CN110110172A - 信息展示方法和装置 - Google Patents
信息展示方法和装置 Download PDFInfo
- Publication number
- CN110110172A CN110110172A CN201711462971.8A CN201711462971A CN110110172A CN 110110172 A CN110110172 A CN 110110172A CN 201711462971 A CN201711462971 A CN 201711462971A CN 110110172 A CN110110172 A CN 110110172A
- Authority
- CN
- China
- Prior art keywords
- user
- user identifier
- cheating
- probability
- mark
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0609—Buyer or seller confidence or verification
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- User Interface Of Digital Computer (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了信息展示方法和装置。该方法的一具体实施方式包括:获取用户标识集合和用户标识集合中的用户标识预先关联的用户属性信息、历史行为信息和欺诈概率,其中,用户标识集合中存在所关联的欺诈概率为第一欺诈概率的目标用户标识;基于用户标识集合中的用户标识所关联的用户属性信息和历史行为信息,将用户标识集合划分成至少一个用户标识组;基于与目标用户标识处于同一用户标识组的用户标识当前所关联的欺诈概率,重新设置目标用户标识所关联的欺诈概率;基于目标用户标识和目标用户标识的关联信息,生成知识图谱,并展示该知识图谱。该实施方式实现了富于针对性的信息展示。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及信息展示方法和装置。
背景技术
目前普遍存在用户团伙欺诈的场景,例如用户恶意下单、恶意拒收、恶意领抢抵用券等等。正常用户因库存不足或因抵用券已被黄牛用户抢光等原因无法享受服务提供方赋予的权益,通常会致使服务提供方经济受损。为了应对以上的欺诈现象,需要挖掘并预防潜在的欺诈用户,揭开欺诈群体深层复杂的关系网。
发明内容
本申请实施例提出了信息展示方法和装置。
第一方面,本申请实施例提供了一种信息展示方法,该方法包括:获取用户标识集合和上述用户标识集合中的用户标识预先关联的用户属性信息、历史行为信息和欺诈概率,其中,上述用户标识集合中存在所关联的欺诈概率为第一欺诈概率的目标用户标识;基于上述用户标识集合中的用户标识所关联的用户属性信息和历史行为信息,将上述用户标识集合划分成至少一个用户标识组;基于与上述目标用户标识处于同一用户标识组的用户标识当前所关联的欺诈概率,重新设置上述目标用户标识所关联的欺诈概率;基于上述目标用户标识和上述目标用户标识的关联信息,生成知识图谱,并展示上述知识图谱,其中,上述关联信息包括以下项:所关联的用户属性信息、当前所关联的欺诈概率、所在的用户标识组。
在一些实施例中,上述基于与上述目标用户标识处于同一用户标识组的用户标识当前所关联的欺诈概率,重新设置上述目标用户标识所关联的欺诈概率,包括:基于上述用户标识集合中的用户标识所关联的历史行为信息,确定上述用户标识集合中的用户标识所指示的用户两两之间的行为相似度;基于与上述目标用户标识处于同一用户标识组的各个用户标识分别指示的用户与上述目标用户标识所指示的用户之间的行为相似度和上述各个用户标识当前分别关联的欺诈概率,重新设置上述目标用户标识所关联的欺诈概率。
在一些实施例中,上述基于与上述目标用户标识处于同一用户标识组的各个用户标识分别指示的用户与上述目标用户标识所指示的用户之间的行为相似度和上述各个用户标识当前分别关联的欺诈概率,重新设置上述目标用户标识所关联的欺诈概率,包括:将上述各个用户标识当前分别关联的欺诈概率生成第一向量;将上述各个用户标识分别指示的用户与上述目标用户标识所指示的用户之间的行为相似度生成第二向量;将上述第一向量作为中间值,并执行以下设置步骤:将上述中间值乘以上述第二向量,若所得的乘积等于上述中间值,则将上述中间值设置为上述目标用户标识所关联的欺诈概率;若上述乘积不等于上述中间值,则将上述乘积作为新的中间值,并继续执行上述设置步骤。
在一些实施例中,上述用户标识集合中的除上述目标用户标识以外的用户标识预先关联有用于指示该用户标识所指示的用户的关系网的第一知识图谱;以及上述关联信息还包括与上述目标用户标识处于同一用户标识组的用户标识所关联的第一知识图谱。
在一些实施例中,在重新设置上述目标用户标识所关联的欺诈概率后,上述方法还包括:基于上述目标用户标识当前所关联的欺诈概率,为上述目标用户标识设置对应的欺诈用户等级。
在一些实施例中,上述关联信息还包括上述目标用户标识所对应的欺诈用户等级。
在一些实施例中,上述方法还包括:在指定界面上展示上述知识图谱,同时在上述界面上呈现以下至少一项:欺诈用户信息查询区域、欺诈用户等级修正区域、知识图谱展示层级设置区域。
第二方面,本申请实施例提供了一种信息展示装置,该装置包括:获取单元,配置用于获取用户标识集合和上述用户标识集合中的用户标识预先关联的用户属性信息、历史行为信息和欺诈概率,其中,上述用户标识集合中存在所关联的欺诈概率为第一欺诈概率的目标用户标识;划分单元,配置用于基于上述用户标识集合中的用户标识所关联的用户属性信息和历史行为信息,将上述用户标识集合划分成至少一个用户标识组;设置单元,配置用于基于与上述目标用户标识处于同一用户标识组的用户标识当前所关联的欺诈概率,重新设置上述目标用户标识所关联的欺诈概率;展示单元,配置用于基于上述目标用户标识和上述目标用户标识的关联信息,生成知识图谱,并展示上述知识图谱,其中,上述关联信息包括以下项:所关联的用户属性信息、当前所关联的欺诈概率、所在的用户标识组。
