CN109064318A - 一种基于知识图谱的互联网金融风险监测系统 - Google Patents
一种基于知识图谱的互联网金融风险监测系统 Download PDFInfo
- Publication number
- CN109064318A CN109064318A CN201810972692.4A CN201810972692A CN109064318A CN 109064318 A CN109064318 A CN 109064318A CN 201810972692 A CN201810972692 A CN 201810972692A CN 109064318 A CN109064318 A CN 109064318A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- entity
- data
- information
- map
- 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
Classifications
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种基于知识图谱的互联网金融风险监测系统，包含数据源模块、多标签图模块和分析模块；数据源模块根据不同数据源抽取实体，进行实体知识的融合、关系构建，整合所有来自不同业务系统的基础数据源，根据业务逻辑整理成无歧义、知识明确的实体知识及实体之间的确定性关系；多标签图模块根据数据源获取的知识构建多标签知识图谱，将会员的社会行为及属性映射到网络图谱中，构成会员的行为属性关联图谱；分析模块通过构建好的知识图谱分析会员在互联网金融过程中潜在的风险因素及特征挖掘。本发明改变了现有风控模型分析维度，从而优化了仅需增加分析维度来提高模型精度的传统方法。
Description
技术领域
本发明涉及一种风险监测系统，特别是一种基于知识图谱的互联网金融风险监测系统。
背景技术
随着互联网技术及应用的快速发展，互联网+金融的服务模式的兴起给传统金融带来了很大的机遇和挑战，机遇是开启了金融发展新趋势，由于其扩撒度高、业务成本低、快捷方便等特点，使得金融服务的质量及效能得到大大提升。然而，在互联网金融发展的同时，风险控制仍然是其存在及发展的本质属性，这一点无论是传统金融还是互联网金融，都没有改变。当前金融业务无论以何种形式存在及发展，风控仍旧是其不变的核心能力。
目前绝大多数互联网金融业务的核心风控能力仍然延续着传统金融风控方法，即专家规则为主，大数据分析为辅的策略，而大数据分析多数采用的是评分卡方式，这种方式集统计分析与可解释特性在金融风控中得到大规模的应用。限制了那些比较复杂的，可解释性不强的机器学习特别是深度学习技术的应用，尽管这些方法的效果能够很好的达到预期效果。因此在传统方法的基础上，行业的一种普遍做法是尽量扩大分析变量的维度，尽可能收集用户的行为信息，然后加入到评分模型中来提高模型的精度，这样势必增加了模型的复杂程度。
发明内容
本发明所要解决的技术问题是提供一种基于知识图谱的互联网金融风险监测系统，改变传统风控模型方法。
为解决上述技术问题，本发明所采用的技术方案是：
一种基于知识图谱的互联网金融风险监测系统，其特征在于：包含数据源模块、多标签图模块和分析模块；
数据源模块根据不同数据源抽取实体，进行实体知识的融合、关系构建，整合所有来自不同业务系统的基础数据源，根据业务逻辑整理成无歧义、知识明确的实体知识及实体之间的确定性关系；
多标签图模块根据数据源获取的知识构建多标签知识图谱，将会员的社会行为及属性映射到网络图谱中，构成会员的行为属性关联图谱；
分析模块通过构建好的知识图谱分析会员在互联网金融过程中潜在的风险因素及特征挖掘。
进一步地，所述数据源模块整合现有各个系统的数据，将不同生产系统的数据进行归整，并进行知识的抽取和知识的融合，具体是根据贷还款信息、设备信息、地理位置信息、电商购物信息和网络信息抽取出图谱需要的实体、属性及关系，并对其进行实体的融合，构建定义明确的知识单元。
进一步地，所述地理位置信息包含收货地址、家庭住址和单位地址。
进一步地，所述知识的抽取具体为
抽取结构化数据和非结构化数据；
结构化数据是各个业务子系统产生的数据，分布在已有的大数据平台上，结构化数据的知识抽取采用ETL方法，首先确定数据之间的关联性，包括会员及其个人属性信息、会员行为信息；
非结构化数据采用基于规则的方法处理，对于地址数据和商品数据，在图谱构建过程中将地址数据划分成按照省、市、区县、小区、门牌号细粒度的结构化信息。
进一步地，处理地址数据时，将待分析地址进行标签化，将地址按照字符位置标记为不同的粒度标签，结合结构化数据中的省市区信息，从而完成一个完整地址信息的表述；
处理商品信息数据时，从商品描述中抽取出商品名称、商品属性信息，标注按照商品属性描述的字符位置标签，从商品描述信息中抽取出来的实体及属性构建它们之间的关联关系。
进一步地，所述多标签图模块包含图构建模块和图质量检测校正模块，图构建模块主要是使用Neo4j图数据库作为存储介质，将数据源获取的数据按照预定义模式存储到数据库中，在存储的过程中使用图质量检测校正模块根据Jena的推理引擎及预置的规则集判断新加入的知识是否准确及逻辑是否合理，如果不成立则退出添加过程，否者加入数据库中。。
进一步地，所述图构建模块功能为
将抽取的实体、实体属性及实体间关系进行存储，存储的方法基于Neo4j提供的Cypher进行数据导入，从而形成一张巨大的实体关系网络，在存储的过程中对新加入的实体及关系进行质量检测，判断新加入的实体关系是否符合常规逻辑或者与已有图谱数据发生冲突现象，检测方法采用Jena推理引擎，通过将预定义规则集加入到推理引擎中判断待添加实体关系是否与已有图谱关系冲突或者异常，来决定是否加入到图谱中；
进一步地，所述推理引擎判断异常具体过程为
将待添加实体关系转写成图谱查询形式；
应用推理引擎在图谱中形成查询机制，获得查询结果；
