金融大數(shù)據(jù)應(yīng)用研究——商戶類別碼套用檢測算法研究.pdf

1、在這樣一個信息技術(shù)迅速發(fā)展的大數(shù)據(jù)時代，傳統(tǒng)行業(yè)面臨著巨大挑戰(zhàn)。各行業(yè)在大數(shù)據(jù)浪潮的沖擊下開始嘗試改變傳統(tǒng)經(jīng)營模式時，大型金融機構(gòu)站在了信息價值鏈的最好位置。通過為小型金融機構(gòu)和商家客戶提供服務(wù)，他們能夠直接獲得大量的交易信息和顧客的消費信息。他們的商業(yè)模式從單純的處理支付行為轉(zhuǎn)變?yōu)槭占瘮?shù)據(jù)并挖掘其潛在價值。中國銀聯(lián)作為中國銀行卡聯(lián)合組織，處于我國銀行卡產(chǎn)業(yè)的核心和樞紐地位，占據(jù)了收集數(shù)據(jù)和挖掘數(shù)據(jù)價值的黃金位置。圍繞其核心數(shù)據(jù)所設(shè)立的

2、“金融大數(shù)據(jù)應(yīng)用研究”項目也隨之展開。本文主要利用數(shù)據(jù)挖掘技術(shù)開展了“金融大數(shù)據(jù)應(yīng)用研究——商戶類別碼套用檢測算法研究”的工作。其中主要的研究內(nèi)容分為基礎(chǔ)研究和應(yīng)用研究兩部分：
　　（1）在數(shù)據(jù)挖掘技術(shù)上展開基礎(chǔ)創(chuàng)新工作，對聚類算法進行了大量的研究，并提出了新的聚類算法——“基于尋根的快速層次聚類算法”（RS算法）。該算法以貪心的策略通過迭代的搜索最近鄰的方式，尋找位于數(shù)據(jù)密集區(qū)域的核心點（根節(jié)點）。與此同時，將遍歷過的點連接起來

3、，建立子樹從而完成聚類。我們選擇了兩個經(jīng)典的聚類算法進行對比實驗。實驗結(jié)果表明，在大部分數(shù)據(jù)集上，RS算法優(yōu)于其他兩個經(jīng)典算法。通過復(fù)雜度分析，RS算法具有線性復(fù)雜度。
　?。?）開展了大量“商戶類別碼套用檢測算法研究”的工作，并提出了一套完整的商戶類別碼套用檢測模型。在文中我們對數(shù)據(jù)集進行了大量的樣本分析，并發(fā)現(xiàn)了商戶交易數(shù)據(jù)中存在的規(guī)律性，提出了“行業(yè)模式”和商戶“行為模式”的概念。我們利用行業(yè)模式與商戶行為模式的差異性計算出

4、多個基于行業(yè)間差別和基于行業(yè)內(nèi)差別的參數(shù)，并將這些參數(shù)作為特征組成特征向量訓(xùn)練分類模型從而完成套用商戶的識別。我們選擇了5個分類算法在4個數(shù)據(jù)集上進行了實驗。實驗結(jié)果表明我們提出的商戶類別碼套用檢測模型切實可行，在3個數(shù)據(jù)集上的準確率和召回率都達到80％以上。
　　綜上所述，本文在數(shù)據(jù)挖掘技術(shù)上進行了理論創(chuàng)新工作，并結(jié)合了在金融領(lǐng)域進行數(shù)據(jù)挖掘的應(yīng)用場景提出了“商戶類別碼套用檢測模型”。并且通過大量實驗驗證了文中所提出的算法和模型