买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：朗臻(广州)信息技术有限责任公司

摘要：本申请提供了一种机票订单安全检测方法、系统、设备及存储介质，通过根据历史机票订单数据集确定数据趋近权点数，进而得到各个对应的订购用户相似簇，选取一个订购用户相似簇，确定该个订购用户相似簇的各个用户趋近数据特征量，通过所有的用户趋近数据特征量确定该个订购用户相似簇对应的数据特征贡献因子基，根据所述实时用户趋近特征数据和所述数据特征贡献因子基确定该个订购用户相似簇的机票订购预警决策值，重复上述步骤，确定剩余订购用户相似簇的机票订购预警决策值，根据所有的机票订购预警决策值确定目标航班的检测预警界，按照所述检测预警界对目标航班的机票订单进行预警检测，可实现机票订单安全性的快速检测。

主权项：1.一种机票订单安全检测方法，其特征在于，包括如下步骤：启动机票订单安全检测，获取目标航班中所有订购用户的历史机票订单数据集；根据所述历史机票订单数据集确定数据趋近权点数，其中，根据所述历史机票订单数据集确定数据趋近权点数具体包括：根据预设的数据趋近权点过渡数和所述历史机票订单数据集确定趋近权点决策值；当所述趋近权点决策值小于等于预设的趋近划分阈值时，将所述数据趋近权点过渡数作为数据趋近权点数；当所述趋近权点决策值大于预设的趋近划分阈值时，则增加预设的数据趋近权点过渡数，并重新确定趋近权点决策值；重复上述步骤，直至重新确定的趋近权点决策值小于等于预设的趋近划分阈值，通过所述数据趋近权点数对所述历史机票订单数据集进行数据趋近划分，得到各个历史机票订单数据趋近子集，进而得到各个对应的订购用户相似簇；选取一个订购用户相似簇，确定该个订购用户相似簇的各个用户趋近数据特征量，其中，确定该个订购用户相似簇的各个用户趋近数据特征量，即：按照订购用户每次订购机票的时间的先后顺序分别将该个订购用户相似簇中所有订购用户对应的订购数据划分为第一次购买的评分的值集、第二次购买的评分的值集、第三次购买的评分的值集，依次类推，得到第N次购买的评分的值集，将划分得到的值集均作为历史用户趋近数据，按照订购用户购买机票时影响因素的不同对各个历史用户趋近数据进行划分，且将划分后得到的值集中所有值的平均值作为对应历史用户趋近数据的用户趋近数据特征量，通过所有的用户趋近数据特征量确定该个订购用户相似簇对应的数据特征贡献因子基，其中，通过所有的用户趋近数据特征量确定该个订购用户相似簇对应的数据特征贡献因子基采用下述步骤实现：获取该个订购用户相似簇中第n次历史用户趋近数据的第m个用户趋近数据特征量Tnm；获取该个订购用户相似簇中第n次历史用户趋近数据的第k个用户趋近数据特征量Tnk；确定该个订购用户相似簇中第m个用户趋近数据特征量的趋近平衡量确定该个订购用户相似簇中第k个用户趋近数据特征量的趋近平衡量确定该个订购用户相似簇中第m个用户趋近数据特征量和第k个用户趋近数据特征量的数据变化趋度θmk；根据该个订购用户相似簇中第n次历史用户趋近数据的第m个用户趋近数据特征量Tnm、该个订购用户相似簇中第n次历史用户趋近数据的第k个用户趋近数据特征量Tnk、该个订购用户相似簇中第m个用户趋近数据特征量的趋近平衡量该个订购用户相似簇中第k个用户趋近数据特征量的趋近平衡量和该个订购用户相似簇中第m个用户趋近数据特征量和第k个用户趋近数据特征量的数据变化趋度θmk确定该个订购用户相似簇对应的数据特征贡献因子基，其中所述数据特征贡献因子基中的第m个数据特征贡献因子采用下述公式确定： 其中，ηm表示数据特征贡献因子基中的第m个数据特征贡献因子，N表示该个订购用户相似簇中历史用户趋近数据的总次数，M表示该个订购用户相似簇中第n次历史用户趋近数据的用户趋近数据特征量的总个数，n＝1，2，...，N，m＝1，2，...