CN109636565A - 风险数据的处理方法、装置、设备及计算机可读存储介质 - Google Patents

Abstract

本发明提供一种风险数据的处理方法，包括：在接收到用户触发的风险分析指令时，获取申请人的贷款申请信息；基于所述贷款申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人在多个预设风险维度的风险标识信息；基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果。本发明还提供一种风险数据的处理装置、设备及计算机可读存储介质。本发明可通过完善的风险分析方法，获得可靠的风险分析结果。

Description

风险数据的处理方法、装置、设备及计算机可读存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种风险数据的处理方法、装置、设备及计算机可读存储介质。

背景技术

目前，在关于贷款客户的风险分析方案中，一般通过设计风控规则，对客户进行层层校验，最终根据客户对于风控规则的匹配程度得出不同的风控策略。这种方式主要针对借贷个体的风险标识进行风险的分析评估，分析内容单一片面，缺少全面有效的风险分析方法，不能获得可靠的分析结果。

发明内容

本发明的主要目的在于提供一种风险数据的处理方法、装置、设备及计算机可读存储介质，旨在提供一种完善有效的风险分析方法，获得可靠的风险分析结果。

为实现上述目的，本发明提供一种风险数据的处理方法，所述风险数据的处理方法包括以下步骤：

在接收到用户触发的风险分析指令时，获取申请人的贷款申请信息；

基于所述贷款申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人在多个预设风险维度的风险标识信息；

基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果。

可选地，所述预设风险维度至少包括黑名单风险维度、收入水平风险维度或消费水平风险维度。

可选地，所述基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果的步骤之后包括：

基于预设风险维度权重系数对申请人在各个预设风险维度的风险分析结果进行加权处理，获得申请人的综合风险分析结果。

可选地，所述基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果的步骤包括：

基于所述关系网络信息对申请人的关系网络进行分层，获得一个或多个关系层级；

根据各个关系层级对应的预设风险传递权重和关联人在各个预设风险维度的风险标识信息确定各个关系层级对申请人在各个预设风险维度的风险传递参数；

分别对各个预设风险维度在各个关系层级的风险传递参数进行求和，将各个预设风险维度的求和结果作为申请人的在各个预设风险维度的风险分析结果。

可选地，所述根据各个关系层级对应的预设风险传递权重和关联人在各个预设风险维度的风险标识信息确定各个关系层级对申请人在各个预设风险维度的风险传递参数的步骤包括：

根据各个关系层级对应的预设风险传递权重和关联人在各个预设风险维度的风险概率的乘积，计算各个关联人对申请人在各个预设风险维度的风险传递参数；

对于各个预设风险维度，分别计算各个关系层级中所有关联人的层级风险传递参数之和，将各个层级风险传递参数之和作为对应关系层级对申请人的风险传递参数。

可选地，所述基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果的步骤包括：

基于所述风险标识信息对各个关联人节点标注各个预设风险维度的初始风险标签值；

根据所述初始风险标签值利用标签传播算法计算申请人在各个预设风险维度的目标标签值，根据所述目标标签值确定申请人的风险分析结果。

可选地，所述基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果的步骤之后还包括：

根据申请人在各个预设风险维度的风险分析结果确定申请人当前的贷款申请信息的审批策略；

基于所述审批策略对申请人当前的贷款申请信息进行审批。

此外，为实现上述目的，本发明还提供一种风险数据的处理装置，所述风险数据的处理装置包括：

第一获取模块，用于在接收到用户触发的风险分析指令时，获取申请人的贷款申请信息；

第二获取模块，用于基于所述贷款申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人在多个预设风险维度的风险标识信息；

分析模块，用于基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果。

此外，为实现上述目的，本发明还提供一种风险数据的处理设备，所述风险数据的处理设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的风险数据的处理程序，其中所述风险数据的处理程序被所述处理器执行时，实现如上述的风险数据的处理方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有风险数据的处理程序，其中所述风险数据的处理程序被处理器执行时，实现如上述的风险数据的处理方法的步骤。

本发明提供一种风险数据的处理方法、装置、设备以及计算机可读存储介质，所述风险数据的处理方法包括：在接收到用户触发的风险分析指令时，获取申请人的贷款申请信息；基于所述贷款申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人在多个预设风险维度的风险标识信息；基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果。通过上述方式，从大数据平台可以获得申请人更加全面的关系网络信息以及关系网络中各个关联人的多个不同维度的风险标识信息，基于直接关联人和间接关联人不同维度的风险情况来对贷款申请人进行风险传递分析，可以获得贷款申请人在各个不同风险维度的全面可靠的风险分析结果。

