度,判别相应的未知属性交易的属性。
2.根据权利要求1所述的方法,其中,所述马尔科夫随机场还包括多个显式节点;
所述显式节点与所述隐含节点一一对应,组成多对节点,一对节点中的显式节点和隐含节点对应于同一目标电子交易,所述显式节点具备观测值,所述观测值用于表征所述已知属性交易为目标属性交易的全局概率。
3.根据权利要求1或者2所述的方法,其中,所述根据多个目标电子交易所产生的交易记录,构建相应的马尔科夫随机场,具体包括:
获取用于表征所述多个目标电子交易的交易关系的二部图,所述二部图包括商户节点和用户节点,其中的边表示商户和用户之间的电子交易;
将所述二部图中的各条边转换为对应的各个交易节点,并在连接于同一商户节点或用户节点的两条边所对应的两个交易节点之间建立连接边,从而获得交易节点拓扑图;
以所述交易节点拓扑图中的各个交易节点作为隐含节点,生成相应的马尔科夫随机场。
4.根据权利要求3所述的方法,其中,所述获取用于表征所述多个电子交易的交易关系的二部图之前,进一步包括:
将所述多个目标电子交易涉及的用户和商户分别作为目标用户和目标商户;
生成用于表征目标用户的用户节点和用于表征目标商户的商户节点,将产生任一目标电子交易的目标商户和目标用户分别对应的商户节点和用户节点,用边连接,一条边对应一个目标电子交易,得到所述二部图。
5.根据权利要求3所述的方法,其中,所述以所述交易节点拓扑图中的各个交易节点作为隐含节点,生成相应的马尔科夫随机场,具体包括:
以所述交易节点拓扑图中的各个交易节点作为所述马尔科夫随机场中的各个隐含节点,以及根据各个交易节点之间的连接关系,在所述马尔科夫随机场中,按照所述连接关系连接相应的隐含节点。
6.根据权利要求1所述的方法,其中,根据各个所述已知属性交易的属性,确定各个所述已知属性交易对应的各个隐含节点的置信度,具体包括:
当所述已知属性交易为虚假交易时,确定所述虚假交易对应的隐含节点的置信度为第一固定值;和/或,
当所述已知属性交易为真实交易时,确定所述真实交易对应的隐含节点的置信度为第二固定值。
7.根据权利要求6所述的方法,其中,执行置信传播之前,进一步包括:
将各个所述未知属性交易对应的各个隐含节点的置信度赋予初始值。
8.根据权利要求2所述的方法,其中,所述执行置信传播之前,进一步包括:
确定所述已知属性交易中虚假交易的数目,以及全部目标电子交易的总数目,将所述虚假交易的数目与所述总数目的比值,作为所述虚假交易的交易记录对应的显式节点的观测值;和/或,
确定所述已知属性交易中真实交易的数目,以及全部目标电子交易的总数目,将所述真实交易的数目与所述总数目的比值,作为所述真实交易的交易记录对应的显式节点的观测值。
9.根据权利要求2所述的方法,其中,所述执行置信传播之前,进一步包括:
确定所述马尔科夫随机场中各个隐含节点和对应的显式节点之间的联合相容度,所述联合相容度,基于一对节点中的隐含节点的置信度和显式节点的观测值,施加预定的似然函数得到;
确定具有连接边的两个隐含节点之间的相容性,所述相容性,基于所述两个隐含节点的置信度,施加预定的势函数得到;
所述执行置信传播,具体包括:
遍历所述马尔科夫随机场中的各个隐含节点,依次传递各个隐含节点所分别对应的局部消息,所述局部消息根据所述联合相容度和所述相容性确定。
10.根据权利要求9所述的方法,其中,所述依次传递各个隐含节点所分别对应的局部消息中的一次局部消息传递具体包括:
沿遍历路径,选择相邻且连接的第一隐含节点和第二隐含节点,根据所述第一隐含节点接收到的历史总局部消息、所述第一隐含节点和对应的显式节点之间的联合相容度、所述第一隐含节点和所述第二隐含节点之间的相容性,计算由所述第一隐含节点发出的第一局部消息,其中所述历史总局部消息,为所述第一隐含节点从邻域集合中的各个隐含节点接收到的历史局部消息的乘积,所述第一隐含节点的邻域集合为所述第一隐含节点的一阶邻域中除所述第二隐含节点以外的隐含节点集合;
将所述第一局部消息由所述第一隐含节点传递至所述第二隐含节点。
11.根据权利要求10所述的方法,其中,所述执行置信传播还包括:
确定所述第二隐含节点对应的目标电子交易为未知属性交易时,根据所述第一局部消息,更新所述第二隐含节点的置信度。
12.根据权利要求11所述的方法,其中,所述根据所述第一局部消息,更新所述第二隐含节点的置信度,具体包括:
根据所述第一局部消息、所述第二隐含节点与对应的显式节点之间的联合相容度,计算所述第二隐含节点的边缘概率,以所述边缘概率作为所述第二隐含节点更新后的置信度。
13.根据权利要求10-12任一项所述的方法,其中,一次局部消息传递还包括:
至少根据所述第一局部消息,更新所述第二隐含节点发出的第二局部消息。
14.根据权利要求11或12所述的方法,其中,所述选择相邻且连接的第一隐含节点和第二隐含节点,包括:
在所述马尔科夫随机场中未执行过消息传递的路径范围内,随机选择相邻且连接的两个隐含节点。
15.根据权利要求1-2、4-9、11-12中任一项所述的方法,其中,所述执行置信传播之前,进一步包括:
确定所述马尔科夫随机场中存在环状传递路径时,则在所述环状传递路径上采用循环信念传递和/或连接树算法,以确定所述环状传递路径上的各个未知属性交易对应的隐含节点的置信度。
