CN113011990A - 虚拟连接网络系统及其信息获取方法 - Google Patents

虚拟连接网络系统及其信息获取方法 Download PDF

Info

Publication number
CN113011990A
CN113011990A CN202110141430.5A CN202110141430A CN113011990A CN 113011990 A CN113011990 A CN 113011990A CN 202110141430 A CN202110141430 A CN 202110141430A CN 113011990 A CN113011990 A CN 113011990A
Authority
CN
China
Prior art keywords
community
network
unit
user
virtual
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
Application number
CN202110141430.5A
Other languages
English (en)
Inventor
林建明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Wuyu Technology Co ltd
Original Assignee
Shenzhen Wuyu Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Wuyu Technology Co ltd filed Critical Shenzhen Wuyu Technology Co ltd
Priority to CN202110141430.5A priority Critical patent/CN113011990A/zh
Publication of CN113011990A publication Critical patent/CN113011990A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明揭示了一种虚拟连接网络系统及方法，所述系统包括社群识别单元、社群分类单元、社群欺诈识别和更新单元及网络知识输出单元；社群识别单元用以获取用户的虚拟关系网络；社群分类单元用以通过内部风险表现、活跃表现、财务表现的指标来标识所述社群识别单元获取的虚拟关系网络中分离出来的关系网络；社群欺诈识别和更新单元用以对已分离表示的社群来预测新用户，同时更新网络；网络知识输出单元用以根据虚拟网络中分离的社群知识来归纳抽象人群画像、抽离群体性行为变量来拓展虚拟网络的应用。本发明提出的虚拟连接网络系统及其信息获取方法，可丰富用户特征，提高风险控制的精确度。