附图说明

图1为本发明实施例方案中涉及的风险数据的处理设备的硬件结构示意图；

图2为本发明风险数据的处理方法第一实施例的流程示意图；

图3为本发明风险数据的处理方法第二实施例的流程示意图；

图4为本发明风险数据的处理方法第三实施例的流程示意图；

图5为本发明风险数据的处理方法第四实施例的流程示意图；

图6为本发明风险数据的处理方法第五实施例的流程示意图；

图7为本发明风险数据的处理方法第六实施例的流程示意图；

图8为本发明风险数据的处理装置的功能模块示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例涉及的风险数据的处理方法主要应用于风险数据的处理设备，该风险数据的处理设备可以是个人计算机(personal computer，PC)、便携计算机、移动终端等具有数据处理功能的设备。

参照图1，图1为本发明实施例方案中涉及的风险数据的处理设备的硬件结构示意图。本发明实施例中，风险数据的处理设备可以包括处理器1001(例如中央处理器CentralProcessing Unit，CPU)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)；网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity，WI-FI接口)；存储器1005可以是高速随机存取存储器(random access memory，RAM)，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的硬件结构并不构成对本发明的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

继续参照图1，图1中作为一种计算机可读存储介质的存储器1005可以包括操作系统、网络通信模块以及风险数据的处理程序。在图1中，网络通信模块可用于连接服务器，与服务器进行数据通信；而处理器1001可以调用存储器1005中存储的风险数据的处理程序，并执行本发明实施例提供的风险数据的处理方法。

本发明实施例提供了一种风险数据的处理方法。

参照图2，图2为本发明风险数据的处理方法第一实施例的流程示意图。

本实施例中，所述风险数据的处理方法包括以下步骤：

步骤S10，在接收到用户触发的风险分析指令时，获取申请人的贷款申请信息；

本实施例可以应用于金融分析技术领域，例如金融业务办理过程中对申请人的信用或者金融还款能力等风险因素的分析。本实施例的用户可以是金融机构中需要对贷款申请人进行风险评估的工作人员，例如金融机构的业务员。目前，在关于贷款客户的风险分析方案中，一般通过设计风控规则，对客户进行层层校验，最终根据客户对于风控规则的匹配程度得出不同的风控策略。这种方式主要针对借贷个体的风险标识进行风险的分析评估，分析内容单一片面，缺少全面有效的风险分析方法，不能获得可靠的分析结果。本实施例提供一种基于大数据平台中申请人的关系网络信息对用户进行风险分析的方法，根据申请人的关联人的在多个预设风险维度的风险标识信息来对申请人进行风险分析，获得可靠的分析结果。

在本实施例中，申请人指的是贷款申请人，申请人的贷款申请信息指的是申请人在发起贷款申请时录入的信息，可以包括申请人的身份信息、地址信息和关联人等信息。用户需要对申请信息进行风险分析时，可以选定待分析的申请信息，通过预设风险分析指令触发功能按钮基于选定的申请信息触发风险分析指令。在接收到用户触发的分析指令时，获取用户选定的贷款申请信息。

步骤S20，基于所述贷款申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人在多个预设风险维度的风险标识信息，其中，所述预设风险维度至少包括黑名单风险维度、收入水平风险维度或担保人的担保风险维度；

