一种基于电子账单的计算机管理系统

本发明涉及电子账单，具体为一种基于电子账单的计算机管理系统。

背景技术：

1、随着电子支付和数字化消费的普及，越来越多的用户通过银行、支付平台和商户应用生成电子账单。这些电子账单记录了用户的消费行为和交易详情，是个人财务管理的重要组成部分。为了提高个人财务管理的智能化和安全性，电子账单管理系统逐渐成为一种必不可少的工具，帮助用户更好地跟踪和分析消费行为。

2、尽管电子账单管理系统在帮助用户管理消费记录方面发挥了积极作用，但传统系统在异常消费行为的识别和报警方面存在显著不足。许多现有系统仅能提供简单的账单分类和汇总功能，而无法实时、精准地识别可能存在风险的异常消费行为。这种局限性导致用户可能未能及时发现潜在的财务风险，例如未经授权的交易、消费欺诈或因情绪波动导致的非理性消费行为。此外，现有系统的报警机制往往不够灵敏，容易出现误报或漏报，给用户带来不便。

3、这种现状和不足主要源于传统系统在处理复杂、多维度数据时的能力有限。电子账单中的消费行为不仅与消费金额和商户信息相关，还受到交易时间、地点、用户情绪、市场波动等多方面因素的影响。传统系统缺乏对这些多维数据的综合分析能力，不易于有效地将这些因素纳入风险评估模型中。结果是，用户可能会因为系统的误报而忽略正常消费，或者在真正出现异常消费行为时未能及时收到警报，进而导致潜在的财务损失或信用风险。这种情况的发生，不仅降低了用户对系统的信任度，也在一定程度上削弱了个人财务管理的安全性和有效性。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于电子账单的计算机管理系统，解决了背景技术中提到的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：包括账单数据采集模块、特征提取模块、异常分析模块、综合分析模块和评估预警模块；

3、所述数据采集模块用于设置连接端口集成消费渠道，实时采集账单数据和交易数据，并对采集到的账单数据和交易数据进行预处理，获取标准数据集；

4、所述特征提取模块用于依据预处理后的标准数据集，进行特征提取，获取消费特征集，并构建数据库，将标准数据集和消费特征集存储在数据库中；

5、所述异常分析模块用于构建相关算法模型，并提取数据库中的消费特征集，实时输入到相关算法模型中进行计算输出，消费时段偏离度tdev、消费链复杂度trcomplexity、情绪波动指数eindex和消费情境因子ccontext；

6、所述综合分析模块通过构建综合异常评估公式，并提取异常分析模块所输出的消费时段偏离度tdev、消费链复杂度trcomplexity、情绪波动指数eindex和消费情境因子ccontext，输入综合异常评估公式中，进行计算输出综合异常评分stotal；

7、所述评估预警模块用于实时接收所输出的综合异常评分stotal，并预设评分阈值s进行对比评估，并生成相关评估报告，再依据评估报告生成报警机制。

8、优选的，所述账单数据采集模块包括集成采集单元和数据预处理单元；

9、所述集成采集单元用于构建多个api应用程序接口与银行、支付平台、交易市场、商户评价平台、社交媒体软件和电子发票系统进行集成，并开发sdk封装对不同api应用程序接口的调用逻辑，实时采集用户的账单数据和交易数据，再通过oauth2.0认证机制保证数据安全；

10、所述账单数据包括消费金额mc、历史平均消费金额mm、市场波动率△mma、基准市场波动率mba、商户信誉rme、商户评分sme、交易金额tam、消费前情绪评分ebe和消费后的情绪评分eaf；

11、所述消费金额mc和历史平均消费金额mm通过提取电子账单的统计数据获取；

12、所述市场波动率△mma和基准市场波动率mba通过使用api应用程序接口连接外部交易市场，实时提取市场数据，利用python进行数学运算和分析获取；

13、所述商户信誉rme、商户评分sme和交易金额tam通过api应用程序接口连接商户评价平台，提取交易历史数据，再使用聚合函数计算获取；

14、所述消费前情绪评分ebe和消费后的情绪评分eaf通过与社交媒体软件进行集成，使用情感分析工具nlp库，分析用户社交媒体和通讯内容，提取情感数据并进行量化获取；

15、所述交易数据包括交易时间点tcurrent、历史平均消费时间点tmean、支付路径节点数量lnodes和币种数量lcurrencies；

16、所述数据预处理单元通过使用python库，将所采集到的账单数据和交易数据，进行数据清洗，去除账单数据和交易数据中的冗余数据，并对错误数据修正，同时处理缺失数据，再将不同来源的数据格式，使用解析库转换为dataframe格式，再将不同单位的数值，转换为统一标准单位，获取标准数据集。