Description

虚拟连接网络系统及其信息获取方法
技术领域
本发明属于风险控制技术领域，涉及一种风险控制系统，尤其涉及一种虚拟连接网络系 统及其信息获取方法。
背景技术
风险控制是金融的关键，随着时代的发展，风控领域的一个总趋势是越来越信息化、模 型化、智能化。
传统风控更多着眼于个人的行为模式，以此来推断个人的风险模式。而群体的欺诈模式 或群体的趋向性往往被忽视。虚拟连接网络利用图计算和图分析算法，经过对社交网络的理 解、推理、学习，识别客户中存在的社群，抽象出业务需要的或者业务规避的社交群体，从 中发现一定的人群规律，归纳人群特点。
有鉴于此，如今迫切需要设计一种新的风险控制方式，以便克服现有风险控制方式存在 的上述至少部分缺陷。
发明内容
本发明提供一种虚拟连接网络系统及其信息获取方法，可丰富用户特征，提高风险控制 的精确度。
为解决上述技术问题，根据本发明的一个方面，采用如下技术方案：
一种虚拟连接网络系统，所述虚拟连接网络包括：
社群识别单元，用以获取用户的虚拟关系网络；基于用户特征的数值相似度来进行无监 督的聚类分群；基于用户社交关系的结构相似度来进行社群识别；
社群分类单元，用以通过内部风险表现、活跃表现、财务表现的指标来标识所述社群识 别单元获取的虚拟关系网络中分离出来的关系网络,作为有监督的客群画像单元；
社群欺诈识别单元，用以通过欺诈标识来标定上述社群分类单元和社群识别单元中的小 簇客户，用于发现存在团体欺诈行为的可能；
社群更新单元，用以对已分离的社群来预测新用户，同时更新网络权重；
网络知识输出单元，用以根据虚拟网络中分离的社群知识来归纳抽象人群画像、抽离群 体性行为变量来拓展虚拟网络的应用；将知识内容输出给业务单位用于更精准的用户经营；
所述社群识别单元包括网络学习单元；所述网络学习单元用以识别用户中存在的社群；
所述网络学习单元通过两种方式识别客户中存在的社群，一是根据社群发现算法，发现 客户中存在的实体关系网络；二是通过内外部特征的相似性和结构相似性来发现客户中虚拟 关系网络；
所述虚拟连接网络系统包括社群预测单元，用以根据用户信息预测其对应的社群；对于 新用户，将用训练好的网络知识来标记客户；用户打标采用多维度、多层级的模式，用户标 记将直接服务于用户分群经营。
根据本发明的另一个方面，采用如下技术方案：一种虚拟连接网络系统，所述虚拟连接 网络系统包括：
社群识别单元，用以获取用户的虚拟关系网络；基于用户特征的数值相似度来进行无监 督的聚类分群；基于用户社交关系的结构相似度来进行社群识别；
社群分类单元，用以通过内部风险表现、活跃表现、财务表现的指标来标识所述社群识 别单元获取的虚拟关系网络中分离出来的关系网络；
社群欺诈识别单元，用以通过欺诈标识来标定上述社群分类单元和社群识别单元中的小 簇客户，用于发现存在团体欺诈行为的可能；
社群更新单元，用以对已分离的社群来预测新用户，同时更新网络权重；
网络知识输出单元，用以根据虚拟网络中分离的社群知识来归纳抽象人群画像、抽离群 体性行为变量来拓展虚拟网络的应用；将知识内容输出给业务单位用于更精准的用户经营。
作为本发明的一种实施方式，所述社群识别单元包括网络学习单元；所述网络学习单元 用以识别用户中存在的社群。
作为本发明的一种实施方式，所述网络学习单元根据社群发现算法发现客户中存在的实 体关系网络，或者/并且通过内外部特征的相似性和结构相似性来发现客户中虚拟关系网络。
