铁路互联网售票异常行为分类技术的研究与应用

摘要：

针对铁路互联网售票电子商务网站,基于购票流程中的余票查询、乘坐旅客信息选择、订单信息提交、支付确认4个环节的风险行为特征属性,设计异常购票行为识别分类器,基于朴素贝叶斯分类算法实现高性能的行为识别分类器.同时,在训练集上采用遗传算法进行分类属性阈值的优化处理,进一步提高分类算法的准确性.利用真实数据进行算法验证,结果表明:所设计的异常购票行为识别分类器,能基于较少训练集进行学习,并且在不牺牲误识率的情况下保障异常购票行为识别的准确率,可以达到97.1％的分类控制的效果;与决策树算法相比,准确率有接近3％～5％的提升;算法运行效率可以满足1 000 TPS高并发请求分类的要求.

关键词：铁路客票、互联网售票、异常购票行为、异常请求、朴素贝叶斯分类

所属期刊栏目：40

分类号：F532.6;U294(铁路运输经济)

资助基金：中国铁路总公司科技研究开发计划2017F017

在线出版日期：2020-01-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：133-139