CN113434705A - 一种基于关系图谱的提现额度调整方法、系统 - Google Patents

Abstract

本发明涉及大数据处理领域，特别涉及一种基于关系图谱的提现额度调整方法、系统。该提现额度调整方法包括如下步骤：步骤1：生成目标客户的基础关系图谱。步骤2：判断目标客户是否满足关系网络额度冻结规则。步骤3：筛选出目标客户的关系子图；并计算关系子图中任意两节点间的边权重。步骤4：获得目标客户所在的社区。步骤5：根据边权重计算目标客户与各历史客户间的距离。步骤6：计算目标客户的预测提现额度。步骤7：获取目标客户的基准额度，计算提现额度调整比例。步骤8：根据目标客户的提现额度调整比例计算该客户的提现额度调整系数。本发明解决了现有提现额度计算方法的数据量有限，得出的提现额度的针对性和准确性不足的问题。

Description

一种基于关系图谱的提现额度调整方法、系统

技术领域

本发明涉及大数据处理领域，特别涉及一种基于关系图谱的提现额度调整方法、系统。

背景技术

近年来，随着互联网、大数据等行业与金融行业的不断融合，消费金融行业得到高速发展，相关金融产品也日趋规范与成熟。在这种背景下，循环贷逐渐取代一次性现金贷成为消费金融行业贷款产品的主要形式，并要求消费金融公司对客户提现额度进行定期的、动态的调整；从而使得客户的提现额度与当前的信用状态相匹配。

目前各家金融机构采用的主流的提现额度计算方式多是基于人工规则、模型的应用，使用的信息多是客户的个人信息、客户的征信信息，以及第三方提供的风险相关信息。在现有模型中可获取并使用的信息相对有限，因此得出的客户提现额度的针对性不足。当为客户提供的提现额度过大时则不利于金融机构对风险的控制；当为客户提供的提现额度过小时，又可能无法满足客户的实际消费金融需求，降低客户的使用体验。

发明内容

基于此，为了解决现有提现额度计算方法的数据量有限，得出的提现额度的针对性不足的问题，有必要提供一种基于关系图谱的提现额度调整方法、系统。

本发明提供一种基于关系图谱的提现额度调整方法，该提现额度调整方法包括如下步骤：

步骤1：获取目标客户的基础信息，根据目标客户基础信息与其它历史客户的基础信息中的关联信息，生成目标客户的基础关系图谱。

其中，基础关系图谱中的节点为目标客户以及与目标客户关联的历史客户；基础关系图谱中的边表征各个节点中的客户之间的客户关系。

步骤2：根据获取的目标客户的基础关系图谱，判断目标客户是否满足关系网络额度冻结规则：是则冻结提现额度，输出提现额度调整系数为0；否则进入下一步骤。

步骤3：筛选目标客户的基础关系图谱中在同类型产品下具有提现额度的所有历史客户，构成目标客户的关系子图；并计算关系子图中任意两节点间的边权重。

步骤4：通过社区发现算法对目标客户的关系子图进行切分，获得目标客户所在的社区。

步骤5：在社区中，根据关系子图中节点间的边权重计算目标客户与各历史客户间的距离。

步骤6：获取社区中各个历史客户的当前提现额度，根据上步骤计算出的距离计算各个历史客户的权值，并以社区中所有历史客户的当前提现额度的加权平均值作为目标客户的预测提现额度。

