CN110348719A - 一种基于用户信息知识图谱的风险控制方法、装置和电子设备 - Google Patents
一种基于用户信息知识图谱的风险控制方法、装置和电子设备 Download PDFInfo
- Publication number
- CN110348719A CN110348719A CN201910581335.XA CN201910581335A CN110348719A CN 110348719 A CN110348719 A CN 110348719A CN 201910581335 A CN201910581335 A CN 201910581335A CN 110348719 A CN110348719 A CN 110348719A
- Authority
- CN
- China
- Prior art keywords
- data
- user information
- user
- knowledge mapping
- information
- 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.)
- Pending
Links
- 238000013507 mapping Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012954 risk control Methods 0.000 title claims abstract description 19
- 238000010276 construction Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000005502 phase rule Effects 0.000 claims 1
- 238000009412 basement excavation Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 101100509468 Arabidopsis thaliana JASON gene Proteins 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
- G06F16/84—Mapping; Conversion
- G06F16/86—Mapping to a database
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Animal Behavior & Ethology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于用户信息知识图谱的风险控制方法、装置和电子设备,具体包括获取多个用户信息数据,挖掘所述用户信息数据之间的关联关系,构建用户信息知识图谱,基于所述用户信息知识图谱对新增用户信息进行一致性验证,根据所述一致性验证结果,对未通过一致性验证的新增用户信息作为风险信息进行反馈预警。本发明基于用户知识图谱进行风险控制,能加强对关联性人群及深度特征的挖掘,增加了对虚假信息的识别能力。
Description
技术领域
本发明涉及计算机信息处理领域,具体而言,涉及一种基于用户信息知识图谱的风险控制方法、装置、电子设备及计算机可读介质。
背景技术
近年随着互联网消费金融的蓬勃发展,人们越来越多的使用线上平台进行业务申请,快捷的操作和简单的流程,使得移动手机作为主要的申请工具成为用户与平台、用户与用户之间的重要媒介。提升风险控制能力是互联网金融行业面临的主要任务之一,也是信贷风险管理的重要环节。
在各种识别欺诈风险的过程中,多数传统识别风险的方式都是基于单个用户的申请信息,较为孤立的评价该用户的风险情况。此外,传统的风险识别方法主要依赖用户自主填报的申请信息,无法通过其他渠道和途径进行佐证,增加了对虚假信息的识别难度。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题的基于用户信息知识图谱的风险控制方法、装置、电子设备及计算机可读存储介质。
依据本发明的一个方面,提供了一种基于用户信息知识图谱的风险控制方法,包括:
获取多个用户信息数据;
挖掘所述用户信息数据之间的关联关系,构建用户信息知识图谱;
基于所述用户信息知识图谱对新增用户信息进行一致性验证;
根据所述一致性验证结果,对未通过一致性验证的新增用户信息作为风险信息进行反馈预警。
在其中的一项实施例中,所述获取多个用户信息数据进一步包括获取多个用户的结构化数据、半结构化数据及非结构化数据。
在其中的一项实施例中,所述的结构化数据的来源,进一步包括业务中形成的具有结构的数据;所述半结构化数据及所述非结构化数据的来源,进一步包括从互联网上获取的公开的非结构化及半结构化数据。
在其中的一项实施例中,所述挖掘所述用户信息数据之间的关联关系进一步包括:对所述用户信息数据进行筛选,选择一部分用户信息数据用于进行深度分析,挖掘所述用户信息数据之间的关联关系,以构建所述用户信息知识图谱;选择另一部分用户信息数据用于构建关系数据库。
进一步地,建立所述用户信息知识图谱与所述关系数据库之间映射,通过所述用户信息知识图谱调用所述关系数据库内的相关数据。
