CN110390465A - 业务数据的风控分析处理方法、装置和计算机设备 - Google Patents
业务数据的风控分析处理方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN110390465A CN110390465A CN201910526011.6A CN201910526011A CN110390465A CN 110390465 A CN110390465 A CN 110390465A CN 201910526011 A CN201910526011 A CN 201910526011A CN 110390465 A CN110390465 A CN 110390465A
- Authority
- CN
- China
- Prior art keywords
- data
- air control
- business datum
- analysis model
- service
- 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
- 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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- 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
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
Abstract
本申请涉及基于关系网络分析的一种业务数据的风控分析处理方法、装置和计算机设备。该方法包括:当风控服务器检测到风控数据库中的业务数据发生变更时,获取变更业务数据,根据变更业务数据确定目标用户标识和业务类型标识,根据目标用户标识从风控数据库中对应的预先根据业务数据和历史关联数据确定出多个实体数据以及多个实体数据之间的关联关系,并根据关联关系建立的关系图谱数据。根据业务类型标识获取风控分析模型,利用风控分析模型确定变更业务数据对应关系图谱数据的风险因子并计算风险指标值,根据风险指标值生成分析结果,根据分析结果生成对应的风控报告并发送至监控终端。采用本方法能够准确有效地对业务数据进行全面的风控分析。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及基于关系网络分析的一种业务数据的风控分析处理方法、装置和计算机设备。
背景技术
随着计算机技术的不断发展,互联网金融也随之迅速发展,目前互联网金融已经渗透到人们的衣食住行等方方面面,包含支付、理财、众筹、消费等功能的各类互联网金融产品和平台层出不穷。然而互联网金融存在一定的风险,因此需要建立良好的风险管理体系,以对互联网金融交易中的风险进行监控。
现有的风控分析方式中,大多是利用风险评分模型对一些数据进行评分分析,指标计算通常是基于离线数据计算,计算数据为某个时间点之前的数据,不包含新增数据,对风险分析的数据比较有限,且分析方式较简单,风控分析结果的准确率较低,风控报告数据不完整的问题。因此,如何有效提高风控分析的准确性成为目前需要解决的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够有效提高风控分析的准确性的业务数据的风控分析处理方法、装置和计算机设备。
当检测到风控数据库中的业务数据发生变更时,获取变更业务数据,根据所述变更业务数据确定目标用户标识和业务类型标识;所述风控数据库中的信息用于描述业务数据、用户标识以及关系图谱数据之间的对应关系;
根据所述目标用户标识获取对应的关系图谱数据;其中,所述关系图谱数据为通过预设的关系分析模型基于业务服务器对业务请求进行处理产生的业务数据和历史关联数据,确定出多个实体数据以及多个实体数据之间的关联关系,并根据所述关联关系建立的关系图谱;
根据所述业务类型标识获取预设的风控分析模型,利用所述风控分析模型确定所述变更业务数据对应所述关系图谱数据的风险因子,根据所述风险因子和关系图谱数据计算风险指标值,根据所述风险指标值生成分析结果;
根据所述分析结果按照预设方式生成对应的风控报告,并将所述风控报告发送至监控终端。
在其中一个实施例中,所述建立关系图谱数据的步骤包括:获取业务服务器对业务请求进行处理产生的业务数据,并将所述业务数据以及所述业务数据携带的用户标识对应存储至风控数据库;根据用户标识获取对应的历史关联数据,并通过预设的关系分析模型基于所述业务数据和所述历史关联数据,确定出多个实体数据以及多个实体数据之间的关联关系;所述业务数据和历史关联数据均携带相应的业务类型标识;根据所述关联关系建立关系图谱,并将所述关系图谱和相应的关系图谱数据存储至所述风控数据库。
在其中一个实施例中,所述确定出多个实体数据以及多个实体数据之间的关联关系的步骤,包括:将所述业务数据和历史关联数据输入至所述关系分析模型中,对所述业务数据和历史关联数据进行特征提取,得到多个实体数据的特征向量;通过所述关系分析模型对所述特征向量进行分析,得到所述实体数据的数据属性和关键字标签;根据所述实体数据的业务类型、数据属性和关键字标签分析多个实体数据之间的关系特征,根据所述关系特征确定出所述多个实体数据之间的关联关系。
在其中一个实施例中,所述根据所述关联关系建立关系图谱的步骤包括:根据所述多个实体数据生成对应的多个数据节点;根据所述业务数据和历史关联数据的业务类型、数据属性和关键字标签生成所述多个数据节点的描述信息;根据所述描述信息和多个实体数据之间的关系特征确定多个数据节点的映射关系和关系类型,并根据所述映射关系和关系类型将所述多个数据节点进行链接;根据链接后的多个数据节点和描述信息生成对应的关系图谱。
在其中一个实施例中,检测到所述风控数据库中的业务数据发生变更的步骤包括:获取所述风控数据库中的更新数据;获取所述更新数据的业务类型,将所述更新数据的业务类型与预设指标类型进行比较;当存在预设指标类型的更新数据时,则表示所述风控数据库中的业务数据存在变更。
在其中一个实施例中,所述根据所述业务类型标识获取预设的风控分析模型之前,所述方法还包括:获取多个业务数据,利用所述多个业务数据生成训练集数据和验证集数据;通过聚类算法对所述训练集数据进行聚类分析,根据聚类结果提取达到预设阈值的特征向量;将所述特征向量输入至预设的神经网络模型中进行训练,得到初始风控分析模型;将所述验证集数据输入至所述初始风控分析模型中进行训练和验证,直到所述验证集数据的验证通过率满足预设阈值时,则停止训练,得到所需的风控分析模型。
在其中一个实施例中,所述利用所述风控分析模型对变更数据和关系图谱数据进行分析得到分析结果,包括:将所述业务数据和关系图谱数据输入至风控分析模型中,提取出所述业务数据对应的特征向量,以及所述关系图谱数据中的图谱元素特征;根据所述特征变量和所述图谱元素特征确定所述变更业务数据对应所述关系图谱数据的风险因子;利用所述风控分析模型根据所述风险因子和图谱元素特征计算多项风险指标值;根据所述多项风险指标值生成分析结果,并在所述分析结果中添加相应的风险等级标签。
一种业务数据的风控分析处理装置,所述装置包括:
数据监测模块,用于当检测到风控数据库中的业务数据发生变更时,获取变更业务数据,根据所述变更业务数据确定目标用户标识和业务类型标识;所述风控数据库中的信息用于描述业务数据、用户标识以及关系图谱数据之间的对应关系;
数据获取模块,用于根据所述目标用户标识从所述风控数据库中获取对应的关系图谱数据;其中,所述关系图谱数据为通过预设的关系分析模型基于业务服务器对业务请求进行处理产生的业务数据和历史关联数据,确定出多个实体数据以及多个实体数据之间的关联关系,并根据所述关联关系建立的关系图谱;
风控分析模块,用于根据所述业务类型标识获取预设的风控分析模型,利用所述风控分析模型确定所述变更业务数据对应所述关系图谱数据的风险因子,根据所述风险因子和关系图谱数据计算风险指标值,根据所述风险指标值生成分析结果;
风控报告生成模块,用于根据所述分析结果按照预设方式生成对应的风控报告,并将所述风控报告发送至监控终端。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现本申请任意一个实施例中提供的业务数据的风控分析处理方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现本申请任意一个实施例中提供的业务数据的风控分析处理方法的步骤。