步骤7：获取目标客户的基准额度，根据目标客户的基准额度和预测额度计算提现额度调整比例。

步骤8：根据目标客户的提现额度调整比例计算该客户的提现额度调整系数。提现额度调整系数的计算公式如下：

提现额度调整系数=（1 + 提现额度调整比例 * 修正系数）

上式中，修正系数通过查表获取，修正系数的取值为[0，1]，修正系数取值为0表示额度调整比例完全不生效，修正系数取值为1表示额度调整比例完全生效。

作为本发明进一步地改进，目标客户的基础关系图谱的获取过程中，还设定深度阈值和客户数量阈值，对基础关系图谱的深度和历史客户总数量进行限制。

作为本发明进一步地改进，关系网络额度冻结规则中的规则条目包括：

a.当前目标客户的基础关系图谱中，位于黑名单内的历史客户的数量超过阈值。

b.当前目标客户的基础关系图谱中，出现业务逾期的历史客户的数量超过阈值。

c.当前目标客户的基础关系图谱中，存在被拒绝办理业务情况的历史客户的数量超过阈值。

d.当前目标客户的基础关系图谱中，位于黑名单内的历史客户的占比超过阈值。

e.当前目标客户的基础关系图谱中，出现业务逾期的历史客户的占比超过阈值。

f.当前目标客户的基础关系图谱中，存在被拒绝办理业务情况的历史客户的占比超过阈值。

其中，当目标客户的基础关系图谱中满足规则条目a～f中的任意一条，则判断该目标客户满足关系网络额度冻结规则，应当被冻结提现额度。

作为本发明进一步地改进，对于通过筛选获取的关系子图，判断关系子图是否为连通图：是则直接作为所需的目标客户的关系子图；否则将该关系子图对应的包含目标客户且具有最多节点的最大连通图作为所需的目标客户的关系子图。

目标客户的关系子图中，各节点间的边权重通过人工经验设定或根据预设的边权重算法计算获取。两节点间存在多条边时，则合并为一条，合并后的边权重等于合并前的各条边的边权重之和。

作为本发明进一步地改进，社区发现算法包括Louvain算法或LPA算法。

作为本发明进一步地改进，社区中的两相邻节点间距离等于两节点间合并后的边权重的倒数，社区中的目标客户与各个历史客户间的距离计算过程中：

（1）当目标客户与历史客户位于相邻节点时，二者的距离为对应的节点间合并后的边权重的倒数。

（2）当目标客户与历史客户位于不相邻的节点时，二者的距离为在社区中的两节点间最短路径的距离。

作为本发明进一步地改进，步骤6中，各个历史客户的权值的计算方法如下：

1、计算该历史客户与目标客户的距离的倒数。

2、计算社区内所有历史客户与目标客户的距离的倒数和。

3、将1中的倒数除以2中的倒数和，得到该历史客户的权值。

作为本发明进一步地改进，目标客户的提现额度调整比例的计算公式如下：

提现额度调整比例=（预测额度 - 基准额度） / 基准额度

上式中，“基准额度”为基础额度模型生成的基准额度，也可以是客户的当前额度。

作为本发明进一步地改进，修正系数的数值通过对应的目标客户所在社区中节点数量确定，修正系数与目标客户所在社区中的节点数量对照表中反映的对应关系如下：

ⅰ.当社区中的节点数量大于0且小于等于2时，修正系数取值为0。

ⅱ.当社区中的节点数量大于2且小于等于5时，修正系数取值为0.5。

ⅲ.当社区中的节点数量大于5且小于等于8时，修正系数取值为0.75。

ⅳ. 当社区中的节点数量大于8时，修正系数取值为1。

本发明还包括一种基于关系图谱的提现额度调整系统，该提现额度调整系统采用如前述的基于关系图谱的提现额度调整方法，生成目标客户的提现额度调整系数。该提现额度调整系统包括：基础关系图谱生成模块，额度冻结判定模块，关系子图提取模块，社区生成模块，客户间距离计算模块，预测额度计算模块，提现额度调整比例计算模块，以及提现额度调整系数计算模块。

其中，基础关系图谱生成模块用于获取目标客户的基础信息，根据目标客户的基础信息与其它历史客户的基础信息间的关联信息获取目标客户的基础关系图谱。其中，基础关系图谱中的节点为目标客户以及与目标客户关联的历史客户。基础关系图谱中的边表征各个节点中的客户之间的客户关系。

额度冻结判定模块用于根据获取的目标客户的基础关系图谱，判断目标客户是否满足关系网络额度冻结规则：是则将判定结果发送到提现额度调整系数计算模块，否则将判定结果发送到关系子图提取模块。

