[發明專利]信貸異常群體挖掘方法及裝置

在審

• 申請號: 202211418296.X
• 申請日: 2022-11-14
• 公開（公告）號: CN115860904A
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 張春青
• 申請（專利權）人: 中科聚信信息技術（北京）有限公司
• 主分類號: G06Q40/03
• 分類號: G06Q40/03;G06Q10/0635;G06F16/2458;G06F16/901
• 代理公司: 北京遠大卓悅知識產權代理有限公司 11369
• 代理人: 卞靜靜

本發明公開了信貸異常群體挖掘方法，包括：獲取預定時間段的信貸用戶及其信貸數據；根據信貸用戶及其信貸數據構建以信貸用戶為節點的同構圖；利用Louvain算法對所述同構圖進行社區劃分，得到多個社區；計算多個所述社區的信貸異常群體風險性評估指標，根據所述信貸異常群體風險性評估指標判斷多個所述社區是否為信貸異常群體。本發明還提供了信貸異常群體挖掘裝置。本發明能夠對信貸異常群體進行精準識別。

技術領域

本發明涉及計算機技術領域。更具體地說，本發明涉及一種信貸異常群體挖掘方法及裝置。

背景技術

信貸異常群體是指在客戶貸款過程中通過收取客戶貸款傭金而提供相應服務的人員，在客戶申請過程中，通過各種非法手段，將客戶本身信用度進行所謂的包裝和提升，以此向銀行等金融機構貸款，后從中賺取差價，客戶最終拿到手只是部分款項，卻欠了銀行巨額貸款，對銀行和客戶均造成資產損失。該行為識別因其自身特性有較大難度，客戶自身真實信息以及中介包裝后的虛假信息，具有較高的隱蔽性。對于金融機構而言，無法判定當前申請操作是否是客戶行為，因數據資源有限，對于包裝的虛假信息無法進行有效的判定。

因此，有必要設計一種能夠一定程度克服上述缺陷的技術方案。

發明內容

本發明的一個目的是提供一種信貸異常群體挖掘方法及裝置，能夠對信貸異常群體進行精準識別。

為了實現本發明的這些目的和其它優點，根據本發明的一個方面，本發明提供了信貸異常群體挖掘方法，包括：獲取預定時間段的信貸用戶及其信貸數據；根據信貸用戶及其信貸數據構建以信貸用戶為節點的同構圖；利用Louvain算法對所述同構圖進行社區劃分，得到多個社區；計算多個所述社區的信貸異常群體風險性評估指標，根據所述信貸異常群體風險性評估指標判斷多個所述社區是否為信貸異常群體。

進一步地，至少根據信貸用戶、地址、位置、聯系電話、設備和IP及其關聯構建原始圖；剔除所述原始圖中的無效節點；提取信貸用戶節點之間的關聯關系，構建以信貸用戶為節點的同構圖。

進一步地，若在所述原始圖中，兩個信貸用戶關聯到同一非信貸用戶節點，則在所述同構圖中，該兩個信貸用戶節點存在關聯邊。

進一步地，還包括：評估所述同構圖中關聯邊的權重值，剔除所述權重值低于第一預定值的關聯邊，所述權重值根據信貸用戶節點的SDK特征信息和關聯邊的屬性信息評估得到，所述SDK特征信息包括注冊操作信息、異常登錄操作信息、開戶操作信息。

進一步地，計算權重值W；

W＝Weight_(a,b)*Weight(edge)

p_(a,i)為信貸用戶節點的第i個SDK特征信息，p_(b,i)為鄰居節點的第i個SDK特征信息，n為信貸用戶節點所具有的SDK特征信息總數，r_(a,b)為信貸用戶節點與鄰居節點的關系總數，r_max為信貸用戶節點與鄰居節點中關系總數中的最大值；

w_i表示關聯邊第i類關系的權重，m_i表示關聯邊第i類關系的數量，m_num表示關聯邊第i類關系的風險數量，當鄰居節點為異常信貸節點，則信貸用戶節點與鄰居節點的關系存在風險，異常信貸節點根據預設規則確定；edge_i表示i類邊，f(edge_i)表示邊的屬性計算函數；

其中，(x₁,...,x_m)和(y₁,...,y_m)分別表示關聯的信貸用戶節點的屬性特征值。