在其中的一项实施例中,所述一致性验证可包括通过相应规则寻找用户信息中的潜在矛盾点。
进一步地,所述一致性验证可以基于同一用户数据之间验证或不同用户数据之间验证。
进一步地,所述的验证方法可以是知识推理。
进一步地,所述知识推理进一步包括基于所述新增用户信息从已有的关系图谱里推导出新的关系和/或链接,进一步挖掘所述新的关系和/ 或链接之间,或所述新的关系和/或链接与已有的关系图谱中的关系或链接存在的不一致性,用以判断风险。
第二方面,本发明公开了一种基于用户信息知识图谱的风险控制装置,包括:
数据获取模块,用于获取多个用户信息数据;
图谱构建模块,用于挖掘所述用户信息数据之间的关联关系,构建用户信息知识图谱;
一致性验证模块,用于使用所述用户信息知识图谱对新增用户进行一致性验证;
风险反馈模块,用于将未通过一致性验证的风险信息进行反馈预警。
在其中的一项实施例中,数据获取模块获取的所述用户信息数据的格式可包括结构化数据、半结构化数据及非结构化数据。
进一步地,所述的结构化数据来源可以包括业务中形成的具有结构的数据,所述半结构化数据及所述非结构化数据来源可以包括从互联网上获取的公开的非结构化及半结构化数据。
在其中的一项实施例中,所述图谱构建模块对所述用户信息数据进行筛选,选择一部分用户信息数据用于进行深度分析,挖掘所述用户信息数据之间的关联关系,以构建所述用户信息知识图谱;选择另一部分用户信息数据用于构建关系数据库。
进一步地,建立所述用户信息知识图谱与所述关系数据库之间映射,以在需要时基于所述知识图谱调用所述关系数据库内数据。
在其中一项实施例中,所述一致性验证模块通过相应规则寻找用户信息中的潜在矛盾点。
进一步地,所述一致性验证模块可以基于同一用户数据之间验证或不同用户数据之间验证。
进一步地,所述一致性验证模块使用知识推理的方法进行一致性验证。
进一步地,所述一致性验证模块可基于新增用户信息从已有的关系图谱里推导出新的关系和/或链接,进一步挖掘所述新的关系和/或链接之间,或所述新的关系和/或链接与已有的关系图谱中的关系或链接存在的不一致性,用以判断风险。
第三方面,本发明提供了一种电子设备,包括处理器;以及存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行上述的基于用户信息知识图谱的风险控制方法。
第四方面,本发明提供了一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现上述的基于用户信息知识图谱的风险控制方法。
附图说明
图1是根据本发明一示例性实施例示出的一种基于用户信息知识图谱的风险控制方法的流程图。
图2是根据本发明一示例性实施例示出的用户信息数据筛选框架图。
图3是根据本发明一示例性实施例示出的一种基于用户信息知识图谱的风险控制装置的框图。
图4是根据本发明一示例性实施例示出的图库构建模块的框图。
图5是根据本发明一示例性实施例示出的一种基于用户信息知识图谱的风险控制电子设备的框图。
图6是根据本发明一示例性实施例的计算机可读存储介质的结构示意图。
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚,下面将参照附图详细描述本发明的具体实施例。但需声明的是,下面描述的附图仅仅是本发明本发明示例性实施例的附图,对于本领域的技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他实施例的附图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而,示例性实施例能够以多种形式实施,且不应被理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例能够使得本发明更加全面和完整,更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分,因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中,本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是,并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
应理解,虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分,但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如,第一器件亦可称为第二器件而不偏离本发明实质的技术方案。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
图1为本说明书实施例提供的一种基于社交关系预测贷款黑中介的方法的原理示意图。该方法包括:
S101:获取多个用户信息数据
在本说明书实施例中,所述多个用户信息数据可包括用户使用相关产品自主填报相关信息数据、用户终端相关数据、信用数据、三方资信数据以及从其它公开渠道可获得的信息数据。
