基于模糊概念的可疑金融交易量化關(guān)聯(lián)規(guī)則研究

摘要：從模糊集的基本理論入手，通過定義模糊概念軟化屬性域的劃分邊界，提出了一種新的基于模糊概念的量化關(guān)聯(lián)規(guī)則方法。本方法克服了因劃分區(qū)間而造成數(shù)據(jù)缺失的不足。最后通過將某市2004年的實(shí)際數(shù)據(jù)運(yùn)用到建立的算法中，驗(yàn)證算法的有效性，為有效開展可疑金融交易識別提供了有益的參考。

關(guān)鍵詞：反洗錢；關(guān)聯(lián)規(guī)則；模糊集；隸屬函數(shù)

中圖分類號：F830文獻(xiàn)標(biāo)識碼：A 文章編號：1002-2848-2007（02）-0057-04

隨著反洗錢工作的不斷深入，對海量金融交易數(shù)據(jù)進(jìn)行有效挖掘，從中判別出可疑金融交易已經(jīng)成為反洗錢工作的關(guān)鍵環(huán)節(jié)之一。具有多種成熟算法的關(guān)聯(lián)規(guī)則挖掘算法成為最具挑戰(zhàn)性的挖掘工具，最早的關(guān)聯(lián)規(guī)則挖掘問題由Agrawal等人提出［1］，通過幾年的發(fā)展，已有了很多成熟有效的算法［2，3］，但傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘問題僅能處理布爾屬性的數(shù)據(jù)，即項(xiàng)目存在或是不存在。而在金融交易數(shù)據(jù)中存在大量的表（關(guān)系），包含著豐富的屬性類型。有的屬性是數(shù)量型的（如年齡，交易金額等）或者是分類型的（如郵政編碼，電話號碼等），這些屬性間蘊(yùn)涵著豐富的關(guān)聯(lián)關(guān)系。有效的發(fā)現(xiàn)這些關(guān)聯(lián)關(guān)系，對于實(shí)際決策過程具有十分重要的意義。

量化關(guān)聯(lián)規(guī)則由Srikant等人于1996年提出，其算法的主要思想是采取分區(qū)技術(shù)，將需進(jìn)行量化處理的屬性的域劃分成一個(gè)一個(gè)區(qū)間，并對相鄰區(qū)間適當(dāng)?shù)暮喜ⅲ瑥亩鴮栴}轉(zhuǎn)化為布爾關(guān)聯(lián)規(guī)則的問題進(jìn)行解決［4］。盡管這一方法為解決量化關(guān)聯(lián)規(guī)則的挖掘問題提供了一條有效途徑，但也存在明顯的不足：首先，造成明顯的邊界問題，即在挖掘過程中，對靠近區(qū)間邊界值的作用，要么過分強(qiáng)調(diào)，要么被忽略；其次，劃分的區(qū)間可能不簡明或無實(shí)際意義，不利于專家理解和信息抽取。

同時(shí)，通過對已知的洗錢行為的分析，可以發(fā)現(xiàn)，大量的犯罪分子在了解可疑金融交易報(bào)告體制的條件下，往往會故意減少一點(diǎn)交易金額（使交易金額在監(jiān)管范圍以外），從而達(dá)到規(guī)避金融部門進(jìn)一步檢查的目的。針對以上問題，本文提出了基于模糊概念的量化屬性關(guān)聯(lián)規(guī)則挖掘方法。該方法以模糊集理論為基礎(chǔ)，通過在數(shù)據(jù)屬性域上定義一組模糊概念，將隱含于量化屬性間的關(guān)聯(lián)關(guān)系轉(zhuǎn)化為模糊概念間的問題而解決。這樣，就可以解決因區(qū)間劃分不明確而引發(fā)的問題，并且使得到的結(jié)果簡明、便于理解。

