黃培哲

長江大學(xué)（電子信息學(xué)院），湖北 荊州 434000

0 引言

隨著社會復(fù)雜程度的增加，出現(xiàn)的問題也呈現(xiàn)較為復(fù)雜的趨勢，這些復(fù)雜的問題雖然各不相同，但是其本質(zhì)都是復(fù)雜系統(tǒng)相互影響下出現(xiàn)的問題，而交易網(wǎng)絡(luò)中存在的問題是典型的小世界和無標(biāo)度特性的復(fù)雜網(wǎng)絡(luò)問題。目前針對此類問題的研究通常采用以網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為基礎(chǔ)的鏈路預(yù)測方法，該方法的研究起源較早，在不斷的發(fā)展中，其理論逐漸完善，改進(jìn)了復(fù)雜程度和預(yù)測可靠性。因此，研究基于交易模型的鏈路預(yù)測理論和技術(shù)對于提高相關(guān)部門的業(yè)務(wù)服務(wù)能力有著重要意義。

1 鏈路預(yù)測

1.1 基本概念

鏈路預(yù)測是依據(jù)現(xiàn)有互聯(lián)網(wǎng)的信息預(yù)測網(wǎng)絡(luò)中并沒有出現(xiàn)的相連節(jié)點以及節(jié)點間可能出現(xiàn)相連的概率。簡單來說，鏈路預(yù)測的目標(biāo)是預(yù)測在互聯(lián)網(wǎng)上還沒有形成鏈路的連接點之間形成鏈路的可能性[1]。優(yōu)秀的鏈路預(yù)測算法可以更好地剖析互聯(lián)網(wǎng)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)；此外，鏈路預(yù)測有較大的實際意義，如蛋白質(zhì)互交試驗、道路運輸中的關(guān)鍵核心區(qū)等[2]。本文詳細(xì)介紹了鏈路預(yù)測的問題描述、優(yōu)化算法的評價指標(biāo)體系以及一些精選的預(yù)測算法[3]。

圖1是整體鏈路預(yù)測全過程的演示。圖1（a）是包括5個連接點、10條邊的全集網(wǎng)；圖1（b）是一個包括5個連接點、5條邊的網(wǎng)絡(luò)；在5個邊中挑選已經(jīng)知道的3邊作為訓(xùn)練集，如圖1（c）所示；將余下的2邊作為檢測集，如圖1（d）所示。最先得出圖1（b）的訓(xùn)練集、檢測集及其鏈路預(yù)測算法，從而測算檢測集和不存在的邊沿的值。

圖1 鏈路預(yù)測劃分

1.2 評價指標(biāo)

性能指標(biāo)包含AUC、“精密度”（Precision）、“排行”（RankingScore）。不一樣的評價體系對鏈接預(yù)測優(yōu)化算法的精密度有不一樣的測量法。其中AUC是全部精密測量優(yōu)化計算方法的精密度，是最常用的精確測量指標(biāo)。Precision指標(biāo)只考慮到前l(fā)位邊沿預(yù)測是否正確，而RankingScore則是用來考慮預(yù)測邊的排行[4]。

鏈接預(yù)測優(yōu)化算法可分為三類：依據(jù)一部分信息的相似度指標(biāo)、沿途徑的相似度指標(biāo)、任意挪動的相似度指標(biāo)。為了更好地運用依據(jù)一部分信息的鏈接預(yù)測優(yōu)化算法，文中介紹了該方法的傳統(tǒng)式優(yōu)化算法[5]。

2 交易網(wǎng)絡(luò)模型

2.1 結(jié)構(gòu)分析

交易互聯(lián)網(wǎng)的模型是由交易互聯(lián)網(wǎng)的普通賬戶和金融行業(yè)、大中小型精英團(tuán)隊進(jìn)行交易，從而聯(lián)絡(luò)在一起的。交易互聯(lián)網(wǎng)不僅有社交媒體的一般特性，也有即時互聯(lián)網(wǎng)的特性，這種出現(xiàn)在不同小區(qū)中間的交易服務(wù)平臺是十分常見的社會網(wǎng)絡(luò)。通過剖析各種交易互聯(lián)網(wǎng)的特性，能夠發(fā)現(xiàn)七層協(xié)議的不確定因素和預(yù)測構(gòu)造中未生成的邊沿。數(shù)據(jù)格式特性的關(guān)鍵與數(shù)據(jù)格式七層協(xié)議的數(shù)據(jù)分析特性[6]有關(guān)，即度遍布、聚類算法指數(shù)和均值途徑長短。每一個賬戶產(chǎn)生交易的時長、地址、交易的額度、種類都不一樣，根據(jù)統(tǒng)計分析獲取交易種類信息，區(qū)別每一個銀行賬戶的交易習(xí)慣，每一個顧客可以使用不一樣的商業(yè)模式。除此之外，根據(jù)統(tǒng)計分析賬戶中的交易，能夠了解各交易點的每日、每月任務(wù)量，能夠了解關(guān)鍵交易的業(yè)務(wù)類型，還能夠預(yù)測每日或每月的交易額，進(jìn)而防止提款額度不夠等突發(fā)情況。綜合以上幾個方面，預(yù)測實際效果會更強(qiáng)，但與此同時，好幾個層次的信息重合，預(yù)測的困難和多元性也會進(jìn)一步提高。

