CN110458686B - 用于确定借贷风险的方法及装置 - Google Patents

Abstract

本公开提供了一种用于确定借贷风险的方法及装置，其中所述用于确定借贷风险的方法包括：获取借贷标的数据，在借贷标的数据中具有借款实体信息和借贷平台实体信息，然后调用知识图谱来识别借款实体和借贷平台实体之间的实体关联性，以及基于所识别的实体关联性来确定针对该借贷标的数据是否存在借贷风险。利用该方法，通过知识图谱来确定借贷标的数据中借款实体与借贷平台实体之间的实体关联性，能够基于所得出的实体关联性来识别借贷风险。

Description

用于确定借贷风险的方法及装置

技术领域

本公开涉及网络金融技术领域，具体地，涉及一种用于确定借贷风险的方法及装置。

背景技术

P2P(点对点，Peer-to-Peer)网络贷款是指个体和个体之间通过互联网平台实现的直接借贷，而这个互联网平台就是通常所说的P2P平台。随着互联网经济的普及，诸如P2P平台的各类借贷平台得到了爆发式发展。

目前，借贷平台从收到客户的借款标的直到最后的审批放款，整个运营过程都是在借贷平台的服务端上来完成的。然而，存在一些借贷平台自己制造标的，并上传平台通过自己审核，从而达到自融的非法目的，导致了平台投资用户的资金存在在毫不知情的情况下被挪用或盗用的风险，这也是目前借贷平台频发暴雷事件的重要原因之一，严重影响了行业秩序的稳定发展和社会和谐。

因此，如何有效识别借贷平台的诸如自融一类的平台违规借贷风险，以便于对借贷平台进行风险监管是目前业界亟待解决的难题。

发明内容

鉴于上述问题，本公开提供了一种用于确定借贷风险的方法及装置，利用该方法及装置，应用知识图谱来确定借贷标的数据中借款实体与借贷平台实体之间的实体关联性，能够基于所得出的实体关联性来检测诸如自融风险的平台违规借贷风险。

根据本公开的一个方面，提供了一种用于确定借贷风险的方法，包括：获取借贷标的数据，所述借贷标的数据包括借款实体信息和借贷平台实体信息；基于知识图谱来确定所述借款实体和所述借贷平台实体之间的实体关联性，所述知识图谱包括多个实体以及实体之间的边连接，所述边连接表征实体之间的关联属性；以及基于所确定的实体关联性，确定所述借贷标的数据是否存在借贷风险。

可选地，在上述方面的一个示例中，基于知识图谱来确定所述借款实体和所述借贷平台实体之间的实体关联性包括：在所述知识图谱上存在所述借款实体和所述借贷平台实体之间的连接路径时，确定所述借款实体和所述借贷平台实体之间存在实体关联性，所述连接路径包括至少一条边连接，以及基于所确定的实体关联性，确定所述借贷标的数据是否存在借贷风险包括：在所述借款实体和所述借贷平台实体之间存在实体关联性时，确定所述借贷标的数据存在借贷风险。

可选地，在上述方面的一个示例中，基于知识图谱来确定所述借款实体和所述借贷平台实体之间的实体关联性包括：在所述知识图谱上存在所述借款实体和所述借贷平台实体之间的连接路径时，获取所述连接路径的边连接组成信息，所述边连接组成信息包括所述连接路径的边连接成员组成以及各个边连接成员的关联属性；基于所述连接路径的边连接组成信息，计算所述借款实体和所述借贷平台实体之间的实体关联度，以及基于所确定的实体关联性，确定所述借贷标的数据是否存在借贷风险包括：在所计算出的实体关联度大于第一关联度阈值时，确定所述借贷标的数据存在借贷风险。

可选地，在上述方面的一个示例中，在所述连接路径是单跳连接时，基于所述连接路径的边连接组成信息，计算所述借款实体和所述借贷平台实体之间的实体关联度包括：获取所述单跳连接中的各个边连接的关联属性；基于所获取的各个边连接的关联属性，确定所述各个边连接的第一实体关联度；以及基于所确定的各个边连接的第一实体关联度，计算所述借款实体和所述借贷平台实体之间的实体关联度。

可选地，在上述方面的一个示例中，在所述连接路径是多跳连接时，基于所述连接路径的边连接组成信息，计算所述借款实体和所述借贷平台实体之间的实体关联度包括：针对所述多跳连接中的每个单跳连接，获取该单跳连接中的各个边连接的关联属性；基于所获取的各个边连接的关联属性，确定所述各个边连接的第一实体关联度；以及基于所确定的各个边连接的第一实体关联度，计算该单跳连接对应的第二实体关联度；计算所述多跳连接中的各个单跳连接对应的第二实体关联度的乘积，作为所述借款实体和所述借贷平台实体之间的实体关联度。

可选地，在上述方面的一个示例中，所述借贷标的数据还包括借款方关联实体信息，所述方法还包括：基于所述知识图谱确定所述借款实体与所述借款方关联实体的第三实体关联度；在所述第三实体关联度小于第二关联度阈值时，确定所述借贷标的数据存在借贷风险。

可选地，在上述方面的一个示例中，所述借贷标的数据包括借贷额度，所述方法还包括：基于所述知识图谱统计所述借款实体的历史借贷记录；以及在所统计的历史借贷记录和所述借贷标的数据的借贷额度超过预定借贷额度，确定所述借贷标的数据存在借贷风险。

可选地，在上述方面的一个示例中，所述借款实体的历史借贷记录包括针对所述借贷平台实体的历史借贷记录，或者所述借款实体的历史借贷记录包括针对多个指定借款实体的历史借贷记录，所述指定借款实体包括所述借贷平台实体。

可选地，在上述方面的一个示例中，还包括：在确定所述借贷标的数据存在借贷风险时，向第三方风险监管平台发送风险告警信息。

可选地，在上述方面的一个示例中，在确定所述借贷标的数据存在借贷风险时，向第三方风险监管平台发送风险告警信息包括：在所确定出的借贷风险是由于所述借款实体和所述借贷平台实体之间的实体关联度大于第一关联度阈值或者所述借款实体和所述借款方关联实体的实体关联度小于第二关联度阈值而造成时，实时向第三方风险监管平台发送风险告警信息；在所确定出的借贷风险是由于所述借款实体的历史借贷记录超过预定借贷额度而造成时，延迟预定时间后向第三方风险监管平台发送风险告警信息。

根据本公开的另一方面，提供一种用于确定借贷风险的装置，包括：标的数据获取单元，被配置为获取借贷标的数据，所述借贷标的数据包括借款实体信息和借贷平台实体信息；第一关联性确定单元，被配置为基于知识图谱来确定所述借款实体和所述借贷平台实体之间的实体关联性，所述知识图谱包括多个实体以及实体之间的边连接，所述边连接表征实体之间的关联属性；以及第一借贷风险确定单元，被配置为基于所确定的实体关联性，确定所述借贷标的数据是否存在借贷风险。

