卫昆 李想

【摘 要】C2C电子商务模式由于虚拟性和信息的不对称性，导致交易欺诈现象频发，其发展受到严重影响。论文通过构建具有一定分类精度的随机森林分类器模型，探索从C2C交易商家数据中发掘和识别出异常信息并分析评判的方法，帮助电子商务企业及时发现问题并做出决策，对C2C交易欺诈风险防范具有现实意义。

【Abstract】Due to the virtual nature and asymmetric information of the C2C e-commerce mode， there often occurs transaction fraud， and its development is seriously affected. Through constructing a random forest classifier mode， which has certain classification accuracy， we explore the method of discovering and identifying abnormal information from C2C trading merchant data and analyzing and judging it， so as to help e-commerce enterprises find problems and make decisions in time， it also has practical significance for the prevention of C2C transaction fraud risk.

【关键词】C2C电子商务；欺诈识别；随机森林；决策树

【Keywords】C2C e-commerce；fraud identification；random forest；decision-making tree

【中图分类号】F724.6 【文献标志码】A 【文章编号】1673-1069（2018）08-0171-03

1 C2C电子商务发展及其交易欺诈问题

随着互联网的发展，C2C电子商务交易模式不断成熟稳定，以其不受地域时间的限制、高效率、低成本等优势而受到越来越多人的青睐。近年来我国电子商务消费者人数迅速增长，根据CNNIC第41次《中国互联网络发展状况统计》，截至2017年12月底我国电子商务市场的交易总额高达29.16亿元，较之2016年增幅约为11.7%。网络购物市场总交易规模高达6.2亿元，比2016年增长24%。2010年C2C市场的交易额约为4651亿元，2015年C2C电子商务在中国整体网络购物市场规模中增长率为19.5%，2017年天猫双11全球狂欢节交易额高达1682亿元，年增长39%，数据表明C2C电子商务模式发展空间很大。

2 相关理论方法介绍

2.1 分类器原理

分类器是利用分类技术构建的模型，主要是用来预测数据对象的离散类别，经过对训练集（由类别已知的数据组成）的学习得到一个分类模型，可视作一个目标函数，待测集（所属类别未知的数据）中的每个样本通过该目标函数的映射，得出一个被预测的类别。

2.2 分类器性能评价指标