在本发明的一个实施例中,用户信息数据具体可包括用户个人的属性信息,如身份、年龄、性别等;社交关系信息;资产信息,可以是静态资产信息,比如,资产、负债、所有者权益,也可以是动态的资产信息,比如资金流转率、定期收益等。
所述获取的用户信息数据格式可以包括格式化信息数据、半格式化信息数据及非格式化信息数据。其中所述格式化信息数据具体可包括多来源的能够用数据或统一的结构加以表示数据;半格式化信息数据可包括如XML、JASON等形式,自描述、数据结构和内容未实现明显区分的数据;非结构化信息数据可包括所有格式的办公文档、文本、图片、HTML、各类报表、图像和音频/视频信息等。
S102:挖掘用户信息数据,构建用户信息知识图谱
以S101步骤中获取的多个用户信息数据为训练样本,进行基于机器学习的用户信息知识图谱构建。所述用户信息知识图谱以用户及其属性为节点,以用户与用户之间的关系或用户与属性之间的关系为有向边,挖掘用户信息数据之间的关联关系。
在本发明的一个实施例中,对用户信息数据进行筛选,选择偏向描述信息数据之间关系的数据作为知识图谱构建数据的重点。如图2所示,知识图谱中仅保留各节点与节点间关系数据,而其他非显示节点与节点间关系数据用于构建关系数据库。同时,建立用户信息知识图谱与所述关系数据库之间的映射关系,以方便在需要时可以通过用户信息知识图谱直接调用关系数据库内相关数据。
进一步地,在构建用户信息知识图谱时,对半结构化数据和非结构化数据进行知识抽取。具体可包括:
实体抽取,用于从半结构化和非结构化数据中识别实体信息,在确定是的前后边界的同时确定实体的类别。
关系抽取,获取两个实体之间的语义关系,其中语义关系可以是一元关系,如实体的类型;也可以是二元关系,如实体的属性;甚至可以是更高阶的关系。
属性抽取,从不同信息源中采集特定实体的属性信息,如针对某个公众人物,可以从网络***息中得到其昵称、生日、国籍、教育背景等信息。
事件抽取,从描述事件的信息数据中抽取出对于构建用户信息知识图谱相关联的事件信息并以结构化的形式呈现出来。
在本发明的一个实施例中,对于经加工后的知识数据进一步进行知识融合,即进行实体链接和知识合并。
在知识融合的基础上,对获取的实体信息进行知识加工,从而获得结构化,网络化的知识体系。
在本发明的一个实施例中,知识加工主要包括3方面内容:本体构建、知识推理和质量评估。
经上述步骤构成用户信息知识图谱。
S103:获取新增用户信息数据
需要说明的是,新增用户信息数据可包括新增用户业务数据、属性数据、终端相关数据、信用数据等。更具体的,从新增用户信息数据中提取与用户信息知识图谱相关联的数据,将其代入用户信息知识图谱中,即寻找新增用户信息数据中与用户信息知识图谱中共同具有的节点,将其关联。
S104:对新增用户信息进行一致性验证
在本发明的一个实施例中,一致性验证方法可以通过相应规则寻找用户信息中存在的矛盾点。
进一步的,可以是基于同一用户数据之间的验证也可以是基于不同用户数据之间的验证,所使用的验证方法可以是知识推理,即基于所述新增用户信息从已有的关系图谱里推导出新的关系和/或链接,进一步挖掘所述新的关系和/或链接之间,或所述新的关系和/或链接与已有的关系图谱中的关系或链接存在的不一致性,用以判断风险。
新增用户A1的信息数据中包括其工作部门及地址B1及公司对外电话C1。经过对用户信息知识图谱的链接查询可以发现,在用户信息知识图谱中存在历史用户A2,其工作部门与A1相同,但其地址B2及公司对外电话C2均与新增用户A1提供的信息不相吻合,这个异常状况表明新增用户A1或历史用户A2中有一个提供了虚假信息,则属于验证不通过。
本发明的另一个实施例,基于同一用户数据之间的验证。新增用户 D1信息数据中显示其职业为教师,基于用户知识图谱提供的用户画像,职业为教师的历史用户日常活动地址大多为学校及学校周边,但新增用户D1的日常活动地不固定且不为学校及学校周边,即可判断新增用户 D1可能提供了虚假信息,则属于验证不通过。
S105:对于验证未通过的新增用户进行风险反馈
具体地,将未通过一致性验证的新增用户,通过邮件预警的方式反馈给业务***,使业务***对新增用户电核评估,以实现对风险的预警控制。
本领域技术人员可以理解,实现上述实施例的全部或部分步骤被实现为由计算机数据处理设备执行的程序(计算机程序)。在该计算机程序被执行时,可以实现本发明提供的上述方法。而且,所述的计算机程序可以存储于计算机可读存储介质中,该存储介质可以是磁盘、光盘、ROM、 RAM等可读存储介质,也可以是多个存储介质组成的存储阵列,例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储,其也可以是分布式存储,例如基于云计算的云存储。
下面描述本发明的装置实施例,该装置可以用于执行本发明的方法实施例。对于本发明装置实施例中描述的细节,应视为对于上述方法实施例的补充;对于在本发明装置实施例中未披露的细节,可以参照上述方法实施例来实现。
如图3所示,基于用户信息知识图谱的风险控制装置,包括:
数据获取模块301,用于获取多个用户信息数据。
在本说明书实施例中,所述数据获取模块301获取的多个用户信息数据可包括用户使用相关产品自主填报相关信息数据、用户终端相关数据、信用数据、三方资信数据以及从其它公开渠道可获得的信息数据。