在配備的交易網(wǎng)絡(luò)中，交易節(jié)點具備個性化的特點[7]。個別差異具體表現(xiàn)在這種交易的節(jié)點有自身的互聯(lián)網(wǎng)測量標(biāo)準(zhǔn)，如工程圖和粒度分布。根據(jù)靜態(tài)數(shù)據(jù)聚類分析，節(jié)點的總事務(wù)處理數(shù)表示節(jié)點的正中間事務(wù)處理數(shù)量，各節(jié)點進(jìn)出水平差距很大。在網(wǎng)絡(luò)中，交易節(jié)點與別的節(jié)點產(chǎn)生聯(lián)絡(luò)的邊沿，在另一個視角開展交易時，接納交易的節(jié)點和產(chǎn)生交易的節(jié)點都和別的節(jié)點存在著內(nèi)在聯(lián)系。比如，經(jīng)營規(guī)模很大的互聯(lián)網(wǎng)節(jié)點與一般賬號開展交易，這種節(jié)點與一些關(guān)鍵交易也可能發(fā)生規(guī)模性交易。

不同團(tuán)體之間的交易產(chǎn)生了繁雜的交易互聯(lián)網(wǎng)，這類交易互聯(lián)網(wǎng)不但具備精英團(tuán)隊的特性，而且具備數(shù)據(jù)格式互聯(lián)網(wǎng)的特性。更重要的是，隨著時間的推移，這類交易節(jié)點會逐步產(chǎn)生和消退，賬號經(jīng)營者或賬號在一段時間內(nèi)經(jīng)常交易，但在下一段時間內(nèi)交易將完畢。在未來的一段時間內(nèi)，從一開始就與別的節(jié)點逐漸展開交易，將隨著時間變化的互聯(lián)網(wǎng)當(dāng)作一系列的時間序列模型互聯(lián)網(wǎng)，此時剖析每個時長架構(gòu)里的互聯(lián)網(wǎng)和不同時間架構(gòu)里的互聯(lián)網(wǎng)特性就顯得尤為重要[8]。

2.2 統(tǒng)計特征

互聯(lián)網(wǎng)中的節(jié)點水平是代表一個節(jié)點到另外一個節(jié)點的線程數(shù)最形象化的數(shù)據(jù)統(tǒng)計，簡單統(tǒng)計分析不可以多方位發(fā)掘互聯(lián)網(wǎng)的潛在特性?；ヂ?lián)網(wǎng)節(jié)點的收斂性指數(shù)值表示節(jié)點與鄰近節(jié)點連接的總流量，說明節(jié)點與鄰近節(jié)點建立了關(guān)鍵的連接關(guān)系，在網(wǎng)絡(luò)配置中處在重要位置。因而，簡單數(shù)據(jù)統(tǒng)計無法找到互聯(lián)網(wǎng)的潛在性信息。剖析網(wǎng)絡(luò)架構(gòu)必須更多的是統(tǒng)計分析特性[9]。

2.3 交易網(wǎng)絡(luò)模型的社區(qū)特性

交易網(wǎng)絡(luò)銜接和事務(wù)管理工作頻率，互聯(lián)網(wǎng)的靜態(tài)數(shù)據(jù)構(gòu)造能夠全方位表明互聯(lián)網(wǎng)的各種各樣特性，但靜態(tài)數(shù)據(jù)統(tǒng)計分析不可以很好地發(fā)掘網(wǎng)絡(luò)架構(gòu)的潛在性特性[10]。比如，網(wǎng)絡(luò)中節(jié)點的度和節(jié)點的集群指數(shù)能夠表明節(jié)點和周邊節(jié)點連接的相對密度，但不可以表明由很多節(jié)點構(gòu)成的小區(qū)或組的特性，社區(qū)示意圖如圖2所示。此外，針對網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，這種統(tǒng)計分析特點不可以很好地說明其在網(wǎng)絡(luò)架構(gòu)中的功效。

