[發明專利]欺詐團伙挖掘方法、裝置及電子設備

有效

• 申請號: 201910496109.1
• 申請日: 2019-06-10
• 公開（公告）號: CN110209660B
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 張亮杰;袁力;王亞亮;陳亮
• 申請（專利權）人: 北京阿爾山金融科技有限公司
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/2455;G06F16/2458;G06Q40/02;G06Q30/00
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 徐彥圣

本發明提供了一種欺詐團伙挖掘方法、裝置及電子設備，在該方法中，先對原始數據進行了預處理，得到處理后的數據，該預處理的過程能夠將噪點數據在建圖之前刪除，降低了噪點數據對建圖的影響，同時，該過程中進行了迭代預處理和劃分處理的過程，直至最終得到的多組社區數據中每組社區數據的節點數不大于預設閾值，或者，多組社區數據中每組社區數據的節點數不再變化為止，再對劃分完成的每組社區數據進行可視化處理，得到社區網絡圖，這樣，得到的每個社區網絡圖中都不存在大量節點，符合欺詐團伙特性，便于可視化和進行后續的欺詐團伙評價，最終確定的欺詐團伙準確性好，緩解了現有的欺詐團伙挖掘方法準確性差的技術問題。

技術領域

本發明涉及計算機的技術領域，尤其是涉及一種欺詐團伙挖掘方法、裝置及電子設備。

背景技術

隨著金融領域各種貸款或類貸款業務的普及，團伙欺詐案件逐漸增多，給投資人、公司和國家造成不同程度的損失。各公司和機構急于尋求一種技術方案來發現團伙欺詐案件，做到防范未然、及時阻止和追回損失。

現有的欺詐團伙挖掘方法是先通過社區發現算法對數據進行分割，分割之后得到多個社區，然后再對每個社區進行欺詐團伙評價，從而確定其中的欺詐團伙。但是現有的社區發現算法，都是從網絡拓撲結構的特性對數據進行的技術分割，從未考慮實際需求。最終，分割得到的社區結果中存在大量的大社區，這些大社區不便于后續的欺詐團伙的評價，并且這些大社區中還包含一些噪音節點或關系，導致最終確定的欺詐團伙準確性差。

綜上，現有的欺詐團伙挖掘方法準確性差。

發明內容

本發明的目的在于提供一種欺詐團伙挖掘方法、裝置及電子設備，以緩解現有的欺詐團伙挖掘方法準確性差的技術問題。

本發明提供的一種欺詐團伙挖掘方法，包括：獲取原始數據；按照預處理規則對所述原始數據進行預處理，得到處理后的數據，其中，所述處理后的數據中不包含噪點數據；將所述處理后的數據保存至圖數據庫，得到與所述圖數據庫的存儲結構對應的圖數據；通過社區發現算法對所述圖數據進行劃分，得到多組社區數據；基于預設規則庫對所述多組社區數據進行分析，根據分析結果確定目標預處理規則；將所述目標預處理規則作為所述預處理規則，并將所述多組社區數據作為所述原始數據，返回執行按照預處理規則對所述原始數據進行預處理的步驟，直至每組社區數據滿足預設條件；所述預設條件包括：每組社區數據中的節點數不大于預設閾值，或者，每組社區數據中的節點數不再變化；對滿足所述預設條件的每組社區數據進行可視化處理，得到社區網絡圖；通過預設欺詐團伙挖掘規則對所述社區網絡圖進行欺詐團伙評價，根據評價結果確定所述社區網絡圖對應的團伙是否為欺詐團伙。

進一步的，所述預處理規則包括：預設數據清洗規則和噪音識別規則，按照預處理規則對所述原始數據進行預處理，得到處理后的數據包括：按照所述預設數據清洗規則對所述原始數據進行數據清洗，得到清洗后的數據；基于所述噪音識別規則識別所述清洗后的數據中的噪音數據；去除所述清洗后的數據中的噪音數據，得到所述處理后的數據。

進一步的，所述社區發現算法包括但不限于以下任一種：louvain社區發現算法，基于標簽傳播的社團發現算法。

進一步的，所述預設規則庫中包括：預設特征與處理規則之間的對應關系，基于預設規則庫對所述多組社區數據進行分析，根據分析結果確定目標預處理規則包括：對所述多組社區數據進行特征提取，得到所述多組社區數據的目標特征；將所述目標特征與所述預設規則庫中的預設特征進行匹配；根據匹配結果在所述處理規則中確定與所述目標特征對應的目標處理規則；將所述目標處理規則作為所述目標預處理規則。

進一步的，所述社區網絡圖中包括：個體節點、屬性節點、所述個體節點和所述屬性節點之間的關聯關系。