上述业务数据的风控分析处理方法、装置和计算机设备和存储介质,风控服务器实时对风控数据库中的数据进行检测,当检测到风控数据库中的业务数据发生变更时,根据变更业务数据确定目标用户标识和业务类型标识,风控数据库中的信息用于描述业务数据、用户标识以及关系图谱数据之间的对应关系;风控服务器则根据目标用户标识从风控数据库中获取对应的关系图谱数据;关系图谱数据为通过预设的关系分析模型基于业务服务器对业务请求进行处理产生的业务数据和历史关联数据,确定出多个实体数据以及多个实体数据之间的关联关系,并根据关联关系建立的关系图谱,由此能够有效地构建出与用户标识相关联的关系图谱。风控服务器进而根据业务类型标识获取预设的风控分析模型,利用风控分析模型确定变更业务数据对应关系图谱数据的风险因子,根据风险因子和关系图谱数据计算风险指标值,根据风险指标值生成分析结果,根据分析结果按照预设方式生成对应的风控报告,并将风控报告发送至监控终端,以使得监控终端根据风控报告对该用户进行风险决策等处理。通过利用关系图谱和风控分析模型实时对变更的业务数据进行风控分析,能够更全面地对用户存在的风险进行分析,由此能够准确有效地监控金融业务中存在的风险,进而有效地提高了风控的准确性和效率。
附图说明
图1为一个实施例中业务数据的风控分析处理方法的应用场景图;
图2为一个实施例中业务数据的风控分析处理方法的流程示意图;
图3为一个实施例中数据关系分析步骤的流程示意图;
图4为一个实施例中数据风控分析步骤的流程示意图;
图5为一个实施例中业务数据的风控分析处理装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的业务数据的风控分析处理方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与风控服务器104进行通信,风控服务器104通过网络与业务服务器106进行通信。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,业务服务器106可以是业务系统对应的服务器,风控服务器104和业务服务器106可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种业务数据的风控分析处理方法,以该方法应用于图1中的风控服务器为例进行说明,包括以下步骤:
步骤202,当检测到风控数据库中的业务数据发送变更时,获取变更业务数据,根据变更业务数据确定目标用户标识和业务类型标识;风控数据库中的信息用于描述业务数据、用户标识以及关系图谱数据之间的对应关系。
风控服务器可以实时对多个个人用户或企业用户的业务数据进行监控,以实时对个人或企业进行风险监控。其中,业务数据可以包括金融数据、用户数据以及业务流程数据等;业务数据可以包括多个业务服务器对用户发送的业务请求进行处理后产生的数据,也可以包括风控服务器利用网络爬虫技术从第三方平台中抓取的用户所相关联的业务数据和历史行为数据等。具体地,风控服务器获取业务服务器对业务请求进行处理产生的业务数据后,则将业务数据以及业务数据携带的用户标识对应存储至预设的风控数据库中。风控数据库中存储了业务数据、关系图谱数据以及用户标识与关系图谱数据之间的对应关系。
风控服务器可以实时获取多个用户发生的业务数据以及关联数据等,例如交易数据和征信数据等,并将实时获取的数据利用分布式文件系统存储至预设的风控数据库中。风控服务器可以预先配置多个指标类型的数据,风控服务器则根据指标类型对数据库中的业务数据进行实时检测,当风控数据库中存在预设指标类型对应的数据发生变更时,表示业务数据发生实质性变化。由此可以及时有效地检测到发生变化的重要数据。
步骤204,根据目标用户标识从风控数据库中对应的关系图谱数据;其中,关系图谱数据为通过预设的关系分析模型基于业务服务器对业务请求进行处理产生的业务数据和历史关联数据,确定出多个实体数据以及多个实体数据之间的关联关系,并根据关联关系建立的关系图谱。
当检测到风控数据库中的业务数据发送变更时,获取变更业务数据,根据变更业务数据确定目标用户标识和业务类型标识,进而根据目标用户标识从风控数据库中对应的关系图谱数据。其中,关系图谱可以是知识图谱,知识图谱是指通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来,以揭示知识领域的动态发展规律。关系图谱数据可以是风控服务器预先通过预设的关系分析模型基于业务服务器对业务请求进行处理产生的业务数据和历史关联数据,确定出多个实体数据以及多个实体数据之间的关联关系,并根据关联关系建立的关系图谱。例如,可以包括多个金融业务类型对应的关系图谱。
风控服务器可以获取业务数据和历史关联数据,进一步获取预设的关系分析模型,通过关系分析模型分析出业务数据和历史关联数据中包含的实体数据,并分析出实体数据以及对应的数据属性和关键字标签,根据业务类型、数据属性和关键字标签分析多个实体数据之间的关联关系,并根据多个实体数据之间的关联关系建立关系图谱,将关系图谱和对应的关系图谱数据存储至风控数据库。
步骤206,根据业务类型标识获取预设的风控分析模型,利用风控分析模型确定变更业务数据对应关系图谱数据的风险因子,根据风险因子和关系图谱数据计算风险指标值,根据风险指标值生成分析结果。
步骤208,根据分析结果按照预设方式生成对应的风控报告,并将风控报告发送至监控终端。
风控服务器检测到风控数据库中的业务数据存在变更时,根据用户标识获取变更业务数据和对应的关系图谱数据,并进一步获取预设的风控分析模型,通过风控分析模型中的预设指标对变更数据和关系图谱数据进行分析。其中,风控分析模型可以是风控服务器预先构建的基于对大量业务数据和关系图谱数据进行分析和训练得到的模型。
具体地,风控服务器将业务数据和关系图谱数据输入至风控分析模型中,对业务数据和关系图谱数据进行聚类分析和特征提取,提取出满足预设阈值的特征向量,并提取出关系图谱数据中的图谱元素特征。利用风控分析模型确定变更业务数据对应关系图谱数据的风险因子,根据风险因子和关系图谱数据计算风险指标值,根据风险指标值生成分析结果,并根据多个风控指标值在分析结果中添加相应的风险标签。风控服务器进一步根据分析结果按照预设方式生成对应的风控报告,并将风控报告发送至监控终端。以使得监控终端根据风控报告对多个用户进行有效地风险管控。通过利用关系图谱和风控分析模型实时对变更的业务数据进行风控分析,由此能够准确有效地监控多个用户存在的风险,进而有效地提高了风控的效率。
上述业务数据分析处理方法中,风控服务器实时对风控数据库中的数据进行检测,当检测到风控数据库中的业务数据发生变更时,根据变更业务数据确定目标用户标识和业务类型标识,风控数据库中的信息用于描述业务数据、用户标识以及关系图谱数据之间的对应关系;风控服务器则根据目标用户标识从风控数据库中获取对应的关系图谱数据;关系图谱数据为通过预设的关系分析模型基于业务服务器对业务请求进行处理产生的业务数据和历史关联数据,确定出多个实体数据以及多个实体数据之间的关联关系,并根据关联关系建立的关系图谱,由此能够有效地构建出与用户标识相关联的关系图谱。风控服务器进而根据业务类型标识获取预设的风控分析模型,利用风控分析模型确定变更业务数据对应关系图谱数据的风险因子,根据风险因子和关系图谱数据计算风险指标值,根据风险指标值生成分析结果,根据分析结果按照预设方式生成对应的风控报告,并将风控报告发送至监控终端,以使得监控终端根据风控报告对该用户进行风险决策等处理。通过利用关系图谱和风控分析模型实时对变更的业务数据进行风控分析,能够更全面地对用户存在的风险进行分析,由此能够准确有效地监控金融业务中存在的风险,进而有效地提高了风险监控的准确性和风控的效率。
在一个实施例中,如图3所示,建立关系图谱数据的步骤,具体包括以下内容:
步骤302,获取业务服务器对业务请求进行处理产生的业务数据,并将业务数据以及业务数据携带的用户标识对应存储至风控数据库。
风控服务器可以实时对多个个人用户或企业用户的业务数据进行监控,以实时对个人或企业进行风险监控。其中,业务数据可以包括金融数据、用户数据以及业务流程数据等;业务数据可以包括多个业务服务器对用户发送的业务请求进行处理后产生的数据,也可以包括风控服务器利用网络爬虫技术从第三方平台中抓取的用户所相关联的业务数据和历史行为数据等。具体地,风控服务器获取业务服务器对业务请求进行处理产生的业务数据后,则将业务数据以及业务数据携带的用户标识对应存储至预设的风控数据库中。
步骤304,根据用户标识获取对应的历史关联数据,并通过预设的关系分析模型基于业务数据和历史关联数据,确定出多个实体数据以及多个实体数据之间的关联关系;业务数据和历史关联数据均携带相应的业务类型标识。
风控服务器还可以进一步根据用户标识获取对应的业务数据和历史关联数据,业务数据和历史关联数据均携带相应的业务类型标识。业务类型标识用于描述业务数据对应的业务类型,以区分不同类型的业务所产生的业务数据。其中,历史关联数据可以包括用户的历史行为数据、业务关联数据以及其他关联数据等,历史关联数据的来源可以包括多个业务服务器对用户发送的业务请求进行处理的历史业务数据,也可以包括风控服务器利用网络爬虫技术从第三方平台中抓取的用户所相关联的业务数据和历史行为数据等。
其中,实体可以是具体的人、事、物,也可以是抽象的概念或联系,表示客观存在并可相互区别的事物;实体数据表示数据库中用于描述现实世界中的对象或概念对应的数据。其中,关系图谱可以是知识图谱,知识图谱是指通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来,以揭示知识领域的动态发展规律。
