(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111372232.6 (22)申请日 2021.11.18 (71)申请人 广州宸祺出 行科技有限公司 地址 510700 广东省广州市黄埔区腾飞一 街2号501房 （部位： 5 001） (72)发明人 徐晓东　 (74)专利代理 机构 广州云领专利代理事务所 (普通合伙) 44441 代理人 肖云 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 30/06(2012.01) G06Q 50/30(2012.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种异常账号的识别方法和装置 (57)摘要 本发明公开了一种异常账号的识别方法， 包 括以下步骤： 获取目标账号第一起点位置数据； 所述第一起点位置数据为当前订单的起点位置 数据； 通过预存的核密度估计模 型训练所述第一 起点位置 数据， 并输出所述第一起点位置数据的 第一核密度估计值； 所述核密度估计模型是以目 标账号的历史订单的起点位置数据而建立的； 将 所述第一核密度估计值发送至预设分类器， 以识 别目标账号是否为为异常账号。 本申请的核密度 估计模型是以目标账号的历史订单的起点位置 数据而建立的， 建立模型获取的数据噪声小， 避 免了模型训练过程出现过拟合和泛化性不足的 情况， 使得机器学习模型给出的结果与实际情况 相对准确， 且维护简单。 权利要求书2页 说明书9页 附图1页 CN 114022027 A 2022.02.08 CN 114022027 A 1.一种异常账号的识别方法， 其特 征在于， 包括以下步骤： 获取目标账号第一起点位置数据； 所述第一起点位置数据为当前订单的起点位置数 据； 通过预存的核密度估计模型训练所述第 一起点位置数据， 并输出所述第 一起点位置数 据的第一核密度估计值； 所述核密度估计模型是以目标账号的历史订单的起点位置数据而 建立的； 将所述第一核密度估计值发送至预设 分类器， 以识别目标 账号是否为 为异常账号。 2.根据权利要求1所述的一种异常账号的识别方法， 其特征在于， 所述核密度估计模型 是通过以下 方法获得， 包括： 获取目标账号第二起点位置数据， 建立起点位置数据集； 所述第二起点位置数据为历 史订单的起 点位置数据； 通过预设分布函数和预设带宽对起点位置数据集中每个第二起点位置数据进行核密 度估计， 生成所述 起点位置数据集对应的核密度估计函数。 3.根据权利要求2所述的一种异常账号的识别方法， 其特征在于， 所述预设分布函数为 高斯核函数， 所述核密度估计函数的表达式为： 式中， f(x,y)为核密度估计值， n为第二起点位置数据的个数， h为预设带宽， (xi,yi)为 第i个第二 起点位置数据的经纬度。 4.根据权利要求1所述的一种异常账号的识别方法， 其特征在于， 将所述第 一核密度估 计值发送至预设的分类 器前， 还包括以下步骤： 获取目标账号的第 一辅助识别数据； 所述第 一辅助识别数据为当前订单的辅助识别数 据； 所述辅助识别数据包括： 订单金额、 订单时间， 订单结束地点， 订单行驶距离， 订单持续 时长， 使用优惠券信息， 订单折扣 信息。 将第一辅助识别数据发送至所述分类 器。 5.根据权利要求1 ‑4中任一项所述的一种异常账号的识别方法， 其特征在于， 所述预设 分类器是通过以下 方法获得， 包括： 获取第二核密度估计值和第 二辅助识别数据； 所述第 二核密度估计值是以历史订单中 起点位置数据为输入在核密度估计模型中训练所得； 所述第二辅助识别数据为历史订单的 辅助识别数据； 将所述第二核密度估计值和所述第 二辅助识别数据作为输入， 通过学习 模型训练预设 分类器； 所述学习模型为xgbo ost分类模型。 6.根据权利要求5所述的一种异常账号的识别方法， 其特征在于， 通过学习模型训练预 设分类器， 具体为： 将获取的所述第二核密度估计值和所述第二辅助识别数据按照预设比值分割为训练 样本和测试样本； 在所述学习模型中训练所述训练样本， 生成初步分类 器； 以测试样本作为所述初步分类规则 输入并生成评价指标， 将所述评价指标与 预设评价权　利　要　求　书 1/2 页 2 CN 114022027 A 2指标范围进行对比； 若所述评价指标在预设评价指标范围内， 则所述初步分类器为所述预 设分类器； 若所述评价指标不在预设评价指标 范围内， 则重新 生成初步分类 器。 7.根据权利要求6所述的一种异常账号的识别方法， 其特征在于， 所述评价指标的判断 公式为： 式中， Fβ为评价指标， r为召回率， p为精准 率， β 表示召回率的权 重为精准 率的β 倍。 8.一种异常账号识别装置， 其特 征在于， 包括： 第一获取模块， 所述第一获取模块用于获取目标账号第一起点位置数据； 所述第一起 点位置数据为当前订单的起 点位置数据； 训练模块， 所述训练模块用于通过预存的核密度估计模型训练所述第一起点位置数 据， 并输出所述第一起点位置数据的第一核密度估计值； 所述核密度估计模型是以目标账 号的历史订单的起 点位置数据而建立的； 第一发送模块， 所述第一发送模块用于将所述第一核密度估计值发送至预设分类器， 以识别目标 账号是否为 为异常账号。 9.根据权利要求8所述的一种异常账号识别装置， 其特征在于， 所述核密度估计模型是 通过以下 方法获得， 包括： 获取目标账号第二起点位置数据， 建立起点位置数据集； 所述第二起点位置数据为历 史订单的起 点位置数据； 通过预设分布函数和预设带宽对起点位置数据集中每个第二起点位置数据进行核密 度估计， 生成所述 起点位置数据集对应的核密度估计函数。 10.根据权利要求8所述的一种异常账号识别装置， 其特 征在于， 还 包括： 第二获取模块， 所述第二获取模块用于获取目标账号的第一辅助识别数据； 所述第一 辅助识别数据为当前订单的辅助识别数据； 所述辅助识别数据包括： 订单金额、 订单时间， 订单结束地点， 订单行驶距离， 订单持续时长， 使用优惠券信息， 订单折扣 信息。 第二发送模块， 所述第二发送模块用于将第一辅助识别数据发送至所述分类 器。权　利　要　求　书 2/2 页 3 CN 114022027 A 3