【技术实现步骤摘要】
本专利技术涉及异常交易数据监控的，特别涉及一种异常交易数据监控方法、装置、设备及存储介质。
技术介绍
1、异常交易是零售、金融和物流等行业的重点关注对象，它是指当前运行状况较以往存在显著差别的交易，其出现与市场波动、客户人群和经营环境变化等因素息息相关。随着异常交易行为的日益增加和计算机技术的不断提高，监控异常交易数据对保障用户交易体验具有重要意义。
2、以烟草零售行业为例，烟草局为促进烟草销售业务的增长，不仅开拓了许多支烟草公司的零售门店市场和自行经营门店零售业务，还开展了会员积分制度及其他购买激励等模式，但伴随着烟草门店销售业务的增多，许多门店员工利用自己个人的门店会员，将普通消费者购买卷烟记录挂入自己个人会员，从而获得购买商品的活动积分的异常交易行为，主要表现在门店购买卷烟的订单时间相对集中，短时间内出现多笔交易订单，即消费交易的时间集中与高金额订单集中。传统烟草零售行业的异常交易数据监控方法主要通过检查人员的检查经验、抽查小部分销售流水数据的方式，这对规范经营的监管，提出了非常大的挑战，有监管盲点存在可能性，让门店员工存在“监守自盗”的盲区。现有技术公开了一种系统数据监控方法，获取测试维度数据；计算测试维度数据的异常概率；当测试维度数据的异常概率大于预设概率时，确定测试维度数据为异常维度数据；计算异常维度数据的影响力值；当影响力值大于预设阈值时，确定异常维度数据为目标异常维度数据；但在面对大量的异常交易数据时，仅依赖预设概率和预设阈值来判断监控的数据是否为异常数据，数据监控效率低，监控过程机械性强，灵活性差，
技术实现思路
1、为解决现有异常数据监控方法监控效率低、监控过程过于机械化和灵活性差的问题，本专利技术提出一种异常交易数据监控方法、装置、设备及存储介质，降低了数据监控过程的机械性，提高了数据监控效率和数据监控过程的灵活性，实现数据的精细化监控。
2、为了达到上述技术效果，本专利技术的技术方案如下：
3、一种异常交易数据监控方法，包括以下步骤：
4、s1.获取待监控用户的交易数据；
5、s2.对所述交易数据进行预处理；
6、s3.构建用于检测所述交易数据中的异常交易数据的复合滑动窗口模型，对构建的复合滑动窗口模型进行优化；
7、s4.利用优化后的复合滑动窗口模型，对预处理完的交易数据进行检测，得到异常交易数据。
8、优选地，所述交易数据包括零售门店、客户编码、会员编号、许可证编号、销售年月、订单时间和订单号。
9、优选地，所述对所述交易数据进行预处理，具体为：
10、s21.利用去重函数distinct对交易数据中的所有零售门店进行去重抽取，得到去重交易数据；
11、s22.遍历去重交易数据中的每一个零售门店，抽取获得n个零售门店目录数据，其中n表示正整数。
12、优选地，所述构建用于检测所述交易数据中的异常交易数据的复合滑动窗口模型，具体包括以下步骤：
13、s31.以预设时间区间为时间滑动窗口，建立时间滑动窗口模型f(x)的表达式为：
14、f(x)＝a1x+b1
15、其中，a1表示第一窗口参数，x表示在时间滑动窗口内订单单数满足第一订单选择条件的总数，b1表示第二窗口参数；
16、s32.以预设连续订单数量为订单滑动窗口，建立订单滑动窗口模型f(y)的表达式为：
17、f(y)＝a2y+b2
18、其中，a2表示第三窗口参数，y表示在订单滑动窗口内订单单数满足第二订单选择条件的时间跨度，b2表示第四窗口参数；
19、s33.将所述时间滑动窗口模型f(x)和订单滑动窗口模型f(y)进行复合，得到所述复合滑动窗口模型f(x,y)的表达式为：
20、f(x,y)＝a3x+b3y+c
21、其中，a3表示第五窗口参数，b3表示第六窗口参数，c表示第七窗口参数。
22、优选地，所述第一订单选择条件为预设时间区间超过预设订单记录的订单，若预设时间区间超过预设订单记录的订单，在时间滑动窗口的预设时间区间内的订单为异常交易数据，否则，在时间滑动窗口的预设时间区间内的订单为正常交易数据；所述第二订单选择条件为预设连续订单记录低于预设时间区间，若预设连续订单记录低于预设时间区间，在订单滑动窗口内的预设连续订单为异常交易数据，否则，在订单滑动窗口的预设连续订单为正常交易数据。
23、优选地，所述对构建的复合滑动窗口模型进行优化，具体为：引入修正函数f(z)＝z，对复合滑动窗口模型f(x,y)进行优化，得到优化的复合滑动窗口模型f(x,y,z)的表达式为：
24、f(x,y,z)＝f(z)*(a3x+b3y+c)
25、＝z*(a3x+b3y+c)
26、＝a3xz+b3yz+cz
27、其中，z表示修正变量。
28、优选地，所述对预处理完的交易数据进行检测，具体包括：
