具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

本发明提供了一种可以交易识别模型的构建方法，如图1所示，包括如下步骤：

S1.构建训练集，其中训练集中包含已经预设标签的交易账户；如图1所示，也可以根据历史交易记录数据同时构建训练数据集和测试数据集。

S2.针对交易账户进行时间序列的提取。

考察一个交易账户在一定时间段内的所有交易记录，按照一定的时间间隔将交易记录划分为不同的交易记录子序列，计算每个子序列的所有交易记录的交易金额总额，该计算结果作为此账户的时间序列的一个元素，所有元素构成此账户的时间序列表示。

一条完整的交易记录A_i,j至少应该包含交易卡号、交易时间、交易金额、交易余额、交易对手卡号、交易对手余额6个字段，如表1所示。

表1交易记录字段

其中A_i,*表示数据集中的第i个账户的所有交易记录，其中c_i表示第i个账户的交易记录条数。将该账户转换为时间序列表示，具体做法为：按照一定的时间间隔(如10天)将A_i,*划分为不同的交易记录子序列，设第m个子序列中共有n笔交易记录，则第m个子序列表示为：

Seg_i,m＝{A_i,x,A_i,x+1,…,A_i,x+n-1}；

其中A_i,x,A_i,x+1,…,A_i,x+n-1分别为第m个子序列中对应的第1～第n笔交易记录。

第m个子序列的总交易金额为：

其中A_i,j是第i个账户的第j笔交易记录，Value(A_i,j)为交易记录A_i,j对应的交易金额。

此账户的时间序列表示为：

T_i指该账户的时间序列提取的结果，也是该账户的时间序列表示，在后续的分类任务中，根据每个账户的时间序列表示来将该账户分为正常交易账户(标记为N)或可疑洗钱账户(标记为P)；L_i为该账户经过划分后的的交易记录子序列数，也是时间序列T_i的长度；A_i,j是第i个账户的第j笔交易记录，Value(A_i,j)是交易记录A_i,j的交易金额。第i个账户的第L_i段子序列表示。

S3.提取Shapelet

从训练集中所有时间序列的子序列里提取一个Shapelet候选集，然后计算该候选集中每个候选Shapelet的信息增益，最后提取信息增益最大的前K个Shapelet。为了减小Shapelet候选集的大小以提高效率，仅选择固定数量的子序列，采取贪婪策略使得候选集中的所有子序列之间的欧拉距离最大。

从训练集中的所有时间序列的子序列中选择固定数量的子序列，采用贪婪策略使得候选集中的子序列之间的欧拉距离最大。这样得到的结果虽然是近似最优解而不是绝对最优解，但却大大减少了Shapelet候选集的大小，从而大大减少了提取Shapelet的时间。

得到Shapelet候选集后，对于候选集中的每个子序列，找到该子序列的最佳分类点并计算该分类策略的信息增益，然后选取信息增益最大的前K个子序列作为提取的Shapelet。

信息增益的计算公式如下：

I(D)＝-p(P)log(p(P))-p(N)log(p(N))

其中p(P)、p(N)分别指P类时间序列和N类时间序列在集合D中的比例，P和N分别为时间序列的类标签，例如P表示非异常交易账户，N表示异常交易账户；I(D)表示训练集D的熵；表示训练集D分类后的熵；gain为信息增益；D₁和D₂指将集合D分类后的两个子集；f(D₁)和f(D₂)分别指子集D₁和D₂中的元素数量所占比例。

S4.构建Shapelet关系图

Shapelet关系图是无向加权图，该图由K个顶点组成，图中的每个节点表示一个Shapelet，每条边的权重表示两个不同的Shapelet能同时与相同的时间序列相匹配的概率。形象地说，Shapelet关系图反映了不同Shapelet之间的相关性，如果某条边的权重越大，则说明这两个Shapelet之间的关系越紧密，他们能同时与同一个时间序列相匹配的概率就越大。

提取到了信息增益最大的前K个Shapelet后，用这K个Shapelet构建Shapelet关系图，Shapelet关系图是无向加权图G＝(V,E)，该图由K个顶点组成，图中的每个节点v_i表示一个Shapelet S_i，每条边的权重w_i,j表示对于相同的时间序列，S_i和S_j能同时与该时间序列在δ条件下相匹配的概率。形象地说，Shapelet关系图反映了不同Shapelet之间的相关性，如果权重w_i,j越大，则说明S_i和S_j之间的关系越紧密，他们能同时与同一个时间序列相匹配的概率就越大。

给定一个距离阈值δ，对于时间序列T和Shapelet S，如果有：dist(T,S)＜δ，即若T与S的欧拉距离小于δ，则称T与S在δ条件下相匹配。对训练集中的每个时间序列T_i，找到能与T_i在δ条件下相匹配的所有Shapelet。为了方便起见，用S_i,*表示所有与T_i在δ条件下相匹配的Shapelet的集合：

S_i,*＝{S_j|dist(S_j,T_i)＜δ}

其中dist(S_j,T_i)指S_j与T_i的欧拉距离。

为了衡量S_j与T_i相匹配的程度，对S_j到T_i的距离进行标准化，称p_i,j为S_j与T_i的匹配度：

对于时间序列T_i，若p_i,j越大，则表明S_j与T_i匹配程度越高，对于S_j,S_k∈S_i,*,称p_i,j*p_i,k为S_j和S_k在时间序列T_i下的相关性，若p_i,j*p_i,k越大，则表明S_j和S_k同时与T_i匹配的可能性越高，即S_j和S_k的相关性越大。

构建Shapelet关系图的详细过程为：

首先，初始化Shapelet关系图G＝(V,E)，G中的每一个节点v_i代表相应的ShapeletS_i，V(G)＝{v₁,…,v_K}。然后，对训练集D中的每个时间序列T_i，找到与T_i在δ条件下相匹配的所有Shapelet S_i,*。在实际应用中，可以通过对训练数据集的实验统计来确定δ。若|S_i,*|≥1，则对于S_i,*中的每一对Shapelet(S_j,S_k),建立一条v_j和v_k之间的边，边的权值为p_i,j*p_i,k。最后，将所有重复的边合并为一条边，并将重复边的权值相加。这样，Shapelet关系图G中任意两个节点v_j，v_k之间的边的权值为：

S5.得到Shapelet关系图后，采用DeepWalk算法对图进行嵌入。本发明采用现有的图嵌入方法DeepWalk来获取关系图中的任一节点v_i的表示向量u_i∈R^B，其中B是嵌入维度，这里取B＝64。

S6.时间序列的表示学习

对于时间序列和与其匹配的所有Shapelet,以及相应的匹配度,将Shapelet的嵌入后的表示向量与匹配度相乘，再对所有相乘的结果累加作为该时间序列的表示向量。

对于时间序列T_i和与其匹配的所有Shapelet S_i,*,以及相应的匹配度p_i,*,将Shapelet S_i,j的嵌入后的表示向量μ(S_i,j)与匹配度p_i,j相乘，再对所有相乘的结果累加作为T_i的表示向量。如果某个时间序列T_i无法与任何一个Shapelet相匹配，即：那么用一个维度为B的零向量表示T_i。这种做法是合理的，因为所有Shapelet嵌入的结果都是非零向量(这是由DeepWalk算法保证的)，因此不与任何一个Shapelet相匹配的时间序列可以用零向量与其他时间序列明显区分开来。至此，得到了所有Shapelet的嵌入，以及任意一个时间序列T_i的表示向量Φ_i，

S7.多层感知器的分类训练与预测

将每个时间序列的表示向量作为该时间序列的特征输入到一个多层感知器神经网络，对时间序列进行分类预测。

实施例1、

此次发明所提出的模型及算法与三种传统的机器学习算法以及原始的Shapelet模型进行了评估对比，在真实数据集上运行，由于交易记录数据的敏感性，目前反洗钱领域暂时还没有可用的公开的数据集，这也是反洗钱研究领域共同面临的一个问题。本文实验部分所使用的数据集来自于某公安部门，并非公开数据集，数据可能存在一定的偏颇。

原始数据包含29934个交易账户的共计约2500万条交易记录，每个交易账户的时间跨度从几天到几年不等。由于很多交易账户数据只有数笔交易记录，不具有分析性，因此过滤掉原始数据中交易记录少于50条或时间跨度小于6个月的账户。最终保留符合条件的18545个账户的交易记录数据作为本文的实验研究数据，这其中有723个账户是该公安部门已经明确查获的洗钱犯罪案件涉及的银行账户，将这些账户标记为正样本(可疑洗钱账户)，另外17822个账户标记为负样本(正常交易账户)。

交易记录数据的格式如表2所示。

表2交易记录数据格式

由于原始数据各账户的时间跨度不统一，为了消除时间跨度的影响，方便研究，本实验对数据以年为单位进行切分。具体做法是：如果某账户的交易记录时间跨度大于一年，则按年将其切分为多个账户样本，且划分后的样本的标签全部与原账户样本相同；如果账户的交易记录时间跨度不大于一年，则将其视为一年。这样，原始样本集中的18545个账户样本划分为了81742个样本，其中正样本2785个，负样本78957个。从样本集中随机选取500个正样本和500个负样本作为训练集，其余样本作为测试集。测试集中正样本所占比例只有2.83％，正负样本数量是极不均衡的，这是符合常理的，因为现实情况中洗钱交易在所有交易记录中所占比例非常低。训练集和测试集样本分布如表3所示。

表3训练集和测试集样本分布

对测试集的所有80742个账户样本基于OneClass SVM(OCSVM)、孤立森林和DBSCA三种不同的机器学习算法进行了实验，作为与Shapelet Graph模型的实验结果的对比。传统的机器学习算法通常需要先对数据进行特征提取，这里选择下列数个特征进行上述三种机器学习算法的实验。

1.交易金额，2.月均交易金额，3.交易金额离散系数，4.交易笔数，5.出账/出账频率，6.交易对手个数，7.出账/入账金额，8.交易金额一万整/一千整的笔数，9.大额交易笔数。

实验结果如表4所示，实验结果表明基于时间序列分析的可疑交易识别算法比传统的机器学习算法具有更好的表现。且本文提出的序列模式图表征模型与序列模式分类模型相比，F1-score提高了11.1个百分点。

表4实验结果

Shapelet关系图如图2所示，Shapelet关系图中每一个节点代表一个Shapelet，图中每条边的粗细表示这条边的权重大小。

综上，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。