福尚云观影用户行为风险特征数据集，是基于福尚云平台电影票务业务数据构建的结构化用户行为数据集，重点用于识别异常交易行为及潜在黄牛用户。数据经清洗、聚合及特征工程处理形成，不包含任何可识别个人身份的信息。 数据集围绕用户购票行为的异常模式进行建模，包括但不限于：高频购票行为、短时间内重复下单、多影院/多城市切换、时间分布异常（如夜间高频操作）等多维度指标，用于刻画用户是否具备异常交易或倒卖行为特征。 该数据集主要应用于电影票务业务的风险识别与风控模型训练，支持异常用户识别、交易风险评估等场景。同时也可用于构建行为评分体系及实时风控策略优化，为平台安全运营提供数据支撑。

本数据集来源于福尚云商城电影票务业务数据。原始数据的清洗、异常过滤、缺失值处理、字段格式统一及合规管理均由商城系统完成，风险预测模型不直接读取订单、支付等原始业务明细，仅接收商城输出的结构化特征数据。 数据集包含用户ID、快照日期及24项预计算数值特征，涵盖近期订单数量、成功订单数量、下单间隔、距最近一次下单时间、影院和城市分布、同一影片重复购买比例、特定时段订单比例及卡券使用情况。用户ID和快照日期仅用于样本标识，不参与模型计算。 模型按固定顺序读取24项特征，并使用训练集拟合后固化的均值和标准差进行 z-score 标准化，不对单项特征进行0至1转换，也不采用固定权重线性加权。模型采用“24→64→32→2”的多层感知机结构，隐藏层使用 ReLU，输出层通过 Softmax 计算风险类别概率，并将其作为 risk_score。 risk_score 取值范围为0至1。risk_score 大于或等于0.5时，risk_label 为1；小于0.5时，risk_label 为0。该结果仅表示模型识别的疑似风险，不作为认定用户违规的直接依据。

本数据集主要用于识别与分析电影票务业务中的异常交易行为及潜在风险用户，可应用于风控策略制定、异常用户识别、交易风险评估等场景。通过对用户下单频率、交易时间分布、跨区域行为及行为稳定性等特征进行分析，可辅助判断用户行为是否存在异常模式。 在实际应用中，该数据集可作为风控模型训练与优化的数据基础，用于构建用户风险评分体系、识别高风险交易及提升平台整体风险防控能力。同时，也可支持运营侧对异常行为的监测与干预，降低黄牛及异常交易对平台生态的影响。

用户ID,快照日期,近1天订单数,近3天订单数,近5天订单数,近7天订单数,近14天订单数,近5天成功订单数,近7天成功订单数,近3天平均间隔(分钟),近7天平均间隔(分钟),近3天最小间隔(分钟),距上次下单(小时),近3天不同影院数,近5天不同影院数,近7天不同影院数,近5天不同城市数,近5天同影片重复占比,近7天同影片重复占比,近7天夜间下单占比,近7天工作时段下单占比,近7天周末下单占比,卡券数量,涉及单位数量,近7天新增卡券数,近7天使用卡券数,风险标签 7,2026/1/17,1,1,1,1,1,0,0,0,0,0,0,1,1,1,1,0,0,0,0,1,12,3,0,0,1 7,2026/1/25,1,1,1,1,2,1,1,0,0,0,0,1,1,1,1,0,0,1,0,1,12,3,0,0,1 7,2026/5/15,1,1,1,1,1,0,0,0,0,0,0,1,1,1,1,0,0,0,0,0,12,3,0,0,1 8,2026/2/18,1,1,1,1,1,0,0,0,0,0,0,1,1,1,1,0,0,0,1,0,17,5,0,0,1 8,2026/2/26,1 附件下载

用户ID,快照日期,近1天订单数,近3天订单数,近5天订单数,近7天订单数,近14天订单数,近5天成功订单数,近7天成功订单数,近3天平均间隔(分钟),近7天平均间隔(分钟),近3天最小间隔(分钟),距上次下单(小时),近3天不同影院数,近5天不同影院数,近7天不同影院数,近5天不同城市数,近5天同影片重复占比,近7天同影片重复占比,近7天夜间下单占比,近7天工作时段下单占比,近7天周末下单占比,卡券数量,涉及单位数量,近7天新增卡券数,近7天使用卡券数,风险标签