在一些实施例中,上述设置单元包括:确定子单元,配置用于基于上述用户标识集合中的用户标识所关联的历史行为信息,确定上述用户标识集合中的用户标识所指示的用户两两之间的行为相似度。设置子单元,配置用于基于与上述目标用户标识处于同一用户标识组的各个用户标识分别指示的用户与上述目标用户标识所指示的用户之间的行为相似度和上述各个用户标识当前分别关联的欺诈概率,重新设置上述目标用户标识所关联的欺诈概率。
在一些实施例中,上述设置子单元进一步配置用于:将上述各个用户标识当前分别关联的欺诈概率生成第一向量;将上述各个用户标识分别指示的用户与上述目标用户标识所指示的用户之间的行为相似度生成第二向量;将上述第一向量作为中间值,并执行以下设置步骤:将上述中间值乘以上述第二向量,若所得的乘积等于上述中间值,则将上述中间值设置为上述目标用户标识所关联的欺诈概率;若上述乘积不等于上述中间值,则将上述乘积作为新的中间值,并继续执行上述设置步骤。
在一些实施例中,上述用户标识集合中的除上述目标用户标识以外的用户标识预先关联有用于指示该用户标识所指示的用户的关系网的第一知识图谱;以及上述关联信息还包括与上述目标用户标识处于同一用户标识组的用户标识所关联的第一知识图谱。
在一些实施例中,在重新设置上述目标用户标识所关联的欺诈概率后,上述装置还包括:第一设置单元,配置用于基于上述目标用户标识当前所关联的欺诈概率,为上述目标用户标识设置对应的欺诈用户等级。
在一些实施例中,上述关联信息还包括上述目标用户标识所对应的欺诈用户等级。
在一些实施例中,上述装置还可以包括:呈现单元,配置用于在指定界面上展示上述知识图谱,同时在上述界面上呈现以下至少一项:欺诈用户信息查询区域、欺诈用户等级修正区域、知识图谱展示层级设置区域。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,上述程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的信息展示方法和装置,通过先获取用户标识集合和该用户标识集合中的用户标识预先关联的用户属性信息、历史行为信息和欺诈概率,以便基于该用户标识集合中的用户标识所关联的用户属性信息和历史行为信息,将该用户标识集合划分成至少一个用户标识组,以及基于与目标用户标识处于同一用户标识组的用户标识当前所关联的欺诈概率,重新设置该目标用户标识所关联的欺诈概率,其中该目标用户标识是该用户标识集合中的所关联的欺诈概率为第一欺诈概率的用户标识。最后基于该目标用户标识和该目标用户标识的关联信息,生成知识图谱,并展示该知识图谱,实现了富于针对性的信息展示,可以使相关的操作人员通过该知识图谱清晰地识别欺诈用户和欺诈团伙。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性***架构图;
图2是根据本申请的信息展示方法的一个实施例的流程图;
图3是根据本申请的信息展示方法的一个应用场景的示意图;
图4是根据本申请的信息展示方法的又一个实施例的流程图;
图5是根据本申请的信息展示装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的信息展示方法或信息展示装置的实施例的示例性***架构100。
如图1所示,***架构100可以包括数据存储用服务器101,网络102和信息处理服务器103。网络102用以在数据存储用服务器101和信息处理服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
数据存储用服务器101可以提供各种服务,例如存储不同用户的用户标识、用户属性信息、历史行为信息和欺诈概率等。
信息处理服务器103可以提供各种服务,例如从数据存储用服务器101获取所需的用户标识集合、该用户标识集合中的用户标识所关联的用户属性信息、历史行为信息和欺诈概率,并对所获取的各项信息进行分析等处理,并对处理结果(例如所生成的知识图谱)进行展示。
需要说明的是,本申请实施例所提供的信息展示方法一般由信息处理服务器103执行,相应地,信息展示装置一般设置于信息处理服务器103中。
需要指出的是,若信息处理服务器103所获取的上述各项信息不是从数据存储用服务器101获取的,则***架构100中可以不包括数据存储用服务器101。
应该理解,图1中的数据存储用服务器、网络和信息处理服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的数据存储用服务器、网络和信息处理服务器。
继续参考图2,示出了根据本申请的信息展示方法的一个实施例的流程200。该信息展示方法的流程200,包括以下步骤:
步骤201,获取用户标识集合和用户标识集合中的用户标识预先关联的用户属性信息、历史行为信息和欺诈概率。
在本实施例中,信息展示方法运行于其上的电子设备(例如图1所示的信息处理服务器103)可以从所连接的数据存储用服务器(例如图1所示的数据存储用服务器101)获取用户标识集合和该用户标识集合中的用户标识预先关联的用户属性信息、历史行为信息和欺诈概率。当然,若该用户标识集合和该用户标识集合中的用户标识所关联的用户属性信息、历史行为信息和欺诈概率预先存储在上述电子设备本地,上述电子设备也可以本地获取该用户标识集合和该用户标识集合中的用户标识所关联的用户属性信息、历史行为信息和欺诈概率。
其中,上述用户标识集合中可以存在所关联的欺诈概率为第一欺诈概率的目标用户标识。这里,欺诈概率可以指用户是欺诈用户的概率。欺诈概率可以是位于区间[0,1]内的数值。第一欺诈概率可以指初始概率,可以是技术人员根据经验初设的一个概率值。另外,用户标识所关联的不是第一欺诈概率的欺诈概率可以是经计算所得的真实的欺诈概率。需要说明的是,用户可以区分为老用户和新用户。所关联的欺诈概率不是第一欺诈概率的用户标识所指示的用户可以属于老用户。所关联的欺诈概率为第一欺诈概率的用户标识所指示的用户可以属于新用户。
另外,用户属性信息可以包括用户的姓名、电话号码、昵称、注册时间等。历史行为信息例如可以包括用户在指定网站所浏览的信息、在登录该指定网站时所使用的用户名、密码、设备、用户编号等、在该指定网站进行下单时所使用的收货地址、在该指定网站产生的退换货信息等等。
需要说明的是,上述用户标识集合、上述用户标识集合中的用户标识所关联的用户属性信息、历史行为信息可以是上述电子设备或与上述电子设备远程通信连接的服务器利用预设的信息处理工具对底层日志进行数据清洗、结构化等后生成的。该信息处理工具例如可以是MapReduce、Spark或kafka等。其中,MapReduce是一种编程模型,用于大规模数据集的并行运算。Spark是专为大规模数据处理而设计的快速通用的计算引擎。Kafka是一种高吞吐量的分布式发布订阅消息***,它可以处理消费者规模的网站中的所有动作流数据。