关系子图提取模块用于在目标客户不满足关系网络额度冻结规则时，从基础关系图谱中筛选出在同类型产品下具有提现额度的所有历史客户，进而提取出目标客户的关系子图。

社区生成模块用于通过社区发现算法对目标客户的关系子图进行切分，获得目标客户所在的社区。

客户间距离计算模块用于计算关系子图中节点间的边权重，并根据边权重计算社区中各历史客户与目标客户间的距离。

预测额度计算模块用于：

（1）获取社区中各个历史客户的当前提现额度。

（2）将社区中所有历史客户的当前提现额度的加权平均值作为目标客户的预测额度。

其中，各个历史客户的当前提现额度的权值等于该历史客户与目标客户间的距离的倒数除以社区内所有历史客户与目标客户间的距离的倒数和。

提现额度调整比例计算模块用于：

（1）获取目标客户的基准额度。

（2）通过如下公式计算目标客户的提现额度调整比例：

提现额度调整比例=（预测额度 - 基准额度） / 基准额度

提现额度调整系数计算模块用于：

（1）在目标客户满足关系网络额度冻结规则时，直接输出当前客户的提现额度调整系数为0；

（2）在目标客户不满足关系网络额度冻结规则时，通过如下公式计算当前客户的提现额度调整系数：

提现额度调整系数=（1 + 提现额度调整比例 * 修正系数）

其中，修正系数的取值为[0，1]，修正系数取值为0表示额度调整比例完全不生效，修正系数取值为1表示额度调整比例完全生效。

修正系数的数值通过对应的目标客户所在社区中节点数量确定，修正系数与目标客户所在社区中的节点数量的对应关系如下：

ⅰ.当社区中的节点数量大于0且小于等于2时，修正系数取值为0；

ⅱ.当社区中的节点数量大于2且小于等于5时，修正系数取值为0.5；

ⅲ.当社区中的节点数量大于5且小于等于8时，修正系数取值为0.75；

ⅳ. 当社区中的节点数量大于8时，修正系数取值为1。

本发明提供的一种基于关系图谱的提现额度调整方法、系统。将客户与其它历史客户间的基础关系图谱引入到对客户提现额度的生成和调整方法中，基于目标客户所在社区的当前提前额度情况生成目标客户提现额度，并计算出目标客户的提现额度调整系数。该方法充分利用基础关系图谱这一特殊的关系型数据，从而有效丰富了提现额度调整模型输入的数据类型，使得获得最终提现额度的调整系数更具有针对性。

在本发明中，不仅引入了客户的基础关系图谱，并对客户的基础关系图谱进行科学的利用，基于这一数据开发了复杂的算法，从而根据客户间关系将目标客户与其他客户的提现额度关联起来，并将客户所在社区的规模作为影响最终额度调整系数的修正参数的影响因子。使得最终得到预测额度更具有针对性和参考性，符合客户的实际。进而实现金融机构风险最小化和客户实际消费金融需求最大化之间的平衡。

附图说明

通过附图中所示的本发明优选实施例更具体说明，本发明上述及其它目的、特征和优势将变得更加清晰。

图1为本发明实施例1中一种基于关系图谱的提现额度调整方法的流程图；

图2为本发明实施例1中一种基于关系图谱的提现额度调整方法中处理过程的逻辑框图；

图3为本发明实施例2中一种基于关系图谱的提现额度调整系统的模块示意图。

具体实施方式

下面结合附图和具体实施例对本发明技术方案作进一步的详细描述，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

实施例1

本实施例提供一种基于关系图谱的提现额度调整方法，如图1所示，该提现额度调整方法包括如下步骤：

步骤1：获取目标客户的基础信息，根据目标客户基础信息与其它历史客户的基础信息中的关联信息，生成目标客户的基础关系图谱。其中，基础关系图谱中的节点为目标客户以及与目标客户关联的历史客户；基础关系图谱中的边表征各个节点中的客户之间的客户关系。

本实施例中，目标客户和历史客户的基础信息主要包括内部数据和外部数据两个部分。内部数据包括存量客户申请信息、存量客户的人行与第三方数据、经客户授权的通讯录数据。外部数据则包括通过网络爬虫合法获取各类型公开的客户社交网络数据。本实施例中，上述收集到的数据会被整理好后以实时更新的数据宽表的形式保存。在具体实施中，当获取的基础信息中同一数据字段有多笔数据时，则将该数据字段的最新数据更新为所需的特征数据。

