[發明專利]用于基于關系圖生成風險特征的方法及裝置

有效

• 申請號: 201911046463.0
• 申請日: 2019-10-30
• 公開（公告）號: CN110851541B
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 張天翼;葉捷明
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06Q10/06;G06N20/00
• 代理公司: 北京永新同創知識產權代理有限公司 11376
• 代理人: 林錦輝

本說明書實施例提供了一種用于基于關系圖生成風險特征的方法及裝置。在該方法中，在獲取事件級數據后，執行以下循環過程，直至滿足指定循環結束條件：按照構圖模板和當前邊參數來將事件級數據構建成關系圖，對關系圖進行特征生成處理以生成當前風險特征，輸出滿足指定特征效能條件的風險特征。其中，在不滿足指定循環結束條件時對當前邊參數進行參數調整處理，調整后的邊參數被確定為下一循環中的當前邊參數。

技術領域

本說明書實施例涉及機器學習技術領域，具體地，涉及用于基于關系圖生成風險特征的方法及裝置。

背景技術

風控體系由規則和模型兩部分組成，利用風控規則和風控模型可以對潛在風險進行評估進而發現風險，并對發現的風險采取措施以避免造成損失。

風控模型和風控規則都是基于風險形勢、作案手法以及行為序列等風險特征得到的，并且風控模型和風控規則都強依賴于風險特征的準確性、覆蓋性以及魯棒性等。

目前有一類風險特征主要依賴于關系圖生成的，這類風險特征在風控體系中有著很重要的作用。對于這一類風險特征，需要先依賴于人工經驗構建關系圖，再基于關系圖以生成相應的風險特征。

發明內容

鑒于上述，本說明書實施例提供了一種用于基于關系圖生成風險特征的方法及裝置。在該方法中，在獲取事件級數據后，執行以下循環過程，直至滿足指定循環結束條件：按照構圖模板和當前邊參數來將事件級數據構建成關系圖，對關系圖進行特征生成處理以生成當前風險特征，輸出滿足指定特征效能條件的風險特征。其中，在不滿足指定循環結束條件時對當前邊參數進行參數調整處理，調整后的邊參數被確定為下一循環中的當前邊參數。上述方法的執行過程不依賴于人工經驗便能得到滿足指定特征效能條件的風險特征，避免了人為干預以及提高了風險特征的生成效率。

根據本說明書實施例的一個方面，提供了一種用于基于關系圖生成風險特征的方法，包括：獲取事件級數據；對所述事件級數據執行下述循環過程，直到滿足指定循環結束條件：按照構圖模板和當前邊參數來將所述事件級數據構建成關系圖；對所述關系圖進行特征生成處理，以生成當前風險特征；輸出所生成的當前風險特征中的滿足指定特征效能條件的風險特征，其中，在不滿足所述指定循環結束條件時，對所述當前邊參數進行參數調整處理，所述調整后的邊參數被確定為下一循環中的當前邊參數。

可選地，在上述方面的一個示例中，還包括：當所構建的關系圖不小于指定尺寸時，基于預定關系圖拆分策略對該關系圖進行拆分，以得到小于所述指定尺寸的子關系圖；以及對所述關系圖進行特征生成處理，以生成當前風險特征包括：分別對各個子關系圖進行特征生成處理，以生成當前風險特征。

可選地，在上述方面的一個示例中，所述預定關系圖拆分策略使得所述關系圖被拆分導致的圖信息損失量小于損失閾值。

可選地，在上述方面的一個示例中，對所述關系圖進行特征生成處理以生成當前風險特征包括：采用下述算法中的至少一種來對所述關系圖進行特征生成處理以生成當前風險特征：社群發現算法；圖結構匹配算法；和深度學習算法。

可選地，在上述方面的一個示例中，所述指定特征效能條件包括：風險特征對應的特征信息量大于指定閾值。

可選地，在上述方面的一個示例中，所述指定特征效能條件包括：風險特征對應的風控模型的模型性能增益大于增益閾值。

可選地，在上述方面的一個示例中，參數調整處理的方式包括遺傳算法。

可選地，在上述方面的一個示例中，所輸出的風險特征用于訓練風控模型。