一、問題定義

（一） 模糊概念表示

由于金融交易數(shù)據(jù)的多樣性與復(fù)雜性，其中很多數(shù)據(jù)需要借助模糊概念進(jìn)行表示。雖然模糊概念的內(nèi)涵與外延都不明確，但人腦卻善于判別與處理不精確、非定量的模糊概念，并從中得出具有一定精度的結(jié)論。所以，對數(shù)據(jù)庫的量化屬性處理不采用區(qū)間劃分的方法，而采用模糊概念對其進(jìn)行抽象、概括，從而使得最終挖掘出的規(guī)則表示自然、簡明、易于專家理解。模糊概念的數(shù)學(xué)表示就是模糊集合論，其不明確的內(nèi)涵與外延隸屬函數(shù)定量描述。所以，模糊概念實(shí)際上是在一定論域中的一些模糊集合。

為便于與量化屬性統(tǒng)一處理，對屬性類型，可將其值映射成整數(shù)，從而將類型屬性轉(zhuǎn)化為量化屬性進(jìn)行處理：而對于精確概念將其看作模糊概念的特殊情況進(jìn)行處理，即隸屬函數(shù)的值域退化為{0，1}。這里的模糊概念及其對應(yīng)的模糊集和相應(yīng)的隸屬函數(shù)可由反洗錢領(lǐng)域的專家定義，或是對大量數(shù)據(jù)進(jìn)行模擬測試，經(jīng)訓(xùn)練得到。

（二） 模糊關(guān)聯(lián)規(guī)則定義

利用模糊概念表示的關(guān)聯(lián)規(guī)則也稱為模糊關(guān)聯(lián)規(guī)則。首先定義模糊概念模式及其支持率，然后給出模糊關(guān)聯(lián)規(guī)則的定義及其興趣性度量方法。

為挖掘有效的模糊關(guān)聯(lián)規(guī)則，用戶必須預(yù)先給定最小支持率minsup和最小置信度mincon。所以，模糊關(guān)聯(lián)規(guī)則的挖掘問題就是對給定的數(shù)據(jù)庫D和量化屬性域上定義的模糊概念集N，發(fā)現(xiàn)支持率和置信度分別大于minsup和mincon的所有模糊關(guān)聯(lián)規(guī)則。

（三） 早期量化關(guān)聯(lián)規(guī)則算法

1．等深劃分(equi-depth partitioning)

劃分為N個(gè)區(qū)間，每一個(gè)包含大致相同的樣本個(gè)數(shù)。Fukuda提出的等深度劃分方法［5］在一定程度上解決了過小支持率和過小置信度問題。這種方法趨向于將支持率較高的區(qū)域劃分為多個(gè)小區(qū)間，離散化后原本相近的連續(xù)屬性取值分散到不同的區(qū)間，降低了包含該屬性峰值區(qū)域的項(xiàng)集支持率；當(dāng)支持率降到最小支持率以下的時(shí)候?qū)е滦畔G失。當(dāng)數(shù)據(jù)分布在某個(gè)點(diǎn)附近達(dá)到峰值時(shí)，等深度劃分這種機(jī)械的方法并不能反應(yīng)出數(shù)據(jù)本身的特點(diǎn)，因此，我認(rèn)為對像金融交易數(shù)據(jù)這樣的高偏度數(shù)據(jù)處理效果不理想。

2．部分k度完全方法（partial k-compelement）

當(dāng)數(shù)據(jù)分布在某個(gè)點(diǎn)附近達(dá)到峰值時(shí)，等深度劃分不能反映出數(shù)據(jù)本身的特點(diǎn)。另一方面，聚類方法可以定量地確定對象之間的親疏關(guān)系，對于給定的大樣本，在沒有已知模式參考情況下，聚類方法能夠按照樣本的本性將對象分類，在解決數(shù)量關(guān)聯(lián)問題中，應(yīng)用聚類方法將屬性值分類，得到的每一類，構(gòu)成一個(gè)區(qū)間，可以解決等深度劃分不能解決的問題，能體現(xiàn)出數(shù)據(jù)的分布情況。

Agrawal等人提出的基于支持率的部分k度完全方法的優(yōu)越之處在于：所得到的區(qū)間支持率大于最小支持率，不會因過小支持率而被忽略，同時(shí)給出了置信的降低程度，在一定程度上限制了過小置信度導(dǎo)致的信息丟失［4］。