需要指出的是,上述电子设备可以定期地执行上述流程200,意味着上述电子设备可以定期地获取所需的用户标识集合和该用户标识集合中的用户标识所关联的信息。当上述电子设备执行上述流程200的时刻到来时,若上述电子设备当前不是首次执行上述流程200,则上述电子设备所获取的用户标识集合、用户标识集合中的用户标识所关联的用户属性信息和历史行为信息可以来源于在上一次执行上述流程200的开始时刻至本次执行上述流程200的开始时刻期间产生的底层日志、以及上次执行上述流程200时涉及的第一目标用户标识和该第一目标用户标识所关联的用户属性信息、历史行为信息。其中,该第一目标用户标识可以包括在上次执行上述流程200结束时、所关联的欺诈概率不低于概率阈值的用户标识。该第一目标用户标识所指示的用户可以是真正的欺诈用户,例如黄牛用户等。另外,上述电子设备在本次所获取的用户标识所关联的不是第一欺诈概率的欺诈概率,可以是在上次执行上述流程200时最终确定的欺诈概率。上述电子设备在本次所获取的用户标识所关联的是第一欺诈概率的欺诈概率,可以是上述电子设备或与上述电子设备远程通信连接的服务器预先基于该欺诈概率所关联的用户标识所指示的用户的用户属性信息和/或历史行为信息设置的一个初始概率,该欺诈概率是需要在后续流程中进行重新设置的。
步骤202,基于用户标识集合中的用户标识所关联的用户属性信息和历史行为信息,将用户标识集合划分成至少一个用户标识组。
在本实施例中,上述电子设备在获取到用户标识集合、该用户标识集合中的用户标识所关联的用户属性信息、历史行为信息和欺诈概率后,上述电子设备可以基于该用户标识集合中的用户标识所关联的用户属性信息和历史行为信息,将该用户标识划分成至少一个用户标识组。
作为示例,上述电子设备可以采用任意一种聚类方法(例如合成聚类(Agglomerative Hierarchical Clustering,AHC)或K均值(K-means)等)将该用户标识集合中的用户标识所关联的用户属性信息和历史行为信息映射成与该用户标识对应的向量,然后通过对经映射所得的各个向量进行聚类,以实现对用户标识组的划分。这里,AHC是层次聚类法的一种,其基本思想是:把单个的文献看做一个个的类,然后利用不同的方法进行合并,使类的数目逐渐减少,直到最后为一个类或聚到所需的类数。K-means算法是硬聚类算法,是典型的基于原型的目标函数聚类方法的代表,它是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则。
步骤203,基于与目标用户标识处于同一用户标识组的用户标识当前所关联的欺诈概率,重新设置目标用户标识所关联的欺诈概率。
在本实施例中,上述电子设备可以基于与上述目标用户标识处于同一用户标识组的用户标识当前所关联的欺诈概率,重新设置上述目标用户标识所关联的欺诈概率。作为示例,若该同一用户标识组中存在所关联的用户属性信息中的电话号码与上述目标用户标识所关联的用户属性信息中的电话号码相同的第二目标用户标识,则上述电子设备可以将上述目标用户标识所关联的欺诈概率设置为该第二目标用户标识当前所关联的欺诈概率。
在本实施例的一些可选的实现方式中,上述电子设备还可以计算出该同一用户标识组内的除上述目标用户标识以外的各个用户标识分别关联的欺诈概率的平均值,将上述目标用户标识所关联的欺诈概率设置为该平均值。
步骤204,基于目标用户标识和目标用户标识的关联信息,生成知识图谱,并展示知识图谱。
在本实施例中,上述电子设备在重置上述目标用户标识所关联的欺诈概率后,上述电子设备可以基于上述目标用户标识和上述目标用户标识的关联信息,生成知识图谱,并展示该知识图谱。例如,将所生成的知识图谱输出至显示屏以展示该知识图谱。其中,该关联信息可以包括以下项:所关联的用户属性信息、当前所关联的欺诈概率、所在的用户标识组。需要指出的是,该知识图谱可以用于指示上述目标用户标识所指示的用户的关系网。
作为示例,上述电子设备可以利用预先安装的用于绘制知识图谱的工具,基于上述目标用户标识和上述关联信息生成知识图谱。该工具例如可以是SPSS(StatisticalProduct and Service Solution,统计产品与服务解决方案)。SPSS是大型统计分析软件,具有完整的数据输入、编辑、统计分析、报表、图形绘制等功能。常用于多元统计分析、数据挖掘和数据可视化。
在本实施例的一些可选的实现方式中,该工具例如可以是面向网络的图形数据库(例如Neo4j)。Neo4j是一个高性能的、非关系型图形数据库,它可以将结构化数据存储在网络上而不是表中。它是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎,但是它将结构化数据存储在网络(从数学角度叫做图)上而不是表中。Neo4j也可以被看作是一个高性能的图引擎,该引擎具有成熟数据库的所有特性。上述电子设备可以将上述目标用户标识和上述关联信息进行融合装载入Neo4j,生成知识图谱,并对该知识图谱进行展示,以使目标用户标识所指示的用户的关系网可视化。
这里,该知识图谱中可以显示有代表上述目标用户标识所指示的用户的第一节点(该第一节点例如可以包括该用户的姓名和指定的第一几何图形,例如圆圈等)、至少一个代表该目标用户标识所关联的用户属性信息的第二节点(该第二节点例如可以包括实际属性值和指定的第二几何图形,例如正方形等)、代表该目标用户标识当前所关联的欺诈概率的第三节点(该第三节点例如可以包括该欺诈概率和指定的第三几何图形,例如圆圈等)。当然,若该目标用户标识所在的用户标识组包括至少两个用户标识,那么该知识图谱中可以显示有至少一个代表与该目标用户标识处于同一用户标识组的用户标识的第四节点(该第四节点例如可以包括该用户标识所指示的用户的姓名、该用户标识所关联的欺诈概率和指定的第四几何图形,例如圆圈等)。其中,第一节点与第二节点之间可以连接有第一指定颜色的线段;第一节点与第三节点之间可以连接有第二指定颜色的线段;第三节点与第四节点之间可以连接有第三指定颜色的线段。这里,这些线段的长度可以是固定的,也可以不是固定的;这些线段的颜色可以相同,也可以不相同,本实施例不对此方面内容做任何限定。
