关联规则分析及其在信用卡反欺诈中的应用.pdfVIP

维普资讯 业 务 平8 管理 关联规则分析 及其在信用卡反欺诈中的应用 中国银联风险管理部 孙大利 关联规则分析作为数据挖掘中一个重要的组成部分， 集算法作为核心算法，并在此基础上提供多种优化途径选 能够有效发现大量数据中相关属性集之间有趣的关联关 择。 系，从而为政策或规则的制定提供参考依据。近年来，关 联规则分析已被广泛应用到零售、物流、信用卡营销及风 二 关联规则分析的基本算法 险管理等众多领域。基于此，本文从介绍关联规则分析的 先验频集算法是 目前关联规则分析方法的基础，其核 基本概念和算法入手，探讨其在信用卡反欺诈中的具体应 心是基于两阶段频集思想的递推算法。 用，以期对提升信用卡业务风险管理技术有所裨益。 首先，先明确项集、事务集、支持度、频集以及置信 度等概念。项 目集是关联规则分析的数据集合中的组织单 一 关联规则分析的基本概念与发展 元，简称项集；事务集即数据集合，是由项 目集组成的并 众所周知，关联规则中最为有趣的一个应用案例就是 集；支持度定义为尸(UB)，即 和B这两个项集在事务 沃尔玛 “尿布和啤酒”的故事，这是一个典型的购物篮关 集D 中同时出现的概率；所有支持度大于最小支持度的项 联分析。从这个案例中可以看出，关联规则分析实际上是 集称为频繁项集，简称频集；置信度则被定义为P(BI)， 借助一些原则，如取交叉频率最大值等，在不同的数据集 即在出现项集 的事务集D中，项集B也同时出现的概率。 中寻找相互之间的联系，分析诸如顾客购买了某一商品对 其次，给定一个事务集，预先设定最小支持度阈值和 购买其他商品的影响，然后归纳出不同顾客的具体购买行 最小置信度阈值，通过具体算法寻找 同时满足最小支持度 为模式。零售类企业一般将关联规则分析应用于商品货架 阈值和最小置信度阈值的关联集合，此类集合中项集之间 布局、货存安排以及根据购买模式对用户进行分类；而在 的关联关系称为强规则。 信用卡业务中，则可将关联规则分析用于分析持卡人消费 最后，挖掘关联规则的先验算法将关联规则分析分解 行为模式、不 良持卡人信息特征以及信用卡欺诈行为特征 为两个阶段的子问题。一是根据最小支持度找出数据集中 等。 所有不同长度的、满足给定支持度要求的频集；二是由频 关联规则分析的应用研究，最早见诸于R．Agrawal等 集产生强关联规则。当然这些规则必须满足最小支持度和 于 1993年提出的挖掘顾客交易数据库中项集间关系的先 最小可信度。 验 (Apriori)频集方法，在此之后诸多对关联规则分析的 应用研究开始涌现。对原有的算法进行优化，如引入随机 三 关联规则分析在信用卡反欺诈业务中的应用 采样、并行思想等，以提高算法挖掘规则的效率；注重于 近年来，关联规则分析在信用卡业务中的应用得到很 对挖掘到的模式的价值进行评估探索，挖掘独立于先验频 大发展。以信用卡欺诈行为特征识别为例，境外发卡银行 集方法的关联规则的新方法。 目前 ，主流的关联规则分析 通过对发生欺诈交易的历史数据分析，发现在大额欺诈交 软件，如SAS统计软件中的EM 工具等，多采用先验频 易 (如购买珠宝等)之前往往会出现小额试探性交易 (如 36 ￡l】国信 用卡 zoo7．II 维普资讯