如果出现查询结果与当前关系冲突，则终止当前实体关系的添加；
否者执行实体关系的插入操作。
进一步地，所述分析模块根据构建好的知识图谱分析风险因素或者根据知识图谱表现的图结构特征抽取出待分析风控模型的特征集，基于知识图谱的风险因素主要从团伙欺诈、时序路径异常和中心角色角度进行分析；
团伙欺诈分析，利用知识图谱进行社区检测，并统计逾期会员数，社区检测利用GN方法，首先查询具有高密度关联的群体，然后根据逾期表现，判断会员的逾期可能性，最后进行逾期预警推送；通过检测会员信息共用现象，将这种信息冲突现象检测推送出来，发出预警通告。
时序路径异常分析，根据会员的用款行为因素，结合位置信息、设备信息分析会员的异常行为现象；
中心角色分析主要是根据群体事件进行中心人物分析，判断起关键性角色的会员，通过标签传播判断风险可能性。
进一步地，基于知识图谱的特征抽取主要是根据会员所在网络结构进行特征分析，扩展风控模型的维度指标，用来进一步分析风险因素；在构建风控评分模型时，加入由知识图谱抽取的会员属性特征及行为特征，进一步扩充分析维度。
本发明与现有技术相比，具有以下优点和效果：
本发明区别于传统的风控模型方法，从另外一个角度，即通过将互联网生态中的实体进行知识层面上的模型构建，并基于该知识模型实现风险因素的分析及挖掘，从根本上改变了现有风控模型的方法，从而改变需要增加维度提高模型精度的方式。
附图说明
图1是本发明的一种基于知识图谱的互联网金融风险监测系统的示意图。
具体实施方式
下面结合附图并通过实施例对本发明作进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。
如图1所示，本发明的一种基于知识图谱的互联网金融风险监测系统，包含数据源模块、多标签图模块和分析模块；
数据源模块根据不同数据源抽取实体，进行实体知识的融合、关系构建，整合所有来自不同业务系统的基础数据源，根据业务逻辑整理成无歧义、知识明确的实体知识及实体之间的确定性关系；
多标签图模块根据数据源获取的知识构建多标签知识图谱，将会员的社会行为及属性映射到网络图谱中，构成会员的行为属性互联状态图；
分析模块通过构建好的知识图谱分析会员在互联网金融过程中潜在的风险因素及特征挖掘。
数据源模块
数据源模块目的是整合现有各个系统的数据，将不同生产系统的数据进行归整，并进行知识的抽取，知识的融合等，具体是根据贷还款信息、设备信息、地理位置信息（收货地址、家庭住址、单位地址等）、电商购物信息、网络信息等抽取出图谱需要的实体、属性及关系，并对其进行实体的融合，构建定义明确的知识单元。
数据抽取主要面向的是结构化数据和非结构化数据，结构化数据即各个业务子系统产生的数据，分布在已有的大数据平台上，这部分数据的知识抽取主要依靠ETL方法，首先确定数据之间的关联性，这里包括会员及其个人属性信息，如身份证、手机号、姓名、单位电话、单位名称等；会员行为信息，如购物行为、用信/还款行为、设备及网络使用行为等。基于ETL的方法主要是处理结构化数据，从中抽取出图谱需要的知识单元。
基于规则的方法主要处理那些无法直接通过ETL获取所需知识单元的信息数据，如地址数据、商品数据等，在我们的图谱构建过程中需要将地址数据划分成按照省、市、区县、小区、门牌号等粒度的结构化信息，由于我们分析的地址形式主要集中在住址，如家庭住址、收货地址、单位地址等，它们具有很强的结构特征，故而使用基于规则的方法进行模式匹配既能保证精度也有很好的召回率。
基于规则的方法的目标是将待分析地址进行标签化，如“苏宁大道1号”，则需要标记为0-3：路名，4-5:1号编码，这样即可从地址中抽取出路名及编号，结合结构化数据中的省市区等信息，就能完成一个完整地址信息的表述。这里面需要用到地址名称库，我们使用的是收集的国家统计局2016年统计行政区划地址名称列表，再基于匹配的方式从地址中标记出相应的实体对象，按照行政级别或者先后顺序建立实体关系。
基于规则的方法处理商品信息数据时，需要从商品描述中抽取出商品名称，商品属性等信息，如“美的（Midea）BCD-525WKPZM(E) 星际银 525升对开门电冰箱 变频节能 风冷智能家用大容量双开门冰箱”，需要标记成0-9：品牌，10-24：型号，25-27：颜色，28-31：容量，36-38：商品组名称。通过从商品描述信息中抽取出来的实体及属性并构建它们之间的关联关系。
实体的融合主要解决的问题是地理位置归一化问题，融合的方法主要是根据距离相似性方法， 首先将地址按照细粒度进行划分，省、市、区县这样粒度的实体可以直接合并，街道、路、编号等粒度实体需要先映射成经纬度，然后计算经纬度对之间的空间距离来判断是否属于同一地址单元，如果是则映射到标准的行政区划上，形成一致的地址信息。
多标签图模块
多标签图子系统主要包含图构建模块和图质量检测校正模块，图构建模块主要是使用Neo4j图数据库作为存储介质，将数据源获取的数据按照预定义模式存储到数据库中，在存储的过程中使用图质量检测校正模块根据Jena的推理引擎及预置的规则集判断新加入的知识是否准确及逻辑是否合理，如果不成立则退出添加过程，否者加入数据库中。
图构建模块的主要功能是将抽取的实体、实体属性及实体间关系进行存储，存储的方法主要基于Neo4j提供的Cypher进行数据导入，从而形成一张巨大的实体关系网络，在存储的过程中需要对新加入的实体及关系进行质量检测，所谓 的质量检测就是判断新加入的实体关系是否符合常规逻辑或者与已有图谱数据发生冲突现象，检测方法主要是基于Jena推理引擎的知识推理应用，通过将预定义规则集加入到推理引擎中判断待添加实体关系是否与已有图谱关系冲突或者异常，来决定是否加入到图谱中。具体过程如下：
（1）将待添加实体关系转写成图谱查询形式
（2）应用推理引擎在图谱中形成查询机制，获得查询结果
（3）如果出现查询结果与当前关系冲突，则终止当前实体关系的添加
（4）否者执行实体关系的插入操作
通过以上步骤的不断迭代，可以实现高质量、高可靠的知识图谱结构。
分析模块
