文件名称：基于监督机器学习的在线拍卖买家竞价行为检测-研究论文
文件大小：568KB
文件格式：PDF
更新时间：2024-06-29 23:17:15
论文研究
在这个电子商务蓬勃发展的时代，网上拍卖成为买卖双方相互联系的平台。 尽管在线拍卖很受欢迎，但它涉及一些偏离常规竞价模式的可疑竞价行为。 由于网上拍卖的购物者数量Swift增加，网上拍卖的买家可能在不知不觉中遭受拍卖欺诈。 在拍卖欺诈中，假投标是最难检测的网络拍卖欺诈类型之一。 过去的研究已经确定了一些预示着投标的行为。 本文确定了 eBay 数据集中与 shill 投标相关的四种投标策略，即：评估者、狙击、揭露和怀疑。 通过出价时间、出价超额、投标人参与竞拍次数等多种属性来识别竞价策略，其中超额是关键属性，在预处理过程中为每个投标计算的数据集。 已实施六个基线分类器以将数据集中的每个投标分为四个类别。 性能指标准确度、精确度、召回率用于比较分类器。 K-Nearesr Neighbor 给出了 79.2% 的最高准确率。