需要说明的是,通过展示所生成的知识图谱,可以使相关操作人员通过查看该知识图谱,就很容易发现哪些用户是欺诈用户(例如欺诈概率超出概率阈值的用户)。而且,通过查看欺诈用户的欺诈概率是否与其他用户的欺诈概率有对应关系,可以有效地进行欺诈团伙识别。这样,通过该知识图谱识别欺诈用户、欺诈团伙,可以做出相应的应对措施,以尽可能地减少因欺诈行为所导致的损失。
在本实施例的一些可选的实现方式中,上述用户标识集合中的除上述目标用户标识以外的用户标识可以预先关联有用于指示该用户标识所指示的用户的关系网的第一知识图谱;以及上述关联信息还可以包括与上述目标用户标识处于同一用户标识组的用户标识所关联的第一知识图谱。这样,上述电子设备可以进行深层次的欺诈用户关系挖掘,所生成的知识图谱可以涵盖复杂的关系网。
在本实施例的一些可选的实现方式中,上述电子设备可以基于上述目标用户标识当前所关联的欺诈概率,为上述目标用户标识设置对应的欺诈用户等级。其中,欺诈用户等级越高,可以表征用户是欺诈用户的可能性越高。作为示例,上述电子设备本地可以预先存储有数值范围集合,每个数值范围具有对应的欺诈用户等级,上述电子设备可以在该数值范围集合中查找目标数值范围,将该目标数值范围所对应的欺诈用户等级设置为与上述目标用户标识对应的欺诈用户等级。其中,目标数值范围是包括上述目标用户标识当前所关联的欺诈概率的数值范围。
在本实施例的一些可选的实现方式中,上述关联信息还可以包括上述目标用户标识所对应的欺诈用户等级。这样,可以在上述知识图谱中显示上述目标用户标识所指示的用户的欺诈用户等级。其中,不同的欺诈用户等级可以对应不同的颜色,上述电子设备可以在上述第三节点所包括的第三几何图形中填充相应的颜色以表示上述目标用户标识所对应的欺诈用户等级。
在本实施例的一些可选的实现方式中,上述电子设备可以在指定界面上展示所生成的知识图谱,同时上述电子设备还可以在该界面上呈现以下至少一项:欺诈用户信息查询区域、欺诈用户等级修正区域、知识图谱展示层级设置区域。
作为示例,上述电子设备可以通过修改上述图形数据库,在该界面上展示该知识图谱的同时,呈现欺诈用户信息查询区域、欺诈用户等级修正区域、知识图谱展示层级设置区域,使得支持可视化用户信息查询、人工修正欺诈用户等级以及用户关系网层级限定展示。
这里,上述电子设备可以通过修改上述图像数据库底层代码,新增可接收可变长度参数数组的查询方法,并在上述欺诈用户信息查询区域显示条件检索输入框和条件可选项,以支持按条件检索欺诈用户信息。上述电子设备还可以通过新增方法实现可传递用户标识与欺诈用户等级参数,并在上述欺诈用户等级修正区域显示用户标识输入框和等级可选项,以支持人工修正欺诈用户等级。而且,上述电子设备可以通过扩展上述图形数据库支持可输入层级数进行检索,并在上述知识图谱展示层级设置区域显示层级数输入框,以支持人工对展示层级的控制。
继续参见图3,图3是根据本实施例的信息展示方法的应用场景的一个示意图。在图3的应用场景中,信息处理服务器可以定期地执行图2所示的信息展示方法的流程。当执行该流程的时刻到来时,如标号301所示,信息处理服务器可以本地获取用户标识集合、该用户标识集合中的用户标识预先关联的用户属性信息、历史行为信息和欺诈概率,其中,该用户标识集合中存在所关联的欺诈概率为技术人员根据经验初设的概率值的目标用户标识,该用户标识集合中的除该目标用户标识以外的用户标识所关联的欺诈概率为真实的欺诈概率。而后,如标号302所示,上述信息处理服务器可以利用K-means方法,基于上述用户标识集合中的用户标识所关联的用户属性信息和历史行为信息,将上述用户标识集合划分成至少一个用户标识组。然后,如标号303所示,上述信息处理服务器可以基于与上述目标用户标识处于同一用户标识组的用户标识所关联的欺诈概率,重新设置上述目标用户标识所关联的欺诈概率,即将上述目标用户标识所关联的欺诈概率更新为真实的欺诈概率。最后,如标号304所示,上述信息处理服务器可以基于上述目标用户标识和上述目标用户标识的关联信息,生成知识图谱,并将该知识图谱输出至显示屏上以展示该知识图谱,其中,该关联信息可以包括以下项:所关联的用户属性信息、当前所关联的欺诈概率、所在的用户标识组。
本申请的上述实施例提供的方法,通过先获取用户标识集合和该用户标识集合中的用户标识预先关联的用户属性信息、历史行为信息和欺诈概率,以便基于该用户标识集合中的用户标识所关联的用户属性信息和历史行为信息,将该用户标识集合划分成至少一个用户标识组,以及基于与目标用户标识处于同一用户标识组的用户标识当前所关联的欺诈概率,重新设置该目标用户标识所关联的欺诈概率,其中该目标用户标识是该用户标识集合中的所关联的欺诈概率为第一欺诈概率的用户标识。最后基于该目标用户标识和该目标用户标识的关联信息,生成知识图谱,并展示该知识图谱,实现了富于针对性的信息展示,可以使相关的操作人员通过该知识图谱清晰地识别欺诈用户和欺诈团伙。
进一步参考图4,其示出了信息展示方法的又一个实施例的流程400。该信息展示方法的流程400,包括以下步骤:
步骤401,获取用户标识集合和用户标识集合中的用户标识预先关联的用户属性信息、历史行为信息和欺诈概率。
步骤402,基于用户标识集合中的用户标识所关联的用户属性信息和历史行为信息,将用户标识集合划分成至少一个用户标识组。
在本实施例中,针对步骤401和步骤402的解释说明可参考图2所示实施例中的步骤201和步骤202的相关说明,在此不再赘述。
步骤403,基于用户标识集合中的用户标识所关联的历史行为信息,确定用户标识集合中的用户标识所指示的用户两两之间的行为相似度。
在本实施例中,上述电子设备可以基于上述用户标识集合中的用户标识所关联的历史行为信息,确定用户标识集合中的用户标识所指示的用户两两之间的行为相似度。作为示例,上述电子设备可以先利用预设的映射方法将每个用户标识所关联的历史行为信息映射成与该用户标识对应的数值矩阵。上述电子设备可以通过计算不同的数值矩阵之间的相似度来确定用户两两之间的行为相似度。这里,上述电子设备可以采用任意一种相似度计算方法(例如余弦相似度算法或欧氏距离等)来计算任意两个数值矩阵之间的相似度。由于余弦相似度算法和欧氏距离均是目前广泛研究和应用的公知技术,在此不再赘述。
需要说明的是,历史行为信息可以是多维度的信息。该预设的映射方法例如可以包括:对于历史行为信息中的每一维度的信息,将中文信息切词并利用TF-IDF(TermFrequency-Inverse Document Frequency,词频-逆向文件频率)方法为切出的词设置权重;对字符串信息进行哈希映射,并利用TF-IDF计算相应的权重值;将该历史行为信息中的不同维度的信息分别对应的权重值生成数值矩阵。