分析子系统主要是根据构建好的知识图谱分析风险因素或者根据知识图谱表现的图结构特征抽取出待分析风控模型的特征集，基于知识图谱的风险因素主要从团伙欺诈、时序路径异常、中心位置等角度进行分析。团伙欺诈旨在发现组织骗贷现象，如信息共用冲突特征。时序路径异常描述的是会员行为路径出现有违常理的情况。中心位置主要分析影响力集中、影响扩散现象。
在团伙欺诈检测应用中，一方面利用知识图谱进行社区检测，并统计逾期会员数，社区检测利用GN方法，首先查询具有高密度关联的群体，然后根据逾期表现，判断会员的逾期可能性，最后进行逾期预警推送。另一方面通过检测会员信息共用现象，如拥有相同单位电话，却有不同单位名称，将这种信息冲突现象检测推送出来，发出预警通告。
时序路径异常分析，根据会员的用款行为因素，结合位置信息、设备信息分析会员的异常行为现象。
中心角色分析主要是根据群体事件进行中心人物分析，判断起关键性角色的会员，通过标签传播判断风险可能性。
基于知识图谱的特征抽取主要是根据会员所在网络结构进行特征分析，如度统计、度范围内标签统计、路径统计等，目的是扩展风控模型的维度指标，用来进一步分析风险因素。在构建风控评分模型时，加入由知识图谱抽取的会员属性特征及行为特征，如二度关系人中逾期比例、是否拥有冲突性关系网络等特征，进一步扩充分析维度。
本发明的基于知识图谱的互联网金融风险监测系统在运行中有效检测出260多起欺诈群，涉及人数1300多人，经过后期表现，出现不同程度逾期者130多人，占比10%左右，其中有10起出现了坏账的情况。目前公司内部的逾期率稳定在1.5%以下，其效果远远高于平均水平，由此可证明方法的有效性。
基于知识图谱构建的风险预测模型针对部分贷款者进行概率预测，共计约100万人，预测可能逾期的人数为9000多人，结果跟踪有近500人出现了逾期，占比为5.6%。
本说明书中所描述的以上内容仅仅是对本发明所作的举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种修改或补充或采用类似的方式替代，只要不偏离本发明说明书的内容或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (10)
1.一种基于知识图谱的互联网金融风险监测系统，其特征在于：包含数据源模块、多标签图模块和分析模块；
数据源模块根据不同数据源抽取实体，进行实体知识的融合、关系构建，整合所有来自不同业务系统的基础数据源，根据业务逻辑整理成无歧义、知识明确的实体知识及实体之间的确定性关系；
多标签图模块根据数据源获取的知识构建多标签知识图谱，将会员的社会行为及属性映射到网络图谱中，构成会员的行为属性关联图谱；
分析模块通过构建好的知识图谱分析会员在互联网金融过程中潜在的风险因素及特征挖掘。
2.按照权利要求1所述的一种基于知识图谱的互联网金融风险监测系统，其特征在于：所述数据源模块整合现有各个系统的数据，将不同生产系统的数据进行归整，并进行知识的抽取和知识的融合，具体是根据贷还款信息、设备信息、地理位置信息、电商购物信息和网络信息抽取出图谱需要的实体、属性及关系，并对其进行实体的融合，构建定义明确的知识单元。
3.按照权利要求2所述的一种基于知识图谱的互联网金融风险监测系统，其特征在于：所述地理位置信息包含收货地址、家庭住址和单位地址。
4.按照权利要求2所述的一种基于知识图谱的互联网金融风险监测系统，其特征在于：所述知识的抽取具体为
抽取结构化数据和非结构化数据；
结构化数据是各个业务子系统产生的数据，分布在已有的大数据平台上，结构化数据的知识抽取采用ETL方法，首先确定数据之间的关联性，包括会员及其个人属性信息、会员行为信息；
非结构化数据采用基于规则的方法处理，对于地址数据和商品数据，在图谱构建过程中将地址数据划分成按照省、市、区县、小区、门牌号细粒度的结构化信息。
5.按照权利要求4所述的一种基于知识图谱的互联网金融风险监测系统，其特征在于：处理地址数据时，将待分析地址进行标签化，将地址按照字符位置标记为不同的粒度标签，结合结构化数据中的省市区信息，从而完成一个完整地址信息的表述；
处理商品信息数据时，从商品描述中抽取出商品名称、商品属性信息，标注按照商品属性描述的字符位置标签，从商品描述信息中抽取出来的实体及属性构建它们之间的关联关系。
6.按照权利要求1所述的一种基于知识图谱的互联网金融风险监测系统，其特征在于：所述多标签图模块包含图构建模块和图质量检测校正模块，图构建模块主要是使用Neo4j图数据库作为存储介质，将数据源获取的数据按照预定义模式存储到数据库中，在存储的过程中使用图质量检测校正模块根据Jena的推理引擎及预置的规则集判断新加入的知识是否准确及逻辑是否合理，如果不成立则退出添加过程，否者加入数据库中。
7.按照权利要求6所述的一种基于知识图谱的互联网金融风险监测系统，其特征在于：所述图构建模块功能为
将抽取的实体、实体属性及实体间关系进行存储，存储的方法基于Neo4j提供的Cypher进行数据导入，从而形成一张巨大的实体关系网络，在存储的过程中对新加入的实体及关系进行质量检测，判断新加入的实体关系是否符合常规逻辑或者与已有图谱数据发生冲突现象，检测方法采用Jena推理引擎，通过将预定义规则集加入到推理引擎中判断待添加实体关系是否与已有图谱关系冲突或者异常，来决定是否加入到图谱中。
8.按照权利要求7所述的一种基于知识图谱的互联网金融风险监测系统，其特征在于：所述推理引擎判断异常具体过程为
将待添加实体关系转写成图谱查询形式；
应用推理引擎在图谱中形成查询机制，获得查询结果；
如果出现查询结果与当前关系冲突，则终止当前实体关系的添加；
否者执行实体关系的插入操作。
9.按照权利要求1所述的一种基于知识图谱的互联网金融风险监测系统，其特征在于：所述分析模块根据构建好的知识图谱分析风险因素或者根据知识图谱表现的图结构特征抽取出待分析风控模型的特征集，基于知识图谱的风险因素主要从团伙欺诈、时序路径异常和中心角色角度进行分析；