圖2 社區(qū)示意圖

在交易網(wǎng)絡(luò)中，社區(qū)的發(fā)生、提升和消退對金融機(jī)構(gòu)有指導(dǎo)作用。比如，金融機(jī)構(gòu)的政策實施可以使網(wǎng)絡(luò)上的交易更加頻繁，剖析網(wǎng)絡(luò)上這種交易的小區(qū)狀況，以說明政策實施是否可行。然而，也有一些潛在性的轉(zhuǎn)變無法從靜態(tài)數(shù)據(jù)網(wǎng)絡(luò)的特性中清楚地表現(xiàn)出來。網(wǎng)絡(luò)交易模型如圖3所示。

圖3 網(wǎng)絡(luò)交易模型

3 基于交易網(wǎng)絡(luò)模型的鏈路預(yù)測

金融業(yè)的交易數(shù)據(jù)是指2個賬戶或賬號之間的交易，這類交易十分即時且具有可重復(fù)性?；ヂ?lián)網(wǎng)的體制是按照已知的交易情況來預(yù)測分析可能發(fā)生的交易，這對一部分金融業(yè)自身的推薦系統(tǒng)有著十分重要的意義。不僅要掌握網(wǎng)絡(luò)架構(gòu)中模塊構(gòu)造的演化，也需要熱衷將來獨立節(jié)點交易的發(fā)展。這種節(jié)點在互聯(lián)網(wǎng)交易中占據(jù)較大比例，針對信貸業(yè)務(wù)，能夠把握這種節(jié)點的交易狀況，設(shè)計開發(fā)潛在用戶，依據(jù)顧客交易喜好提出意見。在設(shè)計算法時，需要考慮網(wǎng)絡(luò)中各節(jié)點的活動方案和重要性指標(biāo)，不但要考慮單獨節(jié)點的差別，還要考慮網(wǎng)絡(luò)中別的節(jié)點和節(jié)點的特性。銀行可以依據(jù)指標(biāo)值與各個顧客開展交易，并完成對用戶的智能推薦。因此，根據(jù)已知的網(wǎng)絡(luò)構(gòu)造預(yù)測可能發(fā)生的交易是非常重要的。

3.1 數(shù)據(jù)集處理

3.1.1 數(shù)據(jù)集來源及提取

事務(wù)管理的信息特性字段名有87個，所選擇的三個關(guān)鍵字段名能夠比較詳細(xì)地組成交易網(wǎng)絡(luò)。與時鐘頻率網(wǎng)絡(luò)剖析不一樣，預(yù)測優(yōu)化算法不需要時間幀網(wǎng)絡(luò)構(gòu)造，但必須獲得基本上網(wǎng)絡(luò)信息內(nèi)容。圖4顯示了統(tǒng)計分析解決后的一些金融機(jī)構(gòu)的網(wǎng)絡(luò)事務(wù)管理數(shù)據(jù)。

圖4 統(tǒng)計后的部分銀行網(wǎng)絡(luò)交易數(shù)據(jù)集

3.1.2 異常數(shù)據(jù)處理

交易事務(wù)管理數(shù)據(jù)信息中的異常數(shù)據(jù)關(guān)鍵來源于數(shù)據(jù)的2個事務(wù)管理節(jié)點之一，表示為null值。只有一個節(jié)點是幅值，緣故有可能是交易記錄異常，或是銀行數(shù)據(jù)有特殊意義。對這類數(shù)據(jù)信息有兩種處理方法。①以特定的特殊符號表明含有異常的事務(wù)管理賬號，這樣就不容易徹底遺失這種數(shù)據(jù)信息。解決后，全部數(shù)據(jù)都合理。在日后的網(wǎng)絡(luò)操作流程中，只需標(biāo)識特殊符號?？墒窃囼灠l(fā)覺，這類出現(xiàn)異常節(jié)點的數(shù)目過多，假如單獨標(biāo)識符表明為特殊符號，則會根據(jù)這一獨特節(jié)點產(chǎn)生一個極大的單獨小區(qū)組。該節(jié)點近視度數(shù)高，加上唯一的節(jié)點會對網(wǎng)絡(luò)架構(gòu)造成重大影響。此外，預(yù)測優(yōu)化計算方法對這類節(jié)點相對很敏感，一般情況下也會預(yù)測這一節(jié)點，但這種節(jié)點沒有意義，還會對我們的預(yù)測優(yōu)化計算方法導(dǎo)致一定的影響。②馬上放棄清除節(jié)點。那樣會致使一部分節(jié)點的交易信息遺失，但數(shù)據(jù)信息自身的交易量比較大，清除該類一部分的相應(yīng)占比比較小。因而，在數(shù)據(jù)預(yù)處理中能夠忽視這類清除。

