康海燕，楊　悅，于愛(ài)民

(1.北京信息科技大學(xué) 信息管理學(xué)院，北京 100192;　2.中國(guó)科學(xué)院 信息工程研究所，北京 100093)(*通信作者電子郵箱kanghaiyan@126.com)

0　引言

隨著電子商務(wù)行業(yè)的迅猛發(fā)展，網(wǎng)絡(luò)購(gòu)物逐漸成為一種新的生活方式，但電商行業(yè)的惡性競(jìng)爭(zhēng)也愈演愈烈。2016年的3·15晚會(huì)上曝光的購(gòu)物平臺(tái)瘋狂刷單現(xiàn)象[1]，揭露了時(shí)下電商平臺(tái)惡性競(jìng)爭(zhēng)的不良后果。所謂“刷單”是指網(wǎng)店經(jīng)營(yíng)者雇傭?qū)I(yè)從事網(wǎng)店信譽(yù)提升的刷單平臺(tái)或網(wǎng)站，模擬真實(shí)的網(wǎng)購(gòu)流程，僅有貨款往來(lái)，不進(jìn)行商品的收發(fā)，以提高店鋪的信譽(yù)度和銷(xiāo)量，實(shí)現(xiàn)流量?jī)r(jià)值轉(zhuǎn)換。電商刷單具有一定的隱蔽性，因此活躍在法律的灰色地帶，對(duì)經(jīng)濟(jì)秩序造成了嚴(yán)重威脅。但由于電商業(yè)務(wù)尚在發(fā)展之中，各種約束規(guī)范都不完善，所以電商平臺(tái)的刷單問(wèn)題暫時(shí)很難通過(guò)法律制度得到有效解決，刷單之風(fēng)盛行所帶來(lái)的不良影響體現(xiàn)在各個(gè)方面。

為了解決刷單所帶來(lái)的信譽(yù)安全問(wèn)題，淘寶和京東一直致力于刷單檢測(cè)系統(tǒng)的開(kāi)發(fā)和完善。文獻(xiàn)[2]介紹了京東商城的“天網(wǎng)”系統(tǒng)，目前已全面覆蓋京東商城數(shù)十個(gè)業(yè)務(wù)節(jié)點(diǎn)，有效支撐了京東集團(tuán)旗下的京東到家及海外購(gòu)風(fēng)控的相關(guān)業(yè)務(wù)，保證了消費(fèi)者的利益和京東的業(yè)務(wù)流程。京東反刷單系統(tǒng)從訂單、商品、用戶、物流等多個(gè)維度進(jìn)行統(tǒng)計(jì)，分別計(jì)算每個(gè)維度下的不同特征值，能夠較精準(zhǔn)識(shí)別刷單相關(guān)的惡意行為。文獻(xiàn)[3]詳細(xì)介紹了淘寶后臺(tái)檢測(cè)刷單的第三代稽查系統(tǒng)，主要包括機(jī)審和人工審核兩方面。機(jī)審的判定順序?yàn)椋号袛帱c(diǎn)擊過(guò)濾(pmcots防惡意點(diǎn)擊系統(tǒng))→判斷交易(ctu支付寶智能實(shí)時(shí)風(fēng)險(xiǎn)監(jiān)控系統(tǒng))→檢索訂單數(shù)據(jù)(數(shù)據(jù)檢索系統(tǒng))→結(jié)果判定。先根據(jù)計(jì)算機(jī)本身的物理信息來(lái)判斷，再根據(jù)各個(gè)檢測(cè)維度判斷訂單是否在正常范圍內(nèi)，綜合考慮判定商品是否有刷單嫌疑。機(jī)審主要依靠三大檢測(cè)系統(tǒng)：CTU(支付寶智能實(shí)時(shí)風(fēng)險(xiǎn)監(jiān)控系統(tǒng))、pmcots系統(tǒng)(防惡意點(diǎn)擊系統(tǒng))和數(shù)據(jù)檢索系統(tǒng)。CTU是支付寶風(fēng)險(xiǎn)管理的一個(gè)核心系統(tǒng)，基于用戶行為來(lái)判斷風(fēng)險(xiǎn)等級(jí)，集風(fēng)險(xiǎn)分析、預(yù)警、控制為一體，并配備風(fēng)險(xiǎn)稽核專(zhuān)家小組進(jìn)行風(fēng)險(xiǎn)稽查及處置，進(jìn)行全天候風(fēng)險(xiǎn)監(jiān)控。pmcots系統(tǒng)主要考核的是流量環(huán)節(jié)，檢測(cè)技術(shù)包括IP防止作弊、Netclean防止作弊，點(diǎn)擊率對(duì)比，唯一參數(shù)識(shí)別(如MAC、硬盤(pán)序列號(hào)、瀏覽器版本、系統(tǒng)UI等)，分析流量來(lái)源和流量構(gòu)成，考察點(diǎn)擊時(shí)間參數(shù)有效性、物流信息真實(shí)性，進(jìn)行瀏覽時(shí)間和深度比對(duì)，記錄鼠標(biāo)值以檢測(cè)刷單軟件。數(shù)據(jù)檢索系統(tǒng)是從索引數(shù)據(jù)庫(kù)或存儲(chǔ)數(shù)據(jù)中查找和選取所需數(shù)據(jù)的過(guò)程。對(duì)于稽查系統(tǒng)難以判斷的訂單進(jìn)行人工排查得出最終結(jié)果，店家可申訴，申訴后即可進(jìn)入人工判定階段，通過(guò)查看商品評(píng)價(jià)內(nèi)容、買(mǎi)家信息等進(jìn)行判斷。