团伙欺诈分析，利用知识图谱进行社区检测，并统计逾期会员数，社区检测利用GN方法，首先查询具有高密度关联的群体，然后根据逾期表现，判断会员的逾期可能性，最后进行逾期预警推送；通过检测会员信息共用现象，将这种信息冲突现象检测推送出来，发出预警通告；
时序路径异常分析，根据会员的用款行为因素，结合位置信息、设备信息分析会员的异常行为现象；
中心角色分析主要是根据群体事件进行中心人物分析，判断起关键性角色的会员，通过标签传播判断风险可能性。
10.按照权利要求9所述的一种基于知识图谱的互联网金融风险监测系统，其特征在于：基于知识图谱的特征抽取主要是根据会员所在网络结构进行特征分析，扩展风控模型的维度指标，用来进一步分析风险因素；在构建风控评分模型时，加入由知识图谱抽取的会员属性特征及行为特征，进一步扩充分析维度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810972692.4A CN109064318A (zh) | 2018-08-24 | 2018-08-24 | 一种基于知识图谱的互联网金融风险监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810972692.4A CN109064318A (zh) | 2018-08-24 | 2018-08-24 | 一种基于知识图谱的互联网金融风险监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109064318A true CN109064318A (zh) | 2018-12-21 |
Family
ID=64756557
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810972692.4A Pending CN109064318A (zh) | 2018-08-24 | 2018-08-24 | 一种基于知识图谱的互联网金融风险监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109064318A (zh) |
Cited By (49)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109491995A (zh) * | 2018-12-25 | 2019-03-19 | 苏宁易购集团股份有限公司 | 基于知识图谱查询金融异常数据的方法及系统 |
| CN109697050A (zh) * | 2019-01-07 | 2019-04-30 | 浙江大学 | 一种基于知识图谱面向电商领域的需求描述模型设计方法 |
| CN109785143A (zh) * | 2018-12-27 | 2019-05-21 | 上海欣方智能系统有限公司 | 一种欺诈防范识别方法及系统 |
| CN109872234A (zh) * | 2019-01-24 | 2019-06-11 | 平安科技（深圳）有限公司 | 交易行为监控方法、装置、计算机设备和介质 |
| CN109871470A (zh) * | 2019-02-28 | 2019-06-11 | 国网浙江省电力公司 | 一种电网设备数据标签化管理系统及实现方法 |
| CN109886806A (zh) * | 2019-03-05 | 2019-06-14 | 湖南衍金征信数据服务有限公司 | 基于知识图谱的人工识别金融反欺诈的方法 |
| CN109903045A (zh) * | 2019-01-24 | 2019-06-18 | 平安科技（深圳）有限公司 | 行为轨迹监控方法、装置、计算机设备和介质 |
| CN109918511A (zh) * | 2019-01-29 | 2019-06-21 | 华融融通（北京）科技有限公司 | 一种基于bfs和lpa的知识图谱反欺诈特征提取方法 |
| CN110083744A (zh) * | 2019-04-24 | 2019-08-02 | 厦门无常师教育科技有限公司 | 一种基于知识图谱的教学问题诊断方法及系统 |
| CN110135968A (zh) * | 2019-04-08 | 2019-08-16 | 深圳众赢维融科技有限公司 | 一种风控变量识别方法、装置、电子设备及存储介质 |
| CN110188191A (zh) * | 2019-04-08 | 2019-08-30 | 北京邮电大学 | 一种用于网络社区文本的实体关系图谱构建方法和系统 |
| CN110197280A (zh) * | 2019-05-20 | 2019-09-03 | 中国银行股份有限公司 | 一种知识图谱构建方法、装置及系统 |
| CN110209835A (zh) * | 2019-05-09 | 2019-09-06 | 四川九洲电器集团有限责任公司 | 一种异常检测方法及装置、计算机存储介质及电子设备 |
| CN110209955A (zh) * | 2019-06-10 | 2019-09-06 | 北京阿尔山金融科技有限公司 | 业务分析方法、装置及电子设备 |
| CN110275928A (zh) * | 2019-06-24 | 2019-09-24 | 复旦大学 | 迭代式实体关系抽取方法 |
| CN110297912A (zh) * | 2019-05-20 | 2019-10-01 | 平安科技（深圳）有限公司 | 欺诈识别方法、装置、设备及计算机可读存储介质 |
| CN110335145A (zh) * | 2019-07-12 | 2019-10-15 | 深圳众赢维融科技有限公司 | 一种影响因素动态展示方法、装置、电子设备及存储介质 |
| CN110348719A (zh) * | 2019-06-29 | 2019-10-18 | 上海淇毓信息科技有限公司 | 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 |