16.根据权利要求1-2、4-9、11-12中任一项所述的方法,其中,所述根据多个目标电子交易所产生的交易记录,构建相应的马尔科夫随机场之前,进一步包括:
根据各个商户的历史交易记录,确定出至少一个目标商户,以及将与至少一个所述目标商户发生电子交易的用户确定为目标用户;
将所述目标商户和所述目标用户之间的多个电子交易作为多个目标电子交易,获取所述多个目标电子交易所产生的交易记录。
17.一种电子交易属性识别装置,所述装置包括:
构建单元,配置为根据多个目标电子交易所产生的交易记录,构建相应的马尔科夫随机场,所述多个目标电子交易包括已知属性交易和未知属性交易,所述属性用于表征所述目标电子交易是否为虚假交易;所述马尔科夫随机场中包括多个隐含节点,一个隐含节点对应一个目标电子交易,每个隐含节点的状态值对应于置信度,用于表征该隐含节点对应的目标电子交易为目标属性交易的概率;
确定单元,配置为根据各个所述已知属性交易的属性,确定各个所述已知属性交易对应的各个隐含节点的置信度;
传播单元,配置为根据各个已确定的置信度,在所述马尔科夫随机场中,执行置信传播,获得各个所述未知属性交易对应的各个隐含节点的置信度;
判别单元,配置为根据获得的置信度,判别相应的未知属性交易的属性。
18.根据权利要求17所述的装置,其中,所述马尔科夫随机场还包括多个显式节点;
所述显式节点与所述隐含节点一一对应,组成多对节点,一对节点中的显式节点和隐含节点对应于同一目标电子交易,所述显式节点具备观测值,所述观测值用于表征所述已知属性交易为目标属性交易的全局概率。
19.根据权利要求17或18所述的装置,其中,所述构建单元被具体配置为:
获取用于表征所述多个目标电子交易的交易关系的二部图,所述二部图包括商户节点和用户节点,其中的边表示商户和用户之间的电子交易;
将所述二部图中的各条边转换为对应的各个交易节点,并在连接于同一商户节点或用户节点的两条边所对应的两个交易节点之间建立连接边,从而获得交易节点拓扑图;
以所述交易节点拓扑图中的各个交易节点作为隐含节点,生成相应的马尔科夫随机场。
20.根据权利要求19所述的装置,其中,所述构建单元被进一步配置为:
将所述多个目标电子交易涉及的用户和商户分别作为目标用户和目标商户;
生成用于表征目标用户的用户节点和用于表征目标商户的商户节点,将产生任一目标电子交易的目标商户和目标用户分别对应的商户节点和用户节点,用边连接,一条边对应一个目标电子交易,得到所述二部图。
21.根据权利要求19所述的装置,其中,所述构建单元被进一步配置为:
以所述交易节点拓扑图中的各个交易节点作为所述马尔科夫随机场中的各个隐含节点,以及根据各个交易节点之间的连接关系,在所述马尔科夫随机场中,按照所述连接关系连接相应的隐含节点。
22.根据权利要求17所述的装置,其中,所述确定单元被具体配置为:
当所述已知属性交易为虚假交易时,确定所述虚假交易对应的隐含节点的置信度为第一固定值;和/或,
当所述已知属性交易为真实交易时,确定所述真实交易对应的隐含节点的置信度为第二固定值。
23.根据权利要求22所述的装置,其中,所述确定单元被进一步配置为:
将各个所述未知属性交易对应的各个隐含节点的置信度赋予初始值。
24.根据权利要求18所述的装置,其中,所述传播单元被进一步配置为:
确定所述已知属性交易中虚假交易的数目,以及全部目标电子交易的总数目,将所述虚假交易的数目与所述总数目的比值,作为所述虚假交易的交易记录对应的显式节点的观测值;和/或,
确定所述已知属性交易中真实交易的数目,以及全部目标电子交易的总数目,将所述真实交易的数目与所述总数目的比值,作为所述真实交易的交易记录对应的显式节点的观测值。
25.根据权利要求18所述的装置,其中,所述传播单元被进一步配置为:
确定所述马尔科夫随机场中各个隐含节点和对应的显式节点之间的联合相容度,所述联合相容度,基于一对节点中的隐含节点的置信度和显式节点的观测值,施加预定的似然函数得到;
确定具有连接边的两个隐含节点之间的相容性,所述相容性,基于所述两个隐含节点的置信度,施加预定的势函数得到;
遍历所述马尔科夫随机场中的各个隐含节点,依次传递各个隐含节点所分别对应的局部消息,所述局部消息根据所述联合相容度和所述相容性确定。
26.根据权利要求25所述的装置,其中,所述传播单元被具体配置为:
沿遍历路径,选择相邻且连接的第一隐含节点和第二隐含节点,根据所述第一隐含节点接收到的历史总局部消息、所述第一隐含节点和对应的显式节点之间的联合相容度、所述第一隐含节点和所述第二隐含节点之间的相容性,计算由所述第一隐含节点发出的第一局部消息,其中所述历史总局部消息,为所述第一隐含节点从邻域集合中的各个隐含节点接收到的历史局部消息的乘积,所述第一隐含节点的邻域集合为所述第一隐含节点的一阶邻域中除所述第二隐含节点以外的隐含节点集合;
将所述第一局部消息由所述第一隐含节点传递至所述第二隐含节点。
27.根据权利要求26所述的装置,其中,所述传播单元进一步被配置为:
确定所述第二隐含节点对应的目标电子交易为未知属性交易时,根据所述第一局部消息,更新所述第二隐含节点的置信度。
28.根据权利要求27所述的装置,其中,所传播单元进一步被配置为:
根据所述第一局部消息、所述第二隐含节点与对应的显式节点之间的联合相容度,计算所述第二隐含节点的边缘概率,以所述边缘概率作为所述第二隐含节点更新后的置信度。
29.根据权利要求26-28任一项所述的装置,其中,所述传播单元被进一步配置为:
至少根据所述第一局部消息,更新所述第二隐含节点发出的第二局部消息。
30.根据权利要求27或27所述的装置,其中,所述传播单元被进一步配置为:
在所述马尔科夫随机场中未执行过消息传递的路径范围内,随机选择相邻且连接的两个隐含节点。
31.根据权利要求17-18、20-25、27-28中任一项所述的装置,其中,所述传播单元被进一步配置为:
确定所述马尔科夫随机场中存在环状传递路径时,则在所述环状传递路径上采用循环信念传递和/或连接树算法,以确定所述环状传递路径上的各个未知属性交易对应的隐含节点的置信度。
32.根据权利要求17-18、20-25、27-28中任一项所述的装置,其中,所述确定单元被进一步配置为:
根据各个商户的历史交易记录,确定出至少一个目标商户,以及将与至少一个所述目标商户发生电子交易的用户确定为目标用户;
将所述目标商户和所述目标用户之间的多个电子交易作为多个目标电子交易,获取所述多个目标电子交易所产生的交易记录。
33.一种计算机可读存储介质,其上存储有计算机程序,其中,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-16中任一项的所述的方法。
34.一种计算设备,包括存储器和处理器,其中,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现权利要求1-16中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010085719.5A CN111311408B (zh) | 2020-02-10 | 2020-02-10 | 电子交易属性识别方法及装置 |
PCT/CN2020/132625 WO2021159817A1 (zh) | 2020-02-10 | 2020-11-30 | 电子交易属性识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010085719.5A CN111311408B (zh) | 2020-02-10 | 2020-02-10 | 电子交易属性识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111311408A CN111311408A (zh) | 2020-06-19 |
CN111311408B true CN111311408B (zh) | 2021-08-03 |
Family
ID=71159909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010085719.5A Active CN111311408B (zh) | 2020-02-10 | 2020-02-10 | 电子交易属性识别方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111311408B (zh) |
WO (1) | WO2021159817A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311408B (zh) * | 2020-02-10 | 2021-08-03 | 支付宝(杭州)信息技术有限公司 | 电子交易属性识别方法及装置 |
CN113393250A (zh) * | 2021-06-09 | 2021-09-14 | 北京沃东天骏信息技术有限公司 | 一种信息处理方法及装置、存储介质 |
CN116308365B (zh) * | 2023-05-10 | 2023-09-19 | 北京理工大学 | 一种基于最大权重匹配的门罗币去匿名化攻击方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8554825B2 (en) * | 2005-12-22 | 2013-10-08 | Telcordia Technologies, Inc. | Method for systematic modeling and evaluation of application flows |
CN105404947A (zh) * | 2014-09-02 | 2016-03-16 | 阿里巴巴集团控股有限公司 | 用户质量侦测方法及装置 |
CN104346751A (zh) * | 2014-11-11 | 2015-02-11 | 苏州晨川通信科技有限公司 | 一种半自动算法交易方法 |
CN105787796A (zh) * | 2016-05-23 | 2016-07-20 | 中国农业银行股份有限公司 | 一种授信额度处理方法及装置 |
CN106910101A (zh) * | 2016-07-21 | 2017-06-30 | 阿里巴巴集团控股有限公司 | 群体虚假交易识别方法及装置 |
