频繁子图挖掘算法及其在洗钱模式发现中的应用研究

摘要

由于金融帐户之间的交易所天然具有的转入、转出方式,具有相互交易的一个交易团体的交易数据通过转入帐户和转出帐户之间的关联,形成了一个交易的网络,可以非常直观的用图的方式进行描述。根据金融反洗钱研究表明,洗钱交易存在各种各样的模式,对应于交易网络图,即图模式。采用频繁子图挖掘的方法可以发现洗钱交易的频繁使用的模式。
　　分析表明,金融交易网络可以用有向加权图模型来表示。用节点表示帐户,边表示交易,方向表示帐户之间的资金转移方向,权值依据交易信息来设定。考虑金融交易背景十分复杂,选取其中关键的几个属性如金额、企业类型相关度、交易地区进行规约,转化为交易边的权值。
　　现有的频繁子图挖掘算法多数是针对无向带标号图的挖掘,对有向图、图模式的挖掘较少。图的模式是指具体节点标号不同但是结构相同的图抽象为统一的表示方式,而现有子图挖掘算法将同一个模式的标号不同的具体子图视为不同的模式。基于模式增长的mSpan频繁模式挖掘算法通过最小扩展得到一个最小边权值编码和一个抽象节点序列编码对有向图唯一标识,解决了图模式的同构问题以及冗余扩展问题。算法中把边的方向依据扩展的方向设置为一个方向编码并入到边的权值编码中,可以唯一的确定一个图模式。实验表明,mSpan算法可以挖掘出输入数据中包含的所有频繁模式。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪 论

1.1 研究背景

1.2 国内外研究现状

1.3 研究内容

1.4 论文的组织结构

2 非结构化数据挖掘综述

2.1 非结构数据挖掘

3 频繁子图挖掘算法

3.1 频繁子图挖掘算法的基本概念

3.2 频繁子图的分类

3.3 频繁子图挖掘算法

3.4 频繁子图挖掘算法的问题及分析

3.5 本章小结

4 金融交易网络模型

4.1 社会网络分析

4.2 洗钱行为分析

4.3 数据抽取

4.4 数据预处理

4.5 交易网络模型

4.6 本章小结

5 mSpan频繁模式挖掘算法

5.1 挖掘对象研究

5.2 输入数据裁剪

5.3 图的最小编码与子图模式同构

5.4 子图扩展及扩展结果剪枝

5.5 mSpan频繁模式挖掘算法

5.6 实验分析

5.7 本章小结

6 结论

6.1全文总结

6.2 进一步的研究工作

致谢

参考文献

附录 攻读硕士学位期间参与科研项目及研究成果