在本发明的一个实施例中,所述数据获取模块301获取的用户信息数据具体可包括用户个人的属性信息,如身份、年龄、性别等;社交关系信息,如家庭成员、同事、同学、朋友等;资产信息,可以是静态资产信息,比如,资产、负债、所有者权益,也可以是动态的资产信息,比如资金流转率、定期收益等。
所述数据获取模块301获取的用户信息数据格式可以包括格式化信息数据、半格式化信息数据及非格式化信息数据。其中所述格式化信息数据具体可包括多来源的能够用数据或统一的结构加以表示数据;半格式化信息数据可包括如XML、JASON等形式,自描述、数据结构和内容未实现明显区分的数据;非结构化信息数据可包括所有格式的办公文档、文本、图片、HTML、各类报表、图像和音频/视频信息等。
用户信息数据筛选模块302,用于对获取的用户信息数据进行筛选,选择表明用户及用户关系的数据作为构建用户信息知识图谱的基础数据,其余数据作为构建关系数据库的基础数据。
图谱构建模块303,以用户信息数据筛选模块302筛选出的数据为训练样本,进行基于机器学习的用户信息知识图谱构建。图谱构建模块303 以用户及其属性为节点,以用户与用户之间的关系或用户与属性之间的关系为有向边,挖掘用户信息数据之间的关联关系。
如图4所示,图谱构建模块303具体可包括知识抽取模块401,知识融合模块402,知识加工模块403。
其中,知识抽取模块401用户从半结构化数据或非结构化数据中心抽取构建知识图谱所需要的实体、属性、关系及事件;
知识融合模块402将抽取出来的不同来源、不同语言或者不同结构的知识进行融合,消除其中存在的歧义,并进行补充、更新和去重。
知识加工模块403通过本体构建、知识推理和质量评估,对获取的实体知识进行加工,从而获得结构化、网络化的知识体系,形成完整的用户信息知识图谱。
关系数据库构建模块304,以用户信息数据筛选模块302筛选出的其他数据为基础,构建关系数据库。
建立图谱构建模块303构建的用户信息知识图谱与关系数据库构建模块304构建的关系数据库之间映射,以在需要时基于所述知识图谱调用所述关系数据库内数据。
为了构建小而轻的数据存储载体,方便进行高效实时的数据查询,更快速进行涉及关系深度的数据搜索,可将图谱构建模块303构建的用户信息知识图谱存储于JanusGraph等图数据库中,而将关系数据库构建模块 304构建的关系数据库存储于传统的如Hbase关系数据库中。
新增用户信息获取模块305,用于获取新增用户的信息数据。
新增用户信息数据可包括新增用户业务数据、属性数据、终端相关数据、信用数据等。
一致性验证模块306,从新增用户信息数据中提取与用户信息知识图谱相关联的数据,将其代入用户信息知识图谱中,即寻找新增用户信息数据中与用户信息知识图谱中共同具有的节点,将其关联。
在本发明的一个实施例中,一致性验证模块306可以通过相应规则寻找用户信息中存在的矛盾点。
进一步的,一致性验证模块306可以是基于同一用户数据之间的验证也可以是基于不同用户数据之间的验证,所使用的验证方法可以是知识推理,即基于所述新增用户信息从已有的关系图谱里推导出新的关系和/ 或链接,进一步挖掘所述新的关系和/或链接之间,或所述新的关系和/ 或链接与已有的关系图谱中的关系或链接存在的不一致性,用以判断风险。
本发明的一个实施例中,新增用户信息获取模块305获取新增用户 A1的信息数据,其中包括其工作部门及地址B1及公司对外电话C1。经过对图谱构建模块303构成的用户信息知识图谱的链接查询可以发现,在用户信息知识图谱中存在历史用户A2,其工作部门与A1相同,但其地址B2及公司对外电话C2均与新增用户A1提供的信息不相吻合,这个异常状况表明新增用户A1或历史用户A2中有一个提供了虚假信息,则属于验证不通过。
在本发明的另一个实施例中,新增用户信息获取模块305获取新增用户D1信息数据中显示其职业为教师,基于图谱构建模块303构成的用户知识图谱提供的用户画像,职业为教师的历史用户日常活动地址大多为学校及学校周边,但新增用户D1的日常活动地不固定且不为学校及学校周边,即可判断新增用户D1可能提供了虚假信息,则属于验证不通过。
风险反馈模块307,对于验证未通过的新增用户进行风险反馈。
具体地,将未通过一致性验证的新增用户,通过邮件预警的方式反馈给业务***,使业务***对新增用户电核评估,以实现对风险的预警控制。
本领域技术人员可以理解,上述装置实施例中的各模块可以按照描述分布于装置中,也可以进行相应变化,分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
图5是根据本发明的一种电子设备的示例性实施例的结构框图。下面参照图5来描述根据本发明该实施例的的电子设备500。图5显示的电子设备500仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500以通用计算设备的形式表现。电子设备500 的组件可以包括但不限于:至少一个处理单元510、至少一个存储单元520、连接不同***组件(包括存储单元520和处理单元510)的总线530、显示单元540等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元510执行,使得所述处理单元510执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元510可以执行如图1所示的步骤。