綜合分析當(dāng)前電商平臺(tái)所研發(fā)的檢測(cè)刷單系統(tǒng)，均為后臺(tái)封裝系統(tǒng)，檢測(cè)結(jié)果對(duì)消費(fèi)者不公開(kāi)，無(wú)法對(duì)用戶網(wǎng)購(gòu)提供直接的參考。所以在電商行業(yè)和立法部門(mén)對(duì)于刷單行為的努力遏制的同時(shí)，作為刷單現(xiàn)象的直接受害者——網(wǎng)購(gòu)群體也需要有一個(gè)自行判別刷單行為的第三方工具，以此降低刷單對(duì)于消費(fèi)者所造成的財(cái)產(chǎn)損失。本文主要工作有：1)提出了面向用戶的電商平臺(tái)刷單行為智能檢測(cè)方法SVM-NB，該方法能定量計(jì)算出商品信息的可信度，有很強(qiáng)的說(shuō)服力；2)提出了構(gòu)建刷單特征值方法；3)通過(guò)K折交叉驗(yàn)證算法驗(yàn)證了SVM-NB方法的合理性和準(zhǔn)確性，實(shí)驗(yàn)條件下計(jì)算結(jié)果的準(zhǔn)確率高達(dá)95.053 6%，并與相關(guān)工作進(jìn)行了對(duì)比。

1　關(guān)鍵技術(shù)

1.1　支持向量機(jī)

本文提出的面向用戶的電商平臺(tái)刷單行為智能檢測(cè)方法SVM-NB采用支持向量機(jī)(Support Vector Machine， SVM)[4-6]，基于有監(jiān)督學(xué)習(xí)，通過(guò)多次訓(xùn)練得出訓(xùn)練點(diǎn)和類(lèi)別之間的對(duì)應(yīng)關(guān)系，以便判斷待測(cè)點(diǎn)所對(duì)應(yīng)的類(lèi)別，它在解決小樣本、非線性以及高維模式識(shí)別中表現(xiàn)出許多特有的優(yōu)勢(shì)。

設(shè)X為N維輸入空間的訓(xùn)練向量，令Φ(X)=[φ1(X)，φ2(X)，…，φM(X)]表示從輸入空間到M維特征空間的非線性變換，Φ(X)稱(chēng)為輸入向量X在特征空間誘導(dǎo)出的“像”，并且可在該特征空間構(gòu)建一個(gè)分類(lèi)超平面，數(shù)學(xué)公式[7]如下：

(1)

其中：wj為將特征空間鏈接到輸出空間的權(quán)值;b為偏置。

其拉格朗日函數(shù)為：

(2)

其中：拉格朗日系數(shù)αp≥0，第一項(xiàng)為代價(jià)函數(shù)(W),第二項(xiàng)非負(fù)。

(3)

最優(yōu)判別函數(shù)為：

(4)

1.2　爬蟲(chóng)技術(shù)

網(wǎng)絡(luò)爬蟲(chóng)技術(shù)是一種“自動(dòng)瀏覽網(wǎng)絡(luò)”的程序，從一個(gè)或若干個(gè)初始網(wǎng)頁(yè)的URL開(kāi)始，不斷從當(dāng)前頁(yè)面上抽取新的URL放入隊(duì)列,直到滿足系統(tǒng)的停止條件結(jié)束。爬蟲(chóng)技術(shù)工作原理：1)首先將當(dāng)前用戶搜索的網(wǎng)頁(yè)URL放入待抓取URL隊(duì)列；2)從待抓取的URL隊(duì)列中取出URL，下載對(duì)應(yīng)的電商網(wǎng)頁(yè)，存入已下載網(wǎng)頁(yè)庫(kù)中，并將這些URL放入已抓取URL隊(duì)列；3)從已抓取的URL隊(duì)列中抽取新的URL進(jìn)入下一個(gè)循環(huán)。

