[发明专利]基于Spark的校园卡租借行为检测方法及系统

权利要求书

1.基于Spark的校园卡租借行为检测方法，其特征是，包括：

获取用户对校园卡的使用数据，将获取的数据作为待检测数据；

获取经过人工筛选的标记为租借的用户对校园卡的使用数据，将获取的数据作为标定数据；将待检测数据转化为待检测行为数据集，将标定数据转化为标定行为数据集；

分别对待检测行为数据集和标定行为数据集中的类别特征进行量化处理；分别对待检测行为数据集和标定行为数据集中的所有特征进行标准化处理；

采用Spark引擎，并行计算标定行为数据集中各个特征的权重；

采用Spark引擎，并行加权重计算待检测行为数据与标定行为数据集中所有数据之间的距离；

按照待检测行为数据与标定行为数据之间距离由小到大进行排序，选择前K个标定行为数据进行高斯权重加权投票，得到待检测行为数据的类别；

按照待检测行为数据与标定行为数据之间距离由小到大进行排序，选择前K个标定行为数据进行高斯权重加权投票，得到待检测行为数据的类别；具体步骤包括：

基于K-D树的无类别最近邻集合快速获取算法，快速获取待检测行为数据与标定行为数据集的前K个最近邻数据；

根据待检测行为数据与K个标定行为数据的距离，对K个标定行为数据采用高斯函数逐个加权；

根据K个标定行为数据的权重和类别标记进行投票选举；

所述基于K-D树的无类别最近邻集合快速获取算法；还包括：

第一步，建立K-DTree：K-D树；U：待检测数据；K：最近邻数量；D：回溯阈值；建立输出变量Node[h]:邻居节点集；

第二步，通过二叉树搜索，在K-D Tree上找到U的最近邻点N；如果N的左右子树空间中存在比N更近的样本节点N^*，则停止本轮搜索，将N^*加入Node[h]，否则将N加入Node[h]；

第三步，向上回溯，设置N为N的父样本节点，重复第二步h轮，直到回溯深度达到给定阈值D；

第四步，输出Node[h]，算法结束；

所述采用高斯函数加权，即采用高斯函数对标定行为数据进行加权，对于第i个标定行为数据N_i，其计算如下所示：

其中，d_i为邻居样本N_i与待分类样本的距离，考虑投票权重的计算，设置a＝1，b＝0，c设置为可调参数；

所述投票选举，即通过加权重的类别投票选举待检测行为数据的类别，投票选举计算如下：

其中，

其中，K为邻居数量，L为类别数量，C_j为第j个类别，f_ij为类别归属标识。

2.如权利要求1所述的基于Spark的校园卡租借行为检测方法，其特征是，

将待检测数据转化为待检测行为数据集；具体步骤包括：

待检测数据，包括：账号、学号、姓名、性别、学院、身份类型、交易金额、交易商户和交易时间；

对待检测数据进行特征提取，得到待检测数据特征；所述待检测数据特征，包括：性别、身份、是否毕业班、总消费金额、总消费次数、餐饮消费金额、洗浴消费金额、洗浴消费占比、健身消费占比、是否有学习相关技术以及是否有医疗相关记录；

将待检测数据特征按照用户编号进行存储，得到待检测行为数据集。

3.如权利要求1所述的基于Spark的校园卡租借行为检测方法，其特征是，

将标定数据转化为标定行为数据集；具体步骤包括：

标定数据，包括：账号、学号、姓名、性别、学院、身份类型、交易金额、交易商户、交易时间和是否存在租借行为的标签；

对标定数据进行特征提取，得到标定数据特征；所述标定数据特征，包括：性别、身份、是否毕业班、总消费金额、总消费次数、餐饮消费金额、洗浴消费金额、洗浴消费占比、健身消费占比、是否有学习相关技术、是否有医疗相关记录和是否存在租借行为的标签；

将标定数据特征按照编号进行存储，得到标定行为数据集。