所述存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。
所述存储单元520还可以包括具有一组(至少一个)程序模块5205 的程序/实用工具5204,这样的程序模块5205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备500 交互的设备通信,和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且,电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN),广域网(WAN) 和/或公共网络,例如因特网)通信。网络适配器560可以通过总线530 与电子设备500的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备500使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是 CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法。
所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
所述计算机可读存储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,其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。可读存储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、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如 Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于用户信息知识图谱的风险控制方法,其特征在于,包括:
获取多个用户信息数据;
挖掘所述用户信息数据之间的关联关系,构建用户信息知识图谱;
基于所述用户信息知识图谱对新增用户信息进行一致性验证;
根据所述一致性验证结果,对未通过一致性验证的新增用户信息作为风险信息进行反馈预警。
2.根据权利要求1所述的方法,其特征在于,
所述获取多个用户信息数据进一步包括获取多个用户的结构化数据、半结构化数据及非结构化数据。
3.根据权利要求1-2中任一项所述的方法,其特征在于,
所述的结构化数据的来源,进一步包括业务中形成的具有结构的数据;
所述半结构化数据及所述非结构化数据的来源,进一步包括从互联网上获取的公开的非结构化及半结构化数据。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述挖掘所述用户信息数据之间的关联关系进一步包括:
对所述用户信息数据进行筛选,选择一部分用户信息数据用于进行深度分析,挖掘所述用户信息数据之间的关联关系,以构建所述用户信息知识图谱;选择另一部分用户信息数据用于构建关系数据库。
5.根据权利要求1-4中任一项所述的方法,其特征在于进一步包括:
建立所述用户信息知识图谱与所述关系数据库之间映射,通过所述用户信息知识图谱调用所述关系数据库内的相关数据。
6.根据权利要求1-5中任一项所述的方法,其特征在于:所述一致性验证可包括通过相应规则寻找用户信息中的潜在矛盾点。
7.根据权利要求1-6中任一项所述的方法,其特征在于所述一致性验证可以基于同一用户数据之间验证或不同用户数据之间验证。
8.一种基于用户信息知识图谱的风险控制装置,其特征在于,包括:
数据获取模块,用于获取多个用户信息数据;
图谱构建模块,用于挖掘所述用户信息数据之间的关联关系,构建用户信息知识图谱;
一致性验证模块,用于使用所述用户信息知识图谱对新增用户进行一致性验证;
风险反馈模块,用于将未通过一致性验证的风险信息进行反馈预警。
9.一种电子设备,其中,该电子设备包括:
处理器;以及,
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910581335.XA CN110348719A (zh) | 2019-06-29 | 2019-06-29 | 一种基于用户信息知识图谱的风险控制方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910581335.XA CN110348719A (zh) | 2019-06-29 | 2019-06-29 | 一种基于用户信息知识图谱的风险控制方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110348719A true CN110348719A (zh) | 2019-10-18 |
Family
