[發明專利]基于用戶信息知識圖譜的風險評估方法、裝置和電子設備

在審

• 申請號: 201910943590.4
• 申請日: 2019-09-30
• 公開（公告）號: CN110795568A
• 公開（公告）日: 2020-02-14
• 發明（設計）人: 李尚英;張涵;蔡興
• 申請（專利權）人: 北京淇瑀信息科技有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06Q40/02;G06N20/00
• 代理公司: 11691 北京清誠知識產權代理有限公司
• 代理人: 喬東峰

本發明公開了一種基于用戶信息知識圖譜的風險評估方法、裝置和電子設備，具體包括：獲取多個用戶信息數據，根據所述信息數據構建用戶信息知識圖譜，利用所述用戶信息知識圖譜分析產生用戶深度特征，基于所述用戶深度特征，通過深度關系風險模型對所述用戶進行風險評估。本發明基于用戶知識圖譜進行風險評估，能增強對深度的數據特征進行提取分析，降低欺詐風險概率。

技術領域

本發明涉及計算機信息處理領域，具體而言，涉及一種基于用戶信息知識圖譜的風險評估方法、裝置、電子設備及計算機可讀介質。

背景技術

信用風險是商業銀行及互聯網金融業長期以來面臨的主要風險。消費信貸業務為互聯網金融的主要業務，也成為商業銀行新的利潤增長點，而信用風險管理手段的落后成為制約消費信貸產業發展的瓶頸。隨著移動互聯網技術的發展、智能設備的普及，消費信貸業務經過長期的開展，積累了大量的用戶以及數據，但是面臨信用風險評估層面淺，導致壞賬率較高等問題。

在現有技術中，信用風險評估主要是對用戶進行個人層面分析，難以全面高效的了解該用戶實際風險情況，增大了風險概率。

發明內容

有鑒于此，提出了本發明以便提供一種克服上述問題的基于用戶信息知識圖譜的風險評估方法、裝置、電子設備及計算機可讀存儲介質。

依據本發明的一個方面，提供了一種基于用戶信息知識圖譜的風險評估方法，包括：

獲取多個用戶信息數據；

根據所述信息數據構建用戶信息知識圖譜；

利用所述用戶信息知識圖譜分析產生用戶深度特征；

基于所述用戶深度特征，通過深度關系風險模型對所述用戶進行風險評估。

在其中的一項實施例中，所述根據所述信息數據構建知識圖譜進一步包括：對獲取的所述信息數據進行深度分析并篩選，挖掘所述用戶信息數據之間的關聯關系，以構建所述用戶信息知識圖譜。

進一步地，所述挖掘所述用戶信息數據之間的關聯關系進一步包括：對所述用戶信息數據進行篩選，選擇一部分用戶信息數據用于進行深度分析，挖掘所述用戶信息數據之間的關聯關系，以構建所述用戶信息知識圖譜；選擇另一部分用戶信息數據用于構建關系數據庫；

建立所述用戶信息知識圖譜與所述關系數據庫之間映射，通過所述用戶信息知識圖譜調用所述關系數據庫內的相關數據。

在其中一項實施例中，利用所述用戶信息知識圖譜分析產生用戶深度特征進一步包括：獲取所述用戶的深度關系用戶信息；

基于所述深度關系用戶信息歸納提取深度關系用戶特征。

進一步地，所述深度關系用戶可包括所述用戶的N度關系用戶，其中N為大于等于2的自然數。

在其中一項實施例中，所述基于所述用戶深度特征，通過深度關系風險模型對所述用戶進行風險評估步驟進一步包括：構建所述深度關系風險模型；設定風險閾值；將所述用戶深度特征代入所述深度關系風險模型以形成所述用戶的深度關系風險得分；所述深度風險關系得分高于所述風險閾值的用戶評估為疑似風險用戶。

進一步地，構建所述風險關系模型步驟進一步包括：

獲取歷史用戶相關信息，所述歷史用戶相關信息可包括所述歷史用戶風險信息、所述歷史用戶深度關系用戶信息；以所述歷史用戶風險信息、所述歷史用戶深度關系用戶信息為樣本進行機器學習方法訓練構建所述風險關系模型。

進一步地，所述機器學習方法進一步可包括xgboost算法。

進一步地，將所述疑似風險用戶信息進行反饋以進行人工審核。

第二方面，本發明公開了一種基于用戶信息知識圖譜的風險評估裝置，包括：