基于Stacking集成学习算法的工作人员用车记录异常数据识别方法

魏葳　耿一婷　吕倩等

关键词：Stacking集成学习算法；用车记录；异常数据；识别方法

中图法分类号：TP757 文献标识码：A

1引言

电网企业每日有大量的现场检修作业，在日常的报销费用核算中，以现场作业为由的差旅费用报销项目占整个预算的70%以上。每月电网企业报销单据频数较大，在财务人员核查报销项目真实性时，需要耗费大量的时间。随着电网企业审计工作的日益频繁，对日常报销费用管控的要求逐渐严格，近年来通过“回头看”工作发现，日常报销中存在故意套取以及恶意报销等行为。与此同时，在电网企业的差旅费报销业务中，由于检修作业活动中的审计风险较大，表现出屡查、屡审等现象，存在较为严重的管理效率低的问题。因此，为了寻求更加精益的差旅费用管理方案，亟须研究一种电网现场检修活动工作人员用车记录异常数据识别方法，使传统的人工核验流程向自动化方向发展。

2挖掘工作人员用车记录异常数据

异常数据挖掘是识别工作人员用车记录异常数据的基础，主要是为了找到隐藏在工作人员用车记录数据背后的更重要的信息。时至今日，关于工作人员用车记录的异常数据仍没有一个确定的定义，但是Hawkins曾经说过，异常数据并不是随机产生的，而是与正常数据在一个不同的机制下形成的数据集，所以异常数据是明显偏离于正常数据的对象。基于此，本文通过数据密度来实现工作人员用车记录异常数据的挖掘，密度即在一定范围内的异常数据点之间的距离。在进行工作人员用车记录异常数据挖掘过程中，主要需要掌握异常数据的可达距离以及可达密度，假设给定2个工作人员用车记录异常数据对象a，b，则数据a相对于数据6的可达距离计算式为：

d（a，b）=max{d（a），d（a，6）} （1）式中，d（a，6）代表工作人员用车记录异常数据点a与b之间的可达距离；d（a）代表异常数据点n的k距离，该数据集中存在k-1个对象；d（a，b）代表异常数据点a与b之间的欧氏距离。当式（1）所求异常数据点可达距离数值较小，则表示数据点a与b之间的距离就是点a的k距离；反之，若式（1）所求异常数据点可达距离数值较大，则表示数据点a与b之间的距离是二者之间的实际距离。因此，如果工作人员用车记录异常数据点的数量越多，那么各数据点之间的可达距离越相似。

实验过程中，选用基于自适应DBSCAN的异常数据识别方法、基于卷积神经网络的异常数据识别方法作为实验对照组。为有效评估实验中3种识别方法的性能，使用精确率与召回率作为评估指标，指标获取计算式为：

式中，P代表用车记录异常数据识别精确率：R代表用车记录异常数据识别召回率：TP代表用车记录正常数据被正确识别的数量：FP代表用车记录异常数据被错误识别的数量：FN代表用车记录正常数据被错误识别的数量。一般情况下，识别准确率是评估异常数据识别方法性能的关键指标，但由于工作人员用车记录的异常数据属于不平衡数据集，使用准确率无法很好地评价出各识别方法的优劣，所以本文引入精确率与召回率作为评估指标，其中精确率可以体现出识别方法的误报率，召回率可以体现出方法对于异常数据的识别能力。首先获得这3种识别方法的精确率与召回率结果如图1所示。

由图1可知，随着工作人员用车记录异常数据量的不断增加，基于卷积神经网络的识别方法精确率与召回率不断降低，平均精确率为88.79%，平均召回率为86.03%，而基于自适应DBSCAN的识别方法与本文基于Stacking集成学习算法的识别方法的精确率与召回率一直处于较为稳定的状态，其中自适应DBSCAN方法下的平均精确率为90.48%，平均召回率为88.31%，本文方法下的平均精确率为98.55v，较对照组方法提升9.76%，8.07%，平均召回率为95.86%，较对照组方法提升9.83%，7.55%。由此可以说明，本文异常数据识别方法表现更好，适用于电网企业工作人员用车记录核验工作。

6结束语

在电网企业日常现场检修作业报销中，需要对职工出勤记录、工作人员用车记录以及食堂就餐打卡记录等数据进行核验工作。因此，本文引入Stacking集成学习算法，并设计一种工作人员用车记录异常数据识别方法，不仅可以有效提升检修作业现场的误餐补助报销检查、审核工作的合规性、准确性，而且可以有效纾解报销人员与财务審核人员双边的工作压力。同时，本文通过仿真实验验证了该识别方法性能优越，可以实现电网企业工作人员用车记录异常数据的精准识别。

作者简介：

魏葳（1987—），硕士，初级会计师，研究方向：会计信息化。