刘畅+殷聪

〔摘要〕为了解决电子商务平台中存在的虚假交易问题，本文依据商品的销售记录以及商家的基本信息，提出了一种结合深度置信网络和多层感知器的虚假交易识别方法，通过识别出以通过刷单增加销量的商品来识别虚假交易。首先利用深度置信网络对交易特征进行学习，得到更高层次的抽象特征；然后利用多层感知器进行分类任务，从而识别出虚假交易。从淘宝中爬取商品的交易记录和评论数据进行实验验证，与其他机器学习模型的实验结果进行对比，其性能有明显的提升。

〔关键词〕电子商务；虚假交易；深度学习；多层感知器；交易记录；商品评论；识别方法

DOI：10.3969/j.issn.1008-081.016.10.010

〔Abstract〕For solving the problem of fraud transaction in e-commerce platform，a method that combined Deep Belief Networks and Multilayer Perceptron based on the transaction records and review records of Products was put forward.Through recognizing the product which was increased sales in fraudulent transactions to recognize the fraud transactions.The features of transaction were learned by DBN to get the higher level of abstract features，and the MLP performed the classification task.Tested by experiments using the transaction records and review records of products crawled from Taobao，the comprehensive performance had improved significantly compared with the other machine learning model.

〔Key words〕e-commerce；fraud transaction；deep learning；MLP；transaction records；product review；recognition method

目前我国电子商务市场发展迅速，已超越美国成为全球第一大网络零售市场。据浙江省商务厅发布的《浙江省网络零售业发展报告》显示，2014年仅浙江一省的淘宝店铺数量已达到147万家。商品的高度同质化、流量分配不均、商家信誉差异大等因素不仅使广大消费者难以选择合适商品，也使得商家之间的竞争越来越激烈。影响淘宝搜索排名因素主要有动态评分、收藏人气、销量、浏览量等，但是由于淘宝网有大量的新开网店没有实际的销量作支撑，也没有足够的广告推广预算，很难在庞大的淘宝网店中生存。为了快速有效地解决这个问题，就催生出了一种虚假的网上交易模式——以虚假交易的形式提高商品和店铺的搜索排名。淘宝店铺为了提高网店或单件商品的搜索排名，达到销量火爆好评如潮的目的而采取了作弊行为。……