17、优选的，所述特征提取模块包括特征提取单元和数据存储单元；

18、所述特征提取单用于依据标准数据集，进行特征提取获取消费特征集，所述消费特征集包括消费习惯突变率hchange、多维信任度系数mtrust和情境匹配项得分ci；

19、所述消费习惯突变率hchange通过提取标准数据集中的消费金额mc、历史平均消费金额mm，进行聚合计算获取，计算公式；

20、所述多维信任度系数mtrust通过集合标准数据集中的商户信誉rme、商户评分sme、交易金额tam，进行计算获取，计算公式，式中rmean表示历史商户信誉均值，smean表示历史商户评分均值，tan表示历史交易金额均值；

21、所述情境匹配项得分ci通过提取用户的地点匹配cocation、时间匹配ctime、事件匹配cevent、社交互动匹配csocial和历史行为匹配chistory，进行分析获取匹配度评分，情境匹配项得分ci={cocation、ctime、cevent、csocial和chistory}，ci表示第i个情境匹配的得分；

22、所述地点匹配cocation通过地理信息系统gis工具，获取并处理地理位置信息，使用haversine公式或其他地理距离算法计算当前消费地点与历史消费地点之间的距离，距离较近时得分较高，反之得分较低；

23、所述时间匹配ctime通过python的pandas库分析用户的消费时间序列，提取常见时间段并计算偏差，通过聚类算法识别用户的消费时间模式，并计算当前消费时间与这些模式的匹配度；

24、所述事件匹配cevent通过使用日历api获取用户的日历事件，分析事件与消费的时间关联，使用nlp技术分析社交媒体内容，识别与消费相关的活动和兴趣点，基于时间和地理位置，匹配消费行为与相关事件，并计算匹配度；

25、所述社交互动匹配csocial通过分析用户的社交媒体内容和即时通讯记录，识别当前消费行为是否受到社交影响，例如，用户在讨论某品牌后，立即进行购买，则匹配得分较高，分析用户的群体行为，如果多人在相同时间和地点进行类似消费，则可能是集体活动的结果，匹配得分较高，衡量用户在消费前后的社交互动强度，如果社交互动激增，且消费行为与互动内容相关，则匹配得分较高；

26、所述历史行为匹配chistory通过用户的长期消费记录，包括消费类型、商户、金额等，通过分析用户过去的消费记录，当前消费与用户历史消费类型的匹配度，如果当前消费类型与用户的历史偏好一致，则得分较高，分析用户对特定商户或品牌的偏好，如果当前消费商户是用户常去的，则得分较高，当前消费金额与用户历史消费金额的偏差，如果金额与用户的历史消费水平相符，则得分较高；

27、所述数据存储单元用于构建关系型数据库，对标准数据集和消费特征集进行存储。

28、优选的，所述异常分析模块包括消费偏离度分析单元、交易链分析单元、情绪波动分析单元和消费情境分析单元；

29、所述消费偏离度分析单元通过构建偏离度算法公式，再从数据库中提取标准数据集和消费特征集中的交易时间点tcurrent、历史平均消费时间点tmean和消费习惯突变率hchange，输入到偏离度算法公式中，计算获取费时段偏离度tdev；

30、所述消费时段偏离度tdev通过以下偏离度算法公式计算获取；

31、；

32、式中，表示用户历史消费时间的标准差，log表示对数函数。

33、优选的，所述交易链分析单元通过构建交易链算法公式，再从数据库中提取标准数据集和消费特征集中的支付路径节点数量lnodes、币种数量lcurrencies和多维信任度系数mtrust，输入到交易链算法公式中，输出消费链复杂度trcomplexity；

34、所述消费链复杂度trcomplexity通过以下交易链算法公式计算获取；

35、；

36、式中，lsimple表示标准简单交易链复杂度。

37、优选的，所述情绪波动分析单元通过构建情绪波动算法公式，再从数据库中提取标准数据集和消费特征集中的消费前情绪评分ebe和消费后的情绪评分eaf，同时结合所输出的消费时段偏离度tdev，共同输入情绪波动算法公式，计算获取情绪波动指数eindex；

