Тип публикации: статья из журнала
Год издания: 2026
Ключевые слова: time series processing, cash register equipment, machine learning, text processing, behavioral signs, fiscal data, обработка временных рядов, контрольно-кассовая техника (ККТ), машинное обучение, обработка текстов, поведенческие признаки, фискальные данные
Аннотация: Цель исследования заключается в построении и экспериментальной оценке подхода к автоматизированному обнаружению рисковых арендных схем применения контрольно-кассовой техники. В качестве источников информации рассматриваются фискальные документы, товарные наименования в кассовых чеках, а также агрегированные поведенческие характерисПоказать полностьютики ККТ. Практическая значимость работы определяется необходимостью развития риск-ориентированных инструментов мониторинга, позволяющих выделять группы устройств с нетипичным профилем расчетов.Задачи исследования включали разработку комплексного признакового описания ККТ; формирование текстовых, статистических, фискальных и поведенческих характеристик; анализ применимости FastText и BERT-подобных моделей для представления текстов чеков; обучение моделей бинарной классификации известных рисковых схем; кластеризацию полной совокупности кассовых аппаратов для поиска ранее неразмеченных групп устройств; интерпретацию результатов с использованием методов объяснимого анализа.Гипотеза исследования состоит в предположении, что рисковые арендные схемы отражаются не только в лексическом составе чеков, но и в устойчивых отличиях операционного профиля ККТ. Предполагалось, что совместное использование семантических, статистических и временных признаков позволит повысить качество выявления таких схем по сравнению с анализом отдельных групп показателей, а методы кластеризации дадут возможность выделять потенциально рисковые устройства без полной предварительной разметки.Методическую основу работы составили методы машинного обучения, обработки естественного языка и многомерного анализа данных. Для представления текстов использовались FastText и BERT-подобные эмбеддинги; для классификации применялись градиентный бустинг, случайный лес, логистическая регрессия и нейронные сети; для снижения размерности и кластеризации использовались UMAP , K - Means , DBSCAN и HDBSCAN . Интерпретация классификационных решений проводилась на основе SHAP , а анализ кластеров - с использованием Z - score , робастного Z - score и процентильных характеристик признаков.Экспериментальная часть выполнена на двух связанных массивах данных: полной обезличенной выборке из 49 934 ККТ и приблизительно 20 млрд фискальных чеков за октябрь - декабрь 2023 г., а также размеченной выборке по ОКВЭД 47.11 и 47.19, включающей около 180 тыс. записей. На объединенной размеченной выборке модель, использующая фискальные и поведенческие признаки, достигла accuracy 0,96 и F 1- score 0,94. В задаче кластеризации полной выборки наилучшие результаты обеспечила связка UMAP и HDBSCAN : Silhouette Score составил 0,803, индекс Davies - Bouldin - 0,238. Выделенный аномальный кластер включал 7074 устройства; в него попалиСистемный анализ, управление и обработка информациивсе маркированные ККТ с признаками арендных схем, а их доля внутри кластера составила 28,3 %. Полученные результаты показывают возможность применения предложенного подхода в системах риск-ориентированного анализа фискальных данных. The aim of the study is to construct and experimentally evaluate an approach to automated detection of risky rental schemes for the use of cash registers. Fiscal documents, trade names in cash receipts, and aggregated behavioral characteristics of cash register equipment are considered as sources of information. The practical significance of this work is determined by the need to develop risk-based monitoring tools that allow identifying groups of devices with an atypical calculation profile.The research objectives included developing a comprehensive feature description of cash registers;generating textual, statistical, fiscal, and behavioral characteristics; analyzing the applicability of FastText and BERT-like models for representing receipt texts; training models for binary classification of known risk schemes; clustering a complete set of cash registers to search for previously undefined groups of devices; and interpreting the results using explicable analysis methods.The hypothesis of the study is that risky rental schemes are reflected not only in the lexical composition of checks, but also in the stable differences in the operational profile of the cash register technology. It was assumed that the combined use of semantic, statistical, and temporal features would improve the quality of identifying such schemes in comparison with the analysis of individual groups of indicators, and clustering methods would make it possible to identify potentially risky devices without complete preliminary marking.The methodological basis of the work is based on the methods of machine learning, natural language processing, and multidimensional data analysis. FastText and BERT-like embeddings were used for text representation; gradient boosting, random forest, logistic regression, and neural networks were used for classification; UMAP, K-Means, DBSCAN, and HDBSCAN were used for dimensionality reduction and clustering. Classification solutions were interpreted using SHAP, and cluster analysis was performed using Z-score, robust Z-score, and percentile characteristics of features.The experimental part was performed on two linked data sets: a complete impersonal sample of 49,934 cash registers and approximately 20 billion fiscal receipts for October-December 2023, as well as a marked-up sample according to OKVED 47.11 and 47.19, which includes about 180 thousand records. In the combined marked-up sample, the model using fiscal and behavioral attributes achieved accuracy of 0.96 and F1-score of 0.94. In the clustering task of the full sample, the best results were provided by the combination of UMAP and HDBSCAN: Silhouette Score was 0.803, Davies - Bouldin index -0.238. The selected anomalous cluster included 7074 devices; it included all marked cash registers with signs of rental schemes, and their share within the cluster was 28.3 %. The results obtained show the possibility of applying the proposed approach in systems of risk-based analysis of fiscal data.
Журнал: Перспективы науки
Выпуск журнала: № 4
Номера страниц: 94-99
ISSN журнала: 20776810
Место издания: Тамбов
Издатель: МОО ФРНК