，M，数据特征贡献因子基表示该个订购用户相似簇中所有数据特征贡献因子的集合，所述数据特征贡献因子基中的数据特征贡献因子反映了对应用户趋近数据特征量在该个订购用户相似簇中对用户订购机票的影响程度；确定该个订购用户相似簇的实时用户趋近特征数据，其中，确定该个订购用户相似簇的实时用户趋近特征数据，即：获取该个订购用户相似簇中每个订购用户的实时机票订单数据，重复上述历史机票订单数据集确定用户趋近数据特征量的步骤，从而确定实时机票订单数据对应的实时用户趋近数据特征量，将所有实时用户趋近数据特征量的集合作为实时用户趋近特征数据，根据所述实时用户趋近特征数据和所述数据特征贡献因子基确定该个订购用户相似簇的机票订购预警决策值，重复上述步骤，确定剩余订购用户相似簇的机票订购预警决策值，其中，根据所述实时用户趋近特征数据和所述数据特征贡献因子基确定该个订购用户相似簇的机票订购预警决策值采用下述步骤实现：获取实时用户趋近特征数据中第p个实时用户趋近数据特征量确定实时用户趋近特征数据中第p个实时用户趋近数据特征量对应的数据特征贡献因子ηp；确定实时用户趋近特征数据中实时用户趋近数据特征量的总个数P；根据所述实时用户趋近特征数据中第p个实时用户趋近数据特征量所述实时用户趋近特征数据中第p个实时用户趋近数据特征量对应的数据特征贡献因子ηm和所述实时用户趋近特征数据中实时用户趋近数据特征量的总个数P确定该个订购用户相似簇的机票订购预警决策值，其中所述机票订购预警决策值采用下述公式确定： 其中，F表示机票订购预警决策值，p＝1，2，...，P，机票订购预警决策值反映了该个订购用户相似簇中每个用户订购机票的预警程度；根据所有的机票订购预警决策值确定目标航班的检测预警界，按照所述检测预警界对目标航班的机票订单进行预警检测：其中，根据预设的数据趋近权点过渡数和所述历史机票订单数据集确定趋近权点决策值具体包括：根据预设的数据趋近权点过渡数确定所述历史机票订单数据集的各个历史机票订单过渡数据；选取所述历史机票订单数据集中的一个历史机票订单数据，确定该个历史机票订单数据和每个历史机票订单过渡数据的数据趋近过渡值；将该个历史机票订单数据与最小的数据趋近过渡值对应的历史机票订单过渡数据组合为历史机票订单数据趋近过渡子集，重复上述步骤，对所述历史机票订单数据集中剩余历史机票订单数据进行组合，得到多个历史机票订单数据趋近过渡子集；根据所有的历史机票订单数据趋近过渡子集确定趋近权点决策值；其中，通过所述数据趋近权点数对所述历史机票订单数据集进行数据趋近划分，得到各个历史机票订单数据趋近子集，进而得到各个对应的订购用户相似簇采用下述步骤实现：根据所述数据趋近权点数确定所述历史机票订单数据集中的历史机票订单权点数据；选取所述历史机票订单数据集中的一个历史机票订单数据，确定该个历史机票订单数据和各个历史机票订单权点数据的数据趋近值；将该个历史机票订单数据与最小的数据趋近值对应的历史机票订单权点数据组合为历史机票订单数据趋近子集；重复上述步骤，对所述历史机票订单数据集中剩余历史机票订单数据进行组合，得到多个历史机票订单数据趋近子集；将历史机票订单数据趋近子集中对应的所有订购用户的集合作为对应历史机票订单数据趋近子集的订购用户相似簇；其中，确定该个历史机票订单数据和各个历史机票订单权点数据的数据趋近值采用下述步骤实现：确定该个历史机票订单数据中第v个评分值集的数据映射量Dv；确定第z个历史机票订单权点数据中第v个权点评分值集的权点数据映射量Evz；确定该个历史机票订单数据中评分值集的总个数V；根据该个历史机票订单数据中第v个评分值集的数据映射量Dv、所述第z个历史机票订单权点数据中第v个权点评分值集的权点数据映射量Evz和该个历史机票订单数据中评分值集的总个数V确定该个历史机票订单数据和各个历史机票订单权点数据的数据趋近值，其中所述数据趋近值采用下述公式确定： 其中，ξz表示该个历史机票订单数据和第z个历史机票订单权点数据的数据趋近值，v＝1，2，...，V，z＝1，2，…，Z。

全文数据：

权利要求：

百度查询： 朗臻(广州)信息技术有限责任公司 一种机票订单安全检测方法、系统、设备及存储介质