3.1.3 網(wǎng)絡(luò)中孤立節(jié)點對的處理

從生產(chǎn)加工解決的業(yè)務(wù)流程數(shù)據(jù)信息中取得的網(wǎng)絡(luò)結(jié)構(gòu)節(jié)點，這種節(jié)點有許多獨立的節(jié)點對，是互相連接的節(jié)點。這種節(jié)點可以是發(fā)生在互聯(lián)網(wǎng)貨架上的節(jié)點，也可以是以前沒有發(fā)生過的互聯(lián)網(wǎng)節(jié)點，或是之前只發(fā)生過一次買賣、以后不會發(fā)生，一直處在不激活的狀態(tài)。因為獨立節(jié)點并沒有到網(wǎng)絡(luò)中連接別的節(jié)點，因而沒法預(yù)測別的網(wǎng)絡(luò)結(jié)構(gòu)中的這種節(jié)點。在網(wǎng)絡(luò)教學(xué)期內(nèi)，優(yōu)化計算方法不易處理這類節(jié)點，但會作為預(yù)測的一部分展示出這類節(jié)點，在實行鏈接預(yù)測時忽視這類獨立的節(jié)點對。第一部分應(yīng)用6個月的交易數(shù)據(jù)信息作為解決問題后學(xué)習(xí)培訓(xùn)的網(wǎng)絡(luò)構(gòu)造；第二部分是文化教育網(wǎng)絡(luò)應(yīng)用的數(shù)據(jù)，文中選擇了文化教育網(wǎng)絡(luò)2個月的交易數(shù)據(jù)信息；第三部分選擇一個月的交易數(shù)據(jù)信息，用檢測優(yōu)化算法連接預(yù)測精確度。將這三個部分的信息集中化，并事先刪除異常節(jié)點。

3.2 算法思路

（1）時效性。數(shù)據(jù)信息的交易在時間上是間歇性的。換句話說，一段時間里的交易頻次不一樣，交易量也不一樣。在大樣本中，組成網(wǎng)絡(luò)的節(jié)點（即賬號）與別的節(jié)點的連接事務(wù)管理會伴隨時間的推移而積累。網(wǎng)絡(luò)上有連接的2個節(jié)點或賬號之間在指定時間內(nèi)產(chǎn)生連接，但在接下來的很長時間內(nèi)沒有交易。在全部網(wǎng)絡(luò)中，這一節(jié)點依然顯示連接狀態(tài)。這為預(yù)測節(jié)點相互連接的優(yōu)化算法提供了更高的差錯率。

（2）重復(fù)性?？芍貜?fù)性是指賬戶相互間的多種交易，每一個期內(nèi)都可以反復(fù)交易。此外，網(wǎng)絡(luò)中的一些節(jié)點或賬號在交易中起著重要作用。比如，一些金融機(jī)構(gòu)很有可能與別的很多網(wǎng)絡(luò)一起產(chǎn)生關(guān)鍵網(wǎng)絡(luò)，而別的網(wǎng)絡(luò)節(jié)點很有可能與這種反復(fù)的交易相關(guān)。在目前現(xiàn)有網(wǎng)絡(luò)預(yù)測中，大部分分析全是依據(jù)已取得的網(wǎng)絡(luò)構(gòu)造預(yù)測未連接的節(jié)點。因此，在金融機(jī)構(gòu)交易中，根據(jù)已連接的鏈接進(jìn)行預(yù)測比未連接的鏈接之間進(jìn)行預(yù)測更有意義。

3.3 算法描述

首先，基本解決6個月的交易數(shù)據(jù)信息，獲得主要的網(wǎng)絡(luò)結(jié)構(gòu)。此時獲得的網(wǎng)絡(luò)結(jié)構(gòu)中包括很多單獨的節(jié)點對，這些單獨的節(jié)點對會對優(yōu)化計算方法產(chǎn)生一定的影響。然后，將9個月的信息內(nèi)容分成三個部分。第一部分必須是六個月的數(shù)據(jù)信息，把這六個月的交易數(shù)據(jù)信息引進(jìn)數(shù)據(jù)分析互聯(lián)網(wǎng)。在該網(wǎng)絡(luò)中，節(jié)點代表著賬戶，節(jié)點中間的電極連接線表示交易的產(chǎn)生，權(quán)重值表示之前的交易工作頻率。