在大数据平台中，存储着金融机构的历史贷款信息，可以包括所有历史贷款申请信息和基于历史贷款产生风险标识信息等信息。本实施例的预设风险维度指的是处于实际需要考虑预先设置的风险因素，可以包括黑名单风险维度、收入水平风险维度或担保人的担保风险维度。其中，申请人的黑名单风险维度指的是基于申请人或关联人的历史黑名单情况为风险因素确定贷款申请人的贷款风险的维度；收入水平风险维度指的是基于申请人或者关联人的历史收入情况为风险因素确定贷款申请人的贷款风险的维度，基于收入情况可以确定申请人是否具有还款的能力；消费水平风险维度指的是基于申请人或关联人的消费情况为风险因素间接确定贷款申请人的还款能力的风险维度。在本实施例中，各个维度的风险标识可以是申请人或器关联人在各个维度的实际表现数据，例如收入水平可以是贷款申请人或其关联人的实际月薪或者年薪数据。当然，风险标识信息也可以是基于实际表现数据归类的等级，以收入水平风险维度的风险标识信息为例，可以预先对月薪或者年薪划分数值区间，每个数值区间分别对应着一个收入等级，基于声请人或关联人的实际收入数据确定所属的收入等级。在本实施例中，申请人或关联人各个维度的实际数据可以由各自在发起贷款申请请求时提交。在本实施例中，黑名单风险维度还可以细分为基于不同原因产生的黑名单的维度，例如，逾期还款黑名单维度或信用卡套现黑名单维度等。本实施例的直接关联人信息指的是与当前贷款申请人在同个历史贷款申请信息中以直接关联关系同时出现的关联人信息，间接关联人信息指的是与当前贷款申请人不在同个历史贷款申请信息出现过，而与当前贷款申请人的其他关联人的在同个历史贷款申请信息中出现过的关联人信息。具体地，若当前贷款申请人为A，若在A的历史贷款申请信息中存在关联人B，或在B的历史贷款申请信息中存在A，则确定B为关联人B为申请人A的直接关联人，也可以将关联人B作为当前贷款申请人A的第一层级关联人。关联人B的相关信息为申请人A的其中一个直接关联人信息。若关联人C与申请人A不在同个历史贷款申请信息中以关联关系出现过，关联人C与直接关联人B存在关联关系，则关联人C为当前贷款申请人的间接关联人，也可以将关联人C作为贷款申请人的第二层级关联人，关联人C的相关信息为当前贷款申请人的间接关联人信息；若关联人D与关联人B和当前贷款申请人A都不存在直接关联关系，而与关联人C存在关联关系，则关联人C也是当前贷款申请人的第三层级关联人，从而获得预设数量层级直接关联人或者间接关联人的信息。在获取用户选定的申请信息后，提取当前申请信息中的申请人的身份信息和当前申请信息中的关联人信息，其中关联人包括申请信息中的联系人、亲友息或担保人等，然后基于身份人的身份信息和联系人信息从大数据平台中获取申请人和当前贷款申请关联人的历史贷款申请信息，提取获得的历史贷款信息中的申请人信息和关联人信息，从而获得申请人的关系网络信息。当然，在本实施例中，大数据平台可以在每次接收到贷款申请请求时，基于贷款申请信息贷款申请信息中存在关联关系的申请人和关联人建立关联关系或者对已有的关联关系进行完善补充，并将关联关系存储在预设关联关系存储位置。从而用户终端可以基于贷款申请信息直接从大数据平台中的预设关联关系存储位置直接获取贷款申请人的关系网络信息。在获取了贷款申请人的关系网络信息后，基于关系网络信息中的各个关联人的信息从大数据平台中获取各个关联人在各个预设风险维度的风险标识信息。

步骤S30，基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果。

基于上述步骤，在获得关系网络信息和关系网络中各个关联人的风险标识信息时，可以基于各个关联人的风险标识信息对贷款申请人进行风险传递，获得贷款申请人的风险评估结果。具体地，风险传递至少包括不限于以下两个方式：1)基于关联人与贷款申请人的关联程度将关联人分为若干关系层级，划分方法若上述步骤S20所述。基于每个关系层级对贷款申请人的风险传递参数之和确定贷款申请人在各个预设风险维度的风险分析结果。2)利用标签传播算法基于关系网络中每个关联人节点的初始风险标识信息对其他节点进行风险传递，基于贷款申请人最终的传递结果确定贷款申请人的风险分析结果。在本实施例中，风险分析结果可以是风险评估得分、者风险概率或者风险等级，可以预先设定风险标识与风险分析结果的关联关系，在获得风险标识的传递结果后，基于风险标识的传递结果和预设的关联关系确定风险分析结果

在本实施例中，在接收到用户触发的风险分析指令时，获取申请人的贷款申请信息；基于所述贷款申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人在多个预设风险维度的风险标识信息；基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果。通过上述方式，从大数据平台可以获得申请人更加全面的关系网络信息以及关系网络中各个关联人的多个不同维度的风险标识信息，基于直接关联人和间接关联人不同维度的风险情况来对贷款申请人进行风险传递分析，可以获得贷款申请人在各个不同风险维度的全面可靠的风险分析结果。