步骤404,基于与目标用户标识处于同一用户标识组的各个用户标识分别指示的用户与目标用户标识所指示的用户之间的行为相似度和该各个用户标识当前分别关联的欺诈概率,重新设置目标用户标识所关联的欺诈概率。
在本实施例中,上述电子设备可以基于与目标用户标识处于同一用户标识组的各个用户标识分别指示的用户与该目标用户标识所指示的用户之间的行为相似度和该各个用户标识当前分别关联的欺诈概率,重新设置该目标用户标识所关联的欺诈概率。其中,该目标用户标识是上述用户标识集合中的所关联的欺诈概率为第一欺诈概率的用户标识。
作为示例,上述电子设备可以先将该各个用户标识当前所关联的欺诈概率生成第一向量,将该各个目标用户标识分别指示的用户与上述目标用户标识所指示的用户之间的行为相似度生成第二向量。然后上述电子设备可以将该第一向量作为中间值,并执行以下设置步骤:将中间值乘以第二向量,若所得的乘积等于中间值,则将中间值设置为上述目标用户标识所关联的欺诈概率。若该乘积不等于中间值,则将该乘积作为新的中间值,并继续执行该设置步骤。
在本实施例的一些可选的实现方式中,上述电子设备可以计算出该第一向量与该第二向量之间的乘积,并将该乘积直接设置为上述目标用户标识所关联的欺诈概率。
步骤405,基于目标用户标识和目标用户标识的关联信息,生成知识图谱,并展示知识图谱。
在本实施例中,针对步骤405的解释说明可参考图2所示实施例中的步骤204的相关说明,在此不再赘述。
从图4中可以看出,与图2对应的实施例相比,本实施例中的信息展示方法突出了确定用户标识集合中的用户标识所指示的用户两两之间的行为相似度的步骤,以及基于与目标用户标识处于同一用户标识组的各个用户标识分别指示的用户与目标用户标识所指示的用户之间的行为相似度和该各个用户标识当前分别关联的欺诈概率,重新设置目标用户标识所关联的欺诈概率的步骤。由此,本实施例描述的方案可以提高目标用户标识所关联的欺诈概率的准确度。进而,在通过所生成的知识图谱进行欺诈用户和欺诈团伙识别时,可以提高识别结果的准确度。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种信息展示装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例所示的信息展示装置500包括:获取单元501、划分单元502、设置单元503和展示单元504。其中,获取单元501配置用于获取用户标识集合和上述用户标识集合中的用户标识预先关联的用户属性信息、历史行为信息和欺诈概率,其中,上述用户标识集合中存在所关联的欺诈概率为第一欺诈概率的目标用户标识;划分单元502配置用于基于上述用户标识集合中的用户标识所关联的用户属性信息和历史行为信息,将上述用户标识集合划分成至少一个用户标识组;设置单元503配置用于基于与上述目标用户标识处于同一用户标识组的用户标识当前所关联的欺诈概率,重新设置上述目标用户标识所关联的欺诈概率;展示单元504配置用于基于上述目标用户标识和上述目标用户标识的关联信息,生成知识图谱,并展示上述知识图谱,其中,上述关联信息包括以下项:所关联的用户属性信息、当前所关联的欺诈概率、所在的用户标识组。
在本实施例中,信息展示装置500中:获取单元501、划分单元502、设置单元503和展示单元504的具体处理及其所带来的技术效果可参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述设置单元503可以包括:确定子单元(图中未示出),配置用于基于上述用户标识集合中的用户标识所关联的历史行为信息,确定上述用户标识集合中的用户标识所指示的用户两两之间的行为相似度。设置子单元(图中未示出),配置用于基于与上述目标用户标识处于同一用户标识组的各个用户标识分别指示的用户与上述目标用户标识所指示的用户之间的行为相似度和上述各个用户标识当前分别关联的欺诈概率,重新设置上述目标用户标识所关联的欺诈概率。
在本实施例的一些可选的实现方式中,上述设置子单元可以进一步配置用于:将上述各个用户标识当前分别关联的欺诈概率生成第一向量;将上述各个用户标识分别指示的用户与上述目标用户标识所指示的用户之间的行为相似度生成第二向量;将上述第一向量作为中间值,并执行以下设置步骤:将上述中间值乘以上述第二向量,若所得的乘积等于上述中间值,则将上述中间值设置为上述目标用户标识所关联的欺诈概率;若上述乘积不等于上述中间值,则将上述乘积作为新的中间值,并继续执行上述设置步骤。
在本实施例的一些可选的实现方式中,上述用户标识集合中的除上述目标用户标识以外的用户标识可以预先关联有用于指示该用户标识所指示的用户的关系网的第一知识图谱;以及上述关联信息还可以包括与上述目标用户标识处于同一用户标识组的用户标识所关联的第一知识图谱。
在本实施例的一些可选的实现方式中,在重新设置上述目标用户标识所关联的欺诈概率后,上述装置500还可以包括:第一设置单元(图中未示出),配置用于基于上述目标用户标识当前所关联的欺诈概率,为上述目标用户标识设置对应的欺诈用户等级。
在本实施例的一些可选的实现方式中,上述关联信息还可以包括上述目标用户标识所对应的欺诈用户等级。
在本实施例的一些可选的实现方式中,上述装置500还可以包括:呈现单元(图中未示出),配置用于在指定界面上展示上述知识图谱,同时在上述界面上呈现以下至少一项:欺诈用户信息查询区域、欺诈用户等级修正区域、知识图谱展示层级设置区域。
本申请的上述实施例提供的装置,通过先获取用户标识集合和该用户标识集合中的用户标识预先关联的用户属性信息、历史行为信息和欺诈概率,以便基于该用户标识集合中的用户标识所关联的用户属性信息和历史行为信息,将该用户标识集合划分成至少一个用户标识组,以及基于与目标用户标识处于同一用户标识组的用户标识当前所关联的欺诈概率,重新设置该目标用户标识所关联的欺诈概率,其中该目标用户标识是该用户标识集合中的所关联的欺诈概率为第一欺诈概率的用户标识。最后基于该目标用户标识和该目标用户标识的关联信息,生成知识图谱,并展示该知识图谱,实现了富于针对性的信息展示,可以使相关的操作人员通过该知识图谱清晰地识别欺诈用户和欺诈团伙。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备的计算机***600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机***600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有***600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的***中限定的上述功能。
