[发明专利]一种基于实体关系的在线交易欺诈检测方法

摘要

本发明涉及一种基于实体关系的在线交易欺诈检测方法，其关键在于，根据交易数据抽取实体关系，构建关系网络二部图，提出了基于节点收缩的异质网络同质化方法和基于集成学习、图表征学习的邻域信息聚合提升树分类模型机制。本发明提供的方法从实用性角度出发，通过将注意力从交易节点本身转化到关系网络中交易的若干阶邻域信息，充分考虑交易之间潜在的关联关系，为挖掘团伙欺诈提供了可能性。梯度提升模型通过不断拟合模型的残差，提高欺诈识别的效果，有很好的表现效果。同时，该方法将集成学习从网格型数据的应用扩展至图数据的应用领域。基于以上方面，建立了借贷交易欺诈检测方法的框架，为解决欺诈交易检测提供了技术支持。

主权项

1.一种基于实体关系的在线交易欺诈检测方法，包括基于关系网络的同质化节点收缩算法和基于图表征与集成学习的邻域聚合提升树算法，其特征在于，包括以下步骤：/n(1)构建交易实体与属性实体之间的金融交易二分图关系网络，本质上是异质的带有属性的非连通稀疏图，构建过程包括如下步骤：/nS101、划分数据集/n将交易数据根据属性是否具有实体意义，划分为纯交易属性集合和用于构建网络的实体关系集合；/nS102、特征工程/n对于纯交易属性集合做特征工程，衍生变量；/nS103、原始网络构建/n对于实体关系集合，进行交易实体和属性实体之间的连接，得到代表不同物理意义节点的交易网络，该交易网络的本质上异质的带有属性的非连通稀疏二分图，一部分是交易实体节点集合，另一部分是抽象化掉实际物理意义的实体属性节点集合；/nS104、返回数据集；/n(2)金融交易二分图关系网络为异质网络，针对异质网络无法统一表征问题，利用节点收缩算法对金融交易二分图关系网络进行同质化处理得到同质化网络H，包括以下步骤：/nS201、计算准备/n金融交易二分图关系网络包括交易节点集合T和属性节点集合A，各集合内部没有边，集合之间有边相连表示交易实体和其属性之间的表征关系，以属性节点集合A为中心，计算属性节点集合A中的每个属性节点的邻居节点个数；/nS203、节点收缩过程/n对于属性节点集合A中，邻居节点个数大于1的属性节点，将与其相连的交易节点直接相连，同时将该属性节点删除，构成同质网络H；/nS204、在同质网络H中删除重复出现的边；/nS205、同质化过程结束；/n(3)基于图的邻域信息聚合提升树方法，将交易特征通过关系网络进行信息融合，关注交易自身属性的同时，关注其邻域节点的属性，邻域信息聚合提升树算法以cart回归树作为基分类器，采用boosting串行基分类器的思想，每一棵新树的建立是为了拟合残差，包括以下步骤：/nS301、节点分裂依据/n加入防止过拟合的正则化操作，对残差进行二阶梯度拟合，加快收敛速度同时，对树的深度和宽度进行约束，得到目标函数：