作为本发明的一种实施方式，所述虚拟连接网络系统包括社群预测单元，用以根据用户 信息预测其对应的社群；对于新用户，将用训练好的网络知识来标记客户；用户打标采用多 维度、多层级的模式，用户标记将直接服务于用户分群经营。
根据本发明的又一个方面，采用如下技术方案：一种虚拟连接网络系统的信息获取方法， 所述信息获取方法包括：
社群识别步骤，获取用户的虚拟关系网络；基于用户特征的数值相似度来进行无监督的 聚类分群；基于用户社交关系的结构相似度来进行社群识别；
社群分类步骤，通过内部风险表现、活跃表现、财务表现的指标来标识所述社群识别单 元获取的虚拟关系网络中分离出来的关系网络,作为有监督的客群画像单元；
社群欺诈识别步骤，用欺诈标识来标定上述社群分类单元和社群识别单元中的小簇客户， 用于发现存在团体欺诈行为的可能；
社群更新步骤，对已分离的社群来预测新用户，同时更新网络权重；
网络知识输出步骤，根据虚拟网络中分离的社群知识来归纳抽象人群画像、抽离群体性 行为变量来拓展虚拟网络的应用；将知识内容输出给业务单位用于更精准的用户经营；
所述社群识别步骤包括网络学习步骤；识别客户中存在的社群；
所述社群识别步骤中，通过两种方式识别客户中存在的社群，一是根据社群发现算法， 发现客户中存在的实体关系网络；二是通过内外部特征的相似性和结构相似性来发现客户中 虚拟关系网络；
所述信息获取方法包括社群预测步骤，根据用户信息预测其对应的社群；用于新用户的 多维度、多层级打标，直接服务于用户分群经营。
根据本发明的又一个方面，采用如下技术方案：一种虚拟连接网络系统的信息获取方法， 所述信息获取方法包括：
社群识别步骤，获取用户的虚拟关系网络；基于用户特征的数值相似度来进行无监督的 聚类分群；基于用户社交关系的结构相似度来进行社群识别；
社群分类步骤，通过内部风险表现、活跃表现、财务表现的指标来标识所述社群识别单 元获取的虚拟关系网络中分离出来的关系网络；
社群欺诈识别步骤，用欺诈标识来标定上述社群分类单元和社群识别单元中的小簇客户， 用于发现存在团体欺诈行为的可能；
社群更新步骤，对已分离的社群来预测新用户，同时更新网络权重；
网络知识输出步骤，根据虚拟网络中分离的社群知识来归纳抽象人群画像、抽离群体性 行为变量来拓展虚拟网络的应用；将知识内容输出给业务单位用于更精准的用户经营。
作为本发明的一种实施方式，所述社群识别步骤包括网络学习步骤；识别客户中存在的 社群。
作为本发明的一种实施方式，所述社群识别步骤中，通过两种方式识别客户中存在的社 群，一是根据社群发现算法，发现客户中存在的实体关系网络；二是通过内外部特征的相似 性和结构相似性来发现客户中虚拟关系网络。
作为本发明的一种实施方式，所述信息获取方法包括社群预测步骤，根据用户信息预测 其对应的社群；用于新用户的多维度、多层级打标，直接服务于用户分群经营。
本发明的有益效果在于：本发明提出的虚拟连接网络系统及其信息获取方法，可丰富用 户特征，提高风险控制的精确度。
社交网络在欺诈识别上应用颇多，但从社群发现的角度来构建社交网络，使其不仅仅用 于欺诈识别，也服务于产品的全生命周期应属首次，而从网络中学习到的知识，做二次的抽 象定义，来反馈于更前端的，更有助于风控实现一种良性闭环的负反馈机制。
附图说明
图1为本发明一实施例中虚拟连接网络系统的组成示意图。
图2为本发明一实施例中虚拟连接网络系统的信息获取方法的流程图。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
为了进一步理解本发明，下面结合实施例对本发明优选实施方案进行描述，但是应当理 解，这些描述只是为进一步说明本发明的特征和优点，而不是对本发明权利要求的限制。
