一种基于 Wasserstein 距离的交易数据谱聚类方法
统计方法学
2023-02-17 v3
摘要
随着在线支付平台的快速发展，记录海量交易数据已成为可能。对交易数据进行聚类有助于分析商户的行为模式，使支付平台能够提供差异化服务或实施风险管理策略。然而，传统方法通过生成低维特征来利用交易数据，导致不可避免的信息损失。在本研究中，我们使用交易的经验累积分布来刻画商户。我们采用 Wasserstein 距离度量任意两个商户之间的相异度，并提出基于 Wasserstein 距离的谱聚类（WSC）方法。基于商户交易分布之间的相似性，构建商户图，从而将商户聚类视为图割问题并在谱聚类框架下求解。为保障所提方法在有限计算资源下大规模数据集上的可行性，我们提出了 WSC 的子采样方法（SubWSC）。相关研究理论性质以验证所提方法的效率。模拟与实证研究表明，所提方法在发现商户行为模式方面优于基于特征的方法。
引用
@article{arxiv.2203.02709,
title = {A Wasserstein distance-based spectral clustering method for transaction data analysis},
author = {Yingqiu Zhu and Danyang Huang and Bo Zhang},
journal= {arXiv preprint arXiv:2203.02709},
year = {2023}
}