风控服务器可以预先构建多个关系图谱。例如,可以包括多个金融业务类型对应的关系图谱。风控服务器获取业务数据和历史关联数据后,进一步获取预设的关系分析模型。关系分析模型可以是风控服务器通过预先对大量历史业务数据和关联数据进行特征提取,分析这些数据之间的数据特征和关系特征,并对分析出的历史数据之间的数据特征和关系特征进行不断学习和训练,分析数据特征之间的联系,从而训练得到关系分析模型,关系分析模型可以是基于深度学习的神经网络模型。通过关系分析模型分析出业务数据和历史关联数据中包含的实体数据,并分析出实体数据以及对应的数据属性和关键字标签。
具体地,风控服务器可以首先对业务数据和历史关联数据进行特征提取,例如可以采用聚类算法对业务数据和历史关联数据进行聚类分析,并提取出满足预设阈值的特征变量,并通过数据抽取、转换、加载等预处理后,分析出业务数据和历史关联数据中的实体数据,并分析出实体数据以及对应的数据属性和关键字标签,并根据业务类型、数据属性和关键字标签分析多个实体数据之间的关联关系。通过利用预先训练的关系分析模型对业务数据和历史关联数据进行分析,由于关系分析模型中部署了相关的数据特征分析的模型算法,从而可以有效地分析出多个实体数据和多个实体数据之间的关联关系。
步骤306,根据关联关系建立关系图谱,并将关系图谱和对应的关系图谱数据存储至风控数据库。
进一步地,风控服务器根据多个实体数据生成对应的多个数据节点;根据业务数据和历史关联数据的业务类型、数据属性和关键字标签生成多个数据节点的描述信息;根据描述信息和多个实体数据之间的关系特征确定多个数据节点的映射关系和关系类型,并根据映射关系和关系类型将多个数据节点进行链接;根据多个数据节点和关联关系生成对应的关系图谱,并采用图库的方式对构建的关系图谱以及对应的关系图谱数据存储至风控数据库中。由此能够有效地建立一个或多个用户之间的关系图谱。
在一个实施例中,确定出多个实体数据之间的关联关系的步骤,具体包括以下内容:将业务数据和历史关联数据输入至关系分析模型中,对业务数据和历史关联数据进行特征提取,得到多个实体数据的特征向量。通过关系分析模型对特征向量进行分析,得到实体数据的数据属性和关键字标签。根据实体数据的业务类型、数据属性和关键字标签分析多个实体数据之间的关系特征,根据关系特征确定出多个实体数据之间的关联关系。
风控服务器可以预先构建多个关系图谱。例如,可以包括多个金融业务类型对应的关系图谱。风控服务器获取业务数据和历史关联数据后,进一步获取预设的关系分析模型,关系分析模型可以是基于深度学习的神经网络模型。通过关系分析模型分析出业务数据和历史关联数据中包含的实体数据,并分析出实体数据以及对应的数据属性和关键字标签。
具体地,风控服务器可以首先对业务数据和历史关联数据进行特征提取,例如可以采用聚类算法对业务数据和历史关联数据进行聚类分析,并提取出满足预设阈值的特征变量,并通过数据抽取、转换、加载等预处理后,分析出业务数据和历史关联数据中的实体数据,并分析出实体数据以及对应的数据属性和关键字标签,并通过关系抽取技术根据业务类型、数据属性和关键字标签把实体间的关系从业务数据和历史关联数据中提取出来,提取出多个实体数据之间的关系特征,进而根据多个实体数据之间的关系特征确定出多个实体数据之间的关联关系。风控服务器则根据多个实体数据之间的关联关系建立关系图谱,并采用图库的方式对构建的关系图谱以及对应的关系图谱数据存储至风控数据库中。
例如,信贷业务对应的关系图谱中,信贷的核心主体是贷款申请者,贷款申请者可能是个人也可能是公司,通过申请者的基本信息、行为信息、经营状况、社会关系等评估贷款的风险。则信贷相关的实体可以为:人、企业、银行账户、银行、抵押物、申请事件、诉讼事件等,以及电话、邮件、地址等基本信息实体。
在一个实施例中,根据所述关联关系建立关系图谱的步骤包括:根据多个实体数据生成对应的多个数据节点;根据业务数据和历史关联数据的业务类型、数据属性和关键字标签生成多个数据节点的描述信息;根据描述信息和多个实体数据之间的关系特征确定多个数据节点的映射关系和关系类型,并根据映射关系和关系类型将多个数据节点进行链接;根据多个数据节点和关联关系生成对应的关系图谱。
风控服务器获取业务数据和历史关联数据后,获取预设的关系分析模型,通过关系分析模型分析出业务数据和历史关联数据中包含的实体数据,并分析出实体数据以及对应的数据属性和关键字标签,进而根据业务类型、数据属性和关键字标签分析多个实体数据之间的关联关系。
进一步地,风控服务器通过关系分析模型分析出业务数据和历史关联数据中包含的实体数据后,根据实体数据生成对应的多个数据节点,并根据业务数据和历史关联数据的业务类型、数据属性和关键字标签生成数据节点的描述信息。根据多个实体数据之间的关系特征和描述信息生成多个数据节点的映射关系,其中,映射关系包括对应的关系类型。风控服务器则根据多个数据节点之间的映射关系和对应的关系类型将多个数据节点进行链接,并根据链接后的多个数据节点和描述信息按照预设方式生成对应的关系图谱。
例如,构建风控领域的关系图谱可以先构建出本体模型,即关系分析模型,以及分析出实体数据之间的关系特征。风控服务器可以利用预设的关系图谱用节点和实体数据之间的关系组成对应的图谱,具体地,风控服务器可以节点为主体目标对不同来源的数据进行映射与合并,通过数据属性描述不同数据对于的节点,并利用关系描述各个节点数据之间的关联关系。风控服务器可以通过节点链接技术将节点的多种类型数据进行关联存储,并利用图数据库将原本没有联系的数据连通,将离散的数据进行整合,通过不同知识的关联性形成网状的知识结构,以有效地建立关系图谱从而提供更有价值的决策支持。
在一个实施例中,检测到风控数据库中的业务数据发生变更的步骤包括:获取风控数据库中的更新数据;获取更新数据的业务类型,将更新数据的业务类型与预设指标类型进行比较;当存在预设指标类型的更新数据时,则表示风控数据库中的业务数据存在变更。
风控服务器可以实时监控风控数据库中的业务数据以及关联数据等是否发生变化。风控服务器可以实时获取风控数据库中的更新数据,其中,更新数据可以包括新增、修改的业务数据等。并获取更新数据的业务类型,将更新数据的业务类型与预设指标类型进行检测,当检测到存在预设指标类型的更新数据时,则表示风控数据库中的业务数据存在实质的变更。
具体地,风控服务器可以实时获取多个用户发生的业务数据以及关联数据等,例如交易数据和征信数据等,并将实时获取的数据利用分布式文件系统存储至预设的风控数据库中。风控服务器可以预先配置多个指标类型的数据,风控服务器则根据指标类型对数据库中的业务数据进行实时检测,当风控数据库中存在预设指标类型对应的数据发生变更时,表示业务数据发生实质性变化。例如,可以通过工具监控数据库中新增、修改等数据的变化,同步到大数据平台,根据预设的指标类型的计算数据是否发生实质变更。例如,可以利用kafka与spark的整合及时获取数据库中变动的数据,由此可以及时有效地检测到发生变更的重要数据。
在一个实施例中,根据业务类型标识获取预设的风控分析模型之前,该方法还包括:获取多个业务数据,利用多个业务数据生成训练集数据和验证集数据;通过聚类算法对训练集数据进行聚类分析,根据聚类结果提取达到预设阈值的特征向量;将特征向量输入至预设的神经网络模型中进行训练,得到初始风控分析模型;将验证集数据输入至初始风控分析模型中进行训练和验证,直到验证集数据的验证通过率满足预设阈值时,则停止训练,得到所需的风控分析模型。
风控服务器可以预先获取大量的业务数据以及关联数据等,并利用多个业务数据生成训练集数据和验证集数据。其中,训练集数据可以是已经添加了人工标注的数据集。风控服务器则进一步通过对训练集数据进行大数据分析,例如,可以通过聚类算法对训练集数据进行聚类分析和特征提取,根据聚类结果提取训练集数据的特征向量,并将特征向量输入至预设的神经网络模型中进行训练,通过预设的分析模型计算每个特征向量的重要性,得到初始风控分析模型。其中,预设的神经网络模型可以是基于决策树的神经网络模型或基于深度学习的神经网络模型等。
风控服务器训练的到初始风控分析模型后,则进一步利用验证集数据对风控分析模型进行验证训练,当验证集数据中验证通过率满足预设阈值时,对应的类别概率在预设范围内的数量达到预设数据时,表示风控分析模型已经训练成功,则停止训练,得到所需的风控分析模型。
由于风控分析模型是利用大量数据进行训练,分析出这些数据内在必然的联系和数据之间的特征,进而根据这些数据内在必然的联系和数据之间的特征训练的到所需的风控分析模型,通过训练完成的风控分析模型对业务数据和关系图谱数据进行分析,从而能够有效地得到对应的分析结果数据。
例如,风控服务器可以将获取的大量业务数据根据关系图谱的图谱数据以及对应的关系进行数据映射,进而对大量的业务数据进行特征提取,得到对应的特征向量和对应的特征值,并将所有特征组合为二维向量,形成机器学习模型所需的训练数据集。服务器进一步通过对训练数据进行训练,以得到初始风控分析模型。服务器还可以进一步根据预设频率利用更新的数据对风控分析模型进行优化调参,当获得最优参数的模型后,对模型进行更新,由此可以有效地得到训练完成的风控分析模型。
