[發明專利]欺詐識別方法、裝置、電子設備及計算機可讀存儲介質

有效

• 申請號: 201910940637.1
• 申請日: 2019-09-30
• 公開（公告）號: CN110765117B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 王雪;莊若愚;陳驚雷;徐少迪;陳桂花;林樂凝
• 申請（專利權）人: 建信金融科技有限責任公司
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/28;G06Q40/03
• 代理公司: 北京市蘭臺律師事務所 11354
• 代理人: 張峰

本申請提供了一種欺詐識別方法、裝置、電子設備及計算機可讀存儲介質，應用于知識圖譜技術領域，其中該方法包括：提取目標信貸主體的拓撲特征，從而能更好的保留圖結構中實體節點的差異化信息及關聯關系的異構結構，此外，基于由屬性特征與拓撲特征確定的目標信貸主體的組合特征，進行目標信貸主體欺詐概率的識別，提升了欺詐識別的準確性與可靠性。

技術領域

本申請涉及知識圖譜技術領域，具體而言，本申請涉及一種欺詐識別方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

隨著互聯網的發展，網絡數據內容呈現爆炸式增長的態勢，知識圖譜(KnowledgeGraph)以其強大的語義處理能力和開放組織能力，為互聯網時代的知識化組織和智能應用奠定了基礎。本質上，知識圖譜旨在描述真實世界中存在的各種實體或概念及其關系，其構成一張巨大的語義網絡圖，節點表示實體或概念，邊則由屬性或關系構成。隨著知識圖譜技術的發展，知識圖譜開始應用于金融領域，如應用于信貸領域的欺詐識別。

目前，金融機構信貸業務運用知識圖譜進行欺詐識別的方法，雖然運用了主體與其他實體的關聯數據，但是僅考慮主體與其他實體之間是否有關系，即僅對主體與其他實體之間的關系進行單一考慮或同質化考慮。然而，在金融場景下，實體之間的關系是多種多樣的(如投資、擔保等，以及不同時期實體之間的關系)，現有的對關聯關系進行單一考慮或同質化考慮方法，丟失了大量的差異化信息，無法有效的反映不同關系類型對于不同細分場景、不同群體、不同時間范圍內可能具備的不同影響，從而導致欺詐識別的準確性與可靠性較差。

發明內容

本申請提供了一種欺詐識別方法、裝置、電子設備及計算機可讀存儲介質，用于提升欺詐識別的準確性、可靠性，本申請采用的技術方案如下：

第一方面，提供了一種欺詐識別方法，該方法包括，

獲取目標信貸主體的信貸相關信息；

基于目標信貸主體的信貸相關信息更新預構建的知識圖譜；

基于目標信貸主體的信貸相關信息提取得到目標信貸主體的屬性特征，以及基于更新后的知識圖譜提取得到目標信貸主體的拓撲特征，拓撲特征用于描述知識圖譜中節點之間的關聯關系；

基于屬性特征與拓撲特征確定目標信貸主體的組合特征；

將目標信貸主體的組合特征輸入預訓練的分類器，識別得到目標信貸主體的欺詐概率值。

具體地，基于更新后的知識圖譜提取得到目標信貸主體的拓撲特征，包括：

基于預定義的至少一條元路徑，通過隨機游走算法從更新后的知識圖譜中抽取得到與目標信貸主體相關的節點信息，并基于與目標信貸主體相關的節點信息組成節點序列；

通過圖嵌入算法得到節點序列的向量表達，并將節點序列的向量表達作為目標信貸主體的拓撲特征。

具體地，元路徑基于風險數據統計結果確定。

具體地，通過圖嵌入算法得到節點序列的向量表達，包括：

將節點序列輸入至預訓練的詞向量模型，得到節點序列的向量表達。

進一步地，詞向量模型為Skip-Gram模型，該方法還包括：

進行Skip-Gram模型的訓練時，對輸出層進行異構化處理，用于保留節點序列之間的異構信息。

其中，預訓練的分類器包括多個子分類器與組合分類器，組合分類器由子分類器組合得到。

第二方面，提供了一種欺詐識別裝置，該裝置包括，

獲取模塊，用于獲取目標信貸主體的信貸相關信息；

更新模塊，用于基于目標信貸主體的信貸相關信息更新預構建的知識圖譜；