| CN110362660A (zh) * | 2019-07-23 | 2019-10-22 | 重庆邮电大学 | 一种基于知识图谱的电子产品质量自动检测方法 |
| CN110413707A (zh) * | 2019-07-22 | 2019-11-05 | 百融云创科技股份有限公司 | 互联网中欺诈团伙关系的挖掘与排查方法及其系统 |
| CN110428291A (zh) * | 2019-08-07 | 2019-11-08 | 上海观安信息技术股份有限公司 | 一种利用有向无环图识别黑产团伙的方法 |
| CN110503236A (zh) * | 2019-07-08 | 2019-11-26 | 中国平安人寿保险股份有限公司 | 基于知识图谱的风险预测方法、装置、设备以及存储介质 |
| CN110611651A (zh) * | 2019-07-19 | 2019-12-24 | 中国工商银行股份有限公司 | 网络监控方法、网络监控装置和电子设备 |
| CN110647522A (zh) * | 2019-09-06 | 2020-01-03 | 中国建设银行股份有限公司 | 一种数据挖掘方法、装置及其系统 |
| CN110674943A (zh) * | 2019-09-16 | 2020-01-10 | 上海云从企业发展有限公司 | 一种金融知识网络管理方法、系统、介质和设备 |
| CN110765374A (zh) * | 2019-09-16 | 2020-02-07 | 阿里巴巴集团控股有限公司 | 风险链接识别方法、装置及计算机设备 |
| CN110795574A (zh) * | 2019-11-07 | 2020-02-14 | 北京集奥聚合科技有限公司 | 一种基于金融反欺诈的知识图谱构建方法 |
| CN110795568A (zh) * | 2019-09-30 | 2020-02-14 | 北京淇瑀信息科技有限公司 | 基于用户信息知识图谱的风险评估方法、装置和电子设备 |
| CN111027832A (zh) * | 2019-11-28 | 2020-04-17 | 卓尔智联(武汉)研究院有限公司 | 一种税务风险确定方法、装置及存储介质 |
| CN111178615A (zh) * | 2019-12-24 | 2020-05-19 | 成都数联铭品科技有限公司 | 一种企业风险识别模型的构建方法及系统 |
| CN111209317A (zh) * | 2020-01-15 | 2020-05-29 | 同济大学 | 一种知识图谱异常社区检测方法及装置 |
| CN111427968A (zh) * | 2019-10-28 | 2020-07-17 | 青岛海信网络科技股份有限公司 | 一种基于知识图谱的重点人员全息档案构建方法及装置 |
| CN111737490A (zh) * | 2020-06-19 | 2020-10-02 | 中国建设银行股份有限公司 | 基于银行渠道的知识图谱本体模型生成方法及装置 |
| CN111859922A (zh) * | 2020-07-31 | 2020-10-30 | 上海银行股份有限公司 | 实体关系抽取技术在银行风控中的应用方法 |
| CN112053221A (zh) * | 2020-08-14 | 2020-12-08 | 百维金科(上海)信息科技有限公司 | 一种基于知识图谱的互联网金融团伙欺诈行为检测方法 |
| WO2020253358A1 (zh) * | 2019-06-18 | 2020-12-24 | 深圳壹账通智能科技有限公司 | 业务数据的风控分析处理方法、装置和计算机设备 |
| CN112148893A (zh) * | 2020-09-25 | 2020-12-29 | 南方电网数字电网研究院有限公司 | 能源分析知识图谱构建方法与能源分析可视化方法 |
| CN112346711A (zh) * | 2019-08-07 | 2021-02-09 | 上海交通大学 | 用于语义识别的编程规范知识图谱构建系统及方法 |
| CN112364180A (zh) * | 2020-11-26 | 2021-02-12 | 上海天旦网络科技发展有限公司 | 基于知识图谱的标签定义和计算的方法及系统 |
| CN112487208A (zh) * | 2020-12-14 | 2021-03-12 | 杭州安恒信息技术股份有限公司 | 一种网络安全数据关联分析方法、装置、设备及存储介质 |
| CN112598489A (zh) * | 2020-12-14 | 2021-04-02 | 深圳市快付通金融网络科技服务有限公司 | 基于金融应用的风险监测方法及系统 |
| CN112883202A (zh) * | 2021-03-26 | 2021-06-01 | 江苏省未来网络创新研究院 | 一种基于知识图谱的多组件建模方法和系统 |
| CN113064998A (zh) * | 2020-12-18 | 2021-07-02 | 开鑫金服(南京)信息服务有限公司 | 一种面向金融机构风控控制的图谱构建方法、设备及存储介质 |
| CN113297044A (zh) * | 2020-06-11 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 一种运维风险预警方法及装置 |
| CN113407734A (zh) * | 2021-07-14 | 2021-09-17 | 重庆富民银行股份有限公司 | 基于实时大数据的知识图谱系统的构建方法 |
| CN113569931A (zh) * | 2021-07-16 | 2021-10-29 | 中国铁道科学研究院集团有限公司 | 动态数据融合方法、装置、设备和介质 |
