银行账户异常交易识别方法技术

本发明专利技术提供了一种银行账户异常交易识别方法，通过在底层引入极端梯度提升树模型进行特征优化，将优化后的特征与原始特征相结合，作为中间层长短时记忆网络的输入，通过这样来学习序列间的特征，并将各笔交易记录内的特征时序化。将学习获得的序列间特征与原始交易内特征相结合，得到最终交易特征向量，以此为基础，为更好地将时序特征进行融合学习，此方法在顶层叠加了随机森林模型，以此作为最终的银行账户异常交易判别分类器。通过上述方式，有效避免序列化交易特征学习能力弱和各笔交易记录内特征学习能力受限等弊端，以此提升银行账户异常交易识别模型的运行效率和性能。

Identification method of abnormal transaction in bank account

【技术实现步骤摘要】
银行账户异常交易识别方法
本专利技术涉及一种银行账户异常交易识别方法。
技术介绍
银行卡的异常交易不仅给银行业带来了极大的风险，而且严重地影响商户和银行客户的利益，造成了不同程度的直接或间接重大损失。精准高效的异常交易识别模型的设计是减少这些损失的关键，越来越多的算法依靠先进的机器学习技术来协助风控调查员。深度交易特征学习能力有限：基于规则和一般机器学习的银行账户异常交易识别模型在学习比较复杂的序列化交易特征时，结果总是不那么尽如人意，而且需定期耗费大量资源总结交易业务和更新规则，造成资源消耗和增加时延。同时深度学习模型的优势是能对规则自我学习，但单一深度学习模型不擅长各笔交易记录内的特征学习。传统银行账户异常交易识别模型都是基于规则算法。
技术实现思路
本专利技术的目的在于提供一种银行账户异常交易识别方法。为解决上述问题，本专利技术提供一种银行账户异常交易识别方法，包括：在底层引入极端梯度提升树模型对各笔交易记录的原始特征的组合进行特征优化，得到优化后的特征；将各笔交易记录的优化后的特征与各本文档来自技高网...

【技术保护点】
1.一种银行账户异常交易识别方法，其特征在于，包括：/n在底层引入极端梯度提升树模型对各笔交易记录的原始特征的组合进行特征优化，得到优化后的特征；/n将各笔交易记录的优化后的特征与各笔交易记录的原始特征的组合相结合，作为中间层长短时记忆网络的输入，以学习序列间的特征，并将各笔交易记录内的特征时序化；/n将各笔交易记录的序列间的特征与该各笔交易记录的原始特征的组合相结合，得到最终交易特征向量；/n基于所述最终交易特征向量，并在顶层叠加随机森林模型，以得到最终的银行账户异常交易判别分类器。/n

【技术特征摘要】
1.一种银行账户异常交易识别方法，其特征在于，包括：
在底层引入极端梯度提升树模型对各笔交易记录的原始特征的组合进行特征优化，得到优化后的特征；
将各笔交易记录的优化后的特征与各笔交易记录的原始特征的组合相结合，作为中间层长短时记忆网络的输入，以学习序列间的特征，并将各笔交易记录内的特征时序化；
将各笔交易记录的序列间的特征与该各笔交易记录的原始特征的组合相结合，得到最终交易特征向量；
基于所述最终交易特征向量，并在顶层叠加随机森林模型，以得到最终的银行账户异常交易判别分类器。


2.如权利要求1所述的银行账户异常交易识别方法，其特征在于，在底层引入极端梯度提升树模型对各笔交易记录的原始特征的组合进行特征优化，得到优化后的特征，包括：
使用极端梯度提升树模型对各笔交易记录的原始特征的组合进行学习，得到第一预测结果。


3.如权利要求2所述的银行账户异常交易识别方法，其特征在于，所述第一预测结果包括对于训练集和测试集的预测结果。


4.如权利要求1所述的银行账户异常交易识别方法，其特征在于，将各笔交易记录的优化后的特征与各笔交易记录的原始特征的组合相结合，作为中间层长短时记忆网络的输入，以学习序列间的特征，包括：
将所述第...

【专利技术属性】
技术研发人员：刘云翔，唐泽莘，鞠兴忠，原鑫鑫，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：上海;31