可选地，在上述方面的一个示例中，所述第一关联性确定单元被配置为在所述知识图谱上存在所述借款实体和所述借贷平台实体之间的连接路径时，确定所述借款实体和所述借贷平台实体之间存在实体关联性，所述连接路径包括至少一条边连接，以及所述第一借贷风险确定单元被配置为在所述借款实体和所述借贷平台实体之间存在实体关联性时，确定所述借贷标的数据存在借贷风险。

可选地，在上述方面的一个示例中，所述第一关联性确定单元包括：边连接获取模块，被配置为在所述知识图谱上存在所述借款实体和所述借贷平台实体之间的连接路径时，获取所述连接路径的边连接组成信息，所述边连接组成信息包括所述连接路径的边连接成员组成以及各个边连接成员的关联属性；实体关联度确定模块，被配置为基于所述连接路径的边连接组成信息，计算所述借款实体和所述借贷平台实体之间的实体关联度，其中，所述第一借贷风险确定单元被配置为在所计算出的实体关联度大于预设的第一关联度阈值时，确定所述借贷标的数据存在借贷风险。

可选地，在上述方面的一个示例中，所述连接路径是单跳连接，所述单跳连接包括至少一条边连接，所述实体关联度确定模块被配置为：基于所述至少一条边连接的关联属性，确定各个边连接的第一实体关联度。以及基于所确定的各个边连接的第一实体关联度，计算所述借款实体和所述借贷平台实体之间的实体关联度。

可选地，在上述方面的一个示例中，所述连接路径包括多跳连接，所述多跳连接中的每个单跳连接包括至少一条边连接，所述实体关联度确定模块被配置为针对所述多跳连接中的每个单跳连接，基于该单跳连接中的各个边连接的关联属性，确定各个边连接的第一实体关联度，基于所确定的各个边连接的第一实体关联度，计算该单跳连接对应的第二实体关联度，以及计算所述多跳连接中的各个单跳连接对应的第二实体关联度的乘积，作为所述借款实体和所述借贷平台实体之间的实体关联度。

可选地，在上述方面的一个示例中，所述借贷标的数据还包括借款方关联实体信息，所述装置还包括：第二借贷风险确定单元，被配置为基于所述知识图谱确定所述借款实体与所述借款方关联实体的第三实体关联度，以及第二借贷风险确定单元，被配置为在所述第三实体关联度小于第二关联度阈值时，确定所述借贷标的数据存在借贷风险。

可选地，在上述方面的一个示例中，所述借贷标的数据包括借贷额度，所述装置还包括：借贷记录统计单元，被配置为基于所述知识图谱统计所述借款实体的历史借贷记录；以及第三借贷风险确定单元，被配置为在所统计的历史借贷记录和所述借贷标的数据的借贷额度之和超过预定借贷额度，确定所述借贷标的数据存在借贷风险。

根据本公开的另一方面，提供一种计算设备，包括：至少一个处理器；以及存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如上所述的用于业务请求处理的方法。

根据本公开的另一方面，提供一种机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述机器执行如上所述的用于业务请求处理的方法。

附图说明

通过参照下面的附图，可以实现对于本公开内容的本质和优点的进一步理解。在附图中，类似组件或特征可以具有相同的附图标注。附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开的实施例，但并不构成对本公开的实施例的限制。在附图中：

图1示出了适于应用本公开的实施例的知识图谱的示意图；

图2示出了根据本公开的实施例的用于确定借贷风险的系统的系统架构示意图；

图3示出了根据本公开的第一实施例的用于确定借贷风险的方法的流程图；

图4示出了根据本公开的第二实施例的基于实体关联度来确定借贷风险的方法的流程图；

图5示出了根据本公开的第二实施例中用于确定对应单跳连接的连接路径的实体关联度的方法的流程图；

图6示出了根据本公开的第二实施例中用于确定对应多跳连接的连接路径的实体关联度的方法的流程图；

图7示出了根据本公开的一实施例的在实时风险告警模式下的用于确定借贷风险的方法的信号时序图；

图8示出了根据本公开的一实施例的在延时风险告警模式下的用于确定借贷风险的方法的信号时序图；

图9示出了根据本公开的一实施例的在混合云架构下的用于确定借贷风险的方法的信号时序图；

图10示出了根据本公开的实施例的用于确定借贷风险的装置的方框图；

图11示出了根据本公开的实施例的用于确定实体关联度的关联性确定单元的方框图；

图12示出了根据本公开的实施例的用于确定借贷风险的计算设备的方框图。

具体实施方式

以下将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本公开内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其它例子中也可以进行组合。

如本文中使用的，术语“包括”及其变型表示开放的术语，含义是“包括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至少一个其他实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下面可以包括其他的定义，无论是明确的还是隐含的。除非上下文中明确地指明，否则一个术语的定义在整个说明书中是一致的。

此外，如本文中使用的，术语“知识图谱”(Knowledge Graph)是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识点实体及它们之间的相互联系。

图1示出了适于应用本公开的实施例的知识图谱的示意图。

如图1所示，该知识图谱由多个实体和多个边连接所构成的，这里，图1中的方形方框表示公司实体，图1中的圆形方框表示自然人实体，不同实体之间的边连接可以用于表示在不同实体之间的关联属性。

这里，知识图谱中的边连接所表示的关联属性可以包括实体关联关系，例如，实体关联关系可包括在图1中的诸如“股东”、“法人代表”、“对外投资”的工商关系，诸如“借贷”的历史金融行为关系，以及诸如“亲属”、“好友”的亲友关系等。应理解的是，图1中的知识图谱的实体和关联关系仅用作示例，本公开实施例也可以仅采用图1中的部分实体和关联关系，另外还可以采用未于此所描述的一些或全部的实体和关联关系。另外，实体关联关系除了常见的工商关系(例如股东、分支机构、法人代表、董监高(董事长、监事、高管)、对外投资和股权出质)之外，还可以包括一些衍生关系，例如通过股权穿透分析所得出的企业最终受益人，以及通过对招股书、年报披露信息和公网信息挖掘等所得出的实际控制人等。

进一步地，知识图谱中的边连接所表示的关联属性还可以包括该实体关联关系所对应实体关联值(未示出)，该实体关联值可以是用于表征在两个实体之间的实体关联关系的强弱的度量值。另外，在一些实体关联关系下还可以存在对应的关系属性值，而这些关系属性值可影响该实体关联关系所对应的实体关联值的大小。示例性地，针对借贷关系的关系属性值包括借贷金额，并且借贷金额的大小与该借贷关系所对应的实体关联值的高低呈正相关关系。

需说明的是，在知识图谱中的关于实体之间的连接，存在“单跳连接”和“多跳连接”。这里，“单跳连接”表示实体之间的直接连接(或在实体之间仅存在一条直接的边连接)，例如“I-A”就是在实体I与实体A之间的单跳连接。另外，“多跳连接”表示实体之间的间接连接(或在对应实体之间存在多条边连接)，例如实体A和H之间是2跳连接，换言之，由2个单跳连接构成，即，“H-G-A”。同时，在“单跳连接”的两个实体之间的关联关系(或边连接)也有可能不止一个，例如在实体B和实体N之间存在两条边连接。

此外，术语“连接路径”表示两个实体之间通过一条或多条边连接而构成连通的所有连接路径。相应地，如果在知识图谱中的两个实体之间无论通过怎样的边连接都无法构成连通的路径，则确定在两个实体之间不存在连接路径。例如，参照图1所示，在实体A与实体S、I等之间存在连接路径，而在实体A与实体J或P之间就不存在连接路径，另外，在实体M与实体A之间的连接路径为“M-C-A”和“M-E-F-A”。

这里，借贷风险可以包括各类平台违规风险，例如，自融风险、身份虚假风险和超额借贷风险等。这里，自融风险表示借贷平台将从网上融到的资金流入自己的企业或者关联企业的风险，身份虚假风险表示借贷标的数据中存在借款人身份信息虚假的风险，超额借贷风险表示某一借款人在同一借贷平台所产生的借款总额或在所有借款平台所发生的借款总额不能超过相应的借贷额度。示例性地，根据当下现行的借贷平台管理办法，同一自然人在同一网络借贷信息中介机构平台的借款余额上限不超过人民币20万元。在一些应用场景下，本公开实施例可以由金融监管组织的服务端使用或协助该金融监管组织的服务端来对借贷平台进行诸如自融风险、身份虚假风险和超额借贷风险的各类风险监管。

应理解的是，于此所描述的各个风险类型仅用于对借贷风险的说明，而并不旨在对借贷风险的限制，下文各个实施例可以是针对其中的一个或多个类型的借贷风险而进行的操作。

现在结合附图来描述本公开的用于确定借贷风险的方法及装置。

图2示出的是本公开的实施例的用于确定借贷风险的系统(下文也称为借贷风险确定系统)的系统架构示意图。

如图2所示，借贷风险确定系统20包括客户端201、202和203，和服务器206、208，其中，客户端201、客户端202和客户端203可以是诸如台式机、笔记本电脑和手机之类的终端设备。并且，终端设备与服务器之间可以是通过网络进行通信互联。在一些应用场景下，终端设备上可以安装有由借贷服务端所运营的应用程序(例如借贷软件等)，并通过用户操作触发以向借贷服务端发送借贷标的数据。在本公开的一个示例中，服务器206可以表示借贷平台服务器，而服务器208可以表示风险确定服务器，其用于通过对服务器206中的借贷标的数据进行风险分析以确定是否存在风险。

应理解的是，图2中所示出的终端设备或服务器的数量并不旨在对本公开示例的限制。示例性地，一方面，服务器206还可以表示由多个服务器组合所形成的服务器集群，以保障借贷平台的正常运营工作。另一方面，服务器208还可以表示分别实现不同功能的多个服务器，例如服务器208可以包括监管端(其载体形式可以是服务器或任意的终端设备)和风险确定服务器。这里，各个借贷平台服务器都可以或必须要实时或定期地向监管端上报借贷标的数据，然后由风险确定服务器来完成针对借贷标的数据的风险分析，从而共同完成对借贷平台的风险监管。

具体的，服务器208(或风险确定服务器)可以是具有知识图谱分析能力的平台，例如能够基于大数据分析而生成相应的知识图谱，并通过知识图谱来对借贷标的数据进行分析，以确定借贷标的数据是否存在诸如自融风险的借贷风险。

图3示出了根据本公开的第一实施例的用于确定借贷风险的方法(下文也称为借贷风险确定方法)300的流程图。

在块310中，获取借贷标的数据，其中该借贷标的数据包括借款实体信息和借贷平台实体信息。这里，借贷标的数据可以表示借贷方所填写的用于向借贷平台申请借贷所填报的数据，借款实体信息可以表示借款方的标识信息，例如借款个人实体的身份证号码或借款企业实体的统一信用代码等。示例性地，可以在借贷平台服务器从借贷方客户端接收到借贷数据之后，将该借贷数据发送至监管端和/或风险确定服务器，以便于监管端和/或风险确定服务器来识别借贷风险。

接着，在块320中，基于知识图谱来确定借款实体和借贷平台实体之间的实体关联性，其中知识图谱包括多个实体以及实体之间的边连接，边连接表征实体之间的关联属性。这里，实体关联性可以表示在知识图谱中不同实体之间的关联情况，例如通过知识图谱中的边连接就能够体现借款实体和借贷平台实体之间的实体关联性。

在本公开的一个示例中，当借款实体和借贷平台实体之间以单跳连接或多跳连接的方式连通时，可以确定在二者之间存在实体关联性。具体的，在知识图谱上存在借款实体和所借贷平台实体之间的连接路径时，确定借款实体和借贷平台实体之间存在实体关联性，其中该连接路径包括至少一条边连接。反之，若在知识图谱上找不到借款实体和所借贷平台之间的连接路径时，则可以确定借款实体与借贷平台实体之间不存在实体关联性。

接着，在块330中，基于所确定的实体关联性来确定借贷标的数据是否存在借贷风险。示例性地，在借款实体和借贷平台实体之间存在实体关联性时，借贷标的数据可以被确定为存在借贷风险，而在借款实体和借贷平台实体之间不存在实体关联性时，可以确定借贷标的数据不存在借贷风险。这里，借贷风险可以为自融风险。

示例性地，参照1所示，若借款实体为F且借贷平台实体为A，A-F通过边连接直接关联，则此时可以确定F所对应的借贷标的数据存在借贷风险。另外，若借款实体为J且借贷平台实体为A，而A和J之间不存在基于边连接的连接路径，则此时可以确定J所对应的借贷标的数据不存在借贷风险。

图4示出的是本公开的第二实施例的用于确定借贷风险的方法400的流程图。

在块410中，获取借贷标的数据，其中该借贷标的数据包括借款实体信息和借贷平台实体信息。

接着，在块420中，基于知识图谱来确定借款实体和借贷平台实体之间是否存在连接路径。若不存在相应的连接路径，则确定借款实体和借贷平台实体之间的实体关联度为0。另外，若存在相应的连接路径，则还可继续执行后续的如块430、块440和块450的涉及实体关联度的计算操作。

接着，在块430中，在知识图谱上存在借款实体和所借贷平台实体之间的连接路径时，获取连接路径的边连接组成信息，其中边连接组成信息包括连接路径的边连接成员组成以及各个边连接成员的关联属性。示例性地，参照图1所示，在实体A和S之间的连接路径为A-C-Q-S，在此连接路径中的边连接成员组成有实体A、C、Q和S，相应的关联属性有针对边连接A-C的“股东关系”，针对C-Q的“合作商关系”，以及针对Q-S的“好友关系”。另外，边连接所对应的关联属性还可包括诸如A-C、C-Q和Q-S的实体关联关系分别对应的实体关联值。

这里，连接路径可以是在借款实体和借贷平台实体之间的单跳连接，参照图1所示，A-I、A-F和B-N等都属于单跳连接。另外，连接路径还可以是在借款实体和借贷平台实体A之间的多跳连接，参照图1所示，A-C-Q-S、A-G-H等都属于多跳连接。

接着，在块440中，基于连接路径的边连接组成信息，计算借款实体和所借贷平台实体之间的实体关联度。这里，实体关联度可以是用来表征在借款实体与借贷平台实体之间的实体关联性强弱的度量值。在本公开的一个示例中，若连接路径中的边连接具有相对应的实体关联值，则可以根据各个边连接所对应的实体关联值来计算该连接路径所对应的实体关联度。

需说明的是，连接路径可以包括单跳连接(或借款实体与借贷平台实体之间的直接连接)和多跳连接(或借款实体与借贷平台实体之间的间接连接)这两种类型的连接路径。针对单跳连接计算实体关联度和针对多跳连接计算实体关联度的操作可以参照下面参考图5和图6中描述的操作。

接着，在块450中，在所计算出的实体关联度大于第一关联度阈值时，确定借贷标的数据存在借贷风险。反之，在所计算出的实体关联度不大于第一关联度阈值时，例如当实体A和S之间所对应的实体关联度不大于关联度阈值时，确定借贷标的数据不存在借贷风险。这里，第一关联度阈值可以是根据多次试验结果或应用场景需求而预先进行设置的。

在本公开的实施例中，通过分析边连接组成信息来确定在借款实体和借贷平台实体之间的连接路径所对应的实体关联度，并基于实体关联度进行阈值比较来检测诸如自融风险的借贷风险，可较精确地识别借贷风险。

图5所示出的是本公开的第二实施例中用于确定对应单跳连接的连接路径的实体关联度的方法500的流程图。

在块510中，获取单跳连接中的各个边连接的关联属性，其中A-F和A-I所指示的都是具有一个边连接的单跳连接，而B-N所指示的是具有多个边连接的单跳连接，相应地，可以获取各个边连接所对应的关联属性。这里，关联属性可以仅包括实体关联关系，另外关联属性还可以包括实体关联关系及该实体关联关系所对应的实体关联值。

接着，在块520中，确定各个边连接的第一实体关联度。具体的，一方面，在知识图谱的各个边连接已经具有实体关联关系和该实体关联关系所对应的实体关联值，这样可以直接查询知识图谱来确定连接路径下各个边连接所对应的实体关联值，并可利用该实体关联值来确定边连接所对应的第一实体关联度。另一方面，在知识图谱的各个边连接只具有对应的实体关联关系时，可以分析实体关联关系下的关系属性值来确定对应边连接的实体关联值，进而确定对应的第一实体关联度。示例性地，在借款实体与借贷平台之间的实体关联关系为“股东关系”时，基于关联属性值“股权比例”分析来确定借款实体是属于“大股东”还是“小股东”，并且“大股东”具有实体关联值a，而“小股东”具有实体关联值b，其中a＞b。可附加或可替换地，还可以通过查表等方式来确定与各个实体关联关系分别相对应的实体关联值。

接着，在块530中，基于所确定的各个边连接的第一实体关联度，计算借款实体和所借贷平台实体之间的实体关联度。示例性地，可以将单跳连接下的各个边连接所对应的第一实体关联度进行累加，并将该累加值来作为实体关联度。另外，还可从该累加值与1中取较小者，并将其作为该单跳连接的连接路径所对应的实体关联度。

作为示例，参照图1，在借贷平台实体A与借款实体F之间只存在一条边连接，当该边连接其所对应的第一关联度是0.6时，最终所对应的实体关联度可以被确定是0.6。另外，在借贷平台实体B与借款实体N之间存在多两条边连接，当两条边连接所对应的第一关联度分别是0.4和0.3时，最终所对应的实体关联度可以被确定是0.7。

示例性地，在借款人实体与借贷平台实体之间具有多个边连接，且每个边连接已经具有了对应的实体关联值。参照图1，实体B和实体N之间具有基于“员工关系”的边连接L1和基于“股东关系”的边连接L2。假如L1和L2分别对应具有实体关联值k1和k2，由于这两个实体关联值是基于不同关系维度去考量的，因此在综合利用多个边连接时，需要对k1和k2进行归一化处理以统一数据标准，然后再进行计算(例如累加)以保障最终针对连接路径所确定的实体关联度的精确度。另外，针对不同实体关系还分别存在用于计算实体关联度的不同权重，例如“员工关系”所对应的权重可以大于“股东关系”所对应的权重。示例性地，针对“员工关系”具有对应的第一权重w1，针对“股东关系”具有对应的第二权重w2，进而可根据w1×k1+w2×k2来确定最终的在B与N之间的实体关联度。

图6所示出的是本公开的第二实施例中用于确定对应多跳连接的连接路径的实体关联度的方法600的流程图。

在块610中，针对多跳连接中的每个单跳连接，计算各个单跳连接对应的第二实体关联度。具体的，可以获取该单跳连接中的各个边连接的关联属性，并基于所获取的各个边连接的关联属性来确定各个边连接的第一实体关联度。进而，基于所确定的各个边连接的第一实体关联度，计算该单跳连接对应的第二实体关联度。关于块610更多细节，可以参照如图5中的相关描述，在此便不赘述。

接着，在块620中，计算多跳连接中的各个单跳连接对应的第二实体关联度的乘积，作为借款实体和所借贷平台实体之间的实体关联度。示例性地，参照图1所示，在多跳连接A-B-N中存在两个单跳连接A-B和B-N，这里可以分别确定单跳连接A-B和B-N所对应的第二实体关联度m1和m2，相应地，多跳连接A-B-N所对应的实体关联度可以是m1×m2。由此，使得最终所确定的针对多跳连接的实体关联度能够综合考虑到其中的各个单边连接分别所对应的实体关联度。

这样，即使借款实体与借贷平台实体之间存在连接路径，但是当借款实体与借贷平台实体之间所经历的中间实体节点过多(即跨越实体较多)，或者边连接所表征的实体关联关系不太敏感或实体关联值过低(例如好友关系)，而导致连接路径所对应的实体关联度低于关联度阈值时，也还可以判定借款实体所对应的借贷标的数据不存在借贷风险。示例性地，在借贷平台实体A和借款实体S之间存在3条边连接，且S与Q之间的实体关联关系为好友关系，此时也应可以确定借贷标的数据不存在借贷风险。

在本公开的一个示例中，借贷标的数据还包括借款方关联实体信息。这里，借款方关联实体信息可以表示在借贷标的数据中与借款方实体相关联的其他实体的信息，例如借款人的亲属信息和单位信息等。这里，还可以基于知识图谱来确定针对该借贷标的数据是否存在身份虚假风险。

具体的，可以基于知识图谱确定借款实体与该借款标的数据中所指示借款方关联实体的第三实体关联度。这里，第三实体关联度可以包括用于表示具有关联性和不具有关联性的两个值(例如0或1)。另外，第三实体关联度也可以表示用于衡量实体关联关系的强弱的度量值。

接着，在第三实体关联度小于第二关联度阈值时，确定借贷标的数据存在借贷风险。这里，借贷风险可表示身份虚假风险。示例性地，参照图1，若借款实体N向借贷平台A发出借贷标的数据，通过图1可知实体N是关联实体B的员工。此时，若借贷标的数据中所描述的借款实体N的工作单位是实体E，但通过知识图谱进行关联度计算，发现N与B之间的没有实体关联性或实体关联度过低，则可确定借贷标的数据存在借贷风险(即，身份虚假风险)。

在本公开的一个示例中，借贷标的数据还包括借贷额度。这里，借贷标的数据中的借贷额度可以表示借款实体所期望的从借贷平台所借出的贷款的额度。这里，还可以基于知识图谱来确定针对该借贷标的数据是否存在超额借贷风险。

具体的，可以基于知识图谱统计借款实体的历史借贷记录。例如，统计在知识图谱上借款实体与借贷平台发生的所有的借贷关联属性，而每一借贷关联属性包括对应的历史借贷金额。

接着，在所统计的历史借贷记录和借贷标的数据的借贷额度超过预定借贷额度时，确定借贷标的数据存在借贷风险。这里，预定借贷额度可以表示某一实体针对同一借贷平台或所有指定借贷平台的借贷额度，例如针对同一借款平台的预定借款额度可以是20万元。示例性地，借款人K向借贷平台A发出借贷标的数据，参照图1，可以发现借款人K向借贷平台还存在过往的借贷记录，若此借款标的数据中的借贷额度是12万元，而借贷记录表示借款实体K已经向借贷平台A先前借过10万元，则可以确定此借贷标的数据存在超额借贷风险。

另外，借款实体的历史借贷记录包括针对借贷平台实体的历史借贷记录，或者借款实体的历史借贷记录包括针对多个指定借款实体的历史借贷记录，其中该指定借款实体包括借贷标的数据所指示的借贷平台实体。示例性地，借款实体J向借贷平台A发出借贷标的数据以请求贷款，通过图1可知，针对借款实体J还存在针对其他借贷平台P的历史借贷记录，而如果借款标的数据中的借贷额度与针对借款实体J的历史借贷记录所统计的个人历史借贷金额之和超过预定借贷额度(例如金融监管要求所限制的额度)时，则也可以确定此借贷标的数据存在超额借贷风险。

应该理解的是，在本公开的实施例中，基于知识图谱所确定的借贷风险的类型包括如上所描述的诸如自融风险、身份虚假风险和超额借贷风险其中的一者或多者，以及任意适合的未于此描述的借贷风险。

在本公开的修改实施例中，例如，针对第一实施例和第二实施例的修改实施例，在确定借贷标的数据存在借贷风险后，所述方法还可以包括：向第三方风险监管平台发送风险告警信息。

在一些实施方式中，在所确定出的借贷风险是由于借款实体和借贷平台实体之间的实体关联度大于第一关联度阈值(即，存在自融风险)，或者借款实体和借款方关联实体的实体关联度小于第二关联度阈值(即，存在身份虚假风险)而造成时，实时向第三方风险监管平台发送风险告警信息，这样能够大幅降低平台违规风险。另外，在所确定出的借贷风险是由于所述借款实体的历史借贷记录超过预定借贷额度(即，存在超额借贷风险)而造成时，延迟预定时间后向第三方风险监管平台发送风险告警信息。这里，不同的风险告警模式分别与各自的借贷风险类型相对应，可以满足不同借贷风险类型对处理时间的需求。这里，自融风险和身份虚假风险可以基于知识图谱在较短的时间内得出对应的识别结果，故可推荐采用实时的风险告警模式。然而，超额借贷的风险可能需求更长时间的处理，为了保障风险识别结果的准确性，故可推荐采用延时的风险告警模式。

示例性地，可以采用实时风险告警模式或延时风险告警模式来将针对不同风险类型的风险结果反馈至第三方风险监管平台，例如地方政府金融服务办公室(下文简称为“金融办”)所使用的服务器或终端，由此在保障风险精确度的前提下具备实时风险告警模式和延时(例如，T+1)的风险告警模式。

图7所示出的是本公开的实施例的在实时风险告警模式下的用于确定借贷风险的方法的信号时序图。

如图7所示，在块701中，客户端201向借贷平台服务器206发送借款请求，在借款请求中会包括借款实体信息、借款相关实体信息等。示例性地，借款标的数据中可以包括针对自然人借款实体的借款人姓名、工作单位信息、亲属信息、身份证号、手机号、借款时间和借款金额等，或者针对企业借款实体的企业名称、统一社会信用代码、借款时间和借款金额等。

接着，在块702中，借贷平台服务器206根据借贷平台信息和借款实体信息生成借贷标的数据。

接着，在块703中，借贷平台服务器206将借贷标的数据发送至监管端70，监管端70可以是金融办所维护的服务器或终端设备。

接着，在块704中，监管端70将借贷标的数据转发至风险确定服务器208。

接着，在块705中，风险确定服务器208根据知识图谱来分析借贷标的数据，以确定是否存在借贷风险结果。

接着，在块706中，风险确定服务器208将借贷风险结果发送至监管端70。

接着，在块707中，监管端70还可以将借贷风险结果发送至借贷平台服务器206。

接着，在块708中，借贷平台服务器206会依据借贷风险结果和借款实体资质审核结果生成借款审批报告。

接着，在块709中，客户端201向借贷平台服务器206发送报告查询请求。

接着，在块710中，响应于该报告查询请求，借贷平台服务器206将借款审批报告反馈给客户端201。

应理解的是，在一些可替代的实施方式中，可以仅实施图7中的部分步骤，例如整个流程中可以不必发生诸如块709的操作。另外，监管端70的部分功能也还可以是被集成在风险确定服务器208中，示例性地，可以是直接由风险确定服务器208从借贷平台服务器206接收借贷标的数据，并由风险确定服务器208直接将借贷风险结果返回给借贷平台服务器。

在本公开的实施例中，采用实时风险分析方式，通过应用知识图谱可以准确并快速地监管诸如自融风险和身份虚假风险的借贷风险，且还不会影响借贷平台针对借贷业务的响应处理体验。

图8所示出的是本公开的实施例的在延时风险告警模式下的用于确定借贷风险的方法的信号时序图。

如图8所示，在块801中，客户端201向借贷平台服务器206发送借款请求。

接着，在块802中，借贷平台服务器206确定标的数据。

接着，在块803中，借贷平台服务器206发送借贷标的数据至监管端70。

接着，在块804中，监管端70发送借贷标的数据至风险确定服务器。

接着，在块8051中，风险确定服务器208调用离线关系图谱库。

接着，在块8052中，风险确定服务器208针对借贷标的数据进行大规模批量化的风险计算。

接着，在块8053中，风险确定服务器208生成风险分析结果。

这里，可以采用批量化处理的方式，例如根据多个借贷标的数据生成对应的增量表，大规模批量化计算风险可以针对更多类型的借贷风险而进行，例如超额借贷风险等，使得所得到的风险分析结果的覆盖更全。

接着，在块806中，监管端70以“T+1”的方式与风险确定服务器同步借贷风险结果。

接着，在块807中，监管端70将借贷风险结果发送至借贷平台服务器206。

接着，在块808中，客户端201向借贷平台服务器206发送报告查询请求。

接着，在块809中，借贷平台服务器206将借款审批报告返回至客户端201。关于如图8所示实施例中的细节，可以部分参照如图7中的实施例的相关描述，在此便不赘述。

在一些实施方式中，借贷风险确定系统可以是采用混合云架构，这里监管端70可以独立完成针对部分借贷风险(例如身份虚假风险等)的审核，而需要风险确定服务器来协助完成对一些特定风险类型(例如自融风险)，例如需求调用知识图谱才能进行识别的，来进行识别操作。

图9所示出的是本公开的实施例的在混合云架构下的用于确定借贷风险的方法的信号时序图。

如图9所示，在块901中，客户端201向借贷平台服务器206发送借款请求。

接着，在块902中，借贷平台服务器206确定标的数据。

接着，在块903中，借贷平台服务器206发送借贷标的数据至监管端70。

接着，在块904中，监管端70发送针对特定风险的借贷标的数据至风险确定服务器208。

接着，在块905中，风险确定服务器208可以调用知识图谱确定针对特定风险的分析结果。

接着，在块906中，风险确定服务器208将特定风险分析结果发送至监管端70。

接着，在块907中，监管端70针对其他风险进行分析，从而生成借贷风险结果。

接着，在块908中，监管端70将借贷风险结果发送至借贷平台服务器。

接着，在块909中，借贷平台服务器206接收自客户端的报告查询请求。

接着，在块910中，借贷平台服务器206将报告查询请求返回至客户端201。关于如图9所示实施例中的细节，可以部分参照如图7或8中的实施例的相关描述，在此便不赘述。

图10示出了根据本公开的实施例的用于确定借贷风险的装置(在下文中也被称为“借贷风险确定装置”)的方框图。

如图10所示，借贷风险确定装置100包括标的数据获取单元110、关联性确定单元120和第一借贷风险确定单元130。

标的数据获取单元110被配置为获取借贷标的数据，所述借贷标的数据包括借款实体信息和借贷平台实体信息。标的数据获取单元110的操作可以参照上面参考图3描述的块310的操作。

第一关联性确定单元120被配置为基于知识图谱来确定所述借款实体和所述借贷平台实体之间的实体关联性，所述知识图谱包括多个实体以及实体之间的边连接，所述边连接表征实体之间的关联属性。第一关联性确定单元120的操作可以参照上面参考图3描述的块320的操作。

第一借贷风险确定单元130被配置为基于所确定的实体关联性，确定所述借贷标的数据是否存在借贷风险。第一借贷风险确定单元130的操作可以参照上面参考图3描述的块330的操作。

在本公开的一个示例中，在借贷标的数据中还包括借款方关联实体信息，相应地，借贷风险确定装置100还包括第二关联度确定单元140和第二借贷风险确定单元150。这里，第二关联度确定单元140被配置为基于所述知识图谱确定所述借款实体与所述借款方关联实体的第三实体关联度。第二借贷风险确定单元150被配置为在所述第三实体关联度小于第二关联度阈值时，确定所述借贷标的数据存在借贷风险(即，身份虚假风险)。第二关联度确定单元140和第二借贷风险确定单元150的操作可以参照上面针对身份虚假风险所描述的操作。

在本公开的一个示例中，在借贷标的数据中还包括借贷额度。相应地，借贷风险确定装置100还包括借贷记录统计单元160和第三借贷风险确定单元170。这里，借贷记录统计单元160被配置为基于所述知识图谱统计所述借款实体的历史借贷记录。第三借贷风险确定单元170被配置为在所统计的历史借贷记录和所述借贷标的数据的借贷额度之和超过预定借贷额度，确定所述借贷标的数据存在借贷风险。借贷记录统计单元160和第三借贷风险确定单元170的操作可以参照上面针对超额借贷风险所描述的操作。

进一步地，第一关联性确定单元120被配置为在所述知识图谱上存在所述借款实体和所借贷平台实体之间的连接路径时，确定所述借款实体和所述借贷平台实体之间存在实体关联性，所述连接路径包括至少一条边连接。以及第一借贷风险确定单元130被配置为在所述借款实体和所述借贷平台实体之间存在实体关联性时，确定所述借贷标的数据存在借贷风险。此处，第一关联性确定单元120和第一借贷风险确定单元130的操作可以参照上面参考图3描述的块330的操作。

除了如图10所描述的利用借款实体与借贷平台实体之间是否存在实体关联性来确定借贷风险之外，更进一步地，可以通过确定借款实体和借贷平台实体之间的实体关联度(即，两者之间的具体关联程度)来识别相应的借贷风险。图11示出的是本公开的实施例的用于确定实体关联度的第一关联性确定单元的一个实现示例中的方框图。

如图11所示，第一关联性确定单元120包括边连接获取模块121和实体关联度确定模块122。这里，边连接获取模块121被配置为在所述知识图谱上存在所述借款实体和所借贷平台实体之间的连接路径时，获取所述连接路径的边连接组成信息，所述边连接组成信息包括所述连接路径的边连接成员组成以及各个边连接成员的关联属性。实体关联度确定模块122被配置为基于所述连接路径的边连接组成信息，计算所述借款实体和所借贷平台实体之间的实体关联度。以及第一借贷风险确定单元130还被配置为在所计算出的实体关联度大于预设的关联度阈值时，确定所述借贷标的数据存在借贷风险。此处，第一关联性确定单元120和第一借贷风险确定单元130的操作可以参照上面参考图4描述的操作。

进一步地，所述连接路径是单跳连接，所述单跳连接包括至少一条边连接，实体关联度确定模块122还被配置为基于所述至少一条边连接的关联属性，确定各个边连接的第一实体关联度，以及基于所确定的各个边连接的第一实体关联度来计算所述借款实体和所述借贷平台实体之间的实体关联度。此处，实体关联度确定模块122的操作可以参照上面参考图5的操作。

进一步地，所述连接路径是多跳连接，所述多跳连接中的每个单跳连接包括至少一条边连接，实体关联度确定模块122还被配置为针对所述多跳连接中的每个单跳连接，基于该单跳连接中的各个边连接的关联属性来确定各个边连接的第一实体关联度，基于所确定的各个边连接的第一实体关联度来计算该单跳连接对应的第二实体关联度，以及计算所述多跳连接中的各个单跳连接对应的第二实体关联度的乘积，作为所述借款实体和所述借贷平台实体之间的实体关联度。此处，实体关联度确定模块122的操作可以参照上面参考图6的操作。

如上参照图1到图11，对根据本公开的用于确定借贷风险的方法及装置的实施例进行了描述。在以上对方法实施例的描述中所提及的细节，同样适用于本公开的装置的实施例。上面的用于确定借贷风险的装置可以采用硬件实现，也可以采用软件或者硬件和软件的组合来实现。

图12示出了根据本公开的实施例的用于业务请求处理的计算设备1200的硬件结构图。如图12所示，计算设备1200可以包括至少一个处理器1210、存储器(例如，非易失性存储器)1220、内存1230和通信接口1240，并且至少一个处理器1210、存储器1220、内存1230和通信接口1240经由总线1260连接在一起。至少一个处理器1210执行在存储器中存储或编码的至少一个计算机可读指令(即，上述以软件形式实现的元素)。

在一个实施例中，在存储器中存储计算机可执行指令，其当执行时使得至少一个处理器1210：获取借贷标的数据，所述借贷标的数据包括借款实体信息和借贷平台实体信息；基于知识图谱来确定所述借款实体和所述借贷平台实体之间的实体关联性，所述知识图谱包括多个实体以及实体之间的边连接，所述边连接表征实体之间的关联属性；以及基于所确定的实体关联性，确定所述借贷标的数据是否存在借贷风险。

应该理解，在存储器1220中存储的计算机可执行指令当执行时使得至少一个处理器1210进行本公开的各个实施例中以上结合图1-11描述的各种操作和功能。

在本公开中，计算设备1200可以包括但不限于：个人计算机、服务器计算机、工作站、桌面型计算机、膝上型计算机、笔记本计算机、移动计算设备、智能电话、平板计算机、蜂窝电话、个人数字助理(PDA)、手持装置、消息收发设备、可佩戴计算设备、消费电子设备等等。

根据一个实施例，提供了一种比如机器可读介质的程序产品。机器可读介质可以具有指令(即，上述以软件形式实现的元素)，该指令当被机器执行时，使得机器执行本公开的各个实施例中以上结合图1-11描述的各种操作和功能。具体地，可以提供配有可读存储介质的系统或者装置，在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机或处理器读出并执行存储在该可读存储介质中的指令。

在这种情况下，从可读介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此机器可读代码和存储机器可读代码的可读存储介质构成了本发明的一部分。

可读存储介质的实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD-RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上或云上下载程序代码。

本领域技术人员应当理解，上面公开的各个实施例可以在不偏离发明实质的情况下做出各种变形和修改。因此，本发明的保护范围应当由所附的权利要求书来限定。

需要说明的是，上述各流程和各系统结构图中不是所有的步骤和单元都是必须的，可以根据实际的需要忽略某些步骤或单元。各步骤的执行顺序不是固定的，可以根据需要进行确定。上述各实施例中描述的装置结构可以是物理结构，也可以是逻辑结构，即，有些单元可能由同一物理实体实现，或者，有些单元可能分由多个物理实体实现，或者，可以由多个独立设备中的某些部件共同实现。

以上各实施例中，硬件单元或模块可以通过机械方式或电气方式实现。例如，一个硬件单元、模块或处理器可以包括永久性专用的电路或逻辑(如专门的处理器，FPGA或ASIC)来完成相应操作。硬件单元或处理器还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器)，可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。

上面结合附图阐述的具体实施方式描述了示例性实施例，但并不表示可以实现的或者落入权利要求书的保护范围的所有实施例。在整个本说明书中使用的术语“示例性”意味着“用作示例、实例或例示”，并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的，具体实施方式包括具体细节。然而，可以在没有这些具体细节的情况下实施这些技术。在一些实例中，为了避免对所描述的实施例的概念造成难以理解，公知的结构和装置以框图形式示出。

本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本公开内容。对于本领域普通技术人员来说，对本公开内容进行的各种修改是显而易见的，并且，也可以在不脱离本公开内容的保护范围的情况下，将本文所定义的一般性原理应用于其它变型。因此，本公开内容并不限于本文所描述的示例和设计，而是与符合本文公开的原理和新颖性特征的最广范围相一致。

Claims (19)

1.一种用于确定借贷风险的方法，包括：

获取借贷标的数据，所述借贷标的数据包括借款实体信息和借贷平台实体信息；

基于知识图谱来确定所述借款实体和所述借贷平台实体之间的实体关联性，所述知识图谱包括多个实体以及实体之间的边连接，所述边连接表征实体之间的关联属性；以及

基于所确定的实体关联性，确定所述借贷标的数据是否存在借贷风险。

2.如权利要求1所述的方法，其中，基于知识图谱来确定所述借款实体和所述借贷平台实体之间的实体关联性包括：

在所述知识图谱上存在所述借款实体和所述借贷平台实体之间的连接路径时，确定所述借款实体和所述借贷平台实体之间存在实体关联性，所述连接路径包括至少一条边连接，以及

基于所确定的实体关联性，确定所述借贷标的数据是否存在借贷风险包括：

在所述借款实体和所述借贷平台实体之间存在实体关联性时，确定所述借贷标的数据存在借贷风险。

3.如权利要求1所述的方法，其中，基于知识图谱来确定所述借款实体和所述借贷平台实体之间的实体关联性包括：

在所述知识图谱上存在所述借款实体和所述借贷平台实体之间的连接路径时，获取所述连接路径的边连接组成信息，所述边连接组成信息包括所述连接路径的边连接成员组成以及各个边连接成员的关联属性；

基于所述连接路径的边连接组成信息，计算所述借款实体和所述借贷平台实体之间的实体关联度，以及

基于所确定的实体关联性，确定所述借贷标的数据是否存在借贷风险包括：

在所计算出的实体关联度大于第一关联度阈值时，确定所述借贷标的数据存在借贷风险。

4.如权利要求3所述的方法，其中，在所述连接路径是单跳连接时，基于所述连接路径的边连接组成信息，计算所述借款实体和所述借贷平台实体之间的实体关联度包括：

获取所述单跳连接中的各个边连接的关联属性；

基于所获取的各个边连接的关联属性，确定所述各个边连接的第一实体关联度；以及

基于所确定的各个边连接的第一实体关联度，计算所述借款实体和所述借贷平台实体之间的实体关联度。

5.如权利要求3所述的方法，其中，在所述连接路径是多跳连接时，基于所述连接路径的边连接组成信息，计算所述借款实体和所述借贷平台实体之间的实体关联度包括：

针对所述多跳连接中的每个单跳连接，

获取该单跳连接中的各个边连接的关联属性；

基于所获取的各个边连接的关联属性，确定所述各个边连接的第一实体关联度；以及

基于所确定的各个边连接的第一实体关联度，计算该单跳连接对应的第二实体关联度；

计算所述多跳连接中的各个单跳连接对应的第二实体关联度的乘积，作为所述借款实体和所述借贷平台实体之间的实体关联度。

6.如权利要求1所述的方法，其中，所述借贷标的数据还包括借款方关联实体信息，所述方法还包括：

基于所述知识图谱确定所述借款实体与所述借款方关联实体的第三实体关联度；

在所述第三实体关联度小于第二关联度阈值时，确定所述借贷标的数据存在借贷风险。

7.如权利要求1所述的方法，其中，所述借贷标的数据包括借贷额度，所述方法还包括：

基于所述知识图谱统计所述借款实体的历史借贷记录；以及

在所统计的历史借贷记录和所述借贷标的数据的借贷额度超过预定借贷额度，确定所述借贷标的数据存在借贷风险。

8.如权利要求7所述的方法，其中，所述借款实体的历史借贷记录包括针对所述借贷平台实体的历史借贷记录，或者所述借款实体的历史借贷记录包括针对多个指定借款实体的历史借贷记录，所述指定借款实体包括所述借贷平台实体。

9.如权利要求1-8中任一所述的方法，还包括：

在确定所述借贷标的数据存在借贷风险时，向第三方风险监管平台发送风险告警信息。

10.如权利要求9所述的方法，其中，所述借贷标的数据还包括借款方关联实体信息，在确定所述借贷标的数据存在借贷风险时，向第三方风险监管平台发送风险告警信息包括：

在所确定出的借贷风险是由于所述借款实体和所述借贷平台实体之间的实体关联度大于第一关联度阈值或者所述借款实体和所述借款方关联实体的实体关联度小于第二关联度阈值而造成时，实时向第三方风险监管平台发送风险告警信息；

在所确定出的借贷风险是由于所述借款实体的历史借贷记录超过预定借贷额度而造成时，延迟预定时间后向第三方风险监管平台发送风险告警信息。

11.一种用于确定借贷风险的装置，包括：

标的数据获取单元，被配置为获取借贷标的数据，所述借贷标的数据包括借款实体信息和借贷平台实体信息；

第一关联性确定单元，被配置为基于知识图谱来确定所述借款实体和所述借贷平台实体之间的实体关联性，所述知识图谱包括多个实体以及实体之间的边连接，所述边连接表征实体之间的关联属性；以及

第一借贷风险确定单元，被配置为基于所确定的实体关联性，确定所述借贷标的数据是否存在借贷风险。

12.如权利要求11所述的装置，其中，所述第一关联性确定单元被配置为在所述知识图谱上存在所述借款实体和所述借贷平台实体之间的连接路径时，确定所述借款实体和所述借贷平台实体之间存在实体关联性，所述连接路径包括至少一条边连接，以及

所述第一借贷风险确定单元被配置为在所述借款实体和所述借贷平台实体之间存在实体关联性时，确定所述借贷标的数据存在借贷风险。

13.如权利要求11所述的装置，其中，所述第一关联性确定单元包括：

边连接获取模块，被配置为在所述知识图谱上存在所述借款实体和所述借贷平台实体之间的连接路径时，获取所述连接路径的边连接组成信息，所述边连接组成信息包括所述连接路径的边连接成员组成以及各个边连接成员的关联属性；

实体关联度确定模块，被配置为基于所述连接路径的边连接组成信息，计算所述借款实体和所述借贷平台实体之间的实体关联度，

其中，所述第一借贷风险确定单元被配置为在所计算出的实体关联度大于第一关联度阈值时，确定所述借贷标的数据存在借贷风险。

14.如权利要求13所述的装置，其中，所述连接路径是单跳连接，所述单跳连接包括至少一条边连接，所述实体关联度确定模块被配置为：

基于所述至少一条边连接的关联属性，确定各个边连接的第一实体关联度；以及

基于所确定的各个边连接的第一实体关联度，计算所述借款实体和所述借贷平台实体之间的实体关联度。

15.如权利要求13所述的装置，其中，所述连接路径包括多跳连接，所述多跳连接中的每个单跳连接包括至少一条边连接，

所述实体关联度确定模块被配置为：

针对所述多跳连接中的每个单跳连接，

基于该单跳连接中的各个边连接的关联属性，确定各个边连接的第一实体关联度；

基于所确定的各个边连接的第一实体关联度，计算该单跳连接对应的第二实体关联度，以及

计算所述多跳连接中的各个单跳连接对应的第二实体关联度的乘积，作为所述借款实体和所述借贷平台实体之间的实体关联度。

16.如权利要求11所述的装置，其中，所述借贷标的数据还包括借款方关联实体信息，所述装置还包括：

第二关联度确定单元，被配置为基于所述知识图谱确定所述借款实体与所述借款方关联实体的第三实体关联度；以及

第二借贷风险确定单元，被配置为在所述第三实体关联度小于第二关联度阈值时，确定所述借贷标的数据存在借贷风险。

17.如权利要求11或16所述的装置，其中，所述借贷标的数据包括借贷额度，所述装置还包括：

借贷记录统计单元，被配置为基于所述知识图谱统计所述借款实体的历史借贷记录；以及

第三借贷风险确定单元，被配置为在所统计的历史借贷记录和所述借贷标的数据的借贷额度之和超过预定借贷额度，确定所述借贷标的数据存在借贷风险。

18.一种计算设备，包括：

至少一个处理器；以及

存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如权利要求1到10中任一所述的方法。

19.一种机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述机器执行如权利要求1到10中任一所述的方法。

Images