参照图3，图3为本发明风险数据的处理方法第二实施例的流程示意图。

基于上述实施例，在本实施例中，步骤S30之后包括：

步骤S40，基于预设风险维度权重系数对申请人在各个预设风险维度的风险分析结果进行加权处理，获得申请人的综合风险分析结果。

基于上述实施例，在本实施例中，预设风险维度权重系数指的是基于各个风险维度的风险程度确定权重系数，风险维度的风险程度越大，则对应的权重系数越大，例如，可以根据风险程度将各个风险维度的权重参数设置为权重比例，所有的风险维度的权重比例之和为1。综合风险分析结果指的是综合所有维度的风险分析结果进行分析计算得到的分析结果。本实施的每个风险维度的风险分析结果可以为各个风险维度的风险得分或各个风险维度的风险概率，对于特定的风险维度，将该维度的权重系数与该维度的风险分析结果的乘积作为该维度对综合风险分析结果的贡献量，将所有维度的贡献量之和作为综合风险分析结果。

在本实施例中，基于预设风险维度权重系数对申请人在各个预设风险维度的风险分析结果进行加权处理，获得申请人的综合风险分析结果，从而可以获得基于所有风险维度的风险分析结果获得整体的综合风险分析结果。

进一步地，图4为本发明风险数据的处理方法第三实施例的流程示意图。

基于上述实施例，在本实施例中，步骤S30包括：

步骤S50，基于所述关系网络信息对申请人的关系网络进行分层，获得一个或多个关系层级；

基于上述实施例，在本实施例中，在获得关系网络信息时，可以将与当前贷款申请人同时在同个申请信息中出现过的关联人作为当前申请人的第一层级关联人，即直接关联人为第一层级关联人；对于间接关联人，将与第一层级关联人在同个申请信息同时出现过，但未与当前申请人在同个申请信息中同时出现过的关联人作为当前申请人的第二关联人。将与第二层级关联人在同个申请信息同时出现过，但未与申请人、第一层级关联人或第二层级关联人在同个申请信息同时出现过的关联人作为第三关联人……根据需要将申请人的关系网络分成预设数量的层级，获得一个或者多个关系层级，每个关系层级包括各个层级对应的关联人信息。具体地，若当前申请人为A，A的贷款申请中的联系人为B，而在B的贷款申请中的联系人为C，则A与B为一级关联，A与C为二级关联。

步骤S60，根据各个关系层级对应的预设风险传递权重和关联人在各个预设风险维度的风险标识信息确定各个关系层级对申请人在各个预设风险维度的风险传递参数；

在本实施例中，可以预先设定每个关系层级对申请人的风险分析结果的传递权重，关系层级与贷款申请人的关联程度越大，则传递权重越重，对于传递权重，第一层级＞第二层级＞第三层级……。在对关系网络分层获得一个或多个关系层级后，基于各个关系层级的关联人的在各个风险维度的风险标识确定各个关系层级对申请人在各个预设风险维度风险传递参数。具体地，对于黑名单维度，对于关系网络中的每个关系节点，对应的风险标识可以是该关系节点黑名单数量信息，可以基于预先设定的一个黑名单的风险概率基于每个关系节点的黑名单数量计算节点的黑名单风险概率，将各个节点的黑名单风险概率与所在关系层级的预设风险传递权重作为该节点对申请人在黑名单风险维度的风险传递参数，将各个关系层级的所有关联人节点的黑名单风险传递参数之和作为各个关系层级对申请人黑名单风险传递参数。对于收入水平风险维度或者消费水平风险维度，可以基于收入或消费的具体数据确定对应的风险概率，参照黑名单风险维度的类似方法确定这两个维度的风险传递参数。当然，在本实施例中，对于黑名单风险维度，为了减少运算量，也可以不逐个计算每个关联人节点对申请人的风险传递参数，可以统计每个关系层级的黑名单数量，基于每个层级的黑名单数量确定每个层级的风险概率，基于层级风险概率与层级风险传递权重的乘积确定层级的风险传递参数。

步骤S70，分别对各个预设风险维度在各个关系层级的风险传递参数进行求和，将各个预设风险维度的求和结果作为申请人的在各个预设风险维度的风险分析结果。

在本实施例中，基于步骤S60的方法获得每个关系层级的黑名单风险传递参数后，将各个关系层级的黑名单传递参数相加，获得申请人在黑名单风险维度的风险参数，直接以黑名单风险维度的风险参数作为黑名单风险维度的风险分析结果，或者根据黑名单风险维度的风险参数与风险等级的预设关系确定申请人在黑名单风险维度的风险等级。基于与黑名单风险维度的风险分析结果同样的分析方法可以获得收入水平风险维度或消费水平风险维度的风险分析结果。

