中國現(xiàn)代化支付系統(tǒng)模式分析的關(guān)鍵技術(shù)研究.pdf

1、本文內(nèi)容研究的是中國現(xiàn)代化支付系統(tǒng)中支付模式建模的關(guān)鍵技術(shù)，目的是為了從中國現(xiàn)代化支付系統(tǒng)的日常支付信息中發(fā)掘出有效的社會金融活動特征，便于相關(guān)部門加強對日常金融活動情況的分析力度，通過加強金融監(jiān)管來滿足社會不斷發(fā)展變化的需要。 本文分析了支付系統(tǒng)聚類建模和資金流建模的具體問題，涉及到了如下主要技術(shù)內(nèi)容：支付系統(tǒng)分析模型背景知識的表示、支付系統(tǒng)到支付分析系統(tǒng)的本體映射、傳統(tǒng)聚類算法優(yōu)化、針對概念網(wǎng)絡(luò)節(jié)點的聚類、資金流建模模型的選

2、擇、關(guān)聯(lián)規(guī)則中規(guī)則重要性的判斷、支付模式分析系統(tǒng)的設(shè)計等。本文對以上各方面進行了較為深入的研究。 對于支付系統(tǒng)分析模型背景知識表示方面，本文首先簡要討論了目前模式發(fā)現(xiàn)應(yīng)用中背景知識應(yīng)用的現(xiàn)狀，然后針對銀行和通信行業(yè)分析系統(tǒng)建模的不足，根據(jù)支付信息建模的實際情況提出了使用概念網(wǎng)絡(luò)來表示支付信息的背景知識，以發(fā)現(xiàn)更有實際意義的模式。 對于本體映射方面，本文先是分析了支付業(yè)務(wù)處理系統(tǒng)到支付模式分析系統(tǒng)的本體映射，然后概要說明了

3、目前常用的本體映射方法，接著提出了在支付模式發(fā)現(xiàn)研究中使用的兩種不同的本體映射方法：基于概念粒度規(guī)格化映射方法和基于統(tǒng)計的方法，同時本文討論了它們的實現(xiàn)算法。 在傳統(tǒng)聚類算法優(yōu)化方面，本文首先通過實驗的方法比較了基于距離的經(jīng)典聚類算法與基于概率的EM算法的執(zhí)行結(jié)果差異，說明了基于概率的聚類算法具有更好的聚類效果。隨后，針對EM算法，本文提出了一種一遍掃描數(shù)據(jù)庫就能得出聚類結(jié)果的改進EM算法。最后本文通過實驗比較了標準的EM算法和

4、改進的EM算法的執(zhí)行速度和執(zhí)行精度。 對于概念網(wǎng)絡(luò)節(jié)點的聚類，本文提出了概念網(wǎng)絡(luò)節(jié)點聚類的兩個步驟，一是對概念網(wǎng)絡(luò)的節(jié)點屬性應(yīng)用傳統(tǒng)的聚類算法進行聚類；二是對節(jié)點的關(guān)系屬性進行計算，以此來剪裁聚類空間，發(fā)掘更符合實際情況的分類。通過兩階段聚類方法彌補了傳統(tǒng)聚類算法難以處理關(guān)系屬性從而丟失細節(jié)信息的不足。 資金流模式建模方面，本文首先研究和比較了目前各種主要的關(guān)系發(fā)現(xiàn)算法，指出關(guān)聯(lián)規(guī)則發(fā)現(xiàn)算法是本文應(yīng)用的最好選擇，其中，本

5、文比較獨特的從隨機概率的理論角度分析了PageRank技術(shù)的特點。此外，對于關(guān)聯(lián)規(guī)則，本文還提出了一種評判規(guī)則有用性的指標，大大提高了結(jié)果規(guī)則集合的可靠性和實用性。 系統(tǒng)實現(xiàn)方面，本文分析了模式發(fā)現(xiàn)系統(tǒng)的框架結(jié)構(gòu)和算法實現(xiàn)的框架結(jié)構(gòu)，隨后在此基礎(chǔ)上構(gòu)造了原型系統(tǒng)，并且應(yīng)用該原型系統(tǒng)針對八十多萬條測試數(shù)據(jù)，給出了銀行類別聚類、業(yè)務(wù)類型角度的資金流模式、地區(qū)角度的資金流模式的例子。 本文的意義在于，提出并且成功的應(yīng)用了不同的