[发明专利]一种基于关联网络的信用卡套现团伙挖掘方法及系统

权利要求书

1.一种基于关联网络的信用卡套现团伙挖掘方法，其特征在于，包括以下步骤：

S0、可疑卡及交易数据准备，获取可疑卡信息；

S1、构建商户关联网络，定义网络中的节点和边；

S2、过滤商户关联网络的边，将原始商户中关联性低于设定阈值的连接进行过滤；

S3、商户节点的图嵌入表示学习，将商户关联网络中复杂的网络关系映射到多维向量空间；

S4、商户聚类；

S5、团伙过滤；

S6、输出套现商户团伙，结束；

其中，步骤S1中，节点为商户，边为可疑卡的在对应两个商户上的交易金额之和；边的权重为“所有共享可疑卡在商户A和商户B上的交易金额之和/(商户A的交易金额+商户B的交易金额)”；

步骤S3中，采用Node2vec算法作为图嵌入表示学习的算法，得到网络节点即商户对应的嵌入式表示；

步骤S4中，使用DBSCAN算法对商户进行聚类；

步骤S5中，针对商户数目设定第四阈值，将商户数目小于或等于第四阈值的团伙过滤掉。

2.根据权利要求1所述的基于关联网络的信用卡套现团伙挖掘方法，其特征在于，步骤S0中，通过套现卡的专家规则匹配得到所述可疑卡信息，并通过数据挖掘的方式进行可疑卡信息补充。

3.根据权利要求1所述的基于关联网络的信用卡套现团伙挖掘方法，其特征在于，步骤S1中，构建商户关联网络的方式为：遍历所有的可疑卡，对同一张可疑卡，将与之关联的商户两两建立一条边，形成一个无向图，节点为商户，边为共享可疑卡的在对应两个商户上的交易金额之和；在图中任何两个节点之间只保留一条边，边的权重设定为“共享可疑卡在商户A和商户B上的交易金额之和/(商户A的交易金额+商户B的交易金额)”，得到最终的商户关联网络。

4.根据权利要求1所述的基于关联网络的信用卡套现团伙挖掘方法，其特征在于，步骤S2中，过滤条件为：根据商户间共享可疑卡数目设定第一阈值，剔除商户间共享可疑卡数目小于第一阈值的商户关联；根据商户间可疑交易金额数目设定第二阈值，剔除商户间可疑交易金额小于第二阈值的商户关联；根据边权数值设定第三阈值，剔除边权小于第三阈值的商户关联。

5.根据权利要求4所述的基于关联网络的信用卡套现团伙挖掘方法，其特征在于，所述第一阈值设为3，所述第二阈值为100000，所述第三阈值设定为0.05。

6.根据权利要求1所述的基于关联网络的信用卡套现团伙挖掘方法，其特征在于，步骤S4中，通过Node2vec与DBSCAN的组合算法实现套现团伙划分。

7.根据权利要求1所述的基于关联网络的信用卡套现团伙挖掘方法，其特征在于，所述第四阈值设定为3。

8.一种基于关联网络的信用卡套现团伙挖掘系统，所述系统能够实施上述权利要求1-7任一项所述的基于关联网络的信用卡套现团伙挖掘方法，所述系统包括：数据采集单元，用于获取可疑卡及交易数据准备；

建网单元，用于构建商户关联网络单元；

第一过滤单元，用于过滤商户关联网络的边；

学习单元，用于商户节点的图嵌入表示学习；

聚类单元，用于商户聚类、团伙划分；

第二过滤单元，用于团伙过滤；

输出单元，用于输出套现商户团伙；

其中，节点为商户，边为可疑卡的在对应两个商户上的交易金额之和；边的权重为“所有共享可疑卡在商户A和商户B上的交易金额之和/(商户A的交易金额+商户B的交易金额)”；

采用Node2vec算法作为图嵌入表示学习的算法，得到网络节点即商户对应的嵌入式表示；

使用DBSCAN算法对商户进行聚类；

针对商户数目设定第四阈值，将商户数目小于或等于第四阈值的团伙过滤掉。