[發明專利]異常社群檢測方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202010462900.3
• 申請日: 2020-05-27
• 公開（公告）號: CN111784528A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 曹合心
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06Q50/00
• 分類號: G06Q50/00;G06Q40/08
• 代理公司: 深圳市世聯合知識產權代理有限公司 44385
• 代理人: 汪琳琳

1.一種異常社群檢測方法，其特征在于，包括下述步驟：

構建擔保關系網絡，切分所述擔保關系網絡，得到異常擔保關系的社群；

確定所述社群的特征信息，其中，所述特征信息包括節點規模、邊規模、聚集系數、連通三角形數、平均度數中的至少一種；

根據所述特征信息，確定特征相似的社群為一個關系簇；

計算所述關系簇的歐式距離；

根據所述歐式距離對所述關系簇進行歸類，基于歸類結果確定所述關系簇是否為異常簇；

在確定所述關系簇為異常簇時，判定所述異常簇中的社群為異常社群，并提取所述異常社群。

2.根據權利要求1所述的異常社群檢測方法，其特征在于，在所述切分所述擔保關系網絡的步驟之前，所述異常社群檢測方法還包括：

獲取所述擔保關系網絡中的擔保關系，確定所述擔保關系中的擔保人與被擔保人；

確定所述擔保人與所述被擔保人之間的標簽集的交集長度是否小于預設長度；

若所述交集長度小于所述預設長度，確定所述擔保人與所述被擔保人不屬于同一社群，刪除所述擔保人與所述被擔保人不屬于同一社群的非必要關系。

3.根據權利要求1所述的異常社群檢測方法，其特征在于，所述根據所述特征信息，確定特征相似的社群為一個關系簇的步驟包括：

根據所述特征信息，獲取所述社群對應的結構化數據；

基于所述結構化數據，將特征相似的社群聚為一個關系簇。

4.根據權利要求3所述的異常社群檢測方法，其特征在于，所述根據所述特征信息，獲取所述社群對應的結構化數據的步驟包括：

獲取所述社群的社群編號；

整理所述社群編號和所述特征信息為結構化數據。

5.根據權利要求1所述的異常社群檢測方法，其特征在于，所述計算所述關系簇的歐式距離的步驟包括：

計算所述關系簇中每個特征的平均值，根據所述平均值計算所述關系簇的特征向量；

根據所述特征向量，計算所述關系簇到原點的歐式距離。

6.根據權利要求1所述的異常社群檢測方法，其特征在于，所述根據所述歐式距離對所述關系簇進行歸類的步驟包括：

根據所述歐式距離的大小，獲取所述歐式距離中的下四分位數和上四分位數；

按照所述下四分位數和所述上四分位數對所述關系簇進行歸類。

7.根據權利要求6所述的異常社群檢測方法，其特征在于，所述按照所述下四分位數和所述上四分位數對所述關系簇進行歸類的步驟包括：

若所述歐式距離小于等于所述下四分位數或大于等于所述上四分位數，則確定所述關系簇為異常簇；

若所述歐式距離大于所述下四分位數且小于所述上四分為數，則確定所述關系簇為正常簇。

8.一種異常社群檢測裝置，其特征在于，包括：

切分模塊，用于構建擔保關系網絡，切分所述擔保關系網絡，得到異常擔保關系的社群；

第一確認模塊，用于確定所述社群的特征信息，其中，所述特征信息包括節點規模、邊規模、聚集系數、連通三角形數、平均度數中的至少一種；

第二確認模塊，用于根據所述特征信息，確定特征相似的社群為一個關系簇；

計算模塊，用于計算所述關系簇的歐式距離；

歸類模塊，用于根據所述歐式距離對所述關系簇進行歸類，基于歸類結果確定所述關系簇是否為異常簇；

提取模塊，用于在確定所述關系簇為異常簇時，所述異常簇中的社群為異常社群，提取所述異常社群。

9.一種計算機設備，包括存儲器和處理器，所述存儲器中存儲有計算機可讀指令，所述處理器執行所述計算機可讀指令時實現如權利要求1至7中任一項所述的異常社群檢測方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機可讀指令，所述計算機可讀指令被處理器執行時實現如權利要求1至7中任一項所述的異常社群檢測方法的步驟。