CN111091287A - 风险对象识别方法、装置以及计算机设备 - Google Patents

Abstract

本申请提供了一种风险对象识别方法、装置以及计算机设备，涉及数据处理技术领域，解决用户危险程度识别结果的准确性较低的技术问题。方法包括：确定多个用户对象在第一时刻之前产生的风险数据；基于多个风险数据得到多个用户对象的初始关系网图；初始关系网图中包含多个用于表示用户对象的节点，节点上标注有用于表示风险数据的标签，多个节点之间对应有不同权重的连接边，权重用于表示多个用户对象之间的联系时长；根据权重与标签将多个节点划分至多个社群得到中间关系网图；根据多个用户对象在第一时刻至第二时刻之间风险数据的变化情况，对中间关系网图中社群的分布数据进行更新得到最终关系网图；在最终关系网图中判断待识别对象所属社群。

Description

风险对象识别方法、装置以及计算机设备

技术领域

本申请涉及数据处理技术领域，尤其是涉及一种风险对象识别方法、装置以及计算机设备。

背景技术

目前，在需要识别某个用户的风险程度的场景中，识别风险程度的过程需要考虑很多方面。例如，借助个人历史借贷表现、基本收入开支情况及人口统计信息等，来计算贷款个人的欺诈风险程度。

但是，在对多个用户进行欺诈风险程度集群划分的过程中，考虑角度较为单一，不能够贴近实际情况，很容易导致对用户危险程度的错误识别，从而降低用户危险程度识别结果的准确性。

发明内容

本发明的目的在于提供一种风险对象识别方法、装置以及计算机设备，以解决用户危险程度识别结果的准确性较低的技术问题。

第一方面，本申请实施例提供了一种风险对象识别方法，所述方法包括：

确定多个用户对象在第一时刻之前产生的风险数据；

基于多个所述风险数据得到多个所述用户对象的初始关系网图；所述初始关系网图中包含多个用于表示所述用户对象的节点，所述节点上标注有用于表示所述风险数据的标签，多个所述节点之间对应有不同权重的连接边，所述权重用于表示多个所述用户对象之间的联系时长；

根据所述权重与所述标签将多个所述节点划分至多个社群，得到中间关系网图；

根据多个所述用户对象在所述第一时刻至第二时刻之间风险数据的变化情况，对所述中间关系网图中所述社群的分布数据进行更新，得到最终关系网图；

在所述最终关系网图中判断待识别对象所属社群；

根据所述待识别对象所属社群的风险数据，识别所述待识别对象的风险数据。

在一个可能的实现中，所述联系时长包括多个所述用户对象中，任意两个用户对象之间多次联系的总时长、每次联系的分别时长以及每次联系的平均时长；

其中，所述总时长是所有的所述分别时长之和，所述平均时长为所述总时长除以所述两个用户对象之间的联系次数。

在一个可能的实现中，根据多个所述用户对象在所述第一时刻至第二时刻之间风险数据的变化情况，对所述中间关系网图中所述社群的分布数据进行更新，得到最终关系网图的步骤，包括：

如果所述风险数据的变化情况为第一用户对象与第二用户对象之间的所述联系时长减小，则利用牛顿冷却公式，对所述中间关系网图中第一节点与第二节点之间的所述连接边进行权重衰减处理，得到最终关系网图；

其中，所述第一节点对应所述第一用户对象，所述第二节点对应所述第二用户对象。

在一个可能的实现中，所述联系时长减小的情况包括下述任意一种：

所述第一用户对象与所述第二用户对象在所述第一时刻至所述第二时刻之间无联系，或在所述第一时刻至所述第二时刻之间的所述分别时长小于所述第一时刻之前的分别时长，或在所述第一时刻至所述第二时刻之间的所述平均时长小于所述第一时刻之前的平均时长。

在一个可能的实现中，所述牛顿冷却公式为：

其中，所述T₁表示所述第一节点与所述第二节点在所述第一时刻对应的连接边权重，所述T₀表示所述第一节点与所述第二节点在所述第二时刻对应的连接边权重，所述k为比例系数，所述e表示指数函数。