| TWI747220B (zh) * | 2020-03-31 | 2021-11-21 | 股感生活金融科技股份有限公司 | 知識圖譜聯想搜尋方法與系統 |
| WO2022116537A1 (zh) * | 2020-12-04 | 2022-06-09 | 上海帜讯信息技术股份有限公司 | 一种资讯推荐方法、装置、电子设备和存储介质 |
| CN117575596A (zh) * | 2023-09-06 | 2024-02-20 | 临沂万鼎网络科技有限公司 | 基于人工智能的欺诈行为分析方法及数字金融大数据系统 |
-
2018
- 2018-08-24 CN CN201810972692.4A patent/CN109064318A/zh active Pending
Cited By (61)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109491995A (zh) * | 2018-12-25 | 2019-03-19 | 苏宁易购集团股份有限公司 | 基于知识图谱查询金融异常数据的方法及系统 |
| WO2020134213A1 (zh) * | 2018-12-25 | 2020-07-02 | 苏宁云计算有限公司 | 基于知识图谱查询金融异常数据的方法及系统 |
| CN109785143A (zh) * | 2018-12-27 | 2019-05-21 | 上海欣方智能系统有限公司 | 一种欺诈防范识别方法及系统 |
| CN109697050A (zh) * | 2019-01-07 | 2019-04-30 | 浙江大学 | 一种基于知识图谱面向电商领域的需求描述模型设计方法 |
| CN109903045A (zh) * | 2019-01-24 | 2019-06-18 | 平安科技（深圳）有限公司 | 行为轨迹监控方法、装置、计算机设备和介质 |
| CN109903045B (zh) * | 2019-01-24 | 2024-05-03 | 平安科技（深圳）有限公司 | 行为轨迹监控方法、装置、计算机设备和介质 |
| CN109872234A (zh) * | 2019-01-24 | 2019-06-11 | 平安科技（深圳）有限公司 | 交易行为监控方法、装置、计算机设备和介质 |
| CN109918511B (zh) * | 2019-01-29 | 2021-06-08 | 华融融通（北京）科技有限公司 | 一种基于bfs和lpa的知识图谱反欺诈特征提取方法 |
| CN109918511A (zh) * | 2019-01-29 | 2019-06-21 | 华融融通（北京）科技有限公司 | 一种基于bfs和lpa的知识图谱反欺诈特征提取方法 |
| CN109871470A (zh) * | 2019-02-28 | 2019-06-11 | 国网浙江省电力公司 | 一种电网设备数据标签化管理系统及实现方法 |
| CN109886806A (zh) * | 2019-03-05 | 2019-06-14 | 湖南衍金征信数据服务有限公司 | 基于知识图谱的人工识别金融反欺诈的方法 |
| CN110135968A (zh) * | 2019-04-08 | 2019-08-16 | 深圳众赢维融科技有限公司 | 一种风控变量识别方法、装置、电子设备及存储介质 |
| CN110188191A (zh) * | 2019-04-08 | 2019-08-30 | 北京邮电大学 | 一种用于网络社区文本的实体关系图谱构建方法和系统 |
| CN110083744A (zh) * | 2019-04-24 | 2019-08-02 | 厦门无常师教育科技有限公司 | 一种基于知识图谱的教学问题诊断方法及系统 |
| CN110209835A (zh) * | 2019-05-09 | 2019-09-06 | 四川九洲电器集团有限责任公司 | 一种异常检测方法及装置、计算机存储介质及电子设备 |
| CN110297912A (zh) * | 2019-05-20 | 2019-10-01 | 平安科技（深圳）有限公司 | 欺诈识别方法、装置、设备及计算机可读存储介质 |
| CN110197280A (zh) * | 2019-05-20 | 2019-09-03 | 中国银行股份有限公司 | 一种知识图谱构建方法、装置及系统 |
| CN110209955B (zh) * | 2019-06-10 | 2021-06-01 | 北京阿尔山金融科技有限公司 | 业务分析方法、装置及电子设备 |
| CN110209955A (zh) * | 2019-06-10 | 2019-09-06 | 北京阿尔山金融科技有限公司 | 业务分析方法、装置及电子设备 |
| WO2020253358A1 (zh) * | 2019-06-18 | 2020-12-24 | 深圳壹账通智能科技有限公司 | 业务数据的风控分析处理方法、装置和计算机设备 |
| CN110275928A (zh) * | 2019-06-24 | 2019-09-24 | 复旦大学 | 迭代式实体关系抽取方法 |
| CN110275928B (zh) * | 2019-06-24 | 2022-11-22 | 复旦大学 | 迭代式实体关系抽取方法 |
| CN110348719A (zh) * | 2019-06-29 | 2019-10-18 | 上海淇毓信息科技有限公司 | 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 |
| CN110503236A (zh) * | 2019-07-08 | 2019-11-26 | 中国平安人寿保险股份有限公司 | 基于知识图谱的风险预测方法、装置、设备以及存储介质 |
| CN110335145A (zh) * | 2019-07-12 | 2019-10-15 | 深圳众赢维融科技有限公司 | 一种影响因素动态展示方法、装置、电子设备及存储介质 |