在一个实施例中,如图4所示,利用风控分析模型对变更数据和关系图谱数据进行分析得到分析结果的步骤,具体包括以下内容:
步骤402,将业务数据和关系图谱数据输入至风控分析模型中,提取出业务数据对应的特征向量,以及关系图谱数据中的图谱元素特征。
步骤404,根据特征变量和图谱元素特征确定变更业务数据对应关系图谱数据的风险因子。
步骤406,利用风控分析模型根据风险因子和图谱元素特征计算多项风险指标值。
步骤408,根据多项风险指标值生成分析结果,并在分析结果中添加相应的风险等级标签。
风控服务器获取业务数据和建立关系图谱,并将业务数据以及关系图谱数据存储至预设的风控数据库后,对风控数据库中的数据进行检测,当检测到风控数据库中的业务数据存在变更时,根据用户标识获取对应的业务数据和关系图谱数据;根据业务类型获取预设的风控分析模型,通过风控分析模型中的预设指标对变更数据和关系图谱数据进行分析。
其中,特征向量指对业务数据和关系图谱数据进行线性变换和特征提取后,用于表示数据特征的向量。图谱元素特征包含实体数据特征和关系特征,实体数据特征和关系特征即表示实体数据和关联关系数据对应的特征值,并将特征值用以表示数据特征和关系特征。
具体地,风控服务器将业务数据和关系图谱数据输入至风控分析模型中,风控分析模型对业务数据和关系图谱数据进行特征提取,提取出业务数据对应的特征向量,并提取出关系图谱数据中的图谱元素特征;风控服务器通过风控分析模型对特征向量、实体数据特征和关系特征进行风险分析,根据特征变量和图谱元素特征确定变更业务数据对应关系图谱数据的风险因子,其中,风险因子可以表示变更业务数据对关系图谱数据所产生的影响。监控服务器进而利用风控分析模型根据风险因子和图谱元素特征计算多项风险指标值,利用多项风险指标值按照预设方式生成对应的分析结果,并在分析结果中添加与风险指标值相应的风控标签。具体地,当分析结果中存在指标数据未达到预设指标时,表示存在风险,则在分析结果中添加风险标签。当分析结果中存在风险标签时,按照预设方式生成对应的风控报告发送至对应的监控终端,并进行预警提示,通过风控分析模型实时对变动的数据进行风控分析,由于风控分析模型是已经通过对大量业务数据和视图数据进行学习和训练得到的,由此可以通过风控分析模型对变更业务数据和对应的实体数据进行分析和决策,从而能够使得风控分析模型根据数据特征内在必然的联系,分析出更新业务数据对应的风险程度,进而能够准确有效地监控金融业务中存在的风险,有效地提高了风控的效率。
进一步地,风控服务器还可以对特定企业进行分析,对中小企业能力进行监控。具体地,监控终端可以向风控服务器发送风控请求,风控请求中包括了用户标识。风控服务器接收到监控终端发送的风控请求后,根据用户标识获取对应的金融领域的业务数据以及关联数据,获取预设的关系分析模型,通过关系分析模型分析出业务数据和关联数据中的多个实体数据以及多个实体数据之间的关联关系;根据多个实体数据之间的关联关系建立关系图谱。风控服务器进一步通过预设的风控分析模型对该用户标识的业务数据和关系图谱数据进行风控分析,并根据预设指标计算业务数据和关系图谱数据对应的多项风险指标值,并利用多项风险指标值按照预设方式生成对应的分析结果。风控服务器还可以进一步根据分析结果和关系图谱数据按照预设方式生成该用户标识对应的用户风控画像。
例如,对多个企业进行风险监控时,贷款风险指标可以包括不良贷款比率、贷款加权风险度、贷款分散化比率、不良贷款拨备覆盖率等。将关系图谱中贷款人节点和相关指标相结合,设定报警阈值,通过机器学习等技术,找到隐蔽的风险结构,指标特征,能够快速找出相关责任方和其关联方,形成报告供业务人员进行调查。通过对特定企业用户分析出对应的关系图谱和企业画像,能够准确有效地对企业潜在的风险进行监控。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种业务数据的风控分析处理装置,包括:数据监测模块502、数据获取模块504、风控分析模块506和风控报告生成模块508,其中:
数据监测模块502,用于当检测到风控数据库中的业务数据发生变更时,获取变更业务数据,根据变更业务数据确定目标用户标识和业务类型标识;风控数据库中的信息用于描述业务数据、用户标识以及关系图谱数据之间的对应关系;
数据获取模块504,用于根据目标用户标识从风控数据库中获取对应的关系图谱数据;其中,关系图谱数据为通过预设的关系分析模型基于业务服务器对业务请求进行处理产生的业务数据和历史关联数据,确定出多个实体数据以及多个实体数据之间的关联关系,并根据关联关系建立的关系图谱;
风控分析模块506,用于根据业务类型标识获取预设的风控分析模型,利用风控分析模型确定变更业务数据对应关系图谱数据的风险因子,根据风险因子和关系图谱数据计算风险指标值,根据风险指标值生成分析结果;
风控报告生成模块508,用于根据分析结果按照预设方式生成对应的风控报告,并将风控报告发送至监控终端。
在其中一个实施例中,该装置还包括关系数据分析模块,用于获取业务服务器对业务请求进行处理产生的业务数据,并将业务数据以及业务数据携带的用户标识对应存储至风控数据库;根据用户标识获取对应的历史关联数据,并通过预设的关系分析模型基于业务数据和历史关联数据,确定出多个实体数据以及多个实体数据之间的关联关系;业务数据和历史关联数据均携带相应的业务类型标识;根据关联关系建立关系图谱,并将关系图谱和相应的关系图谱数据存储至风控数据库。
在其中一个实施例中,关系数据分析模块还用于将业务数据和历史关联数据输入至关系分析模型中,对业务数据和历史关联数据进行特征提取,得到多个实体数据的特征向量;通过关系分析模型对特征向量进行分析,得到实体数据的数据属性和关键字标签;根据实体数据的业务类型、数据属性和关键字标签分析多个实体数据之间的关系特征,根据关系特征确定出多个实体数据之间的关联关系。
在其中一个实施例中,关系数据分析模块还用于根据多个实体数据生成对应的多个数据节点;根据业务数据和历史关联数据的业务类型、数据属性和关键字标签生成多个数据节点的描述信息;根据描述信息和多个实体数据之间的关系特征确定多个数据节点的映射关系和关系类型,并根据映射关系和关系类型将多个数据节点进行链接;根据链接后的多个数据节点和描述信息生成对应的关系图谱。
在其中一个实施例中,数据监测模块502还用于获取风控数据库中的更新数据;获取更新数据的业务类型,将更新数据的业务类型与预设指标类型进行比较;当存在预设指标类型的更新数据时,则表示风控数据库中的业务数据存在变更。
在其中一个实施例中,该装置还包括模型训练模块,用于获取多个业务数据,利用多个业务数据生成训练集数据和验证集数据;通过聚类算法对训练集数据进行聚类分析,根据聚类结果提取达到预设阈值的特征向量;将特征向量输入至预设的神经网络模型中进行训练,得到初始风控分析模型;将验证集数据输入至初始风控分析模型中进行训练和验证,直到验证集数据的验证通过率满足预设阈值时,则停止训练,得到所需的风控分析模型。
在其中一个实施例中,风控分析模块506还用于将业务数据和关系图谱数据输入至风控分析模型中,提取出变更业务数据对应的特征向量,以及关系图谱数据中的图谱元素特征;根据特征变量和图谱元素特征确定变更业务数据对应关系图谱数据的风险因子;利用风控分析模型根据风险因子和图谱元素特征计算多项风险指标值;根据多项风险指标值生成分析结果,并在分析结果中添加相应的风险等级标签。
关于业务数据的风控分析处理装置的具体限定可以参见上文中对于业务数据的风控分析处理方法的限定,在此不再赘述。上述业务数据的风控分析处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储业务数据、历史关联数据、关系图谱和关系图谱数据等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现本申请任意一个实施例中提供的业务数据的风控分析处理方法的步骤。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现本申请任意一个实施例中提供的业务数据的风控分析处理方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种业务数据的风控分析处理方法,所述方法包括:
当检测到风控数据库中的业务数据发生变更时,获取变更业务数据,根据所述变更业务数据确定目标用户标识和业务类型标识;所述风控数据库中的信息用于描述业务数据、用户标识以及关系图谱数据之间的对应关系;
根据所述目标用户标识从所述风控数据库中对应的关系图谱数据;其中,所述关系图谱数据为通过预设的关系分析模型基于业务服务器对业务请求进行处理产生的业务数据和历史关联数据,确定出多个实体数据以及多个实体数据之间的关联关系,并根据所述关联关系建立的关系图谱;
