CN110335145A - 一种影响因素动态展示方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开实施例公开了一种影响因素动态展示方法、装置、电子设备及存储介质，其中，该方法包括：基于目标实体的关系数据确定所述目标实体的风险评估分值；依据预设类别对所述关系数据中的多个变量进行分类，确定每个类别下与所述目标实体关联的一个或多个变量，所述预设类别为与风险评估分值相关的属性；将每个变量的预设权重和/或变量值转换为该变量对应的显示面积，按照每个变量对应的显示面积和所属类别，显示所述目标实体的风险评估分值和所述多个变量。

Description

一种影响因素动态展示方法、装置、电子设备及存储介质

技术领域

本公开涉及知识图谱领域，具体涉及一种基于知识图谱数据中目标实体的影响因素动态展示方法、装置、电子设备及存储介质。

背景技术

随着大数据和人工智能，尤其是认知智能技术的发展，金融科技正在越来越多的应用新的技术来为社会提供服务。传统的金融服务的核心业务，例如反欺诈识别、风控、贷前贷后管理均是基于人工数据处理的方式来完成，这在业务规模较小，服务区域较为固定的情况下能够较好的通过人工的方式应对。然而，随着金融服务业的互联网化，金融服务的大量业务从线下转移到线上。这使得基于互联网数据采集和数据智能处理的方法越来越多的取代了部分人工的工作。然而，即使借助于更多的自动数据分析工具，金融服务的流程中仍然需要人工信审的参与。

一个信审的常规流程是：目标实体(个人实体)申请一个金融进项，该金融进项相关的关系数据被输入至一个变量提取模型，所述变量提取模型提取出多个变量；所述变量被输入至欺诈识别模型，确定欺诈分值；欺诈分值和所述多个变量被输入至决策流，得到决策结果。然而，在一些情形中，信审人员并不清楚所述欺诈识别模型的结果是否可靠，进而，对决策结果的可信度也并无把握。因此，需要对所述欺诈识别结果的原因进行分析，以使信审人员能够清楚地判断所述决策结果是否可靠。

发明内容

针对现有技术中的上述技术问题，本公开实施例提出了一种影响因素动态展示方法、装置、电子设备及计算机可读存储介质，以解决当前信审人员对信审结果的可信度无法把握的问题。

本公开实施例的第一方面提供了一种影响因素动态展示方法，包括：基于目标实体的关系数据确定所述目标实体的风险评估分值；依据预设类别对所述关系数据中的多个变量进行分类，确定每个类别下与所述目标实体关联的一个或多个变量，所述预设类别为与风险评估分值相关的属性；将每个变量的预设权重和/或变量值转换为该变量对应的显示面积，按照每个变量对应的显示面积和所属类别，显示所述目标实体的风险评估分值和所述多个变量。

在一些实施例中，所述基于目标实体的关系数据确定所述目标实体的风险评估分值包括：通过查询图数据库获取所述目标实体的关系数据；对所述关系数据进行变量计算，得到所述关系数据对应的多个变量；使用风险评估模型对所述多个变量进行识别，得到所述目标实体的风险评估分值。

在一些实施例中，所述按照每个变量对应的显示面积和所属类别，显示所述目标实体的风险评估分值和所述多个变量包括：将属于同一类别下的一个或多个变量聚合到同一显示区域进行显示。

在一些实施例中，所述方法还包括：根据接收到的点击操作，将所述点击操作对应的类别中一个或多个变量对应的实体展开显示。

本公开实施例的第二方面提供了一种影响因素动态展示装置，包括：风险评估模块，用于基于目标实体的关系数据确定所述目标实体的风险评估分值；变量分类模块，用于依据预设类别对所述关系数据中的多个变量进行分类，确定每个类别下与目标实体关联的一个或多个变量，所述预设类别为与风险评估分值相关的属性；展示模块，用于将每个变量的预设权重和/或变量值转换为该变量对应的显示面积，按照每个变量对应的显示面积和所属类别，显示所述目标实体的风险评估分值和所述多个变量。

在一些实施例中，所述风险评估模块包括：查询模块，用于通过查询图数据库获取所述目标实体的关系数据；变量计算模块，用于对所述关系数据进行变量计算，得到所述关系数据对应的多个变量；识别模块，用于使用风险评估模型对所述多个变量进行识别，得到所述目标实体的风险评估分值。