该部分的描述只针对几个典型的实施例，本发明并不仅局限于实施例描述的范围。相同 或相近的现有技术手段与实施例中的一些技术特征进行相互替换也在本发明描述和保护的范 围内。
说明书中各个实施例中的步骤的表述只是为了方便说明，本申请的实现方式不受步骤实 现的顺序限制。说明书中的“连接”既包含直接连接，也包含间接连接。
本发明揭示了一种虚拟连接网络系统，图1为本发明一实施例中虚拟连接网络系统的组 成示意图；请参阅图1，所述虚拟连接网络系统包括：社群识别单元1、社群分类单元2、社 群欺诈识别单元3、社群更新单元4、网络知识输出单元5。
社群识别单元1用以获取用户的虚拟关系网络；基于用户特征的数值相似度来进行无监 督的聚类分群；基于用户社交关系的结构相似度来进行社群识别。
在一实施例中，所述社群识别单元1可以为离线单元，离线构建用户的网络，通过特征 工程来筛选稳定和强区分效果的变量来构建无监督的用户聚类。同时用关系型变量(如用户 之间沟通次数、用户关注数)构建网络的边，通过用户之间网络结构的相似性来定义用户之 间的相似关系，同时基于用户社交关系的结构相似度的来进行PageRank社群识别。
在本发明的一实施例中，所述社群识别单元1包括网络学习单元；所述网络学习单元用 以识别用户中存在的社群。所述网络学习单元可以通过两种方式识别客户中存在的社群，一 是根据社群发现算法，发现客户中存在的实体关系网络；二是通过内外部特征的相似性和结 构相似性来发现客户中虚拟关系网络。
社群分类单元2用以通过内部风险表现、活跃表现、财务表现的指标来标识所述社群识 别单元获取的虚拟关系网络中分离出来的关系网络(可作为有监督的客群画像单元)。在本发 明的一实施例中，社群分类单元2根据社群的业务表现和整体用户群体的表现差异，来定义 分离社群的属性，将其标识为有具体业务含义的社群，实现层次化的管理。
社群欺诈识别单元3用以通过欺诈标识来标定上述社群分类单元和社群识别单元中的小 簇客户，用于发现存在团体欺诈行为的可能。在一实施例中，由于欺诈标签的特殊性以及欺 诈团体的危害性，欺诈群体的标识除了上述两个单元外，需要赋予异常检测模型交叉验证。 在一实施例中，可以将具备同一职业的人员放在一个特定的社群，可以将特定时间点在某一 地点(或地点类别)的人员放在一个特定的社群，也可以将具备同一职业、且在特定时间点 位于某一地点或地点类别(如餐厅)的人员放在一个特定的社群。在一实施例中，可以根据 社群的大小(或符合社群条件的难易程度)设定具备相同风险的高低。例如，系统根据实时 数据发现有较多处于同一职业的人员欺诈较多或违约风险较高，可以在评估时对同处于该职 业社群的其他用户进行重点风险评估。
社群更新单元4用以对已分离的社群来预测新用户，同时更新网络权重。在一实施例中， 对于新样本，将进行离线的网络更新。
网络知识输出单元5用以根据虚拟网络中分离的社群知识来归纳抽象人群画像、抽离群 体性行为变量来拓展虚拟网络的应用；将知识内容输出给业务单位用于更精准的用户经营与 产品定位。
在本发明的一实施例中，所述虚拟连接网络系统包括社群预测单元，用以根据用户信息 预测其对应的社群。在一实施例中，对于新用户，将用训练好的网络知识来标记客户。用户 打标采用多维度、多层级的模式，用户标记将直接服务于用户分群经营。
本发明还揭示一种虚拟连接网络系统的信息获取方法，图2为本发明一实施例中虚拟连 接网络系统的信息获取方法的流程图；请参阅图2，所述信息获取方法包括：
