文献类型：期刊文章

作　　者：韩泽峰[1] 杨涛[2] 侯琳琳[3] 田强[4] 刘良金[2] 吴偶[1]

HAN Zefeng;YANG Tao;HOU Linlin;TIAN Qiang;LIU Liangjin;WU Ou(Center of Applied Mathematics,Tianjin University,Tianjin 300072,China;Research Center of Big Educational Data,Hangzhou Zhihuzheye Company,Hangzhou Zhejiang 310008,China;Center for Combinatorics,Nankai University,Tianjin 300072,China;Administration Center,Tianjin Normal University,Tianjin 300387,China)

机构地区：[1]天津大学应用数学中心,天津300072 [2]杭州知乎者也科技有限公司教育大数据研发中心,杭州310008 [3]南开大学组合数学中心,天津300072 [4]天津师范大学行政管理中心,天津300387

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(61673377);天津人工智能专项(17ZXRGGX00150)。

年　　份：2020

卷　　号：40

期　　号：S01

起止页码：85-91

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：现有的一卡通数据挖掘方法大多采用统计、聚类、关联规则等浅层机器学习和数据挖掘方法,忽略了消费数据的时序性,缺乏对数据的深度表达。基于深度神经网络,提出了能够对消费数据时序性和关联性进行深度挖掘的Consume2Vec模型,并在此模型的基础上构建消费异常检测模型。通过在大规模一卡通消费数据上进行实验,验证了两个具体Consume2Vec模型的性能,并从不同维度将学生划分为不同群体进行对比分析,发现学生的消费规律和特点。

关 键 词：校园一卡通大数据  TRANSFORMER 长短期记忆  局部异常因子算法  消费异常检测  

分 类 号：TP391]