[发明专利]一种可疑交易识别模型构建方法

权利要求书

1.一种可疑交易识别模型构建方法，其特征在于，包括如下步骤：

S1.构建训练集，训练集中包含已预设标签的交易账户；

S2.获取交易账户在一定时间段内的所有交易记录，按照一定的时间间隔将所有记录划分为不同的交易记录子序列，计算每个子序列中包含的交易记录的交易金额总额，计算结果作为所述交易账户的时间序列的一个元素，所有元素构成所述交易账户的时间序列表示；

S3.从训练集中所有时间序列的子序列中选取固定数量的子序列作为候选Shapelet，组成一个Shapelet候选集，然后计算Shapelet候选集中每个候选Shapelet的信息增益，最后提取信息增益最大的前K个Shapelet；

S4.构建Shapelet关系图，所述Shapelet关系图为无向加权图，Shapelet关系图由K个节点组成，每个节点表示一个Shapelet，每条边的权重表示所连接的两个不同的Shapelet能同时与相同的时间序列相匹配的概率；

S5.得到Shapelet关系图后，采用图嵌入方法对Shapelet关系图进行嵌入，得到嵌入后的任一节点的表示向量；

S6.对于时间序列和与其匹配的所有Shapelet，以及相应的匹配度，将Shapelet的嵌入后的表示向量与匹配度相乘，再对所有相乘的结果累加作为当前时间序列的表示向量；

S7.将训练集中每个时间序列的表示向量作为时间序列的特征输入到一个多层感知器神经网络进行训练，使用训练好多层感知器神经网络进行待预测交易账户的分类预测。

2.如权利要求1所述的方法，其特征在于，所述获取交易账户在一定时间段内的所有交易记录，按照一定的时间间隔将所有记录划分为不同的交易记录子序列，计算每个子序列中包含的交易记录的交易金额总额，计算结果作为所述交易账户的时间序列的一个元素，所有元素构成所述交易账户的时间序列表示，具体为：

对于数据集中的第i个交易账户的所有交易记录A_i,*，先将其转换为时间序列表示；

按照一定的时间间隔将A_i,*划分为不同的交易记录子序列，其中第m个子序列中共有n笔交易记录，则第m个子序列表示为：

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分别为第m个子序列中对应的第1～第n笔交易记录；

第m个子序列的总交易金额为：

其中A_i,j是第i个账户的第j笔交易记录，Value(A_i,j)为交易记录A_i,j对应的交易金额；

第i个交易账户的时间序列表示为其中L_i为第i个交易账户经过划分后的交易记录子序列数，也是时间序列T_i的长度；第i个账户的第L_i段子序列表示。

3.如权利要求1或2所述的方法，其特征在于，所述从训练集中所有时间序列的子序列中选取固定数量的子序列，具体为：采取贪婪策略进行子序列的选择，使得选取的子序列之间的欧拉距离最大。