在一些实施例中，所述显示模块包括：聚合显示模块，用于将属于同一类别下的一个或多个变量聚合到同一显示区域进行显示。

在一些实施例中，所述装置还包括：展开模块，用于根据接收到的点击操作，将所述点击操作对应的类别中一个或多个变量对应的实体展开显示。

本公开实施例的第三方面提供了一种电子设备，包括：

存储器以及一个或多个处理器；

其中，所述存储器与所述一个或多个处理器通信连接，所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行时，所述电子设备用于实现如前述各实施例所述的方法。

本公开实施例的第四方面提供了一种计算机可读存储介质，其上存储有计算机可执行指令，当所述计算机可执行指令被计算装置执行时，可用来实现如前述各实施例所述的方法。

本公开实施例的第五方面提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，可用来实现如前述各实施例所述的方法。

本公开实施例，通过对知识图谱中的数据进行分析、处理，使得信审人员能够对风险评估分值得来的原因进行全面的掌握。

附图说明

通过参考附图会更加清楚的理解本公开的特征和优点，附图是示意性的而不应理解为对本公开进行任何限制，在附图中：

图1是根据本公开的一些实施例所示的知识图谱中的关系数据示意图；

图2是根据本公开所涉及的基于金融知识图谱和人工智能的系统示意图；

图3是一种现有信审人员配置的决策流示意图；

图4是根据本公开的一些实施例所示的一种影响因素动态展示方法示意图；

图5是根据本公开的一些实施例所示的一种展示的知识图谱示意图；

图6是根据本公开的一些实施例所示的一种展开的知识图谱示意图；

图7是根据本公开的一些实施例所示的一种影响因素动态展示装置示意图；以及

图8是根据本公开的一些实施例所示的电子设备示意图。

具体实施方式

在下面的详细描述中，通过示例阐述了本公开的许多具体细节，以便提供对相关披露的透彻理解。然而，对于本领域的普通技术人员来讲，本公开显而易见的可以在没有这些细节的情况下实施。应当理解的是，本公开中使用“系统”、“装置”、“单元”和/或“模块”术语，是用于区分在顺序排列中不同级别的不同部件、元件、部分或组件的一种方法。然而，如果其他表达式可以实现相同的目的，这些术语可以被其他表达式替换。

应当理解的是，当设备、单元或模块被称为“在……上”、“连接到”或“耦合到”另一设备、单元或模块时，其可以直接在另一设备、单元或模块上，连接或耦合到或与其他设备、单元或模块通信，或者可以存在中间设备、单元或模块，除非上下文明确提示例外情形。例如，本公开所使用的术语“和/或”包括一个或多个相关所列条目的任何一个和所有组合。

本公开所用术语仅为了描述特定实施例，而非限制本公开范围。如本公开说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的特征、整体、步骤、操作、元素和/或组件，而该类表述并不构成一个排它性的罗列，其他特征、整体、步骤、操作、元素和/或组件也可以包含在内。

参看下面的说明以及附图，本公开的这些或其他特征和特点、操作方法、结构的相关元素的功能、部分的结合以及制造的经济性可以被更好地理解，其中说明和附图形成了说明书的一部分。然而，可以清楚地理解，附图仅用作说明和描述的目的，并不意在限定本公开的保护范围。可以理解的是，附图并非按比例绘制。

本公开中使用了多种结构图用来说明根据本公开的实施例的各种变形。应当理解的是，前面或下面的结构并不是用来限定本公开。本公开的保护范围以权利要求为准。

在一些实施例中，图数据库(知识图谱数据库)中存储有关系数据。如图1所示，为一个关系数据示例。图数据库按现实世界中的实体与关系来存储数据。其中不同的实体对应不同的节点。不同的实体间通过关系来完成连接，例如图1所示的不同节点之间的连线。节点与关系还进一步包括不同的属性，用于定义实体的类型和关系的类型。在本公开所涉及的金融大数据系统中，图数据库中存储的为与金融相关的个人数据，如图1所示，“张明”和“李强”为两个个人实体，每个实体通过例如“工作于”或“拥有电话”等关系与其他的“手机号”或“公司”等实体相连。

如图2所示，为一种本公开所涉及的基于金融知识图谱和人工智能的系统示意图。如图2所示，其中，用户通过互联网前端，例如SDK、H5页面、互联网APP程序提交一个金融进项申请，例如，如图1中所示的，李强的进项z。所述金融进项可以是用户的贷款申请。通过有线或无线通信网络，该金融进项将接入任务匹配服务器。在任务分配服务器，一个金融进项会被自动匹配到不同的金融服务供应商。进一步，对于进入金融服务系统中的进项数据，将会被首先经过数据预处理、并存入图数据库中。在一些实施例中，所述图数据库可以是使用NEO4j的图数据库存储大量关于金融业务的知识图谱数据库。

