[發(fā)明專利]一種可疑交易識別模型構(gòu)建方法

在審

• 申請?zhí)枺?/td>: 202110676102.5
• 申請日: 2021-06-18
• 公開（公告）號: CN113409054A
• 公開（公告）日: 2021-09-17
• 發(fā)明（設(shè)計）人: 王碩蘋;湯鵬飛;金蒼宏;陳奇;張子健;楊棖
• 申請（專利權(quán)）人: 浙大城市學(xué)院;浙江成功軟件開發(fā)有限公司
• 主分類號: G06Q20/40
• 分類號: G06Q20/40;G06N3/02;G06K9/62
• 代理公司: 寧波久日專利代理事務(wù)所(普通合伙) 33299
• 代理人: 徐策

1.一種可疑交易識別模型構(gòu)建方法，其特征在于，包括如下步驟：

S1.構(gòu)建訓(xùn)練集，訓(xùn)練集中包含已預(yù)設(shè)標(biāo)簽的交易賬戶；

S2.獲取交易賬戶在一定時間段內(nèi)的所有交易記錄，按照一定的時間間隔將所有記錄劃分為不同的交易記錄子序列，計算每個子序列中包含的交易記錄的交易金額總額，計算結(jié)果作為所述交易賬戶的時間序列的一個元素，所有元素構(gòu)成所述交易賬戶的時間序列表示；

S3.從訓(xùn)練集中所有時間序列的子序列中選取固定數(shù)量的子序列作為候選Shapelet，組成一個Shapelet候選集，然后計算Shapelet候選集中每個候選Shapelet的信息增益，最后提取信息增益最大的前K個Shapelet；

S4.構(gòu)建Shapelet關(guān)系圖，所述Shapelet關(guān)系圖為無向加權(quán)圖，Shapelet關(guān)系圖由K個節(jié)點組成，每個節(jié)點表示一個Shapelet，每條邊的權(quán)重表示所連接的兩個不同的Shapelet能同時與相同的時間序列相匹配的概率；

S5.得到Shapelet關(guān)系圖后，采用圖嵌入方法對Shapelet關(guān)系圖進(jìn)行嵌入，得到嵌入后的任一節(jié)點的表示向量；

S6.對于時間序列和與其匹配的所有Shapelet，以及相應(yīng)的匹配度，將Shapelet的嵌入后的表示向量與匹配度相乘，再對所有相乘的結(jié)果累加作為當(dāng)前時間序列的表示向量；

S7.將訓(xùn)練集中每個時間序列的表示向量作為時間序列的特征輸入到一個多層感知器神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使用訓(xùn)練好多層感知器神經(jīng)網(wǎng)絡(luò)進(jìn)行待預(yù)測交易賬戶的分類預(yù)測。

2.如權(quán)利要求1所述的方法，其特征在于，所述獲取交易賬戶在一定時間段內(nèi)的所有交易記錄，按照一定的時間間隔將所有記錄劃分為不同的交易記錄子序列，計算每個子序列中包含的交易記錄的交易金額總額，計算結(jié)果作為所述交易賬戶的時間序列的一個元素，所有元素構(gòu)成所述交易賬戶的時間序列表示，具體為：

對于數(shù)據(jù)集中的第i個交易賬戶的所有交易記錄A_i,*，先將其轉(zhuǎn)換為時間序列表示；

按照一定的時間間隔將A_i,*劃分為不同的交易記錄子序列，其中第m個子序列中共有n筆交易記錄，則第m個子序列表示為：

Seg_i,m＝{A_i,x,A_i,x+1,…,A_i,x+n-1}；

其中A_i,x,A_i,x+1,…,A_i,x+n-1分別為第m個子序列中對應(yīng)的第1～第n筆交易記錄；

第m個子序列的總交易金額為：

其中A_i,j是第i個賬戶的第j筆交易記錄，Value(A_i,j)為交易記錄A_i,j對應(yīng)的交易金額；

第i個交易賬戶的時間序列表示為其中L_i為第i個交易賬戶經(jīng)過劃分后的交易記錄子序列數(shù)，也是時間序列T_i的長度；第i個賬戶的第L_i段子序列表示。

3.如權(quán)利要求1或2所述的方法，其特征在于，所述從訓(xùn)練集中所有時間序列的子序列中選取固定數(shù)量的子序列，具體為：采取貪婪策略進(jìn)行子序列的選擇，使得選取的子序列之間的歐拉距離最大。