[发明专利]票据异常检测模型生成方法与票据异常检测方法

权利要求书

1.一种票据异常检测模型生成方法，其特征在于，所述方法包括：

获取历史票据数据；

识别所述历史票据数据中的分类型字段；

对所述分类型字段中非数值型字段进行数值转化和标准化处理，并对时间类型字段进行基于不同时间粒度的字段衍生，得到样本数据；

根据所述样本数据，训练得到改进型孤立森林模型。

2.根据权利要求1所述的方法，其特征在于，对时间类型字段进行基于不同时间粒度的字段衍生包括：对时间类型字段进行基于月、日以及小时的字段衍生。

3.根据权利要求1所述的方法，其特征在于，所述识别所述历史票据数据中的分类型字段包括：

对所述历史票据数据进行去重和一致性校验，得到预处理后的数据；

识别所述预处理后的数据中的分类型字段。

4.根据权利要求1所述的方法，其特征在于，所述根据所述样本数据，训练得到改进型孤立森林模型包括：

从所述样本数据中随机抽取预设份数据，得到训练样本集；

对所述训练样本集进行特征提取，得到特征数据集；

根据所述特征数据集，生成多个数据分割超平面；

确定各所述数据分割超平面中分割后样本数据离散程度最小对应的最优分割超平面；

获取所述最优分割超平面对应的最优分割点；

根据所述最优分割点以及所述训练样本集，训练得到孤立森林中的单棵树；

返回所述从所述样本数据中随机抽取预设份数据，得到训练样本集的步骤，直至训练得到预设棵的树；

根据训练得到的预设棵的树，构建改进型孤立森林模型。

5.根据权利要求4所述的方法，其特征在于，所述根据所述特征数据集，生成多个数据分割超平面包括：

从所述特征数据集中随机选择预设个特征进行随机组合，生成多个数据分割超平面。

6.根据权利要求4所述的方法，其特征在于，

所根据所述最优分割点以及所述训练样本集，训练得到孤立森林中的单棵树之前，还包括：

获取样本数据映射至最优分割超平面的最大值和最小值；

根据所述最大值和所述最小值，生成模型预测数据范围区间；

所述据所述最优分割点以及所述训练样本集，训练得到孤立森林中的单棵树包括：

根据所述最优分割点、所述训练样本集以及模型预测数据范围区间，训练得到孤立森林中的单棵树。

7.一种票据异常检测方法，其特征在于，所述方法包括：

获取待检测票据数据；

计算在待检测票据数据在改进型孤立森林模型中对应树上的路径长度；

根据所述路径长度，对所述待检测票据数据进行异常检测评分，得到评分值；

若所述评分值大于预设评分阈值，则判定所述待检测票据数据为异常票据数据；

其中，所述改进型孤立森林模型由权利要求1-6任意一项所述的票据异常检测模型生成方法生成。

8.一种票据异常检测模型生成装置，其特征在于，所述装置包括：

历史数据获取模块，用于获取历史票据数据；

字段识别模块，用于识别所述历史票据数据中的分类型字段；

样本数据处理模块，用于对所述分类型字段中非数值型字段进行数值转化和标准化处理，并对时间类型字段进行基于不同时间粒度的字段衍生，得到样本数据；

模型训练模块，用于根据所述样本数据，训练得到改进型孤立森林模型。

9.一种票据异常检测装置，其特征在于，所述装置包括：

检测数据获取模块，用于获取待检测票据数据；

路径计算模块，用于计算在待检测票据数据在改进型孤立森林模型中对应树上的路径长度；

评分模块，用于根据所述路径长度，对所述待检测票据数据进行异常检测评分，得到评分值；

检测模块，用于若所述评分值大于预设评分阈值，则判定所述待检测票据数据为异常票据数据；

其中，所述改进型孤立森林模型由权利要求8所述的票据异常检测模型生成装置生成。

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。