ID=68177383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910581335.XA Pending CN110348719A (zh) | 2019-06-29 | 2019-06-29 | 一种基于用户信息知识图谱的风险控制方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110348719A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110941664A (zh) * | 2019-12-11 | 2020-03-31 | 北京百度网讯科技有限公司 | 知识图谱的构建方法、检测方法、装置、设备及存储介质 |
CN111179055A (zh) * | 2019-12-20 | 2020-05-19 | 北京淇瑀信息科技有限公司 | 授信额度调整方法、装置和电子设备 |
CN111460174A (zh) * | 2020-04-03 | 2020-07-28 | 中国建设银行股份有限公司 | 基于实体知识推理的简历异常检测方法及*** |
CN113342808A (zh) * | 2021-05-26 | 2021-09-03 | 电子科技大学 | 一种基于机电设备的知识图谱推理引擎架构*** |
CN113761517A (zh) * | 2020-06-03 | 2021-12-07 | 百度在线网络技术(北京)有限公司 | 用于确定第三方sdk的方法、装置、设备及存储介质 |
CN115689720A (zh) * | 2022-09-02 | 2023-02-03 | 睿智合创(北京)科技有限公司 | 一种基于风险归因的新增风险监控*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108492173A (zh) * | 2018-03-23 | 2018-09-04 | 上海氪信信息技术有限公司 | 一种基于双模网络图挖掘算法的***反欺诈预测方法 |
CN109064318A (zh) * | 2018-08-24 | 2018-12-21 | 苏宁消费金融有限公司 | 一种基于知识图谱的互联网金融风险监测*** |
CN109949046A (zh) * | 2018-11-02 | 2019-06-28 | 阿里巴巴集团控股有限公司 | 风险团伙的识别方法和装置 |
-
2019
- 2019-06-29 CN CN201910581335.XA patent/CN110348719A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108492173A (zh) * | 2018-03-23 | 2018-09-04 | 上海氪信信息技术有限公司 | 一种基于双模网络图挖掘算法的***反欺诈预测方法 |
CN109064318A (zh) * | 2018-08-24 | 2018-12-21 | 苏宁消费金融有限公司 | 一种基于知识图谱的互联网金融风险监测*** |
CN109949046A (zh) * | 2018-11-02 | 2019-06-28 | 阿里巴巴集团控股有限公司 | 风险团伙的识别方法和装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110941664A (zh) * | 2019-12-11 | 2020-03-31 | 北京百度网讯科技有限公司 | 知识图谱的构建方法、检测方法、装置、设备及存储介质 |
CN110941664B (zh) * | 2019-12-11 | 2024-01-09 | 北京百度网讯科技有限公司 | 知识图谱的构建方法、检测方法、装置、设备及存储介质 |
CN111179055A (zh) * | 2019-12-20 | 2020-05-19 | 北京淇瑀信息科技有限公司 | 授信额度调整方法、装置和电子设备 |
CN111179055B (zh) * | 2019-12-20 | 2024-04-02 | 北京淇瑀信息科技有限公司 | 授信额度调整方法、装置和电子设备 |
CN111460174A (zh) * | 2020-04-03 | 2020-07-28 | 中国建设银行股份有限公司 | 基于实体知识推理的简历异常检测方法及*** |
CN113761517A (zh) * | 2020-06-03 | 2021-12-07 | 百度在线网络技术(北京)有限公司 | 用于确定第三方sdk的方法、装置、设备及存储介质 |
CN113761517B (zh) * | 2020-06-03 | 2023-08-11 | 百度在线网络技术(北京)有限公司 | 用于确定第三方sdk的方法、装置、设备及存储介质 |
CN113342808A (zh) * | 2021-05-26 | 2021-09-03 | 电子科技大学 | 一种基于机电设备的知识图谱推理引擎架构*** |
CN113342808B (zh) * | 2021-05-26 | 2022-11-08 | 电子科技大学 | 一种基于机电设备的知识图谱推理引擎架构*** |