2　SVM-NB方法

SVM-NB方法的流程如圖1所示。

圖1　SVM-NB方法流程Fig.1　Flow chart of SVM-NB method

具體步驟如下：

1)數(shù)據(jù)獲取階段。

第1步通過(guò)文獻(xiàn)查詢、商家調(diào)研和網(wǎng)頁(yè)爬蟲(chóng)三種方式對(duì)不同行業(yè)的典型商品建立原始數(shù)據(jù)庫(kù)，包括單一商品與行業(yè)數(shù)據(jù)的正常數(shù)據(jù)和異常數(shù)據(jù)(即疑似刷單的店鋪商品數(shù)據(jù))。

第2步用戶有兩種方式來(lái)查詢商品:一種是地址輸入，即在網(wǎng)頁(yè)地址搜索框輸入目標(biāo)商品的網(wǎng)頁(yè)地址，確認(rèn)查詢，系統(tǒng)后臺(tái)根據(jù)用戶輸入的網(wǎng)址以及選擇的時(shí)間段，自動(dòng)獲取目標(biāo)商品的頁(yè)面、類(lèi)別、商品信息等；另一種方式是在當(dāng)前商品頁(yè)面查詢商品名稱(chēng)或者編號(hào)，若數(shù)據(jù)庫(kù)中存在該商品信息，則可以直接從數(shù)據(jù)庫(kù)獲取，否則只能采用第一種方式來(lái)查找商品。

第3步系統(tǒng)后臺(tái)先在數(shù)據(jù)庫(kù)中查詢?cè)撋唐肥欠癖粰z測(cè)過(guò)。若未檢測(cè)過(guò)，則通過(guò)網(wǎng)頁(yè)爬蟲(chóng)技術(shù)和數(shù)據(jù)庫(kù)查詢，獲得其原始數(shù)據(jù)(特征量包括訪客數(shù)、咨詢數(shù)、付款數(shù)、訂單數(shù)、收藏?cái)?shù)、點(diǎn)擊次數(shù)、買(mǎi)家ID、下單時(shí)間、確認(rèn)收貨時(shí)間、付款時(shí)間、店鋪停留時(shí)間、交易時(shí)間、IP地址信息)，存入數(shù)據(jù)庫(kù)對(duì)應(yīng)表中。

2)數(shù)據(jù)預(yù)處理階段。

第4步將刷單和不刷單兩類(lèi)商品的原始數(shù)據(jù)進(jìn)一步計(jì)算，轉(zhuǎn)化為特征率值，記入初始特征向量集。

第5步對(duì)行業(yè)的初始數(shù)據(jù)作同等處理，建立特征值數(shù)據(jù)庫(kù)。

第6步將優(yōu)化后的特征數(shù)據(jù)項(xiàng)進(jìn)行歸一化處理，去除極端數(shù)據(jù)。

3)訓(xùn)練模型階段。

第7步將經(jīng)過(guò)預(yù)處理的兩類(lèi)數(shù)據(jù)格式轉(zhuǎn)化成SVM分類(lèi)器可接受的輸入格式(類(lèi)別向量Y，特征向量Xi)，作為訓(xùn)練樣本對(duì)分類(lèi)器進(jìn)行訓(xùn)練。

第8步設(shè)置SVM參數(shù)，并利用K折交叉驗(yàn)證算法尋找最優(yōu)參數(shù)。

4)算法處理階段。

第9步將用戶輸入的目標(biāo)商品特征值作為測(cè)試樣本輸入SVM分類(lèi)模型中進(jìn)行分類(lèi)判斷。

5)輸出結(jié)果階段。

第10步將SVM算法得出的分類(lèi)結(jié)果代入樸素貝葉斯公式中得出刷單概率，將最終結(jié)果反饋給用戶，并將結(jié)果記錄到數(shù)據(jù)庫(kù)中，定期更新數(shù)據(jù)庫(kù)，同時(shí)給出同類(lèi)商品在不同店家中的檢測(cè)結(jié)果以供參考。