进一步，该金融进项会生成一个风控分析任务。该任务通过图查询的方式从图数据库中得到关系数据。将这些关系数据输入至变量计算模块，得到关系数据对应的变量。进一步，变量输入至一个风险评估模型，输出目标实体(个人实体，例如，李强)的风险评估分值。其中风险评估模型可以基于机器学习的评估模型，例如该模型可以是基于决策树的GDBT模型或基于神经网络的深度模型。进一步，如图3所示，反欺诈识别的结果和多个变量被输入至决策流，该决策流输出信审结果。所述信审结果可以是批准用户的贷款请求、拒绝用户的贷款请求、推荐用户其他贷款请求等任意的结果。在一些实施例中，信审人员需要对决策流的正确率进行评估，但信审人员并不清楚反欺诈识别结果(风险评估分值高或低)的原因，进而对决策流输出的信审结果的可靠度无从判断。

因此，需要向信审人员直观地展示风险评估分值(尤其是评估结果为欺诈实体的情况)的原因。本公开提出了一种影响因素动态展示方法，该方法能够向信审人员提供风险评估分值的原因。

在402中，基于目标实体的关系数据确定所述目标实体的风险评估分值。

其中，在本公开的实施例中，首先获取目标实体的关系数据。在一些实施例中，所述关系数据的获取方式是查询。例如，使用NEO4j的Cypher语言查询图数据库，获取目标实体的关系数据。在一些实施例中，所示目标实体为有金融进项的个人实体。例如，图1中所示的李强或张明。

基于所述关系数据，确定多个变量。在一些实施例中，所述变量为可用于进行反欺诈识别和/或决策流决策的参数。例如，所述变量可以是朋友个数、逾期次数、逾期订单个数、通过订单个数等从关系数据中二次处理得到的数据。这是因为，关系数据只能表征实体1与实体2存在“边”(例如，如图2中所示，张明与李强存在推荐人的“边”、张明与电话存在“边”，张明与公司A存在“边”)等数据，但这类数据中并不能直接用于反欺诈评估或决策流决策，因此，需要对关系数据进行处理，获得变量。例如，获得个人实体的属性信息(身高、年龄、电话、工作公司等)，又例如，统计实体的进项次数(如，申请贷款次数、订单次数等)。还例如，统计实体的任职公司数。在一些实施例中，所述变量由变量计算引擎确定。所述变量计算引擎中存储有大量的变量提取模块，一个典型的变量计算引擎可以从关系数据中生成数百甚至上千的变量。

随后，基于所述多个变量，确定所述目标实体的风险评估分值。在一些实施例中，可以将变量输入至一个风险评估模型，输出目标实体(个人实体，例如，李强)的风险评估分值。其中风险评估模型可以基于机器学习的评估模型，例如该模型可以是基于决策树的GDBT模型或基于神经网络的深度模型。

在404中，依据预设类别对所述关系数据中的多个变量进行分类，确定每个类别下与目标实体关联的一个或多个变量，所述预设类别为与风险评估分值相关的属性。图5给出了一种展示后的知识图谱。如图5所示，所述预设类别包括：订单、身份证、手机号、智能设备、黑/灰名单。值得说明的是，以上类别虽均与风险评估分值相关，但并不用于限定本公开，实际上所述预设类别还可以包括：违法记录、违停记录、案底等任意和风险评估分值相关的类别。所述预设类别是人为预设的。

在406中，将每个变量的预设权重和/或变量值转换为该变量对应的显示面积，按照每个变量对应的显示面积和所属类别，显示所述目标实体的风险评估分值和所述多个变量。

其中，基于多个变量中每个变量的预设权重和/或变量的值，确定每个变量对应的显示面积。在一些实施例中，可以为每个变量预设权重。例如，逾期订单的权重为0.3，通过订单的权重为0.1，自身手机号的权重为0.05，其他手机号的权重为0.1……。值得说明的是，所述每个变量的权重为预设的，也是可调的。这是由于，在不同的情形下，可能不同的变量相对风险评估分值的贡献(重要性)不同。

所述多个变量中每个变量的值为该变量的统计值。例如，所述变量的值可以是逾期订单个数、通过订单个数、自身手机号个数、其他手机号个数等。在一些实施例中，所述显示面积为相对显示面积。例如，逾期订单数为10，通过订单数为20，则变量“逾期订单”的显示面积为0.3*10，变量“通过订单”的显示面积为0.1*20。