在一个可能的实现中，根据多个所述用户对象在所述第一时刻至第二时刻之间风险数据的变化情况，对所述中间关系网图中所述社群的分布数据进行更新，得到最终关系网图的步骤，包括：

如果所述风险数据的变化情况为第三用户对象与第四用户对象之间的所述联系时长增加，则增加所述中间关系网图中第三节点与第四节点之间所述连接边的权重，得到最终关系网图；

其中，所述第三节点对应所述第三用户对象，所述第四节点对应所述第四用户对象。

在一个可能的实现中，在根据所述权重与所述标签将多个所述节点划分至多个社群，得到中间关系网图的步骤之前，还包括：

对所述初始关系网图中的每个所述连接边的权重进行归一化处理。

第二方面，提供了一种风险对象识别装置，包括：

确定模块，用于确定多个用户对象在第一时刻之前产生的风险数据；

获取模块，用于基于多个所述风险数据得到多个所述用户对象的初始关系网图；所述初始关系网图中包含多个用于表示所述用户对象的节点，所述节点上标注有用于表示所述风险数据的标签，多个所述节点之间对应有不同权重的连接边，所述权重用于表示多个所述用户对象之间的联系时长；

划分模块，用于根据所述权重与所述标签将多个所述节点划分至多个社群，得到中间关系网图；

更新模块，用于根据多个所述用户对象在所述第一时刻至第二时刻之间风险数据的变化情况，对所述中间关系网图中所述社群的分布数据进行更新，得到最终关系网图；

判断模块，用于在所述最终关系网图中判断待识别对象所属社群；

识别模块，用于根据所述待识别对象所属社群的风险数据，识别所述待识别对象的风险数据。

第三方面，本申请实施例又提供了一种计算机设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的第一方面所述方法。

第四方面，本申请实施例又提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述的第一方面所述方法。

本申请实施例提供的一种风险对象识别方法、装置以及计算机设备，能够确定多个用户对象在第一时刻之前产生的风险数据，然后基于多个风险数据得到多个用户对象的初始关系网图，该初始关系网图中包含多个用于表示用户对象的节点，节点上标注有用于表示风险数据的标签，多个节点之间对应有不同权重的连接边，该权重用于表示多个用户对象之间的联系时长，之后根据权重与标签将多个节点划分至多个社群从而得到中间关系网图，然后，根据多个用户对象在第一时刻至第二时刻之间风险数据的变化情况来对中间关系网图中社群的分布数据进行更新从而得到最终关系网图，之后，在最终关系网图中判断待识别对象所属社群，以根据待识别对象所属社群的风险数据来识别出待识别对象的风险数据，本方案中，由于最终关系网图不仅考虑到了风险数据随时间的变化情况，还考虑到了用户对象之间联系时长等方面的连接边权重情况，使最终关系网图中的集群划分数据更加的准确且合理，从而提高了利用该最终关系网图对待识别对象的风险识别结果的准确性。

附图说明

为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的风险对象识别方法的流程图示意图；

图2为本申请实施例提供的风险对象识别方法的另一流程图示意图；

图3为本申请实施例提供的一种风险对象识别装置的结构示意图；

图4为示出了本申请实施例所提供的一种计算机设备的结构示意图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

目前，通过传统建模方法从还款能力、还款意愿、稳定性等角度来计算贷款个人的欺诈风险程度过程中，考虑角度较为单一，不能够贴近实际情况，很容易导致对用户危险程度的错误识别，使用户危险程度识别结果的准确性降低。

基于此，本申请实施例提供了一种风险对象识别方法、装置以及计算机设备。通过该方法可以解决用户危险程度识别结果的准确性较低的技术问题。

图1为本申请实施例提供的一种风险对象识别方法的流程示意图。如图1所示，该方法包括：

S110，确定多个用户对象在第一时刻之前产生的风险数据。

需要说明的是，风险数据可以是用户对象的个人历史借贷表现、基本收入开支情况及人口统计信息等等多种方面。

S120，基于多个风险数据得到多个用户对象的初始关系网图。

其中，初始关系网图中包含多个用于表示用户对象的节点，节点上标注有用于表示风险数据的标签，多个节点之间对应有不同权重的连接边，权重用于表示多个用户对象之间的联系时长。