本实施例中的基础关系图谱建立过程中支持的客户间关系的类型需提前定义。例如在本实施例的具体实施过程中，关系类型可包括：“同一单位名称”这表征两客户的最新工作单位的名称模糊匹配后相同。“同一单位地址”这表征两客户模糊匹配后的单位地址在给定精度上相同。“现居地同路”这表征两客户最新现居住地的路名相同。“手机通讯录互为联系人”这表征两客户各自手机通讯录中包含对方手机号。“同一经纬度网格”这表征两客户最新经纬度记录在同一指定精度的网格内。等等，本实施例中根据金融产品的特点，选择了一系列的社交关联，进而在不同客户之间建立具有影响力的关联特征。

在本实施例中，基础关系图谱的获取可以采用广度遍历、深度遍历，也可以采用其他自定义的遍历方法。目标客户的基础关系图谱的获取过程中，本实施例还通过深度阈值与客户数量阈值对基础关系图谱的深度和历史客户总数量进行限制，避免基础关系图谱过大或过小。这主要是考虑到当基础关系图谱中的节点数量过大后，会对后期的数据处理带来难度。同时，当基础关系图谱中的节点数达到一定规模时，节点数的增加对最终的提现额度调整系数的准确性的影响程度也在降低。本实施例在兼顾性能同时保证结果的准确性的基础上；在基础关系图谱的获取过程中采用广度遍历，并将深度阈值限制为4，客户数量阈值设置为120。

步骤2：根据获取的目标客户的基础关系图谱，判断目标客户是否满足关系网络额度冻结规则：是则冻结提现额度，输出提现额度调整系数为0；否则进入下一步骤。

本实施例中给出的额度冻结规则主要是基于客户的基础关系图谱设计的，也就是说，客户的提现额度不仅与自身的信用或资产状况有关，还会受到基础关系图谱中其它历史客户的信用或资产状况的影响。这种操作方法依据的主要逻辑在于：当一个目标客户的基础关系图谱（即对应客户的社交网络）中有很多客户被列入黑名单或出现信用逾期等问题时，目标客户也存在很大可能受到牵连或需要对这些客户提供帮助，这些都会对目标客户的信用或资产状况造成影响。

本实施例中，关系网络额度冻结规则中的规则条目包括：

a.当前目标客户的基础关系图谱中，位于黑名单内的历史客户的数量超过阈值。

b.当前目标客户的基础关系图谱中，出现业务逾期的历史客户的数量超过阈值。

c.当前目标客户的基础关系图谱中，存在被拒绝办理业务情况的历史客户的数量超过阈值。

d.当前目标客户的基础关系图谱中，位于黑名单内的历史客户的占比超过阈值。

e.当前目标客户的基础关系图谱中，出现业务逾期的历史客户的占比超过阈值。

f.当前目标客户的基础关系图谱中，存在被拒绝办理业务情况的历史客户的占比超过阈值。

其中，当目标客户的基础关系图谱中满足规则条目a～f中的任意一条，则判断该目标客户满足关系网络额度冻结规则，应当被冻结提现额度。

在具体的实施过程中，关系网络额度冻结规则中还可以增加其它合理的规则；同时这些规则也可以在后期应用过程中针对具体的业务状态进行更新或调整，从而更适应客户群体的实际情况。

步骤3：筛选目标客户的基础关系图谱中在同类型产品下具有提现额度的所有历史客户，构成目标客户的关系子图；并计算关系子图中任意两节点间的边权重。

在本实施例中，基础关系图谱中的客户并非对于目标客户的提现额度均具有参考价值，仅有那些与目标客户同样具有某一产品提现额度的客户才具有参考价值。因此这里通过对基础关系图谱中历史客户进行特征筛选，保留那些与目标客户同样具有提现额度的客户。这些被筛选的历史客户的当前提现额度通常需要大于0。筛选后的基础关系图谱得到了具有参考价值的关系子图。

在本实施例中。对于通过筛选获取的关系子图，还需要判断关系子图是否为连通图：是则直接作为所需的目标客户的关系子图；否则将该关系子图对应的包含目标客户且具有最多节点的最大连通图作为所需的目标客户的关系子图。关系子图中的各个节点与中心点（即目标客户）的连通关系对于后期预测提现额度非常重要，如果某个历史客户在关系子图中为孤立节点（与其它任意一个节点均不连通）则无法作为特征数据进行运算。因此本实施例中还需要从关系子图中选择具有最多节点的最大连通图。

在目标客户的关系子图中，各节点间的边权重可以通过人工经验设定或根据预设的边权重算法计算获取。节点间的边权重实际上就是根据客户间的关系对客户之间的影响系数进行赋值，本实施例既可以综合各种因素进行人工赋值，也可以参考其它关系图谱中的边权重算法进行赋值，这在实际实施过程中，主要根据需要以及实际的评估效果进行选择。同时，本实施例中，当遇到两节点间存在多条边时，则合并为一条，合并后的边权重等于合并前的各条边的边权重之和。这里主要是考虑两个客户之间可能存在不少于一种客户关系，例如两个客户既是同事在同一单位工作，又在同一个小区生活等等。因此在客户的边权重计算时要将各种客户关系均考虑在内，得到合并后的边权重。

步骤4：通过社区发现算法对目标客户的关系子图进行切分，获得目标客户所在的社区。社区发现算法包括Louvain算法或LPA算法，也可以是其它具有相同准确性的算法。

步骤5：在社区中，根据关系子图中节点间的边权重计算目标客户与各历史客户间的距离。

在本实施例中，社区中的两相邻节点间距离等于两节点间合并后的边权重的倒数，社区中的目标客户与各个历史客户间的距离计算过程中：（1）当目标客户与历史客户位于相邻节点时，二者的距离为对应的节点间合并后的边权重的倒数。（2）当目标客户与历史客户位于不相邻的节点时，二者的距离为在社区中的两节点间最短路径的距离。

本实施例中对于不相邻节点的距离进行计算时，考虑到客户间的客户关系复杂，这两个节点可能会有不同的路径实现连接，因此在实际应用中需要选择两个节点间的最短距离作为参考距离。在具体实施过程中，可使用Dijkstra算法计算目标客户与各节点间的最短距离。

步骤6：获取社区中各个历史客户的当前提现额度，根据上步骤计算出的距离计算各个历史客户的权值，并以社区中所有历史客户的当前提现额度的加权平均值作为目标客户的预测提现额度。

作为本发明进一步地改进，步骤6中，各个历史客户的权值的计算方法如下：

（1）计算该历史客户与目标客户的距离的倒数。

（2）计算社区内所有历史客户与目标客户的距离的倒数和。

（3）将（1）中的倒数除以（2）中的倒数和，得到该历史客户的权值。

本实施例主要是将客户间关系的紧密度（即反映为客户间距离）作为最终的权值的影响系数。其中，第（3）步的处理主要是为了使得社区中所有历史客户的权值对应的影响权重之和为1。

目标客户的预测提现额度X采用数学公式表示如下：

上式中，x_k表示第k个历史客户的当前提现额度；f_k表示第k个历史客户的当前提现额度对所述目标客户的预测额度的影响权值；D_k表示第k个历史客户与目标客户之间的距离；n表示目标客户所在社区中历史客户的总数量。

步骤7：获取目标客户的基准额度，根据目标客户的基准额度和预测额度计算提现额度调整比例。目标客户的提现额度调整比例的计算公式如下：

提现额度调整比例=（预测额度 - 基准额度） / 基准额度

上式中，“基准额度”为基础额度模型生成的基准额度，也可以是客户的当前额度，在生成目标客户的提现额度调整系数时，可以使用基础额度模型对目标客户的基准额度进行重新计算评估，也可以直接以目标客户之前评估后的当前额度作为基准额度。

步骤8：根据目标客户的提现额度调整比例计算该客户的提现额度调整系数。提现额度调整系数的计算公式如下：

提现额度调整系数=（1 + 提现额度调整比例 * 修正系数）

上式中，修正系数通过查表获取，修正系数的取值为[0，1]，修正系数取值为0表示额度调整比例完全不生效，修正系数取值为1表示额度调整比例完全生效。

其中，修正系数与社区中节点数量的对照表如下所示：

表1：修正系数与节点数量对照表

上表中，修正系数与目标客户所在社区中的节点数量的对应关系总结如下：

ⅰ.当社区中的节点数量大于0且小于等于2时，修正系数取值为0。

ⅱ.当社区中的节点数量大于2且小于等于5时，修正系数取值为0.5。

ⅲ.当社区中的节点数量大于5且小于等于8时，修正系数取值为0.75。

ⅳ. 当社区中的节点数量大于8时，修正系数取值为1。

本实施例提供的一种基于关系图谱的提现额度调整方法，通过如图2所示的数据处理过程，依次获取了目标客户基础关系图谱，从目标客户的基础关系图谱中提取了具有参考价值的关系子图，并准确划分出目标客户所在的社区。最终以社区中其它历史客户的当前提现额度作为参考，给出目标客户提现额度的预测值。在计算客户的最终提现额度调整系数时，还以目标客户的社区中客户数量对提现额度调整系数进行修正，保证最终给出的值更加准确，且具有针对性。符合客户的实际情况，能够实现金融机构风险最小化和客户实际消费金融需求最大化之间的平衡。

实施例2

本实施例提供一种基于关系图谱的提现额度调整系统，该提现额度调整系统采用如实施例1中的基于关系图谱的提现额度调整方法，生成目标客户的提现额度调整系数。如图3所示，该提现额度调整系统包括：基础关系图谱生成模块，额度冻结判定模块，关系子图提取模块，社区生成模块，客户间距离计算模块，预测额度计算模块，提现额度调整比例计算模块，以及提现额度调整系数计算模块。

其中，基础关系图谱生成模块用于获取目标客户的基础信息，根据目标客户的基础信息与其它历史客户的基础信息间的关联信息获取目标客户的基础关系图谱。其中，基础关系图谱中的节点为目标客户以及与目标客户关联的历史客户。基础关系图谱中的边表征各个节点中的客户之间的客户关系。

额度冻结判定模块用于根据获取的目标客户的基础关系图谱，判断目标客户是否满足关系网络额度冻结规则：是则将判定结果发送到提现额度调整系数计算模块，否则将判定结果发送到关系子图提取模块。

关系子图提取模块用于在目标客户不满足关系网络额度冻结规则时，从基础关系图谱中筛选出在同类型产品下具有提现额度的所有历史客户，进而提取出目标客户的关系子图。

社区生成模块用于通过社区发现算法对目标客户的关系子图进行切分，获得目标客户所在的社区。

客户间距离计算模块用于计算关系子图中节点间的边权重，并根据边权重计算社区中各历史客户与目标客户间的距离。

其中,计算出的社区中两相邻节点间距离等于两节点间合并后的边权重的倒数，社区中的目标客户与各个历史客户间的距离计算过程中：（1）当目标客户与历史客户位于相邻节点时，二者的距离为对应的节点间合并后的边权重的倒数。（2）当目标客户与历史客户位于不相邻的节点时，二者的距离为在社区中的两节点间最短路径的距离。

预测额度计算模块用于：

（1）获取社区中各个历史客户的当前提现额度。

（2）将社区中所有历史客户的当前提现额度的加权平均值作为目标客户的预测额度。

其中，各个历史客户的当前提现额度的权值等于该历史客户与目标客户间的距离的倒数除以社区内所有历史客户与目标客户间的距离的倒数和。

提现额度调整比例计算模块用于：

（1）获取目标客户的基准额度。

（2）通过如下公式计算目标客户的提现额度调整比例：

提现额度调整比例=（预测额度 - 基准额度） / 基准额度

提现额度调整系数计算模块用于：

（1）在目标客户满足关系网络额度冻结规则时，直接输出当前客户的提现额度调整系数为0；

（2）在目标客户不满足关系网络额度冻结规则时，通过如下公式计算当前客户的提现额度调整系数：

提现额度调整系数=（1 + 提现额度调整比例 * 修正系数）

其中，修正系数的取值为[0，1]，修正系数取值为0表示额度调整比例完全不生效，修正系数取值为1表示额度调整比例完全生效。

修正系数的数值通过对应的目标客户所在社区中节点数量确定，修正系数与目标客户所在社区中的节点数量的对应关系如下：

ⅰ.当社区中的节点数量大于0且小于等于2时，修正系数取值为0；

ⅱ.当社区中的节点数量大于2且小于等于5时，修正系数取值为0.5；

ⅲ.当社区中的节点数量大于5且小于等于8时，修正系数取值为0.75；

ⅳ. 当社区中的节点数量大于8时，修正系数取值为1。

本实施例提供的一种基于关系图谱的提现额度调整系统能够完全实现实施例1中的一种基于关系图谱的提现额度调整方法的实施过程，因此至少具有实施例1所述方法的优越性。同时对实施例1中的方法的具体步骤的解释说明，本实施例不再赘述。

实施例3

本实施例还提供一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如实施例1中的基于关系图谱的提现额度调整方法的步骤。该计算机设备可以是可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。本实施例的计算机设备至少包括但不限于：可通过系统总线相互通信连接的存储器、处理器。

本实施例中，存储器(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器可以是计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，存储器也可以是计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(Smart Media Card ,SMC)，安全数字(Secure Digital ,SD)卡，闪存卡(Flash Card)等。当然，存储器还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中，存储器通常用于存储安装于计算机设备的操作系统和各类应用软件等。此外，存储器还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器通常用于控制计算机设备的总体操作。本实施例中，处理器用于运行存储器中存储的程序代码或者处理数据，以实现上述实施例的基于关系图谱的提现额度调整过程，给出目标客户的提现额度调整系数。

对于基于关系图谱的提现额度调整方法的具体过程和有益效果，本实施例中不再赘述。

以上仅为本发明的优选实施例，并非因此限制本发明的保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的保护范围内。

Claims (10)

1.一种基于关系图谱的提现额度调整方法，其特征在于，所述提现额度调整方法包括如下步骤：

步骤1：获取目标客户的基础信息，根据所述目标客户的基础信息与其它历史客户的基础信息间的关联信息生成所述目标客户的基础关系图谱；

其中，所述基础关系图谱中的节点为所述目标客户以及与目标客户关联的历史客户；所述基础关系图谱中的边表征各个节点中的客户之间的客户关系；

步骤2：根据获取的所述目标客户的基础关系图谱，判断所述目标客户是否满足关系网络额度冻结规则：是则冻结提现额度，输出提现额度调整系数为0；否则进入下一步骤；

步骤3：筛选所述目标客户的基础关系图谱中在同类型产品下具有提现额度的所有历史客户，构成所述目标客户的关系子图；并计算所述关系子图中任意两节点间的边权重；

步骤4：通过社区发现算法对所述目标客户的关系子图进行切分，获得所述目标客户所在的社区；

步骤5：在所述社区中，根据所述关系子图中节点间的边权重计算所述目标客户与各历史客户间的距离；

步骤6：获取所述社区中各个历史客户的当前提现额度，根据上步骤的所述距离计算各个历史客户的权值，并以社区中所有历史客户的当前提现额度的加权平均值作为所述目标客户的预测提现额度；

步骤7：获取所述目标客户的基准额度，根据所述目标客户的所述基准额度和预测额度计算提现额度调整比例；

步骤8：根据所述目标客户的提现额度调整比例计算该客户的提现额度调整系数；所述提现额度调整系数的计算公式如下：

提现额度调整系数=（1 + 提现额度调整比例 * 修正系数）

上式中，所述修正系数通过查表确定，取值为[0，1]，所述修正系数取值为0表示额度调整比例完全不生效，所述修正系数取值为1表示额度调整比例完全生效。

2.根据权利要求1所述的基于关系图谱的提现额度调整方法，其特征在于：步骤1中，所述目标客户的基础关系图谱的获取过程中，还设定深度阈值和客户数量阈值，对基础关系图谱的深度和历史客户总数量进行限制。

3.根据权利要求2所述的基于关系图谱的提现额度调整方法，其特征在于：步骤2中，所述关系网络额度冻结规则中的规则条目包括：

a.当前目标客户的基础关系图谱中，位于黑名单内的历史客户的数量超过阈值；

b.当前目标客户的基础关系图谱中，出现业务逾期的历史客户的数量超过阈值；

c.当前目标客户的基础关系图谱中，存在被拒绝办理业务情况的历史客户的数量超过阈值；

d.当前