[發(fā)明專利]套利用戶識別方法、裝置、電子設(shè)備及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011011014.5
• 申請日: 2020-09-23
• 公開（公告）號: CN112184299A
• 公開（公告）日: 2021-01-05
• 發(fā)明（設(shè)計(jì)）人: 陳東偉;陳桂花;黃晉福
• 申請（專利權(quán)）人: 中國建設(shè)銀行股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F16/36
• 代理公司: 北京市蘭臺律師事務(wù)所 11354
• 代理人: 張峰

1.一種套利用戶識別方法，其特征在于，包括：

基于預(yù)識別出的套利用戶確定目標(biāo)社群中各個(gè)用戶的標(biāo)簽；

基于預(yù)定的目標(biāo)概率密度函數(shù)及社群中各個(gè)用戶的特征變量確定社群中各個(gè)用戶的概率密度值；

基于社群中的套利用戶的概率密度值以及社群中的其他用戶的概率密度值，確定社群中的其他用戶是否為套利用戶。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于社群中的套利用戶的概率密度值以及社群中的其他用戶的概率密度值，確定社群中的其他用戶是否為套利用戶，包括：

基于社群中的套利用戶的概率密度值確定最小概率密度值與最大概率密度值；

如果任一其他用戶的概率密度值在最小概率密度值與最大概率密度值區(qū)間內(nèi)，則將所述任一其他用戶確定為套利用戶。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)定的目標(biāo)概率密度函數(shù)的確定過程包括：

確定目標(biāo)用戶集中各個(gè)用戶的目標(biāo)特征變量；

基于確定的所述目標(biāo)用戶集中各個(gè)用戶的目標(biāo)特征變量進(jìn)行均值估計(jì)、方差估計(jì)；

基于均值估計(jì)、方差估計(jì)結(jié)果確定目標(biāo)概率密度函數(shù)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述目標(biāo)概率密度函數(shù)為聯(lián)合概率密度函數(shù)，所述目標(biāo)特征變量包括多個(gè)特征變量，該方法還包括：

確定其中一個(gè)特征變量的概率密度函數(shù)步驟，用于針對目標(biāo)用戶集中各個(gè)用戶目標(biāo)特征變量中的其中一個(gè)特征變量進(jìn)行均值估計(jì)、方差估計(jì)，并基于均值估計(jì)、方差估計(jì)結(jié)果確定針對所述其中一個(gè)特征變量的概率密度密度函數(shù)；

重復(fù)執(zhí)行所述確定其中一個(gè)特征變量的概率密度函數(shù)步驟，得到各個(gè)特征變量對應(yīng)的概率密度函數(shù)；

基于確定的各個(gè)特征變量對應(yīng)的概率密度函數(shù)確定目標(biāo)概率密度函數(shù)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述基于確定的各個(gè)特征變量對應(yīng)的概率密度函數(shù)確定目標(biāo)概率密度函數(shù)，包括：

對所述確定的各個(gè)特征變量對應(yīng)的概率密度函數(shù)進(jìn)行乘積得到目標(biāo)概率密度函數(shù)。

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于確定的所述目標(biāo)用戶集中各個(gè)用戶的目標(biāo)特征變量進(jìn)行均值估計(jì)、方差估計(jì)，之前包括：

基于目標(biāo)用戶集中各個(gè)用戶的目標(biāo)特征變量的分布情況判斷是否符合正態(tài)分布；

如果所述分布情況不符合正態(tài)分布，則對目標(biāo)用戶集中各個(gè)用戶的目標(biāo)特征變量進(jìn)行數(shù)學(xué)轉(zhuǎn)換使其分布情況符合正態(tài)分布。

7.根據(jù)權(quán)利要求3所述的方法，其特征在于，目標(biāo)特征變量確定過程包括：

確定用戶的多個(gè)候選特征變量；

確定兩兩候選特征變量的相關(guān)性；

基于兩兩候選特征變量的相關(guān)性進(jìn)行候選特征變量的篩選確定目標(biāo)特征變量。

8.根據(jù)權(quán)利要求1-7任一項(xiàng)所述的方法，其特征在于，所述特征變量如下至少一種數(shù)據(jù)確定：

用戶交易數(shù)據(jù)、用戶信用數(shù)據(jù)、用戶社交數(shù)據(jù)。

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，該方法還包括：

基于目標(biāo)用戶集中各個(gè)用戶的用戶數(shù)據(jù)構(gòu)建用戶關(guān)系知識圖譜；

基于所述用戶關(guān)系知識圖譜通過社群發(fā)現(xiàn)算法確定至少一個(gè)社群。

10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述用戶數(shù)據(jù)為交易相關(guān)數(shù)據(jù)，所述基于目標(biāo)用戶集中各個(gè)用戶的用戶數(shù)據(jù)構(gòu)建用戶關(guān)系知識圖譜，包括：

以用戶作為節(jié)點(diǎn)、用戶之間的交易關(guān)系作為邊構(gòu)建用戶關(guān)聯(lián)關(guān)系三元組；

基于構(gòu)建的用戶關(guān)聯(lián)關(guān)系三元組通過連通子圖算法確定用戶關(guān)系知識圖譜。

11.根據(jù)權(quán)利要求10所述的方法，其特征在于，所述社群發(fā)現(xiàn)算法為基于模塊度的社區(qū)發(fā)現(xiàn)算法；

所訴模塊度的計(jì)算公式為：其中，Σin表示社群c內(nèi)的邊的權(quán)重之和，Σtot表示與社群c內(nèi)的節(jié)點(diǎn)相連的邊的權(quán)重之和，m表示社群的數(shù)量。