在本实施例中，基于所述关系网络信息对申请人的关系网络进行分层，获得一个或多个关系层级；根据各个关系层级对应的预设风险传递权重和关联人在各个预设风险维度的风险标识信息确定各个关系层级对申请人在各个预设风险维度的风险传递参数；分别对各个预设风险维度在各个关系层级的风险传递参数进行求和，将各个预设风险维度的求和结果作为申请人的在各个预设风险维度的风险分析结果。通过上述方式，以关系层级为单位对申请人进行风险传递，基于各个关系层级的风险传递参数从多个不同的维度获得全面可靠风险分析结果。

进一步地，图5为本发明风险数据的处理方法第四实施例的流程示意图。

基于上述实施例，在本实施例中，步骤S60包括：

步骤S80，根据各个关系层级对应的预设风险传递权重和关联人在各个预设风险维度的风险概率的乘积，计算各个关联人对申请人在各个预设风险维度的风险传递参数；

基于上述实施例，在本实施例中，风险标识信息在对关系网络分层获得一个或多个关系层级后，基于各个关系层级的关联人的在各个风险维度的风险标识确定各个关联人对申请人在各个预设风险维度风险传递参数。在具体地，对于黑名单维度，对于关系网络中的每个关系节点，对应的风险标识可以是该关系节点黑名单数量信息，可以基于预先设定的一个黑名单的风险概率基于每个关系节点的黑名单数量计算节点的黑名单风险概率，将各个节点的黑名单风险概率与所在关系层级的预设风险传递权重作为该节点对申请人在黑名单风险维度的风险传递参数。

步骤S90，对于各个预设风险维度，分别计算各个关系层级中所有关联人的层级风险传递参数之和，将各个层级风险传递参数之和作为对应关系层级对申请人的风险传递参数。

在获得各个关联人对申请人的在黑名单风险维度的风险传递参数后，将在同个关系层级的关联人的风险传递参数相加，计算得到各个关系层级中所有关联人的风险传递参数的和。将各个关系层级的所有关联人节点的黑名单风险传递参数之和作为各个关系层级对申请人黑名单风险传递参数。对于收入水平风险维度或者消费水平风险维度，可以基于收入或消费的具体数据确定对应的风险概率，参照黑名单风险维度的类似方法确定这两个维度的风险传递参数。

在本实施例中，根据各个关系层级对应的预设风险传递权重和关联人在各个预设风险维度的风险概率的乘积，计算各个关联人对申请人在各个预设风险维度的风险传递参数；对于各个预设风险维度，分别计算各个关系层级中所有关联人的层级风险传递参数之和，将各个层级风险传递参数之和作为对应关系层级对申请人的风险传递参数。通过上述方法，实现基于各个关联人的风险传递参数准确确定各个关系层级对申请人的风险传递参数。

进一步地，图6为本发明风险数据的处理方法第五实施例的流程示意图。

基于上述实施例，在本实施例中，步骤S30还包括：

步骤S100，基于所述风险标识信息对各个关联人节点标注各个预设风险维度的初始风险标签值；

基于上述实施例，在本实施例中，基于标签传播算法用已标记节点的标签信息去预测未标记节点的标签信息。利用样本间的关系建立关系完全图模型，每个节点的标签按相似度传播给相邻节点，在节点传播的每一步，每个节点根据相邻节点的标签来更新自己的标签，与该节点相似度越大，其相邻节点对其标注的影响权值越大，相似节点的标签越趋于一致，其标签就越容易传播。在标签传播过程中，保持已标注数据的标签不变，使其像一个源头把标签传向未标注数据。最终，当迭代过程结束时，相似节点的概率分布也趋于相似，可以划分到同一个类别中，从而完成标签传播过程。具体地，在本实施例中，标注的初始标签值为各个维度的风险标识信息，例如，对于黑名单风险维度，标注的初始标签值为各个关系节点的黑名单数量。在本实施例中，在获取了关系网络信息和各个关联人的风险标识信息时，基于各个关联人的风险标识信息和预先对不同风险标识配置的标签值对各个关联人节点添加初始标签值，当然，也可以直接将关联人的风险标识作为初始标签值。

