[發明專利]基于孤立森林算法的財務數據異常檢測方法及相關裝置

在審

• 申請號: 202010331907.1
• 申請日: 2020-04-24
• 公開（公告）號: CN111612040A
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 何越;古承炬;何振;尹小亮;林育芳;陳炯其
• 申請（專利權）人: 平安直通咨詢有限公司上海分公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/10;G06Q40/00
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 魏學昊

本申請是關于一種基于孤立森林算法的財務數據異常檢測方法及相關裝置，屬于數據分析技術領域，包括：從數據庫中獲取預定時間段的財務數據并劃分為多類子數據集；將每類子數據集進行數據沖銷處理后，拆分為正數據集及負數據集；分別生成正數據集及負數據集的特征寬表，并對正數據集的特征寬表進行群組基線劃分；將群組基線變換后的正數據集特征寬表輸入孤立森林算法模型，得到第一異常數據；將所述第一異常數據的主體字段與所述負數據集的特征寬表中的主體字段進行比對，以確定所述第一異常數據中的風險數據。本申請的實施例有效提升財務數據風險數據分析的可靠性和準確性。

技術領域

本申請涉及數據分析技術領域，具體而言，涉及一種基于孤立森林算法的財務數據異常檢測方法及相關裝置。

背景技術

一般地，機器學習算法在金融風控領域得到較廣泛應用，但受缺少壞樣本標注的限制，導致模型精確率難以達到業務要求。現有異常檢測方法中機器學習模型在應用于財務數據稽核中存在問題：財務數據繁雜，不同主體(公司)、不同科目、不同報銷事件的財務數據存在巨大的差異，且財務數據普遍存在會計沖銷、科目間賬目調整等實際情況，以致現有異常檢測方法難以區分正常數據與異常(違規)報銷數據。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本申請的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本申請的目的在于提供一種基于孤立森林算法的財務數據異常檢測方案，進而至少在一定程度上有效提升財務數據異常檢測的可靠性及準確性。

根據本申請的一個方面，提供一種基于孤立森林算法的財務數據異常檢測方法，其特征在于，所述方法包括：

從數據庫中獲取預定時間段的財務數據，并根據預定數據類別字段將所述財務數據劃分為多類子數據集；

將每類所述子數據集基于所述子數據集中的業務主體字段進行數據沖銷處理后，拆分為正數據集及負數據集；

通過特征構造分別生成所述正數據集及所述負數據集的特征寬表，并對所述正數據集的特征寬表進行群組基線劃分，得到群組基線變換后的正數據集特征寬表；

將所述群組基線變換后的正數據集特征寬表輸入孤立森林算法模型，得到第一異常數據；

將所述第一異常數據的主體字段與所述負數據集的特征寬表中的主體字段進行比對，以確定所述第一異常數據中的風險數據。

在本申請的一種示例性實施方式中，所述從數據庫中獲取預定時間段的財務數據，并根據預定數據類別字段將所述財務數據劃分為多類子數據集，包括：

從數據庫中獲取預定時間段的財務數據，并根據不同財務科目代碼字段將所述財務數據劃分為不同科目的子數據集。

在本申請的一種示例性實施方式中，所述業務主體字段包括貸方原幣字段；所述將每類所述子數據集基于所述子數據集中的業務主體字段進行數據沖銷處理后，拆分為正數據集及負數據集，包括：

將每類所述子數據集中貸方原幣字段中報銷單號相同、兩報銷單的貸方原幣字段的金額字段正負值相反且絕對值相同的報銷單號對應的數據刪除后，得到每類所述子數據集中沖銷后的數據集；

將每類所述子數據集中沖銷后的數據集，根據貸方原幣金額字段的正負值拆分為正數據集及負數據集。

在本申請的一種示例性實施方式中，通過特征構造分別生成所述正數據集及所述負數據集的特征寬表，并對所述正數據集的特征寬表進行群組基線劃分，得到群組基線變換后的正數據集特征寬表，包括：

根據預設特征表中財務數據的通用統計特征和業務特征，對所述正數據集及所述負數據集分別進行特征構造，生成所述正數據集及所述負數據集的特征寬表；