根据所述业务类型标识获取预设的风控分析模型,利用所述风控分析模型确定所述变更业务数据对应所述关系图谱数据的风险因子,根据所述风险因子和关系图谱数据计算风险指标值,根据所述风险指标值生成分析结果;
根据所述分析结果按照预设方式生成对应的风控报告,并将所述风控报告发送至监控终端。
2.根据权利要求1所述的方法,其特征在于,所述建立关系图谱数据的步骤包括:
获取业务服务器对业务请求进行处理产生的业务数据,并将所述业务数据以及所述业务数据携带的用户标识对应存储至风控数据库;
根据用户标识获取对应的历史关联数据,并通过预设的关系分析模型基于所述业务数据和所述历史关联数据,确定出多个实体数据以及多个实体数据之间的关联关系;所述业务数据和历史关联数据均携带相应的业务类型标识;
根据所述关联关系建立关系图谱,并将所述关系图谱和相应的关系图谱数据存储至所述风控数据库。
3.根据权利要求2所述的方法,其特征在于,所述确定出多个实体数据以及多个实体数据之间的关联关系的步骤,包括:
将所述业务数据和历史关联数据输入至所述关系分析模型中,对所述业务数据和历史关联数据进行特征提取,得到多个实体数据的特征向量;
通过所述关系分析模型对所述特征向量进行分析,得到所述实体数据的数据属性和关键字标签;
根据所述实体数据的业务类型、数据属性和关键字标签分析多个实体数据之间的关系特征,根据所述关系特征确定出所述多个实体数据之间的关联关系。
4.根据权利要求2所述的方法,其特征在于,所述根据所述关联关系建立关系图谱的步骤包括:
根据所述多个实体数据生成对应的多个数据节点;
根据所述业务数据和历史关联数据的业务类型、数据属性和关键字标签生成所述多个数据节点的描述信息;
根据所述描述信息和多个实体数据之间的关系特征确定多个数据节点的映射关系和关系类型,并根据所述映射关系和关系类型将所述多个数据节点进行链接;
根据链接后的多个数据节点和描述信息生成对应的关系图谱。
5.根据权利要求1所述的方法,其特征在于,检测到所述风控数据库中的业务数据发生变更的步骤包括:
获取所述风控数据库中的更新数据;
获取所述更新数据的业务类型,将所述更新数据的业务类型与预设指标类型进行比较;
当存在预设指标类型的更新数据时,则表示所述风控数据库中的业务数据存在变更。
6.根据权利要求1所述的方法,其特征在于,所述根据所述业务类型标识获取预设的风控分析模型之前,所述方法还包括:
获取多个业务数据,利用所述多个业务数据生成训练集数据和验证集数据;
通过聚类算法对所述训练集数据进行聚类分析,根据聚类结果提取达到预设阈值的特征向量;
将所述特征向量输入至预设的神经网络模型中进行训练,得到初始风控分析模型;
将所述验证集数据输入至所述初始风控分析模型中进行训练和验证,直到所述验证集数据的验证通过率满足预设阈值时,则停止训练,得到所需的风控分析模型。
7.根据权利要求1至6任意一项所述的方法,其特征在于,所述利用所述风控分析模型对变更数据和关系图谱数据进行分析得到分析结果,包括:
将所述变更业务数据和关系图谱数据输入至风控分析模型中,提取出所述变更业务数据对应的特征向量,以及所述关系图谱数据中的图谱元素特征;
根据所述特征变量和所述图谱元素特征确定所述变更业务数据对应所述关系图谱数据的风险因子;
利用所述风控分析模型根据所述风险因子和图谱元素特征计算多项风险指标值;
根据所述多项风险指标值生成分析结果,并在所述分析结果中添加相应的风险等级标签。
8.一种业务数据的风控分析处理装置,所述装置包括:
数据监测模块,用于当检测到风控数据库中的业务数据发生变更时,获取变更业务数据,根据所述变更业务数据确定目标用户标识和业务类型标识;所述风控数据库中的信息用于描述业务数据、用户标识以及关系图谱数据之间的对应关系;
数据获取模块,用于根据所述目标用户标识从所述风控数据库中获取对应的关系图谱数据;其中,所述关系图谱数据为通过预设的关系分析模型基于业务服务器对业务请求进行处理产生的业务数据和历史关联数据,确定出多个实体数据以及多个实体数据之间的关联关系,并根据所述关联关系建立的关系图谱;
风控分析模块,用于根据所述业务类型标识获取预设的风控分析模型,利用所述风控分析模型确定所述变更业务数据对应所述关系图谱数据的风险因子,根据所述风险因子和关系图谱数据计算风险指标值,根据所述风险指标值生成分析结果;
风控报告生成模块,用于根据所述分析结果按照预设方式生成对应的风控报告,并将所述风控报告发送至监控终端。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910526011.6A CN110390465A (zh) | 2019-06-18 | 2019-06-18 | 业务数据的风控分析处理方法、装置和计算机设备 |
PCT/CN2020/086088 WO2020253358A1 (zh) | 2019-06-18 | 2020-04-22 | 业务数据的风控分析处理方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910526011.6A CN110390465A (zh) | 2019-06-18 | 2019-06-18 | 业务数据的风控分析处理方法、装置和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110390465A true CN110390465A (zh) | 2019-10-29 |
Family
ID=68285769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910526011.6A Pending CN110390465A (zh) | 2019-06-18 | 2019-06-18 | 业务数据的风控分析处理方法、装置和计算机设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110390465A (zh) |
WO (1) | WO2020253358A1 (zh) |
Cited By (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110909384A (zh) * | 2019-11-19 | 2020-03-24 | 支付宝(杭州)信息技术有限公司 | 确定泄露用户信息的业务方的方法及装置 |
CN110909805A (zh) * | 2019-11-26 | 2020-03-24 | 西安交通大学城市学院 | 基于大数据与Inception V3深度网络模型的金融风控系统 |
CN110991871A (zh) * | 2019-11-29 | 2020-04-10 | 深圳前海微众银行股份有限公司 | 风险监测方法、装置、设备与计算机可读存储介质 |
CN111143163A (zh) * | 2019-12-13 | 2020-05-12 | 上海硬通网络科技有限公司 | 数据监控方法、装置、计算机设备和存储介质 |
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 |
CN111177284A (zh) * | 2019-12-31 | 2020-05-19 | 清华大学 | 应急预案模型生成方法、装置及设备 |
CN111353702A (zh) * | 2020-02-28 | 2020-06-30 | 中国工商银行股份有限公司 | 变更操作风险计算方法和装置 |
CN111428971A (zh) * | 2020-03-05 | 2020-07-17 | 支付宝(杭州)信息技术有限公司 | 业务数据的处理方法、装置和服务器 |
CN111476664A (zh) * | 2020-05-04 | 2020-07-31 | 武汉众邦银行股份有限公司 | 一直基于实时数据流的风险感知和风险预测方法 |
CN111581222A (zh) * | 2020-03-30 | 2020-08-25 | 深圳壹账通智能科技有限公司 | 业务数据的关联分析方法、装置、计算机设备及计算机存储介质 |
CN111582873A (zh) * | 2020-05-07 | 2020-08-25 | 支付宝(杭州)信息技术有限公司 | 评估交互事件的方法及装置、电子设备、存储介质 |
CN111582488A (zh) * | 2020-04-23 | 2020-08-25 | 傲林科技有限公司 | 一种事件推演方法及装置 |
CN111754340A (zh) * | 2020-07-03 | 2020-10-09 | 交通银行股份有限公司 | 一种基于图数据库的担保网络风险排查系统 |
CN111782710A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 数据存储方法、装置、计算设备和介质 |
CN111784495A (zh) * | 2020-06-04 | 2020-10-16 | 江苏常熟农村商业银行股份有限公司 | 担保圈识别方法、装置、计算机设备和存储介质 |