步骤S110，根据所述初始风险标签值利用标签传播算法计算申请人在各个预设风险维度的目标标签值，根据所述目标标签值确定申请人的风险分析结果。

在本实施例中，对关系网络中的各个关联人备注了初始标签值后，基于标签传播算法对在同个历史贷款申请信息出现过的存在直接关联关系的两个节点之间进行传播，计算申请人的在各个风险维度的目标标签值，确定目标标签值对应的风险标识信息，从而基于申请人的风险标识信息确定申请人的风险分析结果。具体地，基于标签传播算法计算申请人的目标标签值的过程如下：逐轮刷新所有节点的标签，直到所有节点的标签不再发生变化为止。对于每一轮刷新，节点标签的刷新规则为，对于某一个节点，考察其所有邻居节点的标签，并进行统计，将出现个数最多的那个标签赋值给当前节点。当个数最多的标签不唯一时，随机选择一个标签赋值给当前节点。

在本实施例中，基于所述风险标识信息对各个关联人节点标注各个预设风险维度的初始风险标签值；根据所述初始风险标签值利用标签传播算法计算申请人在各个预设风险维度的目标标签值，根据所述目标标签值确定申请人的风险分析结果。通过上述方式，基于标签传播算法可以获得申请人在各个风险维度的可靠的风险分析结果。

进一步地，图7为本发明风险数据的处理方法第六实施例的流程示意图。所述申请信息包括申请人的身份信息，步骤S30之后包括：

步骤S120，根据申请人在各个预设风险维度的风险分析结果确定申请人当前的贷款申请信息的审批策略；

基于上述实施例，在本实施例中，审批策略指的是用来审批申请人的贷款申请信息的策略，审批策略中包括多个审批规则，例如是否本金融机构黑名单或是否百度黑名单等，可以基于实际应用场景根据各个风险维度的风险结果配置包含不同审批规则的不同的审批策略，并将审批策略与各个风险维度的风险分析结果关联起来，在获得各个风险维度的风险分析结果后，确定与各个风险维度的风险分析结果匹配的审批策略。当然，也可以为各个风险维度的风险分析结果关联不同的审批规则，确定与各个风险维度的风险分析结果匹配的审批规则，基于匹配的审批规则灵活地组成审批策略。

步骤S130，基于所述审批策略对申请人当前的贷款申请信息进行审批。

在确定当前贷款申请信息的审批策略后，基于获得的审批策略对当前的申请对象的贷款申请信息进行审批。

在本实施例中，根据申请人在各个预设风险维度的风险分析结果确定申请人当前的贷款申请信息的审批策略；基于所述审批策略对申请人当前的贷款申请信息进行审批。通过上述方式，实现基于不同的风险分析结果采取不同审批规则对分析对象的贷款申请信息进行审批，获得更加可靠的审批结果。

此外，本发明实施例还提供一种风险数据的处理装置。

参照图8，图8为本发明风险数据的处理装置第一实施例的功能模块示意图。

本实施例中，所述风险数据的处理装置包括：

第一获取模块10，用于在接收到用户触发的风险分析指令时，获取申请人的贷款申请信息；

第二获取模块20，用于基于所述贷款申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人在多个预设风险维度的风险标识信息；

分析模块30，基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果。

其中，上述风险数据的处理装置的各虚拟功能模块存储于图1所示风险数据的处理设备的存储器1005中，用于实现风险数据的处理程序的所有功能；各模块被处理器1001执行时，可通过完善的风险数据的处理方法，获得贷款申请人在各个不同风险维度的全面可靠的风险分析结果。