| CN110611651A (zh) * | 2019-07-19 | 2019-12-24 | 中国工商银行股份有限公司 | 网络监控方法、网络监控装置和电子设备 |
| CN110413707A (zh) * | 2019-07-22 | 2019-11-05 | 百融云创科技股份有限公司 | 互联网中欺诈团伙关系的挖掘与排查方法及其系统 |
| CN110362660A (zh) * | 2019-07-23 | 2019-10-22 | 重庆邮电大学 | 一种基于知识图谱的电子产品质量自动检测方法 |
| CN110428291A (zh) * | 2019-08-07 | 2019-11-08 | 上海观安信息技术股份有限公司 | 一种利用有向无环图识别黑产团伙的方法 |
| CN112346711A (zh) * | 2019-08-07 | 2021-02-09 | 上海交通大学 | 用于语义识别的编程规范知识图谱构建系统及方法 |
| CN110647522A (zh) * | 2019-09-06 | 2020-01-03 | 中国建设银行股份有限公司 | 一种数据挖掘方法、装置及其系统 |
| CN110765374A (zh) * | 2019-09-16 | 2020-02-07 | 阿里巴巴集团控股有限公司 | 风险链接识别方法、装置及计算机设备 |
| CN110765374B (zh) * | 2019-09-16 | 2023-05-05 | 创新先进技术有限公司 | 风险链接识别方法、装置及计算机设备 |
| CN110674943A (zh) * | 2019-09-16 | 2020-01-10 | 上海云从企业发展有限公司 | 一种金融知识网络管理方法、系统、介质和设备 |
| CN110795568A (zh) * | 2019-09-30 | 2020-02-14 | 北京淇瑀信息科技有限公司 | 基于用户信息知识图谱的风险评估方法、装置和电子设备 |
| CN111427968A (zh) * | 2019-10-28 | 2020-07-17 | 青岛海信网络科技股份有限公司 | 一种基于知识图谱的重点人员全息档案构建方法及装置 |
| CN110795574A (zh) * | 2019-11-07 | 2020-02-14 | 北京集奥聚合科技有限公司 | 一种基于金融反欺诈的知识图谱构建方法 |
| CN111027832A (zh) * | 2019-11-28 | 2020-04-17 | 卓尔智联(武汉)研究院有限公司 | 一种税务风险确定方法、装置及存储介质 |
| CN111178615A (zh) * | 2019-12-24 | 2020-05-19 | 成都数联铭品科技有限公司 | 一种企业风险识别模型的构建方法及系统 |
| CN111178615B (zh) * | 2019-12-24 | 2023-10-27 | 成都数联铭品科技有限公司 | 一种企业风险识别模型的构建方法及系统 |
| CN111209317A (zh) * | 2020-01-15 | 2020-05-29 | 同济大学 | 一种知识图谱异常社区检测方法及装置 |
| TWI747220B (zh) * | 2020-03-31 | 2021-11-21 | 股感生活金融科技股份有限公司 | 知識圖譜聯想搜尋方法與系統 |
| CN113297044B (zh) * | 2020-06-11 | 2024-01-09 | 阿里巴巴集团控股有限公司 | 一种运维风险预警方法及装置 |
| CN113297044A (zh) * | 2020-06-11 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 一种运维风险预警方法及装置 |
| CN111737490B (zh) * | 2020-06-19 | 2023-07-25 | 中国建设银行股份有限公司 | 基于银行渠道的知识图谱本体模型生成方法及装置 |
| CN111737490A (zh) * | 2020-06-19 | 2020-10-02 | 中国建设银行股份有限公司 | 基于银行渠道的知识图谱本体模型生成方法及装置 |
| CN111859922A (zh) * | 2020-07-31 | 2020-10-30 | 上海银行股份有限公司 | 实体关系抽取技术在银行风控中的应用方法 |
| CN111859922B (zh) * | 2020-07-31 | 2023-12-01 | 上海银行股份有限公司 | 实体关系抽取技术在银行风控中的应用方法 |
| CN112053221A (zh) * | 2020-08-14 | 2020-12-08 | 百维金科(上海)信息科技有限公司 | 一种基于知识图谱的互联网金融团伙欺诈行为检测方法 |
| CN112148893A (zh) * | 2020-09-25 | 2020-12-29 | 南方电网数字电网研究院有限公司 | 能源分析知识图谱构建方法与能源分析可视化方法 |
| CN112364180A (zh) * | 2020-11-26 | 2021-02-12 | 上海天旦网络科技发展有限公司 | 基于知识图谱的标签定义和计算的方法及系统 |
| WO2022116537A1 (zh) * | 2020-12-04 | 2022-06-09 | 上海帜讯信息技术股份有限公司 | 一种资讯推荐方法、装置、电子设备和存储介质 |
| CN112598489A (zh) * | 2020-12-14 | 2021-04-02 | 深圳市快付通金融网络科技服务有限公司 | 基于金融应用的风险监测方法及系统 |
| CN112598489B (zh) * | 2020-12-14 | 2023-12-26 | 深圳市快付通金融网络科技服务有限公司 | 基于金融应用的风险监测方法及系统 |