2.1　數(shù)據(jù)獲取

電商平臺(tái)刷單行為智能檢測(cè)系統(tǒng)數(shù)據(jù)獲取主要采用了三種方法：商家調(diào)研主要是對(duì)淘寶和京東平臺(tái)上的電商采集其商品的銷(xiāo)售情況以及店鋪的信譽(yù)度等信息；網(wǎng)絡(luò)爬蟲(chóng)則是利用爬蟲(chóng)技術(shù)從商品基礎(chǔ)信息頁(yè)面進(jìn)行信息的收集；文獻(xiàn)查詢主要是通過(guò)中國(guó)知網(wǎng)等電子論文庫(kù)和線下紙質(zhì)書(shū)籍來(lái)搜集刷單檢測(cè)的相關(guān)信息。通過(guò)這三種方法獲取到刷單檢測(cè)的原始數(shù)據(jù)分為兩種類(lèi)型：店家原始數(shù)據(jù)和單一商品原始數(shù)據(jù)，分別如表1和表2所示。

表1　店家原始數(shù)據(jù)表Tab. 1　Raw data of store

表2　單一商品原始數(shù)據(jù)表Tab. 2　Raw data of single commodity

2.2　數(shù)據(jù)預(yù)處理

2.2.1構(gòu)建刷單特征值方法(率值計(jì)算)

通過(guò)數(shù)據(jù)獲取的三種方法所得到的原始數(shù)據(jù)包括：訪客數(shù)、咨詢數(shù)、付款數(shù)、訂單數(shù)、收藏?cái)?shù)、點(diǎn)擊量、確認(rèn)收貨時(shí)間、付款時(shí)間、店鋪停留時(shí)間、IP地址信息，其中部分初始數(shù)據(jù)需要經(jīng)過(guò)進(jìn)行率值計(jì)算，經(jīng)過(guò)初步轉(zhuǎn)化構(gòu)建出刷單特征值，即得到輸入算法的特征向量的值，如表3所示。

2.2.2歸一化處理

將經(jīng)過(guò)初步轉(zhuǎn)化的特征值進(jìn)行歸一化。由于采集的特征項(xiàng)的數(shù)據(jù)單位不一致，需要將有量綱的表達(dá)式化為無(wú)量綱的表達(dá)式，成為純量，因而須對(duì)數(shù)據(jù)進(jìn)行歸一化處理。率值需要?dú)w一化到區(qū)間[0，1]，數(shù)值需要?dú)w一化到區(qū)間[-1，1]。歸一化處理的目的：一是為了算法處理過(guò)程中更加方便，二是為了加快訓(xùn)練網(wǎng)絡(luò)的收斂。歸一化計(jì)算公式如下：

y=(x-MinValue)/(MaxValue-MinValue)

其中：x、y分別為轉(zhuǎn)換前、后的值，MaxValue、MinValue分別為樣本的最大值和最小值。

2.3　模型訓(xùn)練

本文采用了SVM的模式識(shí)別與回歸的軟件包(LIBSVM)[7]。算法數(shù)據(jù)計(jì)算過(guò)程如圖2所示。

圖2　SVM計(jì)算過(guò)程Fig. 2　Computation process of SVM

訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)格式為：

: :

:…

如：01:47.562:89.553:35.124:33.515:60.096:32.017:58:9.319:15

其中:

是訓(xùn)練數(shù)據(jù)集的類(lèi)別標(biāo)識(shí)，設(shè)為1和0：1表示刷單，0表示未刷單。

是指輸入算法的9個(gè)特征量，以1開(kāi)始的整數(shù)，可以不連續(xù)。

是每一項(xiàng)特征碼的數(shù)值，為實(shí)數(shù)。

SVM_train實(shí)現(xiàn)對(duì)訓(xùn)練樣本的訓(xùn)練，獲得SVM模型。

SVM_NB則根據(jù)訓(xùn)練獲得的模型對(duì)數(shù)據(jù)集合進(jìn)行分類(lèi)結(jié)果的預(yù)測(cè)。

利用SVM_train實(shí)現(xiàn)對(duì)輸入的訓(xùn)練數(shù)據(jù)集的訓(xùn)練，獲得SVM模型文件。SVM算法將輸入的每一個(gè)訓(xùn)練樣本，即n維向量映射到高維空間中，形成多個(gè)散布的點(diǎn)，并通過(guò)點(diǎn)的聚集區(qū)域模擬分類(lèi)超平面，并且不斷利用新輸入的訓(xùn)練樣本數(shù)據(jù)進(jìn)行修正，最后生成模板文件，記錄分類(lèi)特征[9]。