进一步的，所述风险数据的处理装置还包括：

处理模块，用于基于预设风险维度权重系数对申请人在各个预设风险维度的风险分析结果进行加权处理，获得申请人的综合风险分析结果。

进一步的，所述分析模块还用于：

基于所述关系网络信息对申请人的关系网络进行分层，获得一个或多个关系层级；

根据各个关系层级对应的预设风险传递权重和关联人在各个预设风险维度的风险标识信息确定各个关系层级对申请人在各个预设风险维度的风险传递参数；

分别对各个预设风险维度在各个关系层级的风险传递参数进行求和，将各个预设风险维度的求和结果作为申请人的在各个预设风险维度的风险分析结果。

进一步的，所述分析模块还用于：

根据各个关系层级对应的预设风险传递权重和关联人在各个预设风险维度的风险概率的乘积，计算各个关联人对申请人在各个预设风险维度的风险传递参数；

对于各个预设风险维度，分别计算各个关系层级中所有关联人的层级风险传递参数之和，将各个层级风险传递参数之和作为对应关系层级对申请人的风险传递参数。

进一步的，所述分析模块还用于：

基于所述风险标识信息对各个关联人节点标注各个预设风险维度的初始风险标签值；

根据所述初始风险标签值利用标签传播算法计算申请人在各个预设风险维度的目标标签值，根据所述目标标签值确定申请人的风险分析结果。

进一步的，所述风险数据的处理装置还包括：

确定模块，用于根据申请人在各个预设风险维度的风险分析结果确定申请人当前的贷款申请信息的审批策略；

审批模块，用于基于所述审批策略对申请人当前的贷款申请信息进行审批。

此外，本发明实施例还提供一种计算机可读存储介质。

本发明计算机可读存储介质上存储有风险数据的处理程序，其中所述风险数据的处理程序被处理器执行时，实现如上述的风险数据的处理方法的步骤。

其中，风险数据的处理程序被执行时所实现的方法可参照本发明风险数据的处理方法的各个实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种风险数据的处理方法，其特征在于，所述风险数据的处理方法包括：

在接收到用户触发的风险分析指令时，获取申请人的贷款申请信息；

基于所述贷款申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人在多个预设风险维度的风险标识信息；

基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果。

2.如权利要求1所述的风险数据的处理方法，其特征在于，所述预设风险维度至少包括黑名单风险维度、收入水平风险维度或消费水平风险维度。

3.如权利要求1所述的风险数据的处理方法，其特征在于，所述基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果的步骤之后包括：

基于预设风险维度权重系数对申请人在各个预设风险维度的风险分析结果进行加权处理，获得申请人的综合风险分析结果。

4.如权利要求1所述的风险数据的处理方法，其特征在在于，所述基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果的步骤包括：

基于所述关系网络信息对申请人的关系网络进行分层，获得一个或多个关系层级；

根据各个关系层级对应的预设风险传递权重和关联人在各个预设风险维度的风险标识信息确定各个关系层级对申请人在各个预设风险维度的风险传递参数；

分别对各个预设风险维度在各个关系层级的风险传递参数进行求和，将各个预设风险维度的求和结果作为申请人的在各个预设风险维度的风险分析结果。

5.如权利要求4所述的风险数据的处理方法，其特征在于，所述根据各个关系层级对应的预设风险传递权重和关联人在各个预设风险维度的风险标识信息确定各个关系层级对申请人在各个预设风险维度的风险传递参数的步骤包括：

根据各个关系层级对应的预设风险传递权重和关联人在各个预设风险维度的风险概率的乘积，计算各个关联人对申请人在各个预设风险维度的风险传递参数；

对于各个预设风险维度，分别计算各个关系层级中所有关联人的层级风险传递参数之和，将各个层级风险传递参数之和作为对应关系层级对申请人的风险传递参数。

6.如权利要求1所述的风险数据的处理方法，其特征在于，所述基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果的步骤包括：

基于所述风险标识信息对各个关联人节点标注各个预设风险维度的初始风险标签值；

根据所述初始风险标签值利用标签传播算法计算申请人在各个预设风险维度的目标标签值，根据所述目标标签值确定申请人的风险分析结果。

7.如权利要求1所述的风险数据的处理方法，其特征在于，所述基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果的步骤之后还包括：

根据申请人在各个预设风险维度的风险分析结果确定申请人当前的贷款申请信息的审批策略；

基于所述审批策略对申请人当前的贷款申请信息进行审批。

8.一种风险数据的处理装置，其特征在于，所述风险数据的处理装置包括：

第一获取模块，用于在接收到用户触发的风险分析指令时，获取申请人的贷款申请信息；

第二获取模块，用于基于所述贷款申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人在多个预设风险维度的风险标识信息；

分析模块，用于基于所述关系网络信息以及各个关联人在多个预设风险维度的风险标识信息进行风险传递分析，获得申请人在各个预设风险维度的风险分析结果。

9.一种风险数据的处理设备，其特征在于，所述风险数据的处理设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的风险数据的处理程序，其中所述风险数据的处理程序被所述处理器执行时，实现如权利要求1至7中任一项所述的风险数据的处理方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有风险数据的处理程序，其中所述风险数据的处理程序被处理器执行时，实现如权利要求1至7中任一项所述的风险数据的处理方法的步骤。