铁路互联网售票异常行为分类技术的研究与应用

摘要

cqvip: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。