38、所述情绪波动指数eindex通过以下情绪波动算法公式计算获取；

39、；

40、式中，emax表示情绪波动峰值。

41、优选的，所述消费情境分析单元用于构建消费情境算法公式，再从数据库中提取消费特征集中的情境匹配项得分ci，输入到消费情境算法公式，输出消费情境因子ccontext；

42、所述消费情境因子ccontext通过消费情境算法公式计算获取；

43、；

44、式中，n表示情境匹配项的总数，wi表示对应情境匹配项的权重。

45、优选的，所述综合分析模块通过构建综合异常评估公式，将所获取的消费时段偏离度tdev、消费链复杂度trcomplexity、情绪波动指数eindex和消费情境因子ccontext，输入到综合异常评估公式中，进行计算输出综合异常评分stotal；

46、所述综合异常评分stotal通过以下综合异常评估公式计算获取；

47、；

48、式中，a1、a2、a3和a4分别表示消费时段偏离度tdev、消费链复杂度trcomplexity、情绪波动指数eindex和消费情境因子ccontext的预设权重值。

49、优选的，所述评估预警模块包括综合评估单元和预警单元；

50、所述综合评估单元通过分析历史消费数据，计算历史评分的均值，进行设置评分阈值s，再提取实时输出的综合异常评分stotal与评分阈值s进行对比评估，判断电子账单的异常情况，具体评估内容如下所示；

51、当综合异常评分stotal＞评分阈值s时，判定当前电子账单存在消费行为异常，此时生成第一评估信息；

52、当综合异常评分stotal=评分阈值s时，判定当前电子账单存在消费行为异常，此时生成第二评估信息；

53、当综合异常评分stotal＜评分阈值s时，判定当前电子账单消费行为正常，此时无需生成评估信息。

54、优选的，所述预警单元用于实时接收所生成的评估信息，并基于所接收到的评估信息触发相应的预警机制，具体触发方式如下所示；

55、当接收到第一评估信息时，系统执行第一预警机制，通过向用户发送消费行为异常警报，同时立即阻断交易行为，并将当前消费行为标记为“审查”提交人工进行审查分析；

56、当接收到第二评估信息时，系统执行第二预警机制，通过向用户发送消费行为异常警报，并进行多重身份验证，验证成功则继续交易，验证失败则执行第一预警机制。

57、本发明提供了一种基于电子账单的计算机管理系统。具备以下有益效果：

58、（1）该系统通过引入账单数据采集模块，该系统能够与银行、支付平台、交易市场、商户评价平台、社交媒体和电子发票系统等多种消费渠道无缝集成。这一集成机制使得系统可以实时、自动地采集用户的账单数据和交易数据，并通过数据预处理单元进行数据清洗、格式转换和单位标准化，生成高质量的标准数据集。这种全面、自动化的数据采集和处理能力，不仅提升了数据的准确性和一致性，还为后续的消费行为分析提供了可靠的基础，从而增强了用户对系统的信任和依赖。

59、（2）该系统通过特征提取模块，系统能够从预处理后的标准数据集中，提取出用户的消费习惯突变率hchange、多维信任度系数mtrust和情境匹配项得分ci关键消费特征，并汇总生成消费特征集。消费特征集为系统理解和分析用户的消费行为提供了丰富的信息基础。通过建立和存储消费特征集，系统能够更加精准地捕捉用户的消费模式变化，并实时更新数据库中的特征信息。异常分析模块，通过依据所获取的标准数据集和消费特征集，进行构建相关算法公式，进行计算输出消费时段偏离度tdev、消费链复杂度trcomplexity、情绪波动指数eindex和消费情境因子ccontext，使得系统在应对复杂的消费行为时，具备更高的分析能力和更强的异常检测精度，帮助用户更好地管理和监控其消费行为。

60、（3）该系统通过异常分析模块和综合分析模块的引入，使系统能够将特征提取模块输出的关键消费特征，消费时段偏离度tdev、消费链复杂度trcomplexity、情绪波动指数eindex和消费情境因子ccontext，应用于综合异常评估公式中，计算出综合异常评分stotal。评估预警模块则通过与预设的评分阈值s进行对比评估，自动生成评估报告，并触发相应的预警机制。这一过程确保了系统能够实时识别和处理异常消费行为，如在识别到异常时，系统能够立即向用户发送警报，阻断可疑交易或要求多重身份验证，从而有效防范潜在的财务风险。这种高效、精准的异常检测与预警机制，不仅提高了系统的安全性，也增强了用户在面对复杂消费场景时的信心，确保他们的资金安全得到有效保障。