反欺詐之地址的處理和使用（二）

來自專欄 大數據反欺詐

反欺詐之地址的處理和使用（一）系統地梳理了地址的種類和利用地址的欺詐手法，本文將以此為基礎，介紹一下地址的處理和使用方法。

#地址的標準化#

（插播一則笑話：一天，黃姐姐在上海地鐵上，聽兩個遊客聊天，甲貌似在上海讀書，乙從北京過來玩。乙說：我要去外灘，城隍廟和陸家口…甲沒聽清，什麼？乙又重複了一遍：外灘，城隍廟和陸家口…這時，周圍一群人都笑趴了，黃姐姐也是憋出了內傷！甲強忍住笑說：陸家嘴！乙一臉懵逼：哦哦，我說張家口說順口了，對對，陸家嘴。）

言歸正傳，人有對常規地址的自動識別能力（一提到陸家嘴就知道在上海）和糾錯能力（能知道陸家口是陸家嘴的誤讀），而機器沒有。為了讓地址更有識別度，並且能讓機器看得懂，需要對地址進行標準化。何為標準化？讓我們看一個標杆性的地址標準化產品——淘寶。想必在淘寶/天貓買過東西的人都知道，我們在填寫收貨地址時，通常讓我們按照省+市+區+街道+詳細地址這五項來區分，體貼的淘寶，對於我們不太確認的地址，還提供「暫不知道」這一選項，之後會根據我們填寫的詳細地址來做匹配，以完善標準化信息，如下圖所示。

地址的標準化在採集時強制處理是最簡單有效的做法，但對於歷史數據的修復，以及對錯誤數據的更改和對特殊字元的處理，則需要比較細緻地處理。以下羅列了幾種常用的方法。

#不同種類地址的評估維度#

地址標準化好後，就可以根據地址的靜態信息和動態信息對其進行畫像了。

#貼標籤#

地址標準化並根據評估維度進行欄位衍生後，就可以為每個地址/區域貼標籤了。標籤也可以按照幾個維度來貼：

1.按照省、市、區、街道、商圈、樓、室幾個級別來貼；

2.按照房價絕對值和相對值來貼；

3.按照關鍵詞來貼，例如：「大學」對應老師或學生，「醫院」對應醫生、護士和病人，「電腦城」/「手機城」對應零售商等等；

4.按照地址屬性來貼，例如：模糊地址標籤，虛假地址標籤等

5.按照地址/區域逾期率來貼；

6.按照地址接收的平均訂單金額/訂單量來貼；

7.按照訂單商品來貼；

8.按照收貨地址變化頻率來貼；

9.按照公司地址行業來貼；

10.按照公司屬性來貼，例如：是屬於政府機關、學校還是企業？

其中，黃姐姐解釋一下第6條和第7條。在消費分期場景中，用戶會拿到一個授信額度，可以在電商平台上購物。壞人套現的方式就是一次性用光額度購買手機等易變現商品，例如，近期比較容易變現的是一款899的榮耀手機和799的紅米手機。那麼，假設黃姐姐的額度為2500元，那麼我會充分利用這一額度，巧妙組合，例如：兩款799?一款899，也即799*2+899=2497<2500，可謂是完美套現。那麼，結合地址信息，如果一個地址的訂單金額都約等於授信額度，且寄送的商品品類（如手機）和型號（如紅米5）集中，則可能為高風險客戶。

這個過程有點類似於給人物做側寫或者畫像，只是這裡的主角不再是人，而是地址。一個好的地址畫像需要結合場景和業務知識，同時要對數據分布做詳細周密地分析。此處無監督可以提供的就是對地址的分群處理。為了形象地描述，我將無監督的應用抽象成如下案例以方便大家理解。

對於一組雜亂的數據，逾期率為1%。我們通過一定手段對地址進行了分詞處理，發現其中包含「電腦」和「手機」兩個詞的群組中，逾期率高達80%。於是，我們給包含了「電腦」和「手機」的地址貼了一個標籤【零售商】，若結合業務知識，還可以給諸如「華強北」、「賽格」等辭彙同樣貼上【零售商】的標籤。

所以，簡單來說，地址文本的非結構化給地址的標註帶來了一定難度，而無監督有利於整理這些辭彙，有點像excel里的篩選和排序功能，只是，對地址的處理，你不知道是按照什麼條件來篩選和排序，而無監督給了你一個可能的篩選條件和思路，讓你無需對案件進行獨立分析，而是批量分析，從而大大節約了時間。

當然，單從地址信息這一個維度，不足以準確判定欺詐行為，僅能作為其中一個角度。為了不因為一刀切而導致的高誤傷，欺詐屬性的判別中，還是需要非常強的擴維能力，從各個角度進行欺詐屬性的綜合評分。

感謝作者：

侯局長 http://www.sohu.com/a/160365658_689410