[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

本申請實施例屬于數據處理領域，涉及一種異常社群檢測方法，包括構建擔保關系網絡，切分擔保關系網絡，得到異常擔保關系的社群；確定社群的特征信息，其中，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；根據特征信息，確定特征相似的社群為一個關系簇；計算關系簇的歐式距離；根據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，在確定關系簇為異常簇時，判定異常簇中的社群為異常社群，提取異常社群。本申請還提供一種異常社群檢測裝置、計算機設備及存儲介質。本申請實現了高效提取異常社群。此外，本發明還涉及區塊鏈技術，特征信息可存儲于區塊鏈中。

技術領域

本申請涉及數據處理技術領域，尤其涉及一種異常社群檢測方法、裝置、計算機設備及存儲介質。

背景技術

當前，在金融場景中各種騙保方式層出不窮，騙保人員主要通過單人作案和多人連續擔保的方式實施詐騙。對于這兩種擔保模式異常的風險控制方式也不同，針對單人作案的情況，通常以個體為單點數據，通過聚類、孤立森林等方法找到具有某些異常特征的賬戶，從而確定作案人員，該風險控制方式屬于基于屬性的預測，該分析方法已經趨于成熟；針對多人協同作案的方式，則由分析人員根據業務規則，定義可能異常的擔保結構，而后人工在數據中進行數據對比分析等操作，確定作案人員，該風險控制方式屬于基于結構的預測。

目前，作案人員逐漸傾向于多人協同作案，發明人在實現本方案的過程中發現，在多擔保關系的情況下，社群復雜，若多人協同作案，前述針對多人協同作案的風險控制方法需在新的騙保情況發生時，基于新發生的騙保情況進行歸納總結再解決,該方法要求數據量大，分析耗時長，由此導致在多人作案時，無法對當前案件進行快速地針對性分析，導致案件分析效率低下，無法對社群中的異常社群進行高效快速提取。

發明內容

本申請實施例的目的在于提出一種異常社群檢測方法、裝置、計算機設備及存儲介質，旨在解決在多擔保關系的情況下，無法對異常社群進行高效提取的技術問題。

為了解決上述技術問題，本申請實施例提供一種異常社群檢測方法，采用了如下所述的技術方案：

一種異常社群檢測方法，包括以下步驟：

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。

進一步的，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。

進一步的，所述特征信息存儲于區塊鏈中。

進一步的，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。