值得说明的是，以上仅是对显示面积的一种实施例，并不用于限定本公开。在一些实施例中，所述显示面积还可以仅与变量的值成比例，或者仅与权重成比例。

进一步地，基于每个变量对应的显示面积和所属类别，显示所述目标实体的风险评估分值和所述多个变量。在一些实施例中，所述显示过程包括：属于同一类别下的一个或多个变量位于同一显示区域。如图5所示，通过订单个数、逾期订单个数和被拒订单个数均属于订单这一预设类别，则他们在同一个区域显示；自身身份证和其他身份证均属于身份证这一预设类别，则他们在同一个区域显示；安卓设备和苹果设备好均属于智能设备这一预设类别，则他们在同一区域显示。

在一些实施例中，所述方法还包括：接收点击操作，展开显示所述点击操作对应的类别中一个或多个变量对应的实体。在一些实施例中，每一个显示的预设类别中的一个或多个变量中的每一个变量对应一个或多个实体。如图6所示，为根据本公开的一些实施例所示的一种实体展示方法示意图。在一些实施例中，图5中的“订单”这一预设类别(左上方的椭圆形)接收到点击操作后，每个变量均展开为一个或多个实体，如图6中所示。变量“通过订单”“被拒订单”“逾期订单”均展开显示其各自包含的多个订单。更进一步地，图6中所示的实体“订单”还可以接收点击操作，进而展开显示该订单的详细信息(图中未示出)。

在一些实施例中，假设该用户为第一次使用信贷申请的用户，本身在系统中还未有黑白名单相关信息，图数据库将会通过标签传播算法将对该用户进行染色，使其带有黑/白/灰名单的属性。通常来说染色过程是不会展示出来的，但信审人员可能会对结果产生疑虑。此时可以动态的展示标签传播算法计算的经过。将标签传播时每一轮传播产生的中间结果进行保存，以传播开始为时间起点，以最终收敛或者达到预设的传播轮次为时间终点，以图谱的形式展示每一轮传播后，目标节点和相邻节点的标签特征值，操作人员可以对动态展示页面进行随时的打断，标记自己认为出现错误的数据。

在一些实施例中，按照系统的计算步骤，以动态的方式展示每一步的根据和结果。例如，当进项进入系统后，系统将首先调取身份相关信息核实用户信息是否真实，然后将调取银行征信数据查看用户征信报告，可以展示征信报告并自动对关键信息进行标注，显示计算过程以及对结果的影响。之后系统将调取个人历史信贷数据，可以展示用户在系统内的各种历史详细数据，以及各自的评分权重，等。具体展示方式可以采用本公开提到的影响因素动态展示方法。若系统内包含非信审人员设计的决策流(系统自动生成的决策流)，决策流的生成过程可以在动态展示窗口的最开头进行展示，告知信审人员是依据怎样的历史数据来生成的此决策流，之后依据该决策流的决策流程依次调取历史中间结果，向信审人员展示各个中间过程。这种动态展示应当是可以随时被打断的，同时信审人员可以根据自己的经验与理解对中间结果进行修改，也可以直接修改决策流，修改某项中间结果后，系统将根据这个结果重新计算之后步骤的结果，并在继续展示时向信审人员展示新的动态结果。

图7是根据本公开的一些实施例所示的一种影响因素动态展示装置的结构框图。如图7所示，所述影响因素动态展示装置包括风险评估模块710、变量分类模块720和展示模块730。在一些实施例中，所述影响因素动态展示装置中的模块用于执行图4中所述的方法。

风险评估模块710用于基于目标实体的关系数据确定所述目标实体的风险评估分值；变量分类模块720用于依据预设类别对所述关系数据中的多个变量进行分类，确定每个类别下与目标实体关联的一个或多个变量，所述预设类别为与风险评估分值相关的属性；展示模块730用于将每个变量的预设权重和/或变量值转换为该变量对应的显示面积，按照每个变量对应的显示面积和所属类别，显示所述目标实体的风险评估分值和所述多个变量。

在一些实施例中，所述风险评估模块包括：查询模块，用于通过查询图数据库获取所述目标实体的关系数据；变量计算模块，用于对所述关系数据进行变量计算，得到所述关系数据对应的多个变量；识别模块，用于使用风险评估模型对所述多个变量进行识别，得到所述目标实体的风险评估分值。