表3　原始數(shù)據(jù)項(xiàng)率值計(jì)算表Tab. 3　Conversion instructions of raw data item

本文采用著名的K折交叉驗(yàn)證方法，通過(guò)驗(yàn)證結(jié)果的準(zhǔn)確性來(lái)得到最優(yōu)參數(shù)。驗(yàn)證算法的主要思想是將數(shù)據(jù)集A分為訓(xùn)練集(training set)B和測(cè)試集(test set)C，在樣本量較少時(shí)，可以將數(shù)據(jù)集A隨機(jī)分為k個(gè)包，每次將其中一個(gè)包作為測(cè)試集，剩下k-1個(gè)包作為訓(xùn)練集進(jìn)行訓(xùn)練。交叉驗(yàn)證方法主要用于防止模型過(guò)于復(fù)雜而引起的過(guò)擬合現(xiàn)象。經(jīng)過(guò)不斷地變換SVM的兩個(gè)重要參數(shù)：懲罰因子C和核函數(shù)參數(shù)g，確定了最優(yōu)參數(shù)為：C=2 048,g=0.007 8，能夠?yàn)橛脩籼峁└鼮闇?zhǔn)確的購(gòu)物參考[8]。

2.4　算法處理

2.4.1處理過(guò)程

輸入x={a1,a2,…,am}，y={y0,y1}，x表示測(cè)試樣本中每一個(gè)商品的特征項(xiàng)集合，y表示類(lèi)別0和1的集合，分別表示未刷單和刷單；

輸出商品的刷單概率p。

Begin

//1)～8)為SVM算法過(guò)程，9)～13)為樸素貝葉斯算法

1)

對(duì)特征項(xiàng)集合進(jìn)行歸一化處理

2)

將數(shù)據(jù)格式轉(zhuǎn)化為分類(lèi)器可接受的輸入格式(類(lèi)別向量Y，特征向量Xi)

3)

設(shè)置SVM類(lèi)型0-SVM，核函數(shù)類(lèi)型為RBF

4)

設(shè)置懲罰因子C和核函數(shù)參數(shù)g

//如C=2 048,g=0.007 812 5

5)

設(shè)置K折交叉驗(yàn)證算法的K值

//如K=5

6)

利用SMO求出支持向量

//SMO算法用于優(yōu)化對(duì)偶問(wèn)題中的二次規(guī)劃，求出

//優(yōu)化至收斂的Lagrange乘子向量作為支持向量代入算法

7)

利用訓(xùn)練樣本構(gòu)建超平面模型

8)

輸入測(cè)試樣本進(jìn)行分類(lèi)，得到分類(lèi)結(jié)果y

9)

計(jì)算各個(gè)特征屬性在分類(lèi)結(jié)果y中的條件概率估計(jì)：P(ai|y)

10)

計(jì)算類(lèi)別y出現(xiàn)的概率p(y)

11)

計(jì)算各個(gè)特征屬性出現(xiàn)的概率p(ai)

12)

代入公式：

13)

returnP(y|x)

End

2.4.2算法分析

1)SVM-NB作為分類(lèi)算法，其求得的是距離最優(yōu)解，即相對(duì)公平的分類(lèi)，可以很好地解決如何判斷刷單的問(wèn)題。

2)SVM-NB用于分類(lèi)的模型體積較小，經(jīng)優(yōu)化后的模型更是可以達(dá)到10 KB以下。因?yàn)镾VM的優(yōu)勢(shì)在于根據(jù)小樣本進(jìn)行分類(lèi)，所以相比之下SVM算法在檢測(cè)時(shí)間上有優(yōu)勢(shì)。

3)SVM-NB學(xué)習(xí)問(wèn)題可以表示為凸優(yōu)化問(wèn)題，因此可以利用已知的有效算法發(fā)現(xiàn)目標(biāo)函數(shù)的全局最小值，而其他分類(lèi)方法(如基于規(guī)則的分類(lèi)器和人工神經(jīng)網(wǎng)絡(luò))都采用一種基于貪心學(xué)習(xí)的策略來(lái)搜索假設(shè)空間，這類(lèi)方法一般只能獲得局部最優(yōu)解[13]。

4)SVM-NB算法采用樸素貝葉斯來(lái)進(jìn)行刷單概率的計(jì)算，優(yōu)點(diǎn)主要是特征項(xiàng)相關(guān)性較小，性能較優(yōu)，而且利用小樣本就可以得到較為精確的概率。

2.5　輸出結(jié)果

SVM-NB算法通過(guò)建立分類(lèi)器得出刷單分類(lèi)的結(jié)果，然后將結(jié)果代入樸素貝葉斯公式，求出最終的刷單概率，并顯示在用戶可見(jiàn)的系統(tǒng)頁(yè)面中。檢測(cè)結(jié)果顯示頁(yè)面中用戶可以點(diǎn)擊詳細(xì)信息按鈕，進(jìn)入詳細(xì)信息顯示頁(yè)面。在此頁(yè)面中，可以顯示兩種詳細(xì)數(shù)據(jù)：行業(yè)數(shù)據(jù)和商品信息，均包括已設(shè)定的用于檢測(cè)的特征值，可以使用戶更清楚地了解該商品及其同類(lèi)產(chǎn)品的詳細(xì)信息。此外，用戶可以直接選擇某一種商品進(jìn)行同類(lèi)商品檢測(cè)，即系統(tǒng)可以同時(shí)檢測(cè)一種商品在多家店鋪銷(xiāo)售的刷單概率。