二、模糊關(guān)聯(lián)規(guī)則的挖掘算法

由頻繁模糊概念模式生成模糊關(guān)聯(lián)規(guī)則的算法，通常采用Agrawal在文獻(xiàn)中給出的算法。算法中符號分別定義為：D金融交易數(shù)據(jù)庫；N模糊概念集；長度為k的候選模糊概念模式；長度為k的頻繁模糊概念模式；p.sum記錄對模糊概念模式P的支持率之和。

輸入：金融交易數(shù)據(jù)庫D，模糊概念集N及對應(yīng)的模糊集和隸屬函數(shù)，最小支持率minsup。

輸出：頻繁模糊概念模式L。

三、算法驗(yàn)證

為分析方便，僅以個(gè)人金融交易數(shù)據(jù)為例。表1是經(jīng)過垂直分割后提取的具有代表性的金融交易數(shù)據(jù)記錄，分別為交易標(biāo)識號（ID）、交易人年齡（Age）、交易收付標(biāo)志（OutorIn）、交易人本月內(nèi)交易次數(shù)（NumMon）和交易金額（Num）。

表1個(gè)人原始交易數(shù)據(jù)表

表2 在屬性Age，OutorIn，Num，NumMon上定義的模糊概念、模糊集和隸屬函數(shù)

表2分別給出了在屬性Age，OutorIn，Num，NumMon上定義的模糊概念、模糊集和隸屬函數(shù)。其中，OutorIn為類型屬性，為便于處理，在挖掘中將其轉(zhuǎn)化為數(shù)量屬性，用1表示Out，0表示In。

以上關(guān)聯(lián)規(guī)則就為我們得出部分普遍性規(guī)律，如果某位交易客戶違背了這種規(guī)律，就可以認(rèn)為是可疑金融交易行為，可對其進(jìn)行進(jìn)一步的分析調(diào)查。

四、結(jié)束語

與基于分區(qū)方法的量化關(guān)聯(lián)挖掘算法比較，該算法的優(yōu)點(diǎn)：（1）通過定義模糊概念軟化了屬性域的劃分邊界，在集合和非集合元素之間提供平滑的變遷，在挖掘時(shí)充分地、合理地考慮各個(gè)元素所作的貢獻(xiàn)，克服了因劃分區(qū)間而造成的不足，也減少了屬性-值對應(yīng)的數(shù)目。（2）用模糊概念表示屬性間的關(guān)聯(lián)關(guān)系，自然、簡明、便于工作人員進(jìn)行具體的分析。（3）用戶可在屬性上定義不同數(shù)目的模糊概念，方便地控制關(guān)聯(lián)規(guī)則的普遍化與具體化的程度。通過實(shí)驗(yàn)驗(yàn)證，算法是有效的。

參考文獻(xiàn)：

［1］Agrawal R， Imielinski T， Swami A. Mining association rules between set of items in targe databases. In:Proceedings of the 1993 ACM-SIGMOD Conference on Management of Data， Washington，D.C， 1993:207-216.

［2］Agrawal R， Strikant R. Fast algorithms for mining association rules. In: Proceedings of the 20th VLDB Conference， Santiago， Chile， 1994: 247-299.

［3］Park J， Chen M， Yu Y. An effective hash-based algorithm for mining association rules. In: Proceedings of 1995 ACM SIGMOD International Conference on Management of Data， San Jose， USA， 1995: 175.

［4］Srikant R， Agrawal R. Mining quantitative association rules in large relational Tables. In: Proceedings of the ACM SICMOND International Conference on Management of Data， Monreal， Canada， 1996:1-12.

［5］Fukuda T et al. Mining optimized association rules for numeric attributes［C］. In Proceedings of the Fifteenth ACM SIGACT-SICMOND-SIGART Symposium on Principles of Database Systems， Montreal， Canada， 1996.182-191.

責(zé)任編輯、校對：趙西寧

注:本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文