社群识别步骤，获取用户的虚拟关系网络；基于用户特征的数值相似度来进行无监督的 聚类分群；基于用户社交关系的结构相似度的来进行PageRank社群识别；
社群分类步骤，通过内部风险表现、活跃表现、财务表现的指标来标识所述社群识别单 元获取的虚拟关系网络中分离出来的关系网络(可作为有监督的客群画像单元)；
社群欺诈识别步骤，用欺诈标识来标定上述社群分类单元和社群识别单元中的小簇客户， 用于发现存在团体欺诈行为的可能；
社群更新步骤，对已分离的社群来预测新用户，同时更新网络权重；
网络知识输出步骤，根据虚拟网络中分离的社群知识来归纳抽象人群画像、抽离群体性 行为变量来拓展虚拟网络的应用；将知识内容输出给业务单位用于更精准的用户经营。
在本发明的一实施例中，所述信息获取方法包括社群预测步骤，根据用户信息预测其对 应的社群；用于新用户的多维度、多层级打标，直接服务于用户分群经营。
在本发明的一实施例中，所述社群识别步骤包括网络学习步骤；识别客户中存在的社群。 在一实施例中，所述社群识别步骤中，通过两种方式识别客户中存在的社群，一是根据社群 发现算法，用关系型变量(如用户之间沟通次数、用户关注数)构建网络的边，通过用户之 间网络结构的相似性来定义用户之间的相似关系，同时基于用户社交关系的结构相似度的来 进行PageRank社群识别；二是通过内外部特征的相似性和结构相似性来发现客户中虚拟关系 网络，如可以通过特征工程来筛选稳定和强区分效果的变量来构建无监督的用户聚类。
综上所述，本发明提出的虚拟连接网络系统及其信息获取方法，可丰富用户特征，可精 准地为用户分群，具有团体欺诈识别功能，服务于产品用户定位，提高风险控制的精确度。
社交网络在欺诈识别上应用颇多，但从社群发现的角度来构建社交网络，使其不仅仅用 于欺诈识别，也服务于产品的全生命周期应属首次，而从网络中学习到的知识，做二次的抽 象定义，来反馈于更前端的，更有助于风控实现一种良性闭环的负反馈机制。从人工智能服 务于更前端获客、产品定位的角度来说，是更惊喜的副产物。
需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施；例如，可采用专用 集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一些实施例中，本申 请的软件程序可以通过处理器执行以实现上文步骤或功能。同样地，本申请的软件程序(包括 相关的数据结构)可以被存储到计算机可读记录介质中；例如，RAM存储器，磁或光驱动器或 软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现；例如，作为与处理 器配合从而执行各个步骤或功能的电路。
以上所述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。
这里本发明的描述和应用是说明性的，并非想将本发明的范围限制在上述实施例中。实 施例中所涉及的效果或优点可因多种因素干扰而可能不能在实施例中体现，对于效果或优点 的描述不用于对实施例进行限制。这里所披露的实施例的变形和改变是可能的，对于那些本 领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清 楚的是，在不脱离本发明的精神或本质特征的情况下，本发明可以以其它形式、结构、布置、 比例，以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下，可以对 这里所披露的实施例进行其它变形和改变。