3　實(shí)驗(yàn)與分析

3.1　實(shí)驗(yàn)環(huán)境和實(shí)驗(yàn)數(shù)據(jù)

實(shí)驗(yàn)基于開(kāi)源軟件LibSVM與Java平臺(tái)進(jìn)行，LibSVM是臺(tái)灣大學(xué)林智仁(Lin Chih-Jen)教授2001年開(kāi)發(fā)設(shè)計(jì)的一個(gè)簡(jiǎn)單、易于使用且快速有效的SVM模式識(shí)別與回歸的軟件包[9-10]。利用LibSVM與Java的接口，在eclipse環(huán)境下實(shí)驗(yàn)。

通過(guò)商家調(diào)研、網(wǎng)頁(yè)爬蟲(chóng)、文獻(xiàn)查詢和模擬方式獲得了含有16 000個(gè)刷單數(shù)據(jù)的樣本，其中包括真實(shí)數(shù)據(jù)1 600個(gè)和按照正態(tài)分布模擬的數(shù)據(jù)14 400個(gè)。數(shù)據(jù)集總共包含9個(gè)特征，記為f1～f9，分為刷單和不刷單的兩類(lèi)商品。商品詳細(xì)數(shù)據(jù)格式如表4所示。

表4　數(shù)據(jù)特征項(xiàng)具體數(shù)值表Tab. 4　Detailed values of data characteristic items

3.2　實(shí)驗(yàn)與分析

第一步，數(shù)據(jù)預(yù)處理。首先對(duì)原始數(shù)據(jù)集進(jìn)行率值計(jì)算，得到9個(gè)特征向量，訓(xùn)練數(shù)據(jù)樣本如表5所示；然后對(duì)9個(gè)特征量的數(shù)值進(jìn)行歸一化處理，轉(zhuǎn)化成算法可接受的數(shù)據(jù)格式。

第二步，SVM-NB方法處理實(shí)驗(yàn)及其他分類(lèi)方法比較，并輸出結(jié)果。

實(shí)驗(yàn)1核函數(shù)的選擇。

本文將刷單數(shù)據(jù)集分成兩部分，其中10 000個(gè)樣本數(shù)據(jù)作為訓(xùn)練集，另外6 000個(gè)數(shù)據(jù)作為測(cè)試集，運(yùn)用上面得到的最優(yōu)化參數(shù)訓(xùn)練模型，算法參數(shù)優(yōu)化結(jié)果如表6所示，經(jīng)過(guò)交叉驗(yàn)證算法得出的刷單檢測(cè)分類(lèi)性能比較如表7[11]所示。

經(jīng)過(guò)對(duì)SVM-NB算法的性能分析，最終確定采用了準(zhǔn)確率較高的徑向基函數(shù)(Radial Basis Function, RBF)作為核函數(shù)，該核函數(shù)將樣本非線性地映射到一個(gè)高維的空間，能夠處理分類(lèi)標(biāo)注和屬性的非線性關(guān)系，符合SVM-NB算法對(duì)于分類(lèi)結(jié)果的要求[12]。

實(shí)驗(yàn)2SVM-NB方法實(shí)驗(yàn)及其他分類(lèi)方法比較。

將訓(xùn)練樣本和測(cè)試樣本數(shù)據(jù)輸入SVM-NB算法，進(jìn)行模型訓(xùn)練和結(jié)果預(yù)測(cè)。系統(tǒng)可以同時(shí)檢測(cè)一種商品在多家店鋪銷(xiāo)售的刷單概率，并在同一界面上顯示，以供用戶對(duì)比。運(yùn)行結(jié)果如表8所示。

SVM-NB方法與其他分類(lèi)方法[13-15](包括樸素貝葉斯和BP神經(jīng)網(wǎng)絡(luò))在正確率和計(jì)算速度方面的比較結(jié)果如表9所示。

表5　訓(xùn)練數(shù)據(jù)樣本Tab. 5　Samples of training data

表6　各種核函數(shù)對(duì)刷單檢測(cè)的最優(yōu)參數(shù)Tab. 6　Optimal parameters of various kernel functions for click farming detection

表7　各種核函數(shù)對(duì)刷單檢測(cè)分類(lèi)性能比較Tab. 7　Performance of various kernel functions for detection of click farming