| CN112487208A (zh) * | 2020-12-14 | 2021-03-12 | 杭州安恒信息技术股份有限公司 | 一种网络安全数据关联分析方法、装置、设备及存储介质 |
| CN113064998A (zh) * | 2020-12-18 | 2021-07-02 | 开鑫金服(南京)信息服务有限公司 | 一种面向金融机构风控控制的图谱构建方法、设备及存储介质 |
| CN112883202A (zh) * | 2021-03-26 | 2021-06-01 | 江苏省未来网络创新研究院 | 一种基于知识图谱的多组件建模方法和系统 |
| CN113407734A (zh) * | 2021-07-14 | 2021-09-17 | 重庆富民银行股份有限公司 | 基于实时大数据的知识图谱系统的构建方法 |
| CN113569931A (zh) * | 2021-07-16 | 2021-10-29 | 中国铁道科学研究院集团有限公司 | 动态数据融合方法、装置、设备和介质 |
| CN113569931B (zh) * | 2021-07-16 | 2024-04-05 | 中国铁道科学研究院集团有限公司 | 动态数据融合方法、装置、设备和介质 |
| CN117575596A (zh) * | 2023-09-06 | 2024-02-20 | 临沂万鼎网络科技有限公司 | 基于人工智能的欺诈行为分析方法及数字金融大数据系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109064318A (zh) | 一种基于知识图谱的互联网金融风险监测系统 | |
| CN110223168B (zh) | 一种基于企业关系图谱的标签传播反欺诈检测方法及系统 | |
| CN110390465A (zh) | 业务数据的风控分析处理方法、装置和计算机设备 | |
| CN105184574B (zh) | 一种套用商户类别码欺诈行为的检测方法 | |
| CN110413707A (zh) | 互联网中欺诈团伙关系的挖掘与排查方法及其系统 | |
| Kim | Exploring the difference between ridership patterns of subway and taxi: Case study in Seoul | |
| Wu et al. | Economic development, demographic characteristics, road network and traffic accidents in Zhongshan, China: gradient boosting decision tree model | |
| Zhang et al. | Label propagation-based approach for detecting review spammer groups on e-commerce websites | |
| CN108492196A (zh) | 通过数据分析推断医疗保险违规行为的风控方法 | |
| CN106448132A (zh) | 一种常规公交服务指数实时评价系统及评价方法 | |
| CN106570778A (zh) | 一种基于大数据的数据集成与线损分析计算的方法 | |
| CN110502638B (zh) | 一种基于目标实体的企业新闻风险分类方法 | |
| CN107423279A (zh) | 一种金融信贷短信的信息抽取和分析方法 | |
| Isinkaralar et al. | A cellular automata-based approach for spatio-temporal modeling of the city center as a complex system: The case of Kastamonu, Türkiye | |
| CN110298601A (zh) | 一种基于规则引擎的实时业务风控系统 | |
| CN104851025A (zh) | 一种基于案例推理的电商网站商品的个性化推荐方法 | |
| CN107944761A (zh) | 基于人工智能消费维权指数企业投诉预警监测分析方法 | |
| Mao et al. | A novel method for forecasting construction cost index based on complex network | |
| CN108537653A (zh) | 一种用于担保网络贷款中欺诈模式检测的方法 | |
| CN110992111B (zh) | 基于大数据的投保人用户画像挖掘方法 | |
| CN117235811A (zh) | 基于互联网金融的支付大数据分析方法及大数据分析系统 | |
| CN110222180A (zh) | 一种文本数据分类与信息挖掘方法 | |
| CN109410035B (zh) | 一种协助反欺诈分析群组结构的方法及工具 | |
| Fan et al. | Spatially enabled customer segmentation using a data classification method with uncertain predicates | |
| Zeydan et al. | A rule-based decision support approach for site selection of Automated Teller Machines (ATMs) |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181221 |
|
| RJ01 | Rejection of invention patent application after publication |