Claims (10)

1.一种虚拟连接网络系统，其特征在于，所述虚拟连接网络包括：
社群识别单元，用以获取用户的虚拟关系网络；基于用户特征的数值相似度来进行无监督的聚类分群；基于用户社交关系的结构相似度来进行社群识别；
社群分类单元，用以通过内部风险表现、活跃表现、财务表现的指标来标识所述社群识别单元获取的虚拟关系网络中分离出来的关系网络,作为有监督的客群画像单元；
社群欺诈识别单元，用以通过欺诈标识来标定上述社群分类单元和社群识别单元中的小簇客户，用于发现存在团体欺诈行为的可能；
社群更新单元，用以对已分离的社群来预测新用户，同时更新网络权重；
网络知识输出单元，用以根据虚拟网络中分离的社群知识来归纳抽象人群画像、抽离群体性行为变量来拓展虚拟网络的应用；将知识内容输出给业务单位用于更精准的用户经营；
所述社群识别单元包括网络学习单元；所述网络学习单元用以识别用户中存在的社群；
所述网络学习单元通过两种方式识别客户中存在的社群，一是根据社群发现算法，发现客户中存在的实体关系网络；二是通过内外部特征的相似性和结构相似性来发现客户中虚拟关系网络；
所述虚拟连接网络系统包括社群预测单元，用以根据用户信息预测其对应的社群；对于新用户，将用训练好的网络知识来标记客户；用户打标采用多维度、多层级的模式，用户标记将直接服务于用户分群经营。
2.一种虚拟连接网络系统，其特征在于，所述虚拟连接网络包括：
社群识别单元，用以获取用户的虚拟关系网络；基于用户特征的数值相似度来进行无监督的聚类分群；基于用户社交关系的结构相似度来进行社群识别；
社群分类单元，用以通过内部风险表现、活跃表现、财务表现的指标来标识所述社群识别单元获取的虚拟关系网络中分离出来的关系网络；
社群欺诈识别单元，用以通过欺诈标识来标定上述社群分类单元和社群识别单元中的小簇客户，用于发现存在团体欺诈行为的可能；
社群更新单元，用以对已分离的社群来预测新用户，同时更新网络权重；
网络知识输出单元，用以根据虚拟网络中分离的社群知识来归纳抽象人群画像、抽离群体性行为变量来拓展虚拟网络的应用；将知识内容输出给业务单位用于更精准的用户经营。
3.根据权利要求2所述的虚拟连接网络系统，其特征在于：
所述社群识别单元包括网络学习单元；所述网络学习单元用以识别用户中存在的社群。
4.根据权利要求3所述的虚拟连接网络系统，其特征在于：
所述网络学习单元根据社群发现算法发现客户中存在的实体关系网络，或者/并且通过内外部特征的相似性和结构相似性来发现客户中虚拟关系网络。
5.根据权利要求2所述的虚拟连接网络系统，其特征在于：
所述虚拟连接网络系统包括社群预测单元，用以根据用户信息预测其对应的社群；对于新用户，将用训练好的网络知识来标记客户；用户打标采用多维度、多层级的模式，用户标记将直接服务于用户分群经营。
6.一种虚拟连接网络系统的信息获取方法，其特征在于，所述信息获取方法包括：
社群识别步骤，获取用户的虚拟关系网络；基于用户特征的数值相似度来进行无监督的聚类分群；基于用户社交关系的结构相似度来进行社群识别；
社群分类步骤，通过内部风险表现、活跃表现、财务表现的指标来标识所述社群识别单元获取的虚拟关系网络中分离出来的关系网络,作为有监督的客群画像单元；
社群欺诈识别步骤，用欺诈标识来标定上述社群分类单元和社群识别单元中的小簇客户，用于发现存在团体欺诈行为的可能；
社群更新步骤，对已分离的社群来预测新用户，同时更新网络权重；
网络知识输出步骤，根据虚拟网络中分离的社群知识来归纳抽象人群画像、抽离群体性行为变量来拓展虚拟网络的应用；将知识内容输出给业务单位用于更精准的用户经营；
所述社群识别步骤包括网络学习步骤；识别客户中存在的社群；
所述社群识别步骤中，通过两种方式识别客户中存在的社群，一是根据社群发现算法，发现客户中存在的实体关系网络；二是通过内外部特征的相似性和结构相似性来发现客户中虚拟关系网络；
所述信息获取方法包括社群预测步骤，根据用户信息预测其对应的社群；用于新用户的多维度、多层级打标，直接服务于用户分群经营。
7.一种虚拟连接网络系统的信息获取方法，其特征在于，所述信息获取方法包括：
社群识别步骤，获取用户的虚拟关系网络；基于用户特征的数值相似度来进行无监督的聚类分群；基于用户社交关系的结构相似度来进行社群识别；
社群分类步骤，通过内部风险表现、活跃表现、财务表现的指标来标识所述社群识别单元获取的虚拟关系网络中分离出来的关系网络；
社群欺诈识别步骤，用欺诈标识来标定上述社群分类单元和社群识别单元中的小簇客户，用于发现存在团体欺诈行为的可能；
社群更新步骤，对已分离的社群来预测新用户，同时更新网络权重；
网络知识输出步骤，根据虚拟网络中分离的社群知识来归纳抽象人群画像、抽离群体性行为变量来拓展虚拟网络的应用；将知识内容输出给业务单位用于更精准的用户经营。
8.根据权利要求7所述的信息获取方法，其特征在于：
所述社群识别步骤包括网络学习步骤；识别客户中存在的社群。
9.根据权利要求8所述的信息获取方法，其特征在于：
所述社群识别步骤中，通过两种方式识别客户中存在的社群，一是根据社群发现算法，发现客户中存在的实体关系网络；二是通过内外部特征的相似性和结构相似性来发现客户中虚拟关系网络。
10.根据权利要求7所述的信息获取方法，其特征在于：
所述信息获取方法包括社群预测步骤，根据用户信息预测其对应的社群；用于新用户的多维度、多层级打标，直接服务于用户分群经营。
CN202110141430.5A 2021-02-01 2021-02-01 虚拟连接网络系统及其信息获取方法 Pending CN113011990A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110141430.5A CN113011990A (zh) 2021-02-01 2021-02-01 虚拟连接网络系统及其信息获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110141430.5A CN113011990A (zh) 2021-02-01 2021-02-01 虚拟连接网络系统及其信息获取方法

