[發明專利]一種面向金融機構風控控制的圖譜構建方法、設備及存儲介質

在審

• 申請號: 202011502575.5
• 申請日: 2020-12-18
• 公開（公告）號: CN113064998A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 周秀麗
• 申請（專利權）人: 開鑫金服（南京）信息服務有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06Q10/06;G06Q40/06;G06F16/28
• 代理公司: 北京一品慧誠知識產權代理有限公司 11762
• 代理人: 張宇

本發明涉及大數據技術領域，公開了一種面向金融機構風控控制的圖譜構建方法、設備及存儲介質，S1：獲取企業信息點的展示內容及數據源，并將不同數據源數據整合進關系型數據庫管理系統中；S2：依據企業信息點將數據進行加工、處理、識別及抽取，并轉化為實體表及關系屬性存儲在關系型數據庫管理系統中；S3：將數據導入圖形數據庫；S4：基于圖挖掘技術進行數據的關聯分析及展示。本發明綜合企業全方面數據源信息，相比較市面上傳統企業關系圖譜，加入企業真實發票數據，構建關鍵經營情況監測指標，跟蹤企業本身及上下游交易對手的稅務情況，作為企業風險控制的手段之一，視角上從“局部維度”到“全局關系”的轉變，大大提升了知識圖譜的應用有效性。

技術領域

本發明涉及大數據技術領域，特別涉及一種面向金融機構風控控制的圖譜構建方法、設備及存儲介質。

背景技術

人工智能包括機器學習、計算機視覺等領域，當前在金融領域廣泛使用的機器學習的本質是基于概率統計，基于過去的數據的規律進行未來情況的預測，隨著網絡數據內容越來越呈現出異質多元、組織結構松散的特點，給知識的有效展現提出了挑戰，知識圖譜是把所有不同種類的信息(Heterogeneous Information)連接在一起而得到的一個關系網絡。知識圖譜提供了從“關系”的角度去分析問題的能力，為互聯網時代的知識化組織和智能應用奠定了基礎。

知識圖譜結合了機器學習，自然語言處理和知識表示，目前已經廣泛應用到了智能搜索、知識問答、個性化問答、內容分發等領域，能夠洞察數據之間的聯系。在金融風控領域，傳統的客戶畫像體系，展示方式簡單，經營風險信息少且無法進行經營數據的交叉驗證、缺乏關聯分析，無法實現風控跟蹤隱藏風險的過程。

發明內容

為了解決現有技術存在展示方式單一、未充分暴露企業關聯企業經營的隱藏風險等問題，本發明提供了一種面向金融機構風控控制的圖譜構建方法、設備及存儲介質。

本發明技術方案如下：

一種面向金融機構風控控制的圖譜構建方法，包括：

S1：獲取企業信息點的展示內容及數據源，并將不同數據源數據整合進關系型數據庫管理系統中；

S2：依據企業信息點將數據進行加工、處理、識別及抽取，并轉化為實體表及關系屬性存儲在關系型數據庫管理系統中；

S3：將數據導入圖形數據庫；

S4：基于圖挖掘技術進行數據的關聯分析及展示。

進一步地，所述S1的信息點包括工商信息、司法風險信息、發票信息及關聯企業信息。

進一步地，所述工商信息包括企業名稱、企業實際控制人、股東方、投資方信息，所述司法風險信息包括新增股權出質次數、新增被執行金額、新增被告裁判文書判決金額、法人被執行金額的指標信息，所述發票信息包括有效進項發票數量占比環比、紅沖進項發票數量占比環比、作廢進項發票數量占比環比的指標信息。

進一步地，所述S2的信息點包括展示節點，根據展示節點的展示內容或其他屬性作為展示節點的屬性，將展示的信息點歸類進實體，并將實體間的關系也歸類進實體。

進一步地，所述S3包括通過計算機程序設計語言的py2neo函數的定制程序提取關系型數據庫管理系統中數據，導入進圖形數據庫中。

進一步地，所述S4包括通過圖形數據庫實現企業相關信息點的全量數據查詢，通過圖算法中的親密度算法實現基于基礎數據對企業之間、人員之間、企業和人員之間聯系程度。

進一步地，所述的圖形數據庫為Neo4j、ArangoDB、OrientDB中任意一種。

本發明提供了一種面向金融機構風控控制的圖譜構建設備：所述面向金融機構風控控制的圖譜構建設備包括：