CN115689720A (zh) * | 2022-09-02 | 2023-02-03 | 睿智合创(北京)科技有限公司 | 一种基于风险归因的新增风险监控*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110348719A (zh) | 一种基于用户信息知识图谱的风险控制方法、装置和电子设备 | |
US10977293B2 (en) | Technology incident management platform | |
CN110119413B (zh) | 数据融合的方法和装置 | |
US10216839B2 (en) | Relation extraction using co-training with distant supervision | |
CN112749749B (zh) | 基于分类决策树模型的分类方法、装置及电子设备 | |
US20230162051A1 (en) | Method, device and apparatus for execution of automated machine learning process | |
US9465790B2 (en) | SVO-based taxonomy-driven text analytics | |
CN110245510A (zh) | 用于预测信息的方法和装置 | |
CN108140018A (zh) | 创作用于基于文本的文档的视觉表示 | |
US11557219B2 (en) | Generating and rating user assessments | |
US20160379267A1 (en) | Targeted e-commerce business strategies based on affiliation networks derived from predictive cognitive traits | |
US11188193B2 (en) | Method and system for generating a prioritized list | |
US11481442B2 (en) | Leveraging intent resolvers to determine multiple intents | |
CN110163661A (zh) | 营销信息推广方法、装置、电子设备及计算机可读介质 | |
US11741177B2 (en) | Entity validation of a content originator | |
US20210248324A1 (en) | Extracting relevant sentences from text corpus | |
CN111583018A (zh) | 一种基于用户金融表现分析的授信策略管理方法、装置和电子设备 | |
US11405340B2 (en) | Personality reply for digital content | |
CN110362825A (zh) | 一种基于文本的金融数据抽取方法、装置和电子设备 | |
CN112837149A (zh) | 一种企业信贷风险的识别方法和装置 | |
CN116415203A (zh) | 一种基于大数据的政务信息智能融合***及方法 | |
Yang et al. | Design of enterprise management system based on edge computing architecture | |
US11790885B2 (en) | Semi-structured content aware bi-directional transformer | |
US11455461B2 (en) | Self-executing document revision | |
Srinivasa et al. | Network Data Analytics |
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 | ||
CB02 | Change of applicant information |
Country or region after: China Address after: Room 1118, No.4, Lane 800, Tongpu Road, Putuo District, Shanghai 200062 Applicant after: SHANGHAI QIYU INFORMATION TECHNOLOGY Co.,Ltd. Address before: 201500 room a1-5962, 58 Fumin Branch Road, Hengsha Township, Chongming District, Shanghai (Shanghai Hengtai Economic Development Zone) Applicant before: SHANGHAI QIYU INFORMATION TECHNOLOGY Co.,Ltd. Country or region before: China |
|
CB02 | Change of applicant information |