29、s41.设置复合滑动窗口的在预处理完的交易数据上的初始坐标，其中所述复合滑动窗口包括时间滑动窗口和订单滑动窗口；
30、s42.将所述时间滑动窗口和订单滑动窗口设置为可变长度滑动窗口，所述可变长度滑动窗口从所述初始坐标开始在预处理完的交易数据上滑动；
31、s43.在所述可变长度滑动窗口滑动后，确定滑动过程中所述可变长度滑动窗口的窗口值，将所述窗口值输入优化后的复合滑动窗口模型，输出异常交易数据结果，将异常交易数据结果进行展示。
32、本专利技术还提出了一种异常交易数据监控装置，包括：
33、数据获取单元，用于获取待监控用户的交易数据；
34、预处理单元，用于对所述交易数据进行预处理；
35、复合滑动窗口模型构建单元，用于构建检测所述交易数据中的异常交易数据的复合滑动窗口模型，对构建的复合滑动窗口模型进行优化；
36、异常交易数据检测单元，用于利用优化后的复合滑动窗口模型，对预处理完的交易数据进行检测，得到异常交易数据。
37、本专利技术还提出了一种计算机设备，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
38、所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行所述的异常交易数据监控方法的操作。
39、优选地，所述存储介质中存储有至少一可执行指令，所述可执行指令在计算机设备上运行时，使得计算机设备执行所述的异常交易数据监控方法的操作。
40、与现有技术相比，本专利技术技术方案的有益效果是：
41、本专利技术提出一种异常交易数据监控方法、装置、设备及存储介质，考虑现有异常数据监控方法监控效率低、监控过程过于机械化和灵活性差的问题，对数据监控方法进行了改进，首本文档来自技高网...
【技术保护点】
1.一种异常交易数据监控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的异常交易数据监控方法，其特征在于，所述交易数据包括零售门店、客户编码、会员编号、许可证编号、销售年月、订单时间和订单号。
3.根据权利要求2所述的异常交易数据监控方法，其特征在于，所述对所述交易数据进行预处理，具体为：
4.根据权利要求3所述的异常交易数据监控方法，其特征在于，所述构建用于检测所述交易数据中的异常交易数据的复合滑动窗口模型，具体包括以下步骤：
5.根据权利要求4所述的异常交易数据监控方法，其特征在于，所述第一订单选择条件为预设时间区间超过预设订单记录的订单，若预设时间区间超过预设订单记录的订单，在时间滑动窗口的预设时间区间内的订单为异常交易数据，否则，在时间滑动窗口的预设时间区间内的订单为正常交易数据；所述第二订单选择条件为预设连续订单记录低于预设时间区间，若预设连续订单记录低于预设时间区间，在订单滑动窗口内的预设连续订单为异常交易数据，否则，在订单滑动窗口的预设连续订单为正常交易数据。
6.根据权利要求5所述的异常交易数据
7.根据权利要求6所述的异常交易数据监控方法，其特征在于，所述对预处理完的交易数据进行检测，具体包括：
8.一种异常交易数据监控装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令在计算机设备上运行时，使得计算机设备执行如权利要求1-7任意一项所述的异常交易数据监控方法的操作。
...【技术特征摘要】
1.一种异常交易数据监控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的异常交易数据监控方法，其特征在于，所述交易数据包括零售门店、客户编码、会员编号、许可证编号、销售年月、订单时间和订单号。
3.根据权利要求2所述的异常交易数据监控方法，其特征在于，所述对所述交易数据进行预处理，具体为：
4.根据权利要求3所述的异常交易数据监控方法，其特征在于，所述构建用于检测所述交易数据中的异常交易数据的复合滑动窗口模型，具体包括以下步骤：
5.根据权利要求4所述的异常交易数据监控方法，其特征在于，所述第一订单选择条件为预设时间区间超过预设订单记录的订单，若预设时间区间超过预设订单记录的订单，在时间滑动窗口的预设时间区间内的订单为异常交易数据，否则，在时间滑动窗口的预设时间区间内的订单为正常交易数据；所述第二订单选择条件为预设连续订单记录低于预设时间区间，若预设连续订单记录低于预设时间区间，在订单滑动窗口...
【专利技术属性】
技术研发人员：余栋柱，陈星融，邓雄源，
申请(专利权)人：广东烟草广州市有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。