表8　SVM-NB方法刷單概率檢測(cè)結(jié)果Tab. 8　Detection results for click farming by SVM-NB method

表9　SVM-NB與其他分類(lèi)方法性能比較Tab. 9　Performance comparison of SVM-NB with other classification methods

SVM-NB算法與樸素貝葉斯和BP神經(jīng)網(wǎng)絡(luò)方法相比，特點(diǎn)如下：

1)在三種算法中本文所采用的分類(lèi)算法得到的刷單概率正確率最高，且速度較快；BP神經(jīng)網(wǎng)絡(luò)算法的準(zhǔn)確率居中，但速度最低，計(jì)算量大；樸素貝葉斯算法速度最高但準(zhǔn)確率最低，因?yàn)闃闼刎惾~斯要求各項(xiàng)特征之間相互獨(dú)立，但本文的刷單數(shù)據(jù)特征項(xiàng)之間有一定的聯(lián)系，所以樸素貝葉斯算法并不適合本文要求。綜合三種算法來(lái)看，本文采用的分類(lèi)算法較為合適。

2)采用了動(dòng)靜結(jié)合的方式。當(dāng)用戶檢測(cè)的商品在數(shù)據(jù)庫(kù)中已經(jīng)存在相關(guān)信息時(shí)，則為靜態(tài)檢測(cè)，只需將數(shù)據(jù)庫(kù)中的數(shù)據(jù)轉(zhuǎn)化成測(cè)試樣本輸入SVM-NB算法中進(jìn)行分析，得出刷單概率并存入數(shù)據(jù)庫(kù)中，以便下次針對(duì)同一商品進(jìn)行檢測(cè)時(shí)可以節(jié)省時(shí)間；當(dāng)用戶檢測(cè)的商品在數(shù)據(jù)庫(kù)中不存在相關(guān)信息時(shí)，根據(jù)用戶輸入的網(wǎng)址首先利用爬蟲(chóng)技術(shù)動(dòng)態(tài)爬取網(wǎng)頁(yè)內(nèi)容，獲取用戶選擇時(shí)間段內(nèi)的商品最新信息。

3)本文方法有較好的完整性和閉環(huán)性，能夠?qū)λ胃怕蔬^(guò)高的店鋪提出警告信息，不僅能夠基于數(shù)據(jù)庫(kù)中已有的店鋪商品信息進(jìn)行檢測(cè)，而且實(shí)現(xiàn)了動(dòng)態(tài)更新，保證了刷單概率檢測(cè)結(jié)果的可用性和準(zhǔn)確性；在給出最終的檢測(cè)結(jié)果后，用戶還能夠查看所選商品的詳細(xì)測(cè)試數(shù)據(jù)以及同行業(yè)數(shù)據(jù)，直觀明了，增強(qiáng)了結(jié)果的說(shuō)服力。

4)用戶能夠同時(shí)對(duì)多個(gè)商品進(jìn)行刷單概率的檢測(cè)，最終系統(tǒng)會(huì)顯示出所選擇的多個(gè)商品的計(jì)算結(jié)果，以供用戶進(jìn)行同類(lèi)商品刷單行為檢測(cè)結(jié)果的對(duì)比，并且能夠同時(shí)顯示多個(gè)商品的數(shù)據(jù)信息。

4　結(jié)語(yǔ)

隨著網(wǎng)絡(luò)購(gòu)物逐漸成為一種新的生活方式，電商刷單現(xiàn)象也愈演愈烈。為了保證網(wǎng)購(gòu)環(huán)境的透明化與可信度，本文提出了面向用戶的電商平臺(tái)刷單行為智能檢測(cè)方法(SVM-NB)和構(gòu)建刷單特征值方法，基于SVM算法訓(xùn)練樣本數(shù)據(jù)并進(jìn)行分類(lèi)，為用戶提供判斷刷單的商品特征項(xiàng)信息，直觀地給出系統(tǒng)計(jì)算的刷單概率，并通過(guò)K折交叉驗(yàn)證算法驗(yàn)證了SVM-NB算法應(yīng)用的合理性和準(zhǔn)確性，采用RBF函數(shù)在實(shí)驗(yàn)條件下的計(jì)算結(jié)果準(zhǔn)確率達(dá)到了95.053 6%。但本文實(shí)驗(yàn)受真實(shí)數(shù)據(jù)量所限，隨著真實(shí)數(shù)據(jù)量的增加，計(jì)算結(jié)果的準(zhǔn)確性會(huì)有所變化，不過(guò)該結(jié)果仍可以幫助消費(fèi)者較為準(zhǔn)確地鑒別店鋪資質(zhì)和商品質(zhì)量，降低消費(fèi)者由于電商刷單所帶來(lái)的財(cái)產(chǎn)風(fēng)險(xiǎn)。

參考文獻(xiàn):

[1]3·15曝光刷單超詳細(xì)過(guò)程曝光淘寶刷單黑產(chǎn)業(yè) [EB/OL]. [2016- 03- 16]. https://v.qq.com/x/page/a0188rpxwvn.html. {(3·15 exposure the detailed process of click farming and exposure Taobao black industry click farming [EB/OL]. [2016- 03- 16].https://v.qq.com/x/page/a0188rpxwvn.html.)