Publications (1)

Publication Number Publication Date
CN113011990A true CN113011990A (zh) 2021-06-22

Family

ID=76385215

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110141430.5A Pending CN113011990A (zh) 2021-02-01 2021-02-01 虚拟连接网络系统及其信息获取方法

Country Status (1)

Country Link
CN (1) CN113011990A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114510650A (zh) * 2022-04-19 2022-05-17 湖南三湘银行股份有限公司 一种异构社交网络风控处理方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169864A (zh) * 2017-05-31 2017-09-15 天云融创数据科技（北京）有限公司 一种基于复杂网络的信用卡客户欺诈风险特征提取方法
CN107292424A (zh) * 2017-06-01 2017-10-24 四川新网银行股份有限公司 一种基于复杂社交网络的反欺诈和信用风险预测方法
CN107943879A (zh) * 2017-11-14 2018-04-20 上海维信荟智金融科技有限公司 基于社交网络的欺诈团体检测方法及系统
CN108038700A (zh) * 2017-12-22 2018-05-15 上海前隆信息科技有限公司 一种反欺诈数据分析方法与系统
CN108734479A (zh) * 2018-04-12 2018-11-02 阿里巴巴集团控股有限公司 保险欺诈识别的数据处理方法、装置、设备及服务器
CN110297912A (zh) * 2019-05-20 2019-10-01 平安科技（深圳）有限公司 欺诈识别方法、装置、设备及计算机可读存储介质
CN110363636A (zh) * 2019-06-27 2019-10-22 上海淇馥信息技术有限公司 基于关系网络的欺诈风险识别方法及装置
CN110413707A (zh) * 2019-07-22 2019-11-05 百融云创科技股份有限公司 互联网中欺诈团伙关系的挖掘与排查方法及其系统
CN110717816A (zh) * 2019-07-15 2020-01-21 上海氪信信息技术有限公司 一种基于人工智能技术的全域金融风险知识图谱构建方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169864A (zh) * 2017-05-31 2017-09-15 天云融创数据科技（北京）有限公司 一种基于复杂网络的信用卡客户欺诈风险特征提取方法
CN107292424A (zh) * 2017-06-01 2017-10-24 四川新网银行股份有限公司 一种基于复杂社交网络的反欺诈和信用风险预测方法
CN107943879A (zh) * 2017-11-14 2018-04-20 上海维信荟智金融科技有限公司 基于社交网络的欺诈团体检测方法及系统
CN108038700A (zh) * 2017-12-22 2018-05-15 上海前隆信息科技有限公司 一种反欺诈数据分析方法与系统
CN108734479A (zh) * 2018-04-12 2018-11-02 阿里巴巴集团控股有限公司 保险欺诈识别的数据处理方法、装置、设备及服务器
CN110297912A (zh) * 2019-05-20 2019-10-01 平安科技（深圳）有限公司 欺诈识别方法、装置、设备及计算机可读存储介质
CN110363636A (zh) * 2019-06-27 2019-10-22 上海淇馥信息技术有限公司 基于关系网络的欺诈风险识别方法及装置
CN110717816A (zh) * 2019-07-15 2020-01-21 上海氪信信息技术有限公司 一种基于人工智能技术的全域金融风险知识图谱构建方法
CN110413707A (zh) * 2019-07-22 2019-11-05 百融云创科技股份有限公司 互联网中欺诈团伙关系的挖掘与排查方法及其系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114510650A (zh) * 2022-04-19 2022-05-17 湖南三湘银行股份有限公司 一种异构社交网络风控处理方法及系统
CN114510650B (zh) * 2022-04-19 2022-07-12 湖南三湘银行股份有限公司 一种异构社交网络风控处理方法及系统

Similar Documents

Publication Publication Date Title
Jain et al. Imperfect ImaGANation: Implications of GANs exacerbating biases on facial data augmentation and snapchat face lenses
Wang et al. SVStream: A support vector-based algorithm for clustering data streams
Bahnsen et al. A novel cost-sensitive framework for customer churn predictive modeling
US20060112146A1 (en) Systems and methods for data analysis and/or knowledge management
KR20050007306A (ko) 혼합형 수치 및/또는 비수치 데이터의 처리
CN110688549B (zh) 一种基于知识体系图谱构建的人工智能分类方法与系统
CN114298176A (zh) 一种欺诈用户检测方法、装置、介质及电子设备
Guo et al. Multi-label classification methods for green computing and application for mobile medical recommendations
WO2023207013A1 (zh) 一种基于图嵌入的关系图谱关键人员分析方法及系统
CN115423639A (zh) 一种面向社交网络的安全社区发现方法
US20190325351A1 (en) Monitoring and comparing features across environments
Zhao et al. Men also do laundry: Multi-attribute bias amplification
Wang et al. Link prediction in heterogeneous collaboration networks
Wang et al. Identifying interdisciplinary topics and their evolution based on BERTopic
CN113011990A (zh) 虚拟连接网络系统及其信息获取方法
Zhao et al. Prediction of English Scores of College Students Based on Multi-source Data Fusion and Social Behavior Analysis.
Widya et al. Implementation of EM algorithm in data mining for clustering female cooperative
Riga et al. Atmospheric environment and quality of life information extraction from twitter with the use of self-organizing maps
Tang et al. A Cross-Domain Multimodal Supervised Latent Topic Model for Item Tagging and Cold-Start Recommendation
Nawaz et al. Analysis and classification of employee attrition and absenteeism in industry: A sequential pattern mining-based methodology
Zhang et al. HyIDSVis: hybrid intrusion detection visualization analysis based on rare category and association rules
Zhuang et al. Non-exhaustive learning using gaussian mixture generative adversarial networks
Zhong et al. Attention-enhanced gradual machine learning for entity resolution
CN115578100A (zh) 支付验证方式的识别方法、装置、电子设备和存储介质
Huo et al. Zero-shot learning with few seen class samples

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