S130，根据权重与标签将多个节点划分至多个社群，得到中间关系网图。

需要说明的是，如图2所示，中间关系网图中考虑到了用户对象之间联系时长等方面的连接边权重。

S140，根据多个用户对象在第一时刻至第二时刻之间风险数据的变化情况，对中间关系网图中社群的分布数据进行更新，得到最终关系网图。

如图2所示，本申请实施例中的最终关系网图是基于中间关系网，通过一段时间内的风险数据的变化情况而更新后的关系网图。

S150，在最终关系网图中判断待识别对象所属社群。

需要说明的是，待识别对象可以为需要识别其风险程度的用户。

S160，根据待识别对象所属社群的风险数据，识别待识别对象的风险数据。

通过提供风险对象识别方法，使最终关系网图不仅考虑到了风险数据随时间的变化情况，还考虑到了用户对象之间联系时长等方面的连接边权重情况，使最终关系网图中的集群划分数据更加的准确且合理，从而提高了利用该最终关系网图对待识别对象的风险识别结果的准确性。

下面对上述步骤进行详细介绍。

在一些实施例中，联系时长包括多个用户对象中，任意两个用户对象之间多次联系的总时长、每次联系的分别时长以及每次联系的平均时长；

其中，总时长是所有的分别时长之和，平均时长为总时长除以两个用户对象之间的联系次数。

例如，初始边权重SA结合到了：根据联系次数C和时长S而计算得到的平均每次联系时长SA＝S/C。在实际应用中，单个点间连接边的权重可以结合该SA。

本申请实施例中，利用到了多次联系的总时长、每次联系的分别时长以及每次联系的平均时长，能够使点间连接边权重的界定过程考虑更加全面、精细，以使确定出的连接边权重值更加准确且符合实际情况。

在一些实施例中，上述步骤S140可以包括如下步骤：

如果风险数据的变化情况为第一用户对象与第二用户对象之间的联系时长减小，则利用牛顿冷却公式，对中间关系网图中第一节点与第二节点之间的连接边进行权重衰减处理，得到最终关系网图；

其中，第一节点对应第一用户对象，第二节点对应第二用户对象。示例性的，T1时刻中不存在点节点A及连接C，但T0时刻中存在节点A及连接C，则利用牛顿时间冷却公式计算得到衰减处理后的新的权重值。

通过利用牛顿时间冷却公式可以对权重应该适当减小的权重值进行更加合理的权重衰减处理，使衰减处理后的新权重更加对象间联系数据的符合实际情况。

在一些实施例中，联系时长减小的情况包括下述任意一种：

第一用户对象与第二用户对象在第一时刻至第二时刻之间无联系，或在第一时刻至第二时刻之间的分别时长小于第一时刻之前的分别时长，或在第一时刻至第二时刻之间的平均时长小于第一时刻之前的平均时长。