需要说明的是,本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、划分单元、设置单元和展示单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取用户标识集合和用户标识集合中的用户标识预先关联的用户属性信息、历史行为信息和欺诈概率的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备包括:获取用户标识集合和该用户标识集合中的用户标识预先关联的用户属性信息、历史行为信息和欺诈概率,其中,至少一个用户标识所关联的欺诈概率为第一欺诈概率;基于该用户标识集合中的用户标识所关联的用户属性信息和历史行为信息,将该用户标识集合划分成至少一个用户标识组;对于该用户标识集合中的所关联的欺诈概率为第一欺诈概率的目标用户标识,基于与该目标用户标识处于同一用户标识组的用户标识当前所关联的欺诈概率,重新设置该目标用户标识所关联的欺诈概率;基于该目标用户标识和该目标用户标识的关联信息,生成知识图谱,并展示该知识图谱,其中,该关联信息可以包括以下项:所关联的用户属性信息、当前所关联的欺诈概率、所在的用户标识组。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种信息展示方法,包括:
获取用户标识集合和所述用户标识集合中的用户标识预先关联的用户属性信息、历史行为信息和欺诈概率,其中,所述用户标识集合中存在所关联的欺诈概率为第一欺诈概率的目标用户标识;
基于所述用户标识集合中的用户标识所关联的用户属性信息和历史行为信息,将所述用户标识集合划分成至少一个用户标识组;
基于与所述目标用户标识处于同一用户标识组的用户标识当前所关联的欺诈概率,重新设置所述目标用户标识所关联的欺诈概率;
基于所述目标用户标识和所述目标用户标识的关联信息,生成知识图谱,并展示所述知识图谱,其中,所述关联信息包括以下项:所关联的用户属性信息、当前所关联的欺诈概率、所在的用户标识组。
2.根据权利要求1所述的方法,其中,所述基于与所述目标用户标识处于同一用户标识组的用户标识当前所关联的欺诈概率,重新设置所述目标用户标识所关联的欺诈概率,包括:
基于所述用户标识集合中的用户标识所关联的历史行为信息,确定所述用户标识集合中的用户标识所指示的用户两两之间的行为相似度;
基于与所述目标用户标识处于同一用户标识组的各个用户标识分别指示的用户与所述目标用户标识所指示的用户之间的行为相似度和所述各个用户标识当前分别关联的欺诈概率,重新设置所述目标用户标识所关联的欺诈概率。
3.根据权利要求2所述的方法,其中,所述基于与所述目标用户标识处于同一用户标识组的各个用户标识分别指示的用户与所述目标用户标识所指示的用户之间的行为相似度和所述各个用户标识当前分别关联的欺诈概率,重新设置所述目标用户标识所关联的欺诈概率,包括:
将所述各个用户标识当前分别关联的欺诈概率生成第一向量;
将所述各个用户标识分别指示的用户与所述目标用户标识所指示的用户之间的行为相似度生成第二向量;
将所述第一向量作为中间值,并执行以下设置步骤:将所述中间值乘以所述第二向量,若所得的乘积等于所述中间值,则将所述中间值设置为所述目标用户标识所关联的欺诈概率;
若所述乘积不等于所述中间值,则将所述乘积作为新的中间值,并继续执行所述设置步骤。
4.根据权利要求1所述的方法,其中,所述用户标识集合中的除所述目标用户标识以外的用户标识预先关联有用于指示该用户标识所指示的用户的关系网的第一知识图谱;以及所述关联信息还包括与所述目标用户标识处于同一用户标识组的用户标识所关联的第一知识图谱。
5.根据权利要求1所述的方法,其中,在重新设置所述目标用户标识所关联的欺诈概率后,所述方法还包括:
基于所述目标用户标识当前所关联的欺诈概率,为所述目标用户标识设置对应的欺诈用户等级。
6.根据权利要求5所述的方法,其中,所述关联信息还包括所述目标用户标识所对应的欺诈用户等级。
7.根据权利要求5或6所述的方法,其中,所述方法还包括:
在指定界面上展示所述知识图谱,同时在所述界面上呈现以下至少一项:欺诈用户信息查询区域、欺诈用户等级修正区域、知识图谱展示层级设置区域。
8.一种信息展示装置,包括:
获取单元,配置用于获取用户标识集合和所述用户标识集合中的用户标识预先关联的用户属性信息、历史行为信息和欺诈概率,其中,所述用户标识集合中存在所关联的欺诈概率为第一欺诈概率的目标用户标识;
划分单元,配置用于基于所述用户标识集合中的用户标识所关联的用户属性信息和历史行为信息,将所述用户标识集合划分成至少一个用户标识组;
设置单元,配置用于基于与所述目标用户标识处于同一用户标识组的用户标识当前所关联的欺诈概率,重新设置所述目标用户标识所关联的欺诈概率;
展示单元,配置用于基于所述目标用户标识和所述目标用户标识的关联信息,生成知识图谱,并展示所述知识图谱,其中,所述关联信息包括以下项:所关联的用户属性信息、当前所关联的欺诈概率、所在的用户标识组。
9.根据权利要求8所述的装置,其中,所述设置单元包括:
确定子单元,配置用于基于所述用户标识集合中的用户标识所关联的历史行为信息,确定所述用户标识集合中的用户标识所指示的用户两两之间的行为相似度;
设置子单元,配置用于基于与所述目标用户标识处于同一用户标识组的各个用户标识分别指示的用户与所述目标用户标识所指示的用户之间的行为相似度和所述各个用户标识当前分别关联的欺诈概率,重新设置所述目标用户标识所关联的欺诈概率。
10.根据权利要求9所述的装置,其中,所述设置子单元进一步配置用于:
将所述各个用户标识当前分别关联的欺诈概率生成第一向量;
将所述各个用户标识分别指示的用户与所述目标用户标识所指示的用户之间的行为相似度生成第二向量;
将所述第一向量作为中间值,并执行以下设置步骤:将所述中间值乘以所述第二向量,若所得的乘积等于所述中间值,则将所述中间值设置为所述目标用户标识所关联的欺诈概率;