CN111798162A (zh) * | 2020-07-23 | 2020-10-20 | 深圳壹账通智能科技有限公司 | 基于神经网络的风险监测方法及装置 |
CN111797406A (zh) * | 2020-07-15 | 2020-10-20 | 智博云信息科技(广州)有限公司 | 一种医疗基金数据分析处理方法、装置及可读存储介质 |
CN111880989A (zh) * | 2020-07-14 | 2020-11-03 | 中国银联股份有限公司 | 一种配置项管理方法及装置 |
CN111966726A (zh) * | 2020-07-22 | 2020-11-20 | 武汉极意网络科技有限公司 | 基于不同类型客户的自适应数据分析报告生成系统及方法 |
CN112015909A (zh) * | 2020-08-19 | 2020-12-01 | 普洛斯科技(重庆)有限公司 | 知识图谱的构建方法及装置、电子设备、存储介质 |
CN112100451A (zh) * | 2020-09-14 | 2020-12-18 | 上海飞机制造有限公司 | 基于图数据库搭建工业神经网络的方法 |
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 |
CN112149951A (zh) * | 2020-08-11 | 2020-12-29 | 招联消费金融有限公司 | 风险控制方法、装置、计算机设备和存储介质 |
CN112184235A (zh) * | 2020-09-04 | 2021-01-05 | 支付宝(杭州)信息技术有限公司 | 风控数据变更方法和装置 |
CN112184012A (zh) * | 2020-09-27 | 2021-01-05 | 平安资产管理有限责任公司 | 一种企业风险预警方法、装置、设备及可读存储介质 |
CN112328802A (zh) * | 2020-09-30 | 2021-02-05 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置和服务器 |
CN112465461A (zh) * | 2020-12-04 | 2021-03-09 | 金蝶云科技有限公司 | 业务对象信息变更方法、系统、计算机设备和存储介质 |
CN112634069A (zh) * | 2020-12-30 | 2021-04-09 | 太平金融科技服务(上海)有限公司 | 核保请求处理方法、装置、计算机设备和存储介质 |
CN112783889A (zh) * | 2019-11-07 | 2021-05-11 | 中国石油化工股份有限公司 | 用于建立变更风险控制措施库的方法和装置 |
CN112907364A (zh) * | 2021-04-01 | 2021-06-04 | 重庆度小满优扬科技有限公司 | 一种风控分析模型的评估方法及装置 |
CN113037792A (zh) * | 2019-12-24 | 2021-06-25 | 中国移动通信集团四川有限公司 | 一种业务识别参数的验证方法、装置及网关 |
CN113077336A (zh) * | 2021-04-15 | 2021-07-06 | 北京同邦卓益科技有限公司 | 风控信息配置方法、装置、电子设备和计算机可读介质 |
CN113222223A (zh) * | 2021-04-24 | 2021-08-06 | 上海钢银科技发展有限公司 | 实时数仓的风控联动预警方法、系统、设备及存储介质 |
CN113282625A (zh) * | 2021-05-31 | 2021-08-20 | 重庆富民银行股份有限公司 | 一种基于sql的api数据查询和处理系统及方法 |
CN113393159A (zh) * | 2021-07-07 | 2021-09-14 | 上海软中信息技术有限公司 | 一种基于关联网络的智能风控平台系统、装置和设备 |
CN113656808A (zh) * | 2021-08-31 | 2021-11-16 | 平安医疗健康管理股份有限公司 | 数据安全评估方法、装置、设备及存储介质 |
CN113919679A (zh) * | 2021-09-30 | 2022-01-11 | 武汉金豆医疗数据科技有限公司 | 业务流程风险防控方法及系统 |
CN114091899A (zh) * | 2021-11-22 | 2022-02-25 | 支付宝(杭州)信息技术有限公司 | 风险特征识别方法以及装置 |
CN114240097A (zh) * | 2021-12-02 | 2022-03-25 | 支付宝(杭州)信息技术有限公司 | 一种风险评估的方法及装置 |
CN114299764A (zh) * | 2021-12-17 | 2022-04-08 | 南京莱斯信息技术股份有限公司 | 民航航班时刻计划与预先飞行计划联动变更一致性方法 |
CN114500048A (zh) * | 2022-01-26 | 2022-05-13 | 南方电网数字电网研究院有限公司 | 基于网络安全的外部威胁情报分析方法及系统 |
CN114647555A (zh) * | 2022-05-13 | 2022-06-21 | 太平金融科技服务(上海)有限公司 | 基于多业务系统的数据预警方法、装置、设备和介质 |
CN114693459A (zh) * | 2022-04-15 | 2022-07-01 | 北京百度网讯科技有限公司 | 基于金融场景的风险控制方法、装置及电子设备 |
CN114844681A (zh) * | 2022-04-11 | 2022-08-02 | 中国科学院信息工程研究所 | 基于关联图的分析方法、系统、电子设备、存储介质 |
CN115391670A (zh) * | 2022-11-01 | 2022-11-25 | 南京嘉安网络技术有限公司 | 一种基于知识图谱的互联网行为分析方法与系统 |
CN115730605A (zh) * | 2022-11-21 | 2023-03-03 | 刘奕涵 | 基于多维信息的数据分析方法 |
CN115983636A (zh) * | 2022-12-26 | 2023-04-18 | 深圳市中政汇智管理咨询有限公司 | 风险评估方法、装置、设备及存储介质 |
WO2024066506A1 (zh) * | 2022-09-26 | 2024-04-04 | 华为云计算技术有限公司 | 数据监控分析方法、装置、服务器、运维系统及存储介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113094506B (zh) * | 2021-04-14 | 2023-08-18 | 每日互动股份有限公司 | 一种基于关系图谱的预警方法、计算机设备及存储介质 |
CN113590835A (zh) * | 2021-07-28 | 2021-11-02 | 上海致景信息科技有限公司 | 纺织行业数据的知识图谱构建方法、装置及处理器 |
CN113657779B (zh) * | 2021-08-20 | 2024-01-09 | 杭州时趣信息技术有限公司 | 一种动态配置化的风控决策方法、系统、设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006031306A (ja) * | 2004-07-15 | 2006-02-02 | Chugoku Electric Power Co Inc:The | リスク共済システム,リスク共済方法およびリスク共済プログラム |
CN109636607A (zh) * | 2018-12-18 | 2019-04-16 | 平安科技(深圳)有限公司 | 基于模型部署的业务数据处理方法、装置和计算机设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108564460B (zh) * | 2018-01-12 | 2020-10-30 | 阳光财产保险股份有限公司 | 互联网信贷场景下的实时欺诈检测方法及装置 |
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系统 |
CN109657837A (zh) * | 2018-11-19 | 2019-04-19 | 平安科技(深圳)有限公司 | 违约概率预测方法、装置、计算机设备和存储介质 |
CN110390465A (zh) * | 2019-06-18 | 2019-10-29 | 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 |
-
2019
- 2019-06-18 CN CN201910526011.6A patent/CN110390465A/zh active Pending
-
2020
- 2020-04-22 WO PCT/CN2020/086088 patent/WO2020253358A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006031306A (ja) * | 2004-07-15 | 2006-02-02 | Chugoku Electric Power Co Inc:The | リスク共済システム,リスク共済方法およびリスク共済プログラム |
CN109636607A (zh) * | 2018-12-18 | 2019-04-16 | 平安科技(深圳)有限公司 | 基于模型部署的业务数据处理方法、装置和计算机设备 |
Cited By (65)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112783889A (zh) * | 2019-11-07 | 2021-05-11 | 中国石油化工股份有限公司 | 用于建立变更风险控制措施库的方法和装置 |
CN110909384A (zh) * | 2019-11-19 | 2020-03-24 | 支付宝(杭州)信息技术有限公司 | 确定泄露用户信息的业务方的方法及装置 |
CN110909805A (zh) * | 2019-11-26 | 2020-03-24 | 西安交通大学城市学院 | 基于大数据与Inception V3深度网络模型的金融风控系统 |
CN110909805B (zh) * | 2019-11-26 | 2022-02-18 | 西安交通大学城市学院 | 基于大数据与Inception V3深度网络模型的金融风控系统 |
CN110991871A (zh) * | 2019-11-29 | 2020-04-10 | 深圳前海微众银行股份有限公司 | 风险监测方法、装置、设备与计算机可读存储介质 |
CN111143163B (zh) * | 2019-12-13 | 2024-04-16 | 上海硬通网络科技有限公司 | 数据监控方法、装置、计算机设备和存储介质 |
CN111143163A (zh) * | 2019-12-13 | 2020-05-12 | 上海硬通网络科技有限公司 | 数据监控方法、装置、计算机设备和存储介质 |
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 |
CN113037792B (zh) * | 2019-12-24 | 2022-07-26 | 中国移动通信集团四川有限公司 | 一种业务识别参数的验证方法、装置及网关 |
CN113037792A (zh) * | 2019-12-24 | 2021-06-25 | 中国移动通信集团四川有限公司 | 一种业务识别参数的验证方法、装置及网关 |
CN111177284A (zh) * | 2019-12-31 | 2020-05-19 | 清华大学 | 应急预案模型生成方法、装置及设备 |
CN111353702A (zh) * | 2020-02-28 | 2020-06-30 | 中国工商银行股份有限公司 | 变更操作风险计算方法和装置 |
CN111428971A (zh) * | 2020-03-05 | 2020-07-17 | 支付宝(杭州)信息技术有限公司 | 业务数据的处理方法、装置和服务器 |
CN111581222A (zh) * | 2020-03-30 | 2020-08-25 | 深圳壹账通智能科技有限公司 | 业务数据的关联分析方法、装置、计算机设备及计算机存储介质 |
CN111582488A (zh) * | 2020-04-23 | 2020-08-25 | 傲林科技有限公司 | 一种事件推演方法及装置 |
CN111476664A (zh) * | 2020-05-04 | 2020-07-31 | 武汉众邦银行股份有限公司 | 一直基于实时数据流的风险感知和风险预测方法 |
CN111582873A (zh) * | 2020-05-07 | 2020-08-25 | 支付宝(杭州)信息技术有限公司 | 评估交互事件的方法及装置、电子设备、存储介质 |
CN111784495A (zh) * | 2020-06-04 | 2020-10-16 | 江苏常熟农村商业银行股份有限公司 | 担保圈识别方法、装置、计算机设备和存储介质 |
CN111784495B (zh) * | 2020-06-04 | 2021-05-04 | 江苏常熟农村商业银行股份有限公司 | 担保圈识别方法、装置、计算机设备和存储介质 |
CN111782710A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 数据存储方法、装置、计算设备和介质 |
CN111782710B (zh) * | 2020-06-30 | 2023-07-25 | 北京百度网讯科技有限公司 | 数据存储方法、装置、计算设备和介质 |
CN111754340B (zh) * | 2020-07-03 | 2022-06-21 | 交通银行股份有限公司 | 一种基于图数据库的担保网络风险排查系统 |
CN111754340A (zh) * | 2020-07-03 | 2020-10-09 | 交通银行股份有限公司 | 一种基于图数据库的担保网络风险排查系统 |
CN111880989A (zh) * | 2020-07-14 | 2020-11-03 | 中国银联股份有限公司 | 一种配置项管理方法及装置 |
CN111797406A (zh) * | 2020-07-15 | 2020-10-20 | 智博云信息科技(广州)有限公司 | 一种医疗基金数据分析处理方法、装置及可读存储介质 |
CN111966726A (zh) * | 2020-07-22 | 2020-11-20 | 武汉极意网络科技有限公司 | 基于不同类型客户的自适应数据分析报告生成系统及方法 |
CN111966726B (zh) * | 2020-07-22 | 2023-09-26 | 武汉极意网络科技有限公司 | 基于不同类型客户的自适应数据分析报告生成系统及方法 |
CN111798162A (zh) * | 2020-07-23 | 2020-10-20 | 深圳壹账通智能科技有限公司 | 基于神经网络的风险监测方法及装置 |
CN112149951A (zh) * | 2020-08-11 | 2020-12-29 | 招联消费金融有限公司 | 风险控制方法、装置、计算机设备和存储介质 |
CN112015909A (zh) * | 2020-08-19 | 2020-12-01 | 普洛斯科技(重庆)有限公司 | 知识图谱的构建方法及装置、电子设备、存储介质 |
CN112015909B (zh) * | 2020-08-19 | 2024-04-30 | 普洛斯科技(重庆)有限公司 | 知识图谱的构建方法及装置、电子设备、存储介质 |
CN112184235A (zh) * | 2020-09-04 | 2021-01-05 | 支付宝(杭州)信息技术有限公司 | 风控数据变更方法和装置 |
CN112184235B (zh) * | 2020-09-04 | 2022-05-13 | 支付宝(杭州)信息技术有限公司 | 风控数据变更方法和装置 |
CN112100451A (zh) * | 2020-09-14 | 2020-12-18 | 上海飞机制造有限公司 | 基于图数据库搭建工业神经网络的方法 |
CN112100451B (zh) * | 2020-09-14 | 2023-11-17 | 上海飞机制造有限公司 | 基于图数据库搭建工业神经网络的方法 |
CN112184012A (zh) * | 2020-09-27 | 2021-01-05 | 平安资产管理有限责任公司 | 一种企业风险预警方法、装置、设备及可读存储介质 |
CN112328802A (zh) * | 2020-09-30 | 2021-02-05 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置和服务器 |
CN112465461A (zh) * | 2020-12-04 | 2021-03-09 | 金蝶云科技有限公司 | 业务对象信息变更方法、系统、计算机设备和存储介质 |
CN112634069A (zh) * | 2020-12-30 | 2021-04-09 | 太平金融科技服务(上海)有限公司 | 核保请求处理方法、装置、计算机设备和存储介质 |
CN112907364A (zh) * | 2021-04-01 | 2021-06-04 | 重庆度小满优扬科技有限公司 | 一种风控分析模型的评估方法及装置 |
CN113077336A (zh) * | 2021-04-15 | 2021-07-06 | 北京同邦卓益科技有限公司 | 风控信息配置方法、装置、电子设备和计算机可读介质 |
CN113222223B (zh) * | 2021-04-24 | 2023-02-21 | 上海钢银科技发展有限公司 | 实时数仓的风控联动预警方法、系统、设备及存储介质 |
CN113222223A (zh) * | 2021-04-24 | 2021-08-06 | 上海钢银科技发展有限公司 | 实时数仓的风控联动预警方法、系统、设备及存储介质 |
CN113282625A (zh) * | 2021-05-31 | 2021-08-20 | 重庆富民银行股份有限公司 | 一种基于sql的api数据查询和处理系统及方法 |
CN113282625B (zh) * | 2021-05-31 | 2022-10-04 | 重庆富民银行股份有限公司 | 一种基于sql的api数据查询和处理系统及方法 |
CN113393159A (zh) * | 2021-07-07 | 2021-09-14 | 上海软中信息技术有限公司 | 一种基于关联网络的智能风控平台系统、装置和设备 |
CN113656808A (zh) * | 2021-08-31 | 2021-11-16 | 平安医疗健康管理股份有限公司 | 数据安全评估方法、装置、设备及存储介质 |
CN113919679A (zh) * | 2021-09-30 | 2022-01-11 | 武汉金豆医疗数据科技有限公司 | 业务流程风险防控方法及系统 |
CN114091899A (zh) * | 2021-11-22 | 2022-02-25 | 支付宝(杭州)信息技术有限公司 | 风险特征识别方法以及装置 |
CN114240097A (zh) * | 2021-12-02 | 2022-03-25 | 支付宝(杭州)信息技术有限公司 | 一种风险评估的方法及装置 |
CN114299764B (zh) * | 2021-12-17 | 2022-11-08 | 南京莱斯信息技术股份有限公司 | 民航航班时刻计划与预先飞行计划联动变更一致性方法 |
CN114299764A (zh) * | 2021-12-17 | 2022-04-08 | 南京莱斯信息技术股份有限公司 | 民航航班时刻计划与预先飞行计划联动变更一致性方法 |
CN114500048A (zh) * | 2022-01-26 | 2022-05-13 | 南方电网数字电网研究院有限公司 | 基于网络安全的外部威胁情报分析方法及系统 |
CN114500048B (zh) * | 2022-01-26 | 2023-10-03 | 南方电网数字电网研究院有限公司 | 基于网络安全的外部威胁情报分析方法及系统 |
CN114844681A (zh) * | 2022-04-11 | 2022-08-02 | 中国科学院信息工程研究所 | 基于关联图的分析方法、系统、电子设备、存储介质 |
CN114693459A (zh) * | 2022-04-15 | 2022-07-01 | 北京百度网讯科技有限公司 | 基于金融场景的风险控制方法、装置及电子设备 |
CN114647555A (zh) * | 2022-05-13 | 2022-06-21 | 太平金融科技服务(上海)有限公司 | 基于多业务系统的数据预警方法、装置、设备和介质 |
WO2024066506A1 (zh) * | 2022-09-26 | 2024-04-04 | 华为云计算技术有限公司 | 数据监控分析方法、装置、服务器、运维系统及存储介质 |
CN115391670A (zh) * | 2022-11-01 | 2022-11-25 | 南京嘉安网络技术有限公司 | 一种基于知识图谱的互联网行为分析方法与系统 |
CN115730605A (zh) * | 2022-11-21 | 2023-03-03 | 刘奕涵 | 基于多维信息的数据分析方法 |
CN115730605B (zh) * | 2022-11-21 | 2024-02-02 | 暨南大学 | 基于多维信息的数据分析方法 |
CN115983636A (zh) * | 2022-12-26 | 2023-04-18 | 深圳市中政汇智管理咨询有限公司 | 风险评估方法、装置、设备及存储介质 |
CN115983636B (zh) * | 2022-12-26 | 2023-11-17 | 深圳市中政汇智管理咨询有限公司 | 风险评估方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020253358A1 (zh) | 2020-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110390465A (zh) | 业务数据的风控分析处理方法、装置和计算机设备 | |
EP3985578A1 (en) | Method and system for automatically training machine learning model | |
CN109858737B (zh) | 基于模型部署的评分模型调整方法、装置和计算机设备 | |
García et al. | An insight into the experimental design for credit risk and corporate bankruptcy prediction systems | |
CN109492945A (zh) | 企业风险识别监控方法、装置、设备及存储介质 | |
CN110738388B (zh) | 关联图谱评估风险传导的方法、装置、设备和存储介质 | |
CN110378786B (zh) | 模型训练方法、违约传导风险识别方法、装置及存储介质 | |
CN110188198A (zh) | 一种基于知识图谱的反欺诈方法及装置 | |
US11538044B2 (en) | System and method for generation of case-based data for training machine learning classifiers | |
Van Thiel et al. | Artificial intelligence credit risk prediction: An empirical study of analytical artificial intelligence tools for credit risk prediction in a digital era | |
CN112417176B (zh) | 基于图特征的企业间隐性关联关系挖掘方法、设备及介质 | |
CN108492001A (zh) | 一种用于担保贷款网络风险管理的方法 | |
CN110458425A (zh) | 风险主体的风险分析方法、装置、可读介质及电子设备 | |
CN113095408A (zh) | 风险的确定方法、装置和服务器 | |
CN111861729A (zh) | 基于lstm的行为评分系统及方法 | |
CN115545103A (zh) | 异常数据识别、标签识别方法和异常数据识别装置 | |
Ramaki et al. | Credit card fraud detection based on ontology graph | |
CN117155771B (zh) | 一种基于工业物联网的设备集群故障溯源方法及装置 | |
Haug et al. | Change detection for local explainability in evolving data streams | |
Xu et al. | An improved credit card users default prediction model based on RIPPER | |
CN117010914A (zh) | 风险团伙的识别方法、装置、计算机设备及存储介质 | |
US20200184344A1 (en) | System and method for measuring model efficacy in highly regulated environments | |
CN115619245A (zh) | 一种基于数据降维方法的画像构建和分类方法及系统 | |
Sheng et al. | A comparative study of data mining techniques in predicting consumers' credit card risk in banks | |
CN112950350B (zh) | 一种基于机器学习的贷款产品推荐方法及系统 |
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 |