本申请实施例中，联系时长减小的情况可以包括上述多种情况，使权重的调节情况不只限制于一种情况，能够对权重进行更加全面的调节。

在一些实施例中，牛顿冷却公式为：

其中，T₁表示第一节点与第二节点在第一时刻对应的连接边权重，T₀表示第一节点与第二节点在第二时刻对应的连接边权重，k为比例系数，e表示指数函数。

通过牛顿时间冷却公式的计算过程，可以使对权重的衰减处理过程更加适当且合理，使最终更新后的权重值更加符合实际情况。

在一些实施例中，上述步骤S140可以包括如下步骤：

如果风险数据的变化情况为第三用户对象与第四用户对象之间的联系时长增加，则增加中间关系网图中第三节点与第四节点之间连接边的权重，得到最终关系网图；

其中，第三节点对应第三用户对象，第四节点对应第四用户对象。

示例性的，如果T1时刻及T0时刻同时存在节点A及连接边C，则更新连接边C权重至最新权重值；如果T1时刻中存在而T0时刻中不存在，则对权重值进行正常的更新处理。

本申请实施例中，不仅考虑到了权重减小的情况，还考虑到了权重增加的情况，以使权重增的更新结果更加符合实际情况。

在一些实施例中，在步骤S130之前，该方法还可以包括以下步骤：

对初始关系网图中的每个连接边的权重进行归一化处理。

通过对所有边权重数值进行归一化处理，能够在后续的处理过程中，使关系网图能够随着时间的更新而按标准化比例进行适当合理的缩放，以保证关系网图的数据准确性。

图3提供了一种风险对象识别装置的结构示意图。如图3所示，风险对象识别装置300包括：

确定模块301，用于确定多个用户对象在第一时刻之前产生的风险数据；

获取模块302，用于基于多个风险数据得到多个用户对象的初始关系网图；初始关系网图中包含多个用于表示用户对象的节点，节点上标注有用于表示风险数据的标签，多个节点之间对应有不同权重的连接边，权重用于表示多个用户对象之间的联系时长；

划分模块303，用于根据权重与标签将多个节点划分至多个社群，得到中间关系网图；

更新模块304，用于根据多个用户对象在第一时刻至第二时刻之间风险数据的变化情况，对中间关系网图中社群的分布数据进行更新，得到最终关系网图；

判断模块305，用于在最终关系网图中判断待识别对象所属社群；

识别模块306，用于根据待识别对象所属社群的风险数据，识别待识别对象的风险数据。

在一些实施例中，联系时长包括多个用户对象中，任意两个用户对象之间多次联系的总时长、每次联系的分别时长以及每次联系的平均时长；

其中，总时长是所有的分别时长之和，平均时长为总时长除以两个用户对象之间的联系次数。

在一些实施例中，更新模块具体用于：

如果风险数据的变化情况为第一用户对象与第二用户对象之间的联系时长减小，则利用牛顿冷却公式，对中间关系网图中第一节点与第二节点之间的连接边进行权重衰减处理，得到最终关系网图；

其中，第一节点对应第一用户对象，第二节点对应第二用户对象。

在一些实施例中，联系时长减小的情况包括下述任意一种：

第一用户对象与第二用户对象在第一时刻至第二时刻之间无联系，或在第一时刻至第二时刻之间的分别时长小于第一时刻之前的分别时长，或在第一时刻至第二时刻之间的平均时长小于第一时刻之前的平均时长。

在一些实施例中，牛顿冷却公式为：

其中，T₁表示第一节点与第二节点在第一时刻对应的连接边权重，T₀表示第一节点与第二节点在第二时刻对应的连接边权重，k为比例系数，e表示指数函数。

在一些实施例中，更新模块还用于：

如果风险数据的变化情况为第三用户对象与第四用户对象之间的联系时长增加，则增加中间关系网图中第三节点与第四节点之间连接边的权重，得到最终关系网图；

其中，第三节点对应第三用户对象，第四节点对应第四用户对象。

在一些实施例中，该装置还包括：

处理模块，用于对初始关系网图中的每个连接边的权重进行归一化处理。

本申请实施例提供的风险对象识别装置，与上述实施例提供的风险对象识别方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。

本申请实施例提供的一种计算机设备，如图4所示，计算机设备400包括存储器401、处理器402，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例提供的方法的步骤。

参见图4，计算机设备还包括：总线403和通信接口404，处理器402、通信接口404和存储器401通过总线403连接；处理器402用于执行存储器401中存储的可执行模块，例如计算机程序。

其中，存储器401可能包含高速随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口404(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。

总线403可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器401用于存储程序，所述处理器402在接收到执行指令后，执行所述程序，前述本申请任一实施例揭示的过程定义的装置所执行的方法可以应用于处理器402中，或者由处理器402实现。

处理器402可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器402中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器402可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processing，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器401，处理器402读取存储器401中的信息，结合其硬件完成上述方法的步骤。

对应于上述风险对象识别方法，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述风险对象识别方法的步骤。

本申请实施例所提供的风险对象识别装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、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，流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方式中，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，两个连续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动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。

另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述风险对象识别方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种风险对象识别方法，其特征在于，所述方法包括：