在一些实施例中，所述显示模块包括：聚合显示模块，用于将属于同一类别下的一个或多个变量聚合到同一显示区域进行显示。

在一些实施例中，所述装置还包括：展开模块，用于根据接收到的点击操作，将所述点击操作对应的类别中一个或多个变量对应的实体展开显示。

图8是适于用来实现根据本公开实施方式的电子设备的结构示意图。

如图8所示，电子设备800包括中央处理单元(CPU)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行上述图4所示的实施方式中的各种处理。在RAM803中，还存储有电子设备800操作所需的各种程序和数据。CPU801、ROM802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

以下部件连接至I/O接口805：包括键盘、鼠标等的输入部分806；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807；包括硬盘等的存储部分808；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809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，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810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808。

特别地，根据本公开的实施方式，上文参考图4描述的方法可以被实现为计算机软件程序。例如，本公开的实施方式包括一种计算机程序产品，其包括有形地包含在及其可读介质上的计算机程序，所述计算机程序包含用于执行图4的方法的程序代码。在这样的实施方式中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。

附图中的流程图和框图，图示了按照本公开各种实施方式的装置、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，路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，所述模块、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，框图和/或流程图中的每个方框、以及框图和/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系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。

作为另一方面，本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。

综上所述，本公开提出了一种影响因素动态展示方法、装置、电子设备及其计算机可读存储介质。本公开实施例通过分析知识图谱中的关系数据，向信审人员展示其能够直观理解的知识图谱。

应当理解的是，本公开的上述具体实施方式仅仅用于示例性说明或解释本公开的原理，而不构成对本公开的限制。因此，在不偏离本公开的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。此外，本公开所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (10)

1.一种影响因素动态展示方法，其特征在于，包括：

基于目标实体的关系数据确定所述目标实体的风险评估分值；

依据预设类别对所述关系数据中的多个变量进行分类，确定每个类别下与所述目标实体关联的一个或多个变量，所述预设类别为与风险评估分值相关的属性；

将每个变量的预设权重和/或变量值转换为该变量对应的显示面积，按照每个变量对应的显示面积和所属类别，显示所述目标实体的风险评估分值和所述多个变量。

2.如权利要求1所述的方法，其特征在于，所述基于目标实体的关系数据确定所述目标实体的风险评估分值包括：

通过查询图数据库获取所述目标实体的关系数据；

对所述关系数据进行变量计算，得到所述关系数据对应的多个变量；

使用风险评估模型对所述多个变量进行识别，得到所述目标实体的风险评估分值。

3.如权利要求1所述的方法，其特征在于，所述按照每个变量对应的显示面积和所属类别，显示所述目标实体的风险评估分值和所述多个变量包括：

将属于同一类别下的一个或多个变量聚合到同一显示区域进行显示。

4.如权利要求1所述的方法，其特征在于，所述方法还包括：

根据接收到的点击操作，将所述点击操作对应的类别中一个或多个变量对应的实体展开显示。

5.一种影响因素动态展示装置，其特征在于，包括：

风险评估模块，用于基于目标实体的关系数据确定所述目标实体的风险评估分值；

变量分类模块，用于依据预设类别对所述关系数据中的多个变量进行分类，确定每个类别下与目标实体关联的一个或多个变量，所述预设类别为与风险评估分值相关的属性；

展示模块，用于将每个变量的预设权重和/或变量值转换为该变量对应的显示面积，按照每个变量对应的显示面积和所属类别，显示所述目标实体的风险评估分值和所述多个变量。

6.如权利要求5所述的装置，其特征在于，所述风险评估模块包括：

查询模块，用于通过查询图数据库获取所述目标实体的关系数据；

变量计算模块，用于对所述关系数据进行变量计算，得到所述关系数据对应的多个变量；

识别模块，用于使用风险评估模型对所述多个变量进行识别，得到所述目标实体的风险评估分值。

7.如权利要求5所述的装置，其特征在于，所述显示模块包括：

聚合显示模块，用于将属于同一类别下的一个或多个变量聚合到同一显示区域进行显示。

8.如权利要求5所述的装置，其特征在于，所述装置还包括：

展开模块，用于根据接收到的点击操作，将所述点击操作对应的类别中一个或多个变量对应的实体展开显示。

9.一种电子设备，其特征在于，包括：

存储器以及一个或多个处理器；

其中，所述存储器与所述一个或多个处理器通信连接，所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行时，所述电子设备用于实现如权利要求1-4中任一项所述的影响因素动态展示方法。

10.一种计算机可读存储介质，其上存储有计算机可执行指令，当所述计算机可执行指令被计算装置执行时，可用来实现如权利要求1-4中任一项所述的影响因素动态展示方法。