CN109272312B (zh) * | 2017-07-18 | 2021-07-13 | 中国银联股份有限公司 | 用于交易风险实时侦测的方法和装置 |
CN108550052A (zh) * | 2018-04-03 | 2018-09-18 | 杭州呯嘭智能技术有限公司 | 基于用户行为数据特征的刷单检测方法及系统 |
CN109886699A (zh) * | 2019-02-18 | 2019-06-14 | 北京三快在线科技有限公司 | 行为识别方法及装置、电子设备、存储介质 |
CN109886577A (zh) * | 2019-02-22 | 2019-06-14 | 陕西师范大学 | 基于贝叶斯网络的民航突发事件因果关系分析方法 |
CN109889538B (zh) * | 2019-03-20 | 2021-09-21 | 中国工商银行股份有限公司 | 用户异常行为检测方法及系统 |
CN111311408B (zh) * | 2020-02-10 | 2021-08-03 | 支付宝(杭州)信息技术有限公司 | 电子交易属性识别方法及装置 |
-
2020
- 2020-02-10 CN CN202010085719.5A patent/CN111311408B/zh active Active
- 2020-11-30 WO PCT/CN2020/132625 patent/WO2021159817A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN111311408A (zh) | 2020-06-19 |
WO2021159817A1 (zh) | 2021-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311408B (zh) | 电子交易属性识别方法及装置 | |
US20230069078A1 (en) | Systems, devices, and methods for dlt-based data management platforms and data products | |
WO2020168851A1 (zh) | 行为识别 | |
CN112381552B (zh) | 一种基于层级区块链的供应链溯源方法及应用 | |
WO2019118868A1 (en) | Fraud detection in data sets using bayesian networks | |
WO2019192310A1 (zh) | 团网络识别方法、装置、计算机设备及计算机可读存储介质 | |
WO2020253226A1 (zh) | 基于区块链的信息处理方法、装置及设备 | |
CN113157981B (zh) | 一种图网络关系扩散方法和装置 | |
US20230153781A1 (en) | Transaction data processing method and apparatus | |
CN111428095B (zh) | 图数据质量验证方法及图数据质量验证装置 | |
CN115883187A (zh) | 网络流量数据中的异常信息识别方法、装置、设备和介质 | |
CN111405563B (zh) | 保护用户隐私的风险检测方法和装置 | |
CN116170162A (zh) | 选择性的共识方法和计算机存储介质、终端设备 | |
CN114579826B (zh) | 基于知识图谱的任务处理方法及装置 | |
CN115102796B (zh) | 基于知识图谱和随机游走策略的漏洞关联评估方法及系统 | |
CN116016686A (zh) | 待优化节点的确定方法、装置、电子设备和介质 | |
CN113010745A (zh) | 现金管理网络图谱构建方法、装置、电子设备及介质 | |
CN115809462A (zh) | 基于图形搜索的贝叶斯网络智能网联汽车未知风险评估方法及系统 | |
WO2021072646A1 (zh) | 使用生产数据快速建模的方法、系统、和存储介质 | |
CN112328450A (zh) | 数据监控方法、装置、计算机设备及存储介质 | |
CN113392164A (zh) | 构建纵向联邦树的方法、主服务器、业务平台和系统 | |
Kiwi et al. | Label propagation on binomial random graphs | |
Lohachab et al. | OClient: On-board client clustering to bridge the interaction gap across multi-fabric adaptive ecosystem | |
CN116188191A (zh) | 一种基于迭代函数系统的信息传播预测和溯源方法及系统 | |
CN116029742A (zh) | 社群确定方法及装置、电子设备和计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |