CN110503568A - 一种社区划分方法、系统及设备 - Google Patents
一种社区划分方法、系统及设备 Download PDFInfo
- Publication number
- CN110503568A CN110503568A CN201910763765.3A CN201910763765A CN110503568A CN 110503568 A CN110503568 A CN 110503568A CN 201910763765 A CN201910763765 A CN 201910763765A CN 110503568 A CN110503568 A CN 110503568A
- Authority
- CN
- China
- Prior art keywords
- node
- community
- value
- division
- network model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 111
- 238000012795 verification Methods 0.000 claims abstract description 22
- 238000004900 laundering Methods 0.000 claims description 79
- 238000004458 analytical method Methods 0.000 claims description 72
- 238000012790 confirmation Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 10
- 230000006872 improvement Effects 0.000 description 8
- 238000005192 partition Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种社区划分方法、系统及设备。本说明书一实施例的方法流程包括：节点归属确认步骤，遍历节点关系网络模型中的所有节点，当单个节点与该节点邻接的节点所在的社区满足节点划分条件时将该节点划分到该社区中，重复遍历节点关系网络模型中的所有节点直到不存在满足节点划分条件的社区，其中，节点划分条件包括，单个节点被划分到社区后能够使社区的模块度增加值大于预设模块度增加值阈值；社区合并步骤，基于节点归属确认步骤的社区划分结果，将一个社区合并为一个节点来重构节点关系网络模型；迭代步骤，迭代节点归属确认步骤以及社区合并步骤，直到节点归属确认步骤执行前后的节点关系网络模型的社区结构保持一致。
Description
技术领域
本说明书涉及计算机技术领域，尤其涉及一种社区划分方法、系统及设备。
背景技术
洗钱是金融犯罪的一种，随着电子金融支付平台应用领域的不断拓展，原来越多的金融犯罪份子基于电子金融支付平台进行洗钱犯罪行为。金融支付平台的“洗钱者”手段的主要特点是以团伙形式有预谋将非法资金进行转移。如何从大量的资金和社交网络关系中，挖掘出隐藏在其中的洗钱团伙，越来越受到公司和公安部门的关注。
在现有技术中，通常是基于节点特征聚类方式，将描述金融关系的节点关系网络中相似节点人物进行聚类，从而分离出洗钱团伙。但是，基于节点特征聚类方式的准确性和可解释性差，可行性不高。
发明内容
有鉴于此，本说明书实施例提供了一种社区划分方法、系统及设备，用于解决现有社区划分方法无法准确划分洗钱团伙所对应的社区的问题。
本说明书实施例采用下述技术方案：
本说明书实施例提供一种社区划分方法，构建节点关系网络模型并对所述节点关系网络模型进行社区划分，包括：
节点归属确认步骤，遍历所述节点关系网络模型中的所有节点，当单个节点与所述单个节点邻接的节点所在的社区满足节点划分条件时将所述单个节点划分到所述社区中，重复遍历所述节点关系网络模型中的所有节点直到不存在满足所述节点划分条件的社区，其中，所述节点划分条件包括，所述单个节点被划分到所述社区后能够使所述社区的模块度增加值大于预设模块度增加值阈值；
社区合并步骤，基于所述节点归属确认步骤的社区划分结果，将一个社区合并为一个节点来重构节点关系网络模型；
迭代步骤，迭代所述节点归属确认步骤以及所述社区合并步骤，直到执行所述节点归属确认步骤执行前后的节点关系网络模型保持一致。
在本说明书一实施例中，在所述节点归属确认步骤中，当针对所述单个节点存在多个满足所述节点划分条件的社区时，将所述单个节点划分到满足所述节点划分条件的、被划分所述单个节点后模块度增加值最大的社区中。
在本说明书一实施例中，构建节点关系网络模型，包括：
以金融账号个体为模型节点；
以金融账号个体间存在的资金交易以及设备公用为模型边；
以交易金额流向为边指向；
针对资金交易以资金关系的流出占比为边权重；
针对设备公用设定其边权重为最大权重。
在本说明书一实施例中，在所述社区合并步骤中：
重构后的节点关系网络模型中，边权重为其对应的两个节点在重构前的节点关系网络模型中所包含的所有节点的边权重之和。
本说明书实施例还提出了一种分析社区节点的方法，所述方法包括：
获取待分析社区的节点模型，所述待分析社区为基于如本说明书实施例所述方法而划分出的社区；
采用h指数分析所述节点模型的各个节点，获取各个节点的第一节点值h；
根据各个节点的第一节点值h分析各个节点在所述待分析社区中的角色。
在本说明书一实施例中，所述方法还包括：
采用k-核分解分析所述节点模型的各个节点，获取各个节点的第二节点值k；
在所述根据各个节点的第一节点值h分析各个节点在所述待分析社区中的角色的过程中，根据各个节点的所述第一节点值以及所述第二节点值，计算获取各个节点的第三节点值HK，根据各个节点的第三节点值HK分析各个节点在所述待分析社区中的角色。
在本说明书一实施例中，根据各个节点的所述第一节点值以及所述第二节点值，计算获取各个节点的第三节点值HK，其中：
HK＝αk+βh；
α、β为权重参数，取值为0到1。
在本说明书一实施例中，α、β取值均为1。
在本说明书一实施例中，根据各个节点的第三节点值HK分析各个节点在所述待分析社区中的角色，其中，所述节点的第三节点值HK的值越大，其在所述待分析社区中的角色越重要。
本说明书实施例还提出了一种挖掘洗钱团伙的方法，所述方法包括：
基于如本说明书实施例所述的方法进行社区划分，获取社区划分结果；
基于洗钱团伙历史案件样本对所述社区划分结果进行匹配检索，确定匹配洗钱团伙特征的社区。
本说明书实施例还提出了一种挖掘洗钱团伙关键节点的方法，所述方法包括：
基于如本说明书实施例所述的方法确定洗钱团伙，获取对应的节点模型；
采用如本说明书实施例所述的方法对洗钱团伙对应的节点模型的各个节点进行角色分析，确定洗钱团伙对应的节点模型的关键节点。
本说明书实施例还提出了一种社区划分系统，所述系统用于对节点关系网络模型进行社区划分，所述系统包括：
节点归属确认模块，其用于遍历节点关系网络模型中的所有节点，当单个节点与所述单个节点邻接的节点所在的社区满足节点划分条件时将所述单个节点划分到所述社区中，重复遍历节点关系网络模型中的所有节点直到不存在满足所述节点划分条件的社区，其中，所述节点划分条件包括，所述单个节点被划分到所述社区后能够使所述社区的模块度增加值大于预设模块度增加值阈值；
社区合并模块，其用于基于所述节点归属确认模块输出的社区划分结果，将一个社区合并为一个节点来重构节点关系网络模型；
迭代计算模块，其用于反复调用所述节点归属确认模块以及所述社区合并模块，直到输入所述节点归属确认模块的节点关系网络模型与所述节点归属确认模块输出的节点关系网络模型一致。
本说明书实施例还提出了一种分析社区节点的系统，所述系统包括：
节点模型获取模块，其用于获取待分析社区的节点模型，所述待分析社区为基于如本说明书实施例所述方法而划分出的社区；
第一节点值计算模块，其用于采用k-核分解分析所述节点模型的各个节点，获取各个节点的第一节点值k；
第二节点值计算模块，其用于采用h指数分析所述节点模型的各个节点，获取各个节点的第二节点值h；
第三节点值计算模块，其用于根据各个节点的所述第一节点值以及所述第二节点值，计算获取各个节点的第三节点值HK；
节点分析模块，其用于根据各个节点的第三节点值HK分析各个节点在所述待分析社区中的角色。
本说明书实施例还提出了一种挖掘洗钱团伙的系统，所述系统包括：
社区划分模块，其用于基于如本说明书实施例所述的方法进行社区划分，获取社区划分结果；
社区筛选模块，其用于基于洗钱团伙历史案件样本对所述社区划分结果进行匹配检索，确定匹配洗钱团伙特征的金融社区。
本说明书实施例还提出了一种挖掘洗钱团伙关键节点的系统，所述系统包括：
节点模型获取模块，其用于基于如本说明书实施例所述的方法确定洗钱团伙，获取对应的节点模型；
关键节点确认模块，其用于采用如本说明书实施例所述的方法对所述节点模型的各个节点进行角色分析，确定所述节点模型的关键节点。
本说明书实施例还提出了一种用于在访问方设备端信息处理的设备，该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行本说明书实施例所述系统所述的方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：根据本说明书实施例的方法，在社区划分时加入了模块度增加值阈值的限定，通过模块度增加值阈值的限定，可以有效防止边权重较小的节点合并到社区，确保划分的社区的高内聚性。相较于现有技术的社区划分方法，根据本说明书实施例的方法所获取的社区划分结果，更加匹配洗钱团伙的识别需求，从而为后续识别洗钱团伙提供更加有力的数据支持。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1、图4、图6、图8以及图10为本说明书实施例中应用程序的运行方法的流程图；
图2以及图3为根据本说明书实施例的应用场景举例示意图；
图5、图7以及图9为根据本说明书实施例的社区节点分析结果示意图；
图11～14为本说明书实施例中系统的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了解决现有社区划分方法无法准确划分洗钱团伙所对应的社区的问题，在本说明书一实施例中，一种可行的方案是，首先对用于描述金融关系的节点关系网络进行社区划分，将其划分为多个相互间相对独立的金融社区，然后逐一分析各个金融社区，识别其中哪一个社区是洗钱团伙。在上述方案中，关键点之一在于对节点关系网络进行社区划分，在社区划分过程中，如果将不属于洗钱团伙的节点与洗钱团伙划分到一个社区中，势必会影响到之后的洗钱团伙识别。因此，在本说明书一实施例中，针对洗钱团伙的特征进行社区划分，尽可能的在社区划分时将洗钱团伙划分为一个独立的社区。
具体的，在实际应用场景中，洗钱团伙具备一个明显的金融特征，即，洗钱团伙具备高内聚性。基于此，在本说明书一实施例中，在划分社区的过程中，尝试不同的节点组合方式，获取使社区划分结果具备最高内聚性的社区划分方式，这样，就会大大降低划分结果中将洗钱团伙与非金融团伙节点划分为一个社区或是将一个洗钱团伙划分为多个金融社区的情况的发生几率。
进一步的，在通常的社区划分应用场景中，模块度(modularity)指的是网络中连接社区结构内部顶点的边所占的比例，减去在同样的社团结构下任意连接这两个节点的比例的期望值。一般的，模块度被用来衡量社区划分的好坏。简单来讲，就是将连接比较稠密的点划分在一个社区中，这样模块度的值会变大，最终，模块度最大的划分是最优的社区划分。那么，如果在基于模块度的社区划分过程中，以模块度为衡量标准，加入内聚性的限定规则，就可以确保最终社区划分结果的内聚性。
进一步的，Fast Unfolding算法是一种基于模块度对社区进行划分的算法，FastUnfolding算法是一种迭代的算法，主要目标是不断划分社区使得划分后的整个网络的模块度不断增大。在本说明书一实施例中，Fast Unfolding算法如下：
1，初始化，将节点关系网络中的每个节点划分在不同的社区中；
2，划分社区，遍历节点关系网络中的所有节点，尝试将每个节点划分到与其邻接的节点所在的社区中，计算划分前后的模块度，判断划分前后的模块度的差值是否为正数，若为正数，则接受本次的划分，若不为正数，则放弃本次的划分；
3，重复划分社区步骤，直到不能再增大各个社区的模块度为止；
4，构造新节点关系网络，新节点关系网络中的每个节点代表的是步骤S120中划出来的每个社区；
重复执行步骤2～4，直到社区的结构不再改变为止。
基于上述的Fast Unfolding算法，在本说明书一实施例中，提出了参数模块度增加值阈值，将模块度增加值阈值应用于步骤S120中。具体的，在尝试将每个节点划分到与其邻接的节点所在的社区中时，计算划分前后的模块度，当划分前后的模块度的差值(模块度增加值)大于预设的模块度增加值阈值时，接受本次的划分，否则放弃本次的划分。通过模块度增加值阈值的限定，可以有效防止边权重较小的节点合并到社区，确保划分的团伙高内聚性。
具体的，在本说明书一实施例中，模块度增加值阈值的具体取值在实践中根据不同的场景数据通过参数优化得到。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
具体的，在本说明书一实施例中，构建节点关系网络模型并对节点关系网络模型进行社区划分，如图1所示，社区划分过程包括：
S110，节点归属确认步骤，遍历节点关系网络中的所有节点，当单个节点与单个节点邻接的节点所在的社区满足节点划分条件时将单个节点划分到该社区中，重复遍历节点关系网络中的所有节点直到不存在满足所述节点划分条件的社区(社区结构不需要再发生变化，即，在本轮节点归属确认步骤中不需要再进一步进行节点划分)，其中，节点划分条件包括，单个节点被划分到社区后能够使该社区的模块度增加值大于预设模块度增加值阈值；
S120，社区合并步骤，基于节点归属确认步骤的社区划分结果，将一个社区合并为一个节点来重构节点关系网络；
S130，迭代步骤，迭代节点归属确认步骤(S110)以及社区合并步骤(S120)，直到执行所述节点归属确认步骤执行前后的节点关系网络模型保持一致(针对社区合并步骤所重构的节点关系网络执行节点归属确认步骤时，不需要改变重构的节点关系网络的社区结构)。
具体的，以一应用场景为例，图2所示为一节点关系网络的部分节点网络示意图。假设节点Q1划分到社区C1后，C1的模块度增加值为0.025；节点Q2划分到社区C1后，C1的模块度增加值为0.016；如果预设模块度增加值阈值为0.02；那么在划分社区时，Q1会被划分到社区C1，Q2不会被划分到社区C1。
根据本说明书实施例的方法，在社区划分时加入了模块度增加值阈值的限定，通过模块度增加值阈值的限定，可以有效防止边权重较小的节点合并到社区，确保划分的社区的高内聚性。相较于现有技术的社区划分方法，根据本说明书实施例的方法所获取的社区划分结果，更加匹配洗钱团伙的识别需求，从而为后续识别洗钱团伙提供更加有力的数据支持。
这里需要说明的是，本说明书实施例的社区划分方法针对现有社区划分方法无法准确划分洗钱团伙所对应的社区的问题所提出，但并不是说该方法仅能应用于洗钱团伙挖掘的应用场景。本发明实施例所提出的社区划分方法可以为任意具备高内聚性的社区识别提供有力的社区划分数据支持。
进一步的，在本说明书一实施例中，在节点归属确认步骤中，当针对单个节点存在多个满足节点划分条件的社区时，将单个节点划分到满足节点划分条件的、被划分单个节点后模块度增加值最大的社区中。具体的，在本说明书一实施例中，在节点归属确认步骤中，不断地遍历网络中的所有结点，尝试将单个结点加入能够使模块度增加值大于模块度增加值阈值的最大模块度增加值的社区中，直到所有结点都不再变化。
具体的，以一应用场景为例，图3所示为一节点关系网络的部分节点网络示意图。假设节点Q3划分到社区C2后，C2的模块度增加值为0.025；节点Q3划分到社区C3后，C3的模块度增加值为0.026；如果预设模块度增加值阈值为0.02；那么在划分社区时，Q3会被划分到社区C3，而不会被划分到社区C2。
进一步的，在本说明书一实施例中，节点关系网络模型用于描述金融关系。具体的，构建节点关系网络模型，包括：
以金融账号个体为模型节点；
以金融账号个体间存在的资金交易以及设备公用为模型边；
以交易金额流向为边指向；
针对资金交易以资金关系的流出占比为边权重；
针对设备公用设定其边权重为最大权重。
进一步的，在本说明书一实施例中，在社区合并步骤中：
在重构后的节点关系网络中，边权重为其对应的两个节点在重构前的节点关系网络模型中所包含的所有节点的边权重之和。
具体的，在本说明书一实施例中，模块度Q定义为：
公式1中：
A为邻接矩阵；
Aij代表节点i和节点j之间边的权重；
ki＝∑jAij是所有与节点i相连的边的权重之和(度数)；
kj是所有与节点j相连的边的权重之和(度数)；
表示所有边的权重之和(边的数目)；
ci是i节点所在社区,cj是j节点所在社区；
δ(ci,cj)表示：当节点i和节点j在同一个社区内时返回1，否则返回0。
进一步的，基于本说明书实施例所述的社区划分方法，本说明书实施例还提出了一种挖掘洗钱团伙的方法。具体的，在本说明书一实施例中，如图4所示，方法包括：
S210，基于如本说明书实施例所述的社区划分方法进行社区划分，获取社区划分结果；
S220，基于洗钱团伙历史案件样本对所述社区划分结果进行匹配检索，确定匹配洗钱团伙特征的社区。
进一步的，在挖掘洗钱团伙的应用场景中，在识别并挖掘洗钱团伙之后，还需要对洗钱团伙的成员进行角色分解，挖掘各自的角色，如“组织者”，“协助者”，“转移者”等，依次代表在团伙中不同角色分层，在分解标注好团伙角色后，公安部门可有目标地从最源头对洗钱团伙实施打击。
针对上述需求，在本说明书一实施例中，一种可行的方案是采用k-核分解(K-core)算法对社区进行分解定级，分析社区中各个节点的角色(分析角色层级)。K-core算法主要通过递归策略逐层移除网络中所有度数小于等于k的节点，逐层分解社区层次结构，使用参数k描述社区的层次特征。然而，K-core分解通过节点度特性只能描述局部的特征，对于洗钱等有向资金转移网络而言，使用参数k描述社区的层次特征效果较差，角色分级层次性区分不明显。以一洗钱团伙角色分析应用场景为例，采用K-core算法对社区进行分解定级结果如图5所示。由图5可以看出，K-core对于这类典型洗钱团伙网络层次区分并没有达到理想效果，只划分出一个层次团伙角色。
针对上述情况，在本说明书一实施例中，提出了一种分析社区节点的方法，采用h指数(H-index)分析社区节点模型的各个节点，根据H-index分析结果分析社区角色层次。具体的，在本说明书一实施例中，如图6所示，分析社区节点的方法包括：
S410，获取待分析社区的节点模型，该待分析社区为基于如本说明书实施例所述社区划分方法而划分出的社区；
S420，采用h指数分析节点模型的各个节点，获取各个节点的第一节点值h；
S430，根据各个节点的第一节点值h分析各个节点在待分析社区中的角色。
H-index能全面描述网络中顶点的重要性程度。使用H-index增加了拥有高出度邻居节点的顶点的地位，增加其在社区中的重要性，这与洗钱团伙现实操作模式(组织者通过其他协助者将资金分散转移)相吻合，因而能够更加真实的描述洗钱团伙中的角色分配。
具体的，在本说明书一实施例中，节点的H-index被定义为最大值h，使得存在至少h个不小于度数为h的邻居，顶点i的H-index指数方程如下：
公式2中：
分别表示节点的出度；
函数H返回最大整数h，使得在中至少存在h个元素，它们的H返回结果大于等于h。
具体的，在本说明书一实施例中，以一洗钱团伙角色分析应用场景为例，采用H-index算法对图5所示的团伙进行角色划分，划分结果如图7所示。由图7可以看出，H-index划分出3个层次角色，比图5所示的K-core分解有更好的层次区分效果。
进一步的，在本说明书一实施例中，采用H-index算法与K-core分解相结合的方式(HK-index算法)分析社区节点。具体的，在本说明书一实施例中，如图8所示：
S610，获取待分析社区的节点模型，该待分析社区为基于如本说明书实施例所述社区划分方法而划分出的社区；
S620，采用h指数分析节点模型的各个节点，获取各个节点的第一节点值h；
S621，采用k-核分解分析节点模型的各个节点，获取各个节点的第二节点值k；
在根据各个节点的第一节点值h分析各个节点在所述待分析社区中的角色的过程中：
S631，根据各个节点的第一节点值以及第二节点值，计算获取各个节点的第三节点值HK；
S632，根据各个节点的第三节点值HK分析各个节点在待分析社区中的角色。
具体的，在本说明书一实施例中，在根据各个节点的第一节点值以及第二节点值，计算获取各个节点的第三节点值HK的过程中，定义HK为：
HK＝αk+βh； (3)
公式3中：
α、β为权重参数，取值为0到1；
k和h分别为K-core和H-index分解节点值。
具体的，在本说明书一实施例中，α、β取值均为1。
具体的，在本说明书一实施例中，在根据各个节点的第三节点值HK分析各个节点在待分析社区中的角色的过程中，节点的第三节点值HK的值越大，其在待分析社区中的角色越重要。
具体的，在本说明书一实施例中，以一洗钱团伙角色分析应用场景为例：
基于K-core分解的为2层结构：
k＝2的节点：1,2,3,4,5
k＝1的节点：6,7,8,9,…,21,22,23。
基于H-index分解的为5层结构
h＝4的节点：1
h＝3的节点：3
h＝2的节点：2
h＝1的节点：4,5,6,7,10,11
h＝0的节点：8,9,12,13,…,21,22,23。
基于HK-index分解的为6层结构
hk＝6的节点：1
hk＝5的节点：3
hk＝4的节点：2
hk＝3的节点：4,5
hk＝2的节点：6,7,10,11
hk＝1的节点：8,9,12,13,…,21,22,23。
最终分层效果如图9所示，由图9可以看出，基于HK-index算法进行团伙角色分层和关键节点挖掘，充分利用洗钱资金转移链路特性，角色分层准确度高且可解释性强，实现了更深入网络层次分析和挖掘，为精确打击洗钱犯罪提供强有力武器。
这里需要说明的是，虽然本说明书实施例所提出的分析社区节点的方法是针对洗钱团伙关键节点挖掘应用场景的，但是，并不是说本说明书实施例所提出的分析方法仅能应用于洗钱团伙关键节点挖掘应用场景。任何针对社区节点角色进行分析的应用场景都可以使用本说明书实施例所提出的分析社区节点的方法。
进一步的，基于本说明书实施例所提出的社区节点分析方法，本说明书实施例还提出了一种挖掘洗钱团伙关键节点的方法。具体的，在本说明书一实施例中，方法包括：
基于如本说明书实施例所述的挖掘洗钱团伙方法确定洗钱团伙，获取对应的节点模型；
采用如本说明书实施例所述的分析社区节点的方法对节点模型的各个节点进行角色分析，确定所述节点模型的关键节点。
具体的，在本说明书一实施例中，如图10所示，挖掘洗钱团伙关键节点的方法包括：
S810，构建社区有向模型(节点关系网络模型)；
S820，基于FastUnfolding算法，使用模块度增加值阈值划分社区；
S821，挖掘洗钱团伙；
S830，基于HK-index算法进行洗钱团伙角色划分；
S831，标记洗钱团伙关键节点。
进一步的，在本说明书一实施例中，方法还包括，根据洗钱团伙社区标记情况实施精确打击。
进一步，基于本说明书实施例提出的方法，本说明书实施例还提出了一种社区划分系统。具体的，在本说明书一实施例中，社区划分系统用于用于对节点关系网络模型进行社区划分，如图11所示，系统包括：
节点归属确认模块910，其用于获取遍历节点关系网络模型，遍历节点关系网络模型中的所有节点，当单个节点与单个节点邻接的节点所在的社区满足节点划分条件时将该单个节点划分到该社区中，重复遍历节点关系网络中的所有节点直到不存在满足节点划分条件的社区，其中，节点划分条件包括，单个节点被划分到社区后能够使社区的模块度增加值大于预设模块度增加值阈值；
社区合并模块920，其用于基于节点归属确认模块输出的社区划分结果，将一个社区合并为一个节点来重构节点关系网络；
迭代计算模块930，其用于反复调用节点归属确认模块910以及社区合并模块920，直到输入节点归属确认模块910的节点关系网络模型与节点归属确认模块910输出的节点关系网络模型一致。
具体的，在迭代计算模块930调用节点归属确认模块910时，将社区合并模块920的输出结果输入到节点归属确认模块910；在迭代计算模块930调用社区合并模块920时，将节点归属确认模块910的输出结果输入到社区合并模块920中。
进一步，基于本说明书实施例提出的方法，本说明书实施例还提出了一种分析社区节点的系统。具体的，在本说明书一实施例中，如图12所示，分析社区节点的系统包括：
节点模型获取模块101，其用于获取待分析社区的节点模型，该待分析社区为基于本说明书实施例所述方法而划分出的社区；
第一节点值计算模块102，其用于采用h指数分析节点模型的各个节点，获取各个节点的第一节点值h；
节点分析模块103，其用于根据各个节点的第一节点值h分析各个节点在待分析社区中的角色。
进一步，基于本说明书实施例提出的方法，本说明书实施例还提出了一种挖掘洗钱团伙的系统。具体的，在本说明书一实施例中，如图13所示，挖掘洗钱团伙的系统包括：
社区划分模块111，其用于基于本说明书实施例所述方法进行社区划分，获取社区划分结果；
社区筛选模块112，其用于基于洗钱团伙历史案件样本对社区划分结果进行匹配检索，确定匹配洗钱团伙特征的社区。
进一步，基于本说明书实施例提出的方法，本说明书实施例还提出了一种挖掘洗钱团伙关键节点的系统。具体的，在本说明书一实施例中，如图14所示，挖掘洗钱团伙关键节点的系统包括：
节点模型获取模块121，其用于基于本说明书实施例所述方法确定洗钱团伙，获取洗钱团伙对应的节点模型；
关键节点确认模块122，其用于采用本说明书实施例所述方法对洗钱团伙对应的节点模型的各个节点进行角色分析，确定洗钱团伙对应的节点模型的关键节点。
进一步的，基于本发明的方法，本发明还提出了一种用于在访问方设备端信息处理的设备，该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行本发明所述的方法。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由访问方对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (16)
1.一种社区划分方法，构建节点关系网络模型并对所述节点关系网络模型进行社区划分，包括：
节点归属确认步骤，遍历所述节点关系网络模型中的所有节点，当单个节点与所述单个节点邻接的节点所在的社区满足节点划分条件时将所述单个节点划分到所述社区中，重复遍历所述节点关系网络模型中的所有节点直到不存在满足所述节点划分条件的社区，其中，所述节点划分条件包括，所述单个节点被划分到所述社区后能够使所述社区的模块度增加值大于预设模块度增加值阈值；
社区合并步骤，基于所述节点归属确认步骤的社区划分结果，将一个社区合并为一个节点来重构节点关系网络模型；
迭代步骤，迭代所述节点归属确认步骤以及所述社区合并步骤，直到执行所述节点归属确认步骤执行前后的节点关系网络模型保持一致。
2.根据权利要求1所述的方法，在所述节点归属确认步骤中，当针对所述单个节点存在多个满足所述节点划分条件的社区时，将所述单个节点划分到满足所述节点划分条件的、被划分所述单个节点后模块度增加值最大的社区中。
3.根据权利要求1或2所述的方法，构建节点关系网络模型，包括：
以金融账号个体为模型节点；
以金融账号个体间存在的资金交易以及设备公用为模型边；
以交易金额流向为边指向；
针对资金交易以资金关系的流出占比为边权重；
针对设备公用设定其边权重为最大权重。
4.根据权利要求3所述的方法，在所述社区合并步骤中：
重构后的节点关系网络模型中，边权重为其对应的两个节点在重构前的节点关系网络模型中所包含的所有节点的边权重之和。
5.一种分析社区节点的方法，所述方法包括：
获取待分析社区的节点模型，所述待分析社区为基于如权利要求1～4中任一项所述方法而划分出的社区；
采用h指数分析所述节点模型的各个节点，获取各个节点的第一节点值h；
根据各个节点的第一节点值h分析各个节点在所述待分析社区中的角色。
6.根据权利要求5所述的方法，所述方法还包括：
采用k-核分解分析所述节点模型的各个节点，获取各个节点的第二节点值k；
在所述根据各个节点的第一节点值h分析各个节点在所述待分析社区中的角色的过程中，根据各个节点的所述第一节点值以及所述第二节点值，计算获取各个节点的第三节点值HK，根据各个节点的第三节点值HK分析各个节点在所述待分析社区中的角色。
7.根据权利要求6所述的方法，根据各个节点的所述第一节点值以及所述第二节点值，计算获取各个节点的第三节点值HK，其中：
HK＝αk+βh；
α、β为权重参数，取值为0到1。
8.根据权利要求7所述的方法，α、β取值均为1。
9.根据权利要求6～8中任一项所述的方法，根据各个节点的第三节点值HK分析各个节点在所述待分析社区中的角色，其中，所述节点的第三节点值HK的值越大，其在所述待分析社区中的角色越重要。
10.一种挖掘洗钱团伙的方法，所述方法包括：
基于如权利要求1～4中任一项所述的方法进行社区划分，获取社区划分结果；
基于洗钱团伙历史案件样本对所述社区划分结果进行匹配检索，确定匹配洗钱团伙特征的社区。
11.一种挖掘洗钱团伙关键节点的方法，所述方法包括：
基于如权利要求10所述的方法确定洗钱团伙，获取对应的节点模型；
采用如权利要求5～9中任一项所述的方法对洗钱团伙对应的节点模型的各个节点进行角色分析，确定洗钱团伙对应的节点模型的关键节点。
12.一种社区划分系统，所述系统用于对节点关系网络模型进行社区划分，所述系统包括：
节点归属确认模块，其用于遍历节点关系网络模型中的所有节点，当单个节点与所述单个节点邻接的节点所在的社区满足节点划分条件时将所述单个节点划分到所述社区中，重复遍历节点关系网络模型中的所有节点直到不存在满足所述节点划分条件的社区，其中，所述节点划分条件包括，所述单个节点被划分到所述社区后能够使所述社区的模块度增加值大于预设模块度增加值阈值；
社区合并模块，其用于基于所述节点归属确认模块输出的社区划分结果，将一个社区合并为一个节点来重构节点关系网络模型；
迭代计算模块，其用于反复调用所述节点归属确认模块以及所述社区合并模块，直到输入所述节点归属确认模块的节点关系网络模型与所述节点归属确认模块输出的节点关系网络模型一致。
13.一种分析社区节点的系统，所述系统包括：
节点模型获取模块，其用于获取待分析社区的节点模型，所述待分析社区为基于如权利要求1～4中任一项所述方法而划分出的社区；
第一节点值计算模块，其用于采用k-核分解分析所述节点模型的各个节点，获取各个节点的第一节点值k；
第二节点值计算模块，其用于采用h指数分析所述节点模型的各个节点，获取各个节点的第二节点值h；
第三节点值计算模块，其用于根据各个节点的所述第一节点值以及所述第二节点值，计算获取各个节点的第三节点值HK；
节点分析模块，其用于根据各个节点的第三节点值HK分析各个节点在所述待分析社区中的角色。
14.一种挖掘洗钱团伙的系统，所述系统包括：
社区划分模块，其用于基于如权利要求1～4中任一项所述的方法进行社区划分，获取社区划分结果；
社区筛选模块，其用于基于洗钱团伙历史案件样本对所述社区划分结果进行匹配检索，确定匹配洗钱团伙特征的金融社区。
15.一种挖掘洗钱团伙关键节点的系统，所述系统包括：
节点模型获取模块，其用于基于如权利要求10所述的方法确定洗钱团伙，获取对应的节点模型；
关键节点确认模块，其用于采用如权利要求5～9中任一项所述的方法对所述节点模型的各个节点进行角色分析，确定所述节点模型的关键节点。
16.一种用于在访问方设备端信息处理的设备，该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行权利要求1至11中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910763765.3A CN110503568A (zh) | 2019-08-19 | 2019-08-19 | 一种社区划分方法、系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910763765.3A CN110503568A (zh) | 2019-08-19 | 2019-08-19 | 一种社区划分方法、系统及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110503568A true CN110503568A (zh) | 2019-11-26 |
Family
ID=68588273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910763765.3A Pending CN110503568A (zh) | 2019-08-19 | 2019-08-19 | 一种社区划分方法、系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110503568A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111612041A (zh) * | 2020-04-24 | 2020-09-01 | 平安直通咨询有限公司上海分公司 | 异常用户识别方法及装置、存储介质、电子设备 |
| CN113177854A (zh) * | 2021-04-23 | 2021-07-27 | 携程计算机技术（上海）有限公司 | 社区划分方法及系统、电子设备及存储介质 |
| CN113326064A (zh) * | 2021-06-10 | 2021-08-31 | 深圳前海微众银行股份有限公司 | 划分业务逻辑模块的方法、电子设备及存储介质 |
| CN113516562A (zh) * | 2021-07-28 | 2021-10-19 | 中移（杭州）信息技术有限公司 | 家庭社交网络构建方法、装置、设备及存储介质 |
| WO2021217933A1 (zh) * | 2020-04-29 | 2021-11-04 | 深圳壹账通智能科技有限公司 | 同质网络的社群划分方法、装置、计算机设备和存储介质 |
| CN113706459A (zh) * | 2021-07-15 | 2021-11-26 | 电子科技大学 | 一种自闭症患者异常脑区的检测及模拟修复装置 |
| CN114444873A (zh) * | 2021-12-28 | 2022-05-06 | 支付宝(杭州)信息技术有限公司 | 一种风险识别方法、装置以及设备 |
-
2019
- 2019-08-19 CN CN201910763765.3A patent/CN110503568A/zh active Pending
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111612041A (zh) * | 2020-04-24 | 2020-09-01 | 平安直通咨询有限公司上海分公司 | 异常用户识别方法及装置、存储介质、电子设备 |
| CN111612041B (zh) * | 2020-04-24 | 2023-10-13 | 平安直通咨询有限公司上海分公司 | 异常用户识别方法及装置、存储介质、电子设备 |
| WO2021217933A1 (zh) * | 2020-04-29 | 2021-11-04 | 深圳壹账通智能科技有限公司 | 同质网络的社群划分方法、装置、计算机设备和存储介质 |
| CN113177854A (zh) * | 2021-04-23 | 2021-07-27 | 携程计算机技术（上海）有限公司 | 社区划分方法及系统、电子设备及存储介质 |
| CN113326064A (zh) * | 2021-06-10 | 2021-08-31 | 深圳前海微众银行股份有限公司 | 划分业务逻辑模块的方法、电子设备及存储介质 |
| CN113706459A (zh) * | 2021-07-15 | 2021-11-26 | 电子科技大学 | 一种自闭症患者异常脑区的检测及模拟修复装置 |
| CN113706459B (zh) * | 2021-07-15 | 2023-06-20 | 电子科技大学 | 一种自闭症患者异常脑区的检测及模拟修复装置 |
| CN113516562A (zh) * | 2021-07-28 | 2021-10-19 | 中移（杭州）信息技术有限公司 | 家庭社交网络构建方法、装置、设备及存储介质 |
| CN113516562B (zh) * | 2021-07-28 | 2023-09-19 | 中移（杭州）信息技术有限公司 | 家庭社交网络构建方法、装置、设备及存储介质 |
| CN114444873A (zh) * | 2021-12-28 | 2022-05-06 | 支付宝(杭州)信息技术有限公司 | 一种风险识别方法、装置以及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110503568A (zh) | 一种社区划分方法、系统及设备 | |
| Li et al. | Resampling methods for particle filtering: classification, implementation, and strategies | |
| Jha et al. | A space efficient streaming algorithm for triangle counting using the birthday paradox | |
| CN109033234B (zh) | 一种基于状态更新传播的流式图计算方法及系统 | |
| CN109146638A (zh) | 异常金融交易群体的识别方法及装置 | |
| TW201935387A (zh) | 反洗錢方法、裝置及設備 | |
| CN104809244B (zh) | 一种大数据环境下的数据挖掘方法和装置 | |
| CH675337A5 (zh) | ||
| CN110245787A (zh) | 一种目标群体预测方法、装置及设备 | |
| CN109583890A (zh) | 异常交易对象的识别方法、装置及设备 | |
| CN108600320A (zh) | 一种数据缓存方法、装置及系统 | |
| Lloyd et al. | Don’t Settle for Eventual Consistency: Stronger properties for low-latency geo-replicated storage | |
| CN110427969A (zh) | 数据处理方法、装置和电子设备 | |
| CN109756442A (zh) | 基于混淆电路的数据统计方法、装置以及设备 | |
| Wang et al. | Eccnas: Efficient crowd counting neural architecture search | |
| CN114417411A (zh) | 一种端云开发系统、模型的处理方法、装置及设备 | |
| CN113538137A (zh) | 一种基于双图谱融合计算的资金流监控方法及装置 | |
| CN110264213A (zh) | 一种信息的处理方法、装置及设备 | |
| La et al. | An efficiency-centric design methodology for mobile application architectures | |
| Bornmann et al. | Quantum technology–a bibliometric analysis of a maturing research field | |
| CN109614263A (zh) | 一种容灾数据处理方法、装置及系统 | |
| Subramanian et al. | Systems dynamics-based modeling of data warehouse quality | |
| US20150206056A1 (en) | Inference of anomalous behavior of members of cohorts and associate actors related to the anomalous behavior based on divergent movement from the cohort context centroid | |
| CN110162521A (zh) | 一种支付系统交易数据处理方法及系统 | |
| Kosyfaki et al. | Flow computation in temporal interaction networks |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201012 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20201012 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Advanced innovation technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. |
|
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191126 |