[2]賀駿.電商刷單產(chǎn)業(yè)鏈屢禁不止京東利用大數(shù)據(jù)“捉妖”[EB/OL]. [2016- 03- 21]. http://tech.hexun.com/2016- 03- 21/182861037.html. (HE J. E-commerce industry chain of click farming repeatedly banned, Jingdong use big data “catch demon” [EB/OL]. [2016- 03- 21]. http://tech.hexun.com/2016- 03- 21/182861037.html)

[3]新浪.詳細(xì)解讀淘寶稽查系統(tǒng)的主證與旁證系統(tǒng) [EB/OL]. [2016- 10- 11]. http://edu.yjbys.com/taobao/104994.html. (Sina. Detailed interpretation of the main symptom and circumstantial evidence system of Taobao check system [EB/OL]. [2016- 10- 11]. http://edu.yjbys.com/taobao/104994.html.)

[4]COUELLAN N, WANG W. Uncertainty-safe large scale support vector machines [J]. Computational Statistics and Data Analysis, 2017, 109: 215-230.

[5]高雷阜，王飛.基于混沌更新策略的蜂群算法在SVM參數(shù)優(yōu)化中的應(yīng)用[J].計(jì)算機(jī)工程與科學(xué)，2017,39(1):199-205. (GAO L F, WANG F. Application of artificial bee colony based on chaos update strategy in support vector machine parameter optimization[J]. Computer Engineering & Science, 2017, 39(1): 199-205.)

[6]MOKHTARI A, RIBEIRO A. A Quasi-Newton method for large scale support vector machines [C]// ICASSP 2014: Proceedings of the 2014 IEEE International Conference on Acoustics, Speech and Signal Processing. Piscataway, NJ: IEEE, 2014: 8302-8306.

[7]CHANG C-C, LIN C-J. LIBSVM — a library for support vector machines [J]. ACM Transactions on Intelligent Systems and Technology, 2011, 2(3): Article No. 27.

[8]何東健.SVM支持向量機(jī)算法的詳細(xì)推導(dǎo) [EB/OL]. [2016- 05- 10]. http://www.doc88.com/p- 1905946677891.html. (HE D J. Detailed derivation of Support Vector Machine (SVM) algorithm [EB/OL]. [2016- 05- 10]. http://www.doc88.com/p- 1905946677891.html.)

[9]熊浩勇.基于SVM的中文文本分類(lèi)算法研究與實(shí)現(xiàn)[D].武漢:武漢理工大學(xué),2008. (XIONG H Y. Research and implement of Chinese text categorization algorithm based on SVM [D]. Wuhan: Wuhan University of Technology, 2008.)

[10]BURGES C J C. A tutorial on support vector machines for pattern recognition [J]. Data Mining and Knowledge Discovery, 1998, 2(2): 121-167.

[11]XIE L, LI G, XIAO M, et al. Hyperspectral image classification using discrete space model and support vector machines [J]. IEEE Geoscience and Remote Sensing Letters, 2017, 14(3): 374-378.

[12]VOISAN E I, PRECUP R E, DRAGAN F. Facial expression recognition system based on a face statistical model and Support Vector Machines [C]// SACI 2016: Proceedings of the 2016 IEEE 11th International Symposium on Applied Computational Intelligence and Informatics. Piscataway, NJ: IEEE, 2016: 63-68.

[13]LI J, CAO Y, WANG Y, et al. Online learning algorithms for double-weighted least squares twin bounded support vector machines [J]. Neural Processing Letters, 2017, 45(1): 319-339.

[14]王雅玡.基于樸素貝葉斯和BP神經(jīng)網(wǎng)絡(luò)的中文文本分類(lèi)問(wèn)題研究[D].昆明:云南師范大學(xué),2008. (WANG Y Y. Researching on Chinese text classification based on naive bayes and BP neural network [D]. Kunming: Yunnan Normal University, 2008.)

[15]AAZI F Z, ABDESSELAM R, ACHCHAB B, et al. Feature selection selection for multiclass support vector machines [J]. AI Communications, 2016, 29(5): 583-593.