在具體網(wǎng)絡(luò)中，因為大家獲得的數(shù)據(jù)信息比較有限，換句話說就是大家獲得的網(wǎng)絡(luò)不完整，因此有許多非主題活動節(jié)點，其中節(jié)點1與節(jié)點2發(fā)生過一次交易。節(jié)點1的隔壁鄰居節(jié)點僅有節(jié)點2，節(jié)點2的隔壁鄰居節(jié)點僅有節(jié)點1。在節(jié)點1和節(jié)點2中間配備節(jié)點對，于是在網(wǎng)絡(luò)上得到了一對孤獨的節(jié)點，這種非主題活動節(jié)點會影響到我們的預(yù)測導(dǎo)出。因而，在具體網(wǎng)絡(luò)中需要刪掉這種節(jié)點。這是由于初始網(wǎng)絡(luò)構(gòu)造不完整導(dǎo)致的，因此要先縮小獲得的網(wǎng)絡(luò)。

3.4 基于相似性的鏈路預(yù)測

在網(wǎng)絡(luò)構(gòu)造中，2個節(jié)點越類似，節(jié)點中間的銜接就越大。具體網(wǎng)絡(luò)中對類似的定義各種各樣，大致是根據(jù)節(jié)點的一同隔壁鄰居，即“相似度”（Similarity）。相似度關(guān)鍵是根據(jù)網(wǎng)絡(luò)中的節(jié)點，依據(jù)周邊節(jié)點的卡扣結(jié)構(gòu)進(jìn)行分析。比如，在好朋友網(wǎng)絡(luò)中，針對節(jié)點1，節(jié)點2是節(jié)點1的好朋友，節(jié)點2也是節(jié)點3的好朋友，那么節(jié)點1和節(jié)點3的結(jié)構(gòu)類型有一定的相關(guān)性。因而，節(jié)點1和節(jié)點3也很可能成為朋友。這在大部分群集指數(shù)高的網(wǎng)絡(luò)中，預(yù)測的精確度非常高。

針對Markov鏈或樸素貝葉斯網(wǎng)絡(luò)等傳統(tǒng)的深度學(xué)習(xí)統(tǒng)計方式，應(yīng)用節(jié)點的特性和節(jié)點與節(jié)點之間的強(qiáng)關(guān)聯(lián)性進(jìn)行分析，這種計算方法在一些情況下十分精準(zhǔn)?？墒?，這種網(wǎng)絡(luò)實體模型的主要參數(shù)很多、測算多元性很高。反過來，根據(jù)構(gòu)造相似度的優(yōu)化算法，僅使用周邊節(jié)點的構(gòu)造特點進(jìn)行分析，其特點是測算復(fù)雜性低、計算過程簡易。在具體網(wǎng)絡(luò)運用中，有時候能夠達(dá)到與機(jī)器學(xué)習(xí)算法方式同樣的準(zhǔn)確度。充分考慮測算的便捷性，根據(jù)構(gòu)造相似度的測算方法使用較為普遍。

交易網(wǎng)絡(luò)與別的網(wǎng)絡(luò)類似，預(yù)測優(yōu)化算法關(guān)鍵是運用構(gòu)造相似度優(yōu)化算法。假如網(wǎng)絡(luò)中的一個節(jié)點與另一個節(jié)點的相似性很高，則2個節(jié)點之間的連接概率也很高。這代表著網(wǎng)絡(luò)中一些金融業(yè)已經(jīng)連接的節(jié)點可能會在鄰近節(jié)點之間產(chǎn)生交易。與此同時，連接的節(jié)點比別的節(jié)點更容易產(chǎn)生事務(wù)管理。

4 結(jié)語

本文對鏈路預(yù)測的概念及研究進(jìn)行了概述，在此基礎(chǔ)上介紹了目前已有的鏈路預(yù)測算法以及評價指標(biāo)，在傳統(tǒng)鏈路預(yù)測的基礎(chǔ)上，設(shè)計了一種基于交易網(wǎng)絡(luò)模型的新型鏈路預(yù)測算法，并對所設(shè)計的預(yù)測算法進(jìn)行了詳細(xì)闡述，結(jié)果與現(xiàn)有的其他算法相比，本文提出的預(yù)測方法的預(yù)測精度更高。