确定多个用户对象在第一时刻之前产生的风险数据；

基于多个所述风险数据得到多个所述用户对象的初始关系网图；所述初始关系网图中包含多个用于表示所述用户对象的节点，所述节点上标注有用于表示所述风险数据的标签，多个所述节点之间对应有不同权重的连接边，所述权重用于表示多个所述用户对象之间的联系时长；

根据所述权重与所述标签将多个所述节点划分至多个社群，得到中间关系网图；

根据多个所述用户对象在所述第一时刻至第二时刻之间风险数据的变化情况，对所述中间关系网图中所述社群的分布数据进行更新，得到最终关系网图；

在所述最终关系网图中判断待识别对象所属社群；

根据所述待识别对象所属社群的风险数据，识别所述待识别对象的风险数据。

2.根据权利要求1所述的方法，其特征在于，所述联系时长包括多个所述用户对象中，任意两个用户对象之间多次联系的总时长、每次联系的分别时长以及每次联系的平均时长；

其中，所述总时长是所有的所述分别时长之和，所述平均时长为所述总时长除以所述两个用户对象之间的联系次数。

3.根据权利要求2所述的方法，其特征在于，根据多个所述用户对象在所述第一时刻至第二时刻之间风险数据的变化情况，对所述中间关系网图中所述社群的分布数据进行更新，得到最终关系网图的步骤，包括：

如果所述风险数据的变化情况为第一用户对象与第二用户对象之间的所述联系时长减小，则利用牛顿冷却公式，对所述中间关系网图中第一节点与第二节点之间的所述连接边进行权重衰减处理，得到最终关系网图；

其中，所述第一节点对应所述第一用户对象，所述第二节点对应所述第二用户对象。

4.根据权利要求3所述的方法，其特征在于，所述联系时长减小的情况包括下述任意一种：

所述第一用户对象与所述第二用户对象在所述第一时刻至所述第二时刻之间无联系，或在所述第一时刻至所述第二时刻之间的所述分别时长小于所述第一时刻之前的分别时长，或在所述第一时刻至所述第二时刻之间的所述平均时长小于所述第一时刻之前的平均时长。

5.根据权利要求3所述的方法，其特征在于，所述牛顿冷却公式为：

其中，所述T₁表示所述第一节点与所述第二节点在所述第一时刻对应的连接边权重，所述T₀表示所述第一节点与所述第二节点在所述第二时刻对应的连接边权重，所述k为比例系数，所述e表示指数函数。

6.根据权利要求2所述的方法，其特征在于，根据多个所述用户对象在所述第一时刻至第二时刻之间风险数据的变化情况，对所述中间关系网图中所述社群的分布数据进行更新，得到最终关系网图的步骤，包括：

如果所述风险数据的变化情况为第三用户对象与第四用户对象之间的所述联系时长增加，则增加所述中间关系网图中第三节点与第四节点之间所述连接边的权重，得到最终关系网图；

其中，所述第三节点对应所述第三用户对象，所述第四节点对应所述第四用户对象。

7.根据权利要求1所述的方法，其特征在于，在根据所述权重与所述标签将多个所述节点划分至多个社群，得到中间关系网图的步骤之前，还包括：

对所述初始关系网图中的每个所述连接边的权重进行归一化处理。

8.一种风险对象识别装置，其特征在于，包括：

确定模块，用于确定多个用户对象在第一时刻之前产生的风险数据；

获取模块，用于基于多个所述风险数据得到多个所述用户对象的初始关系网图；所述初始关系网图中包含多个用于表示所述用户对象的节点，所述节点上标注有用于表示所述风险数据的标签，多个所述节点之间对应有不同权重的连接边，所述权重用于表示多个所述用户对象之间的联系时长；

划分模块，用于根据所述权重与所述标签将多个所述节点划分至多个社群，得到中间关系网图；

更新模块，用于根据多个所述用户对象在所述第一时刻至第二时刻之间风险数据的变化情况，对所述中间关系网图中所述社群的分布数据进行更新，得到最终关系网图；

判断模块，用于在所述最终关系网图中判断待识别对象所属社群；

识别模块，用于根据所述待识别对象所属社群的风险数据，识别所述待识别对象的风险数据。

9.一种计算机设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行所述权利要求1至7任一项所述的方法。

Images