若所述乘积不等于所述中间值,则将所述乘积作为新的中间值,并继续执行所述设置步骤。
11.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711462971.8A CN110110172B (zh) | 2017-12-28 | 2017-12-28 | 信息展示方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711462971.8A CN110110172B (zh) | 2017-12-28 | 2017-12-28 | 信息展示方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110110172A true CN110110172A (zh) | 2019-08-09 |
CN110110172B CN110110172B (zh) | 2021-09-14 |
Family
ID=67483103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711462971.8A Active CN110110172B (zh) | 2017-12-28 | 2017-12-28 | 信息展示方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110110172B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111159210A (zh) * | 2019-12-31 | 2020-05-15 | 北京明略软件***有限公司 | 一种信息处理***、方法及装置 |
CN112182320A (zh) * | 2020-09-25 | 2021-01-05 | 中国建设银行股份有限公司 | 聚类数据处理方法、装置、计算机设备及存储介质 |
CN113127574A (zh) * | 2020-01-15 | 2021-07-16 | 京东方科技集团股份有限公司 | 基于知识图谱的业务数据展示方法、***、设备及介质 |
CN113727351A (zh) * | 2020-05-12 | 2021-11-30 | ***通信集团广东有限公司 | 一种通信欺诈识别方法、装置及电子设备 |
CN117094817A (zh) * | 2023-10-20 | 2023-11-21 | 国任财产保险股份有限公司 | 一种信用风险控制智能预测方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646212A (zh) * | 2013-11-27 | 2014-03-19 | 大连创达技术交易市场有限公司 | 一种信息诈骗网络防御平台 |
CN104102635A (zh) * | 2013-04-01 | 2014-10-15 | 腾讯科技(深圳)有限公司 | 一种挖掘知识图谱的方法及装置 |
CN105187237A (zh) * | 2015-08-12 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 查找相关联的用户标识的方法和装置 |
US20160253750A1 (en) * | 2014-12-22 | 2016-09-01 | Palantir Technologies Inc. | Systems and user interfaces for dynamic and interactive investigation of bad actor behavior based on automatic clustering of related data in various data structures |
CN106327209A (zh) * | 2016-08-24 | 2017-01-11 | 上海师范大学 | 一种基于信誉累积的多标准协作欺诈检测方法 |
CN106355627A (zh) * | 2015-07-16 | 2017-01-25 | 中国石油化工股份有限公司 | 一种用于生成知识图谱的方法及*** |
CN106815307A (zh) * | 2016-12-16 | 2017-06-09 | 中国科学院自动化研究所 | 公共文化知识图谱平台及其使用办法 |
CN107038449A (zh) * | 2016-02-04 | 2017-08-11 | ***(深圳)有限公司 | 一种欺诈用户的识别方法及装置 |
CN107145587A (zh) * | 2017-05-11 | 2017-09-08 | 成都四方伟业软件股份有限公司 | 一种基于大数据挖掘的医保反欺诈*** |
-
2017
- 2017-12-28 CN CN201711462971.8A patent/CN110110172B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102635A (zh) * | 2013-04-01 | 2014-10-15 | 腾讯科技(深圳)有限公司 | 一种挖掘知识图谱的方法及装置 |
CN103646212A (zh) * | 2013-11-27 | 2014-03-19 | 大连创达技术交易市场有限公司 | 一种信息诈骗网络防御平台 |
US20160253750A1 (en) * | 2014-12-22 | 2016-09-01 | Palantir Technologies Inc. | Systems and user interfaces for dynamic and interactive investigation of bad actor behavior based on automatic clustering of related data in various data structures |
CN106355627A (zh) * | 2015-07-16 | 2017-01-25 | 中国石油化工股份有限公司 | 一种用于生成知识图谱的方法及*** |
CN105187237A (zh) * | 2015-08-12 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 查找相关联的用户标识的方法和装置 |
CN107038449A (zh) * | 2016-02-04 | 2017-08-11 | ***(深圳)有限公司 | 一种欺诈用户的识别方法及装置 |
CN106327209A (zh) * | 2016-08-24 | 2017-01-11 | 上海师范大学 | 一种基于信誉累积的多标准协作欺诈检测方法 |
CN106815307A (zh) * | 2016-12-16 | 2017-06-09 | 中国科学院自动化研究所 | 公共文化知识图谱平台及其使用办法 |
CN107145587A (zh) * | 2017-05-11 | 2017-09-08 | 成都四方伟业软件股份有限公司 | 一种基于大数据挖掘的医保反欺诈*** |
Non-Patent Citations (3)
Title |
---|
HSIN-NING SU ET AL.: ""Knowledge Map of Publications in Research Policy"", 《IEEE》 * |
消费金融一刻钟: ""反欺诈的核心是人,教你如何用知识图谱识别欺诈行为"", 《搜狐新闻》 * |
点融黑帮: ""知识图谱在大数据反欺诈领域的应用与实践"", 《简书》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111159210A (zh) * | 2019-12-31 | 2020-05-15 | 北京明略软件***有限公司 | 一种信息处理***、方法及装置 |
CN111159210B (zh) * | 2019-12-31 | 2023-06-13 | 北京明智和术科技有限公司 | 一种信息处理***、方法及装置 |
CN113127574A (zh) * | 2020-01-15 | 2021-07-16 | 京东方科技集团股份有限公司 | 基于知识图谱的业务数据展示方法、***、设备及介质 |
CN113727351A (zh) * | 2020-05-12 | 2021-11-30 | ***通信集团广东有限公司 | 一种通信欺诈识别方法、装置及电子设备 |
CN113727351B (zh) * | 2020-05-12 | 2024-03-19 | ***通信集团广东有限公司 | 一种通信欺诈识别方法、装置及电子设备 |
CN112182320A (zh) * | 2020-09-25 | 2021-01-05 | 中国建设银行股份有限公司 | 聚类数据处理方法、装置、计算机设备及存储介质 |
CN112182320B (zh) * | 2020-09-25 | 2023-12-26 | 中国建设银行股份有限公司 | 聚类数据处理方法、装置、计算机设备及存储介质 |
CN117094817A (zh) * | 2023-10-20 | 2023-11-21 | 国任财产保险股份有限公司 | 一种信用风险控制智能预测方法及*** |
CN117094817B (zh) * | 2023-10-20 | 2024-02-13 | 国任财产保险股份有限公司 | 一种信用风险控制智能预测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN110110172B (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110110172A (zh) | 信息展示方法和装置 | |
CN108509569B (zh) | 企业画像的生成方法、装置、电子设备以及存储介质 | |
CN107832468B (zh) | 需求识别方法和装置 | |
JP3648051B2 (ja) | 関連情報検索装置及びプログラム記録媒体 | |
CN106709017B (zh) | 一种基于大数据的辅助决策方法 | |
CN107908606A (zh) | 基于不同信息源自动生成报表的方法和*** | |
CN110750654A (zh) | 知识图谱获取方法、装置、设备和介质 | |
US9122995B2 (en) | Classification of stream-based data using machine learning | |
CN108255706A (zh) | 自动化测试脚本的编辑方法、装置、终端设备及存储介质 | |
CN109214730A (zh) | 信息推送方法和装置 | |
CN110458425A (zh) | 风险主体的风险分析方法、装置、可读介质及电子设备 | |
CN109840676B (zh) | 基于大数据的风控方法、装置、计算机设备及存储介质 | |
CN109903105A (zh) | 一种完善目标商品属性的方法和装置 | |
CN110309142A (zh) | 规则管理的方法和装置 | |
CN110335165A (zh) | 一种链路预测方法和装置 | |
WO2019095569A1 (zh) | 基于微博财经事件的金融分析方法、应用服务器及计算机可读存储介质 | |
CN112631889A (zh) | 针对应用***的画像方法、装置、设备及可读存储介质 | |
CN108959289A (zh) | 网站类别获取方法和装置 | |
CN111815435A (zh) | 一种群体风险特征的可视化方法、装置、设备及存储介质 | |
CN108376177B (zh) | 用于处理信息的方法和分布式*** | |
US7827164B2 (en) | System for obtaining, managing and providing retrieved content and a system thereof | |
CN116563028A (zh) | 基于ai的报送数据校验方法、***及存储介质 | |
CN115098698B (zh) | 一种构建知识图谱中Schema模型的方法及装置 | |
CN116228402A (zh) | 一种金融征信特征仓库技术支持*** | |
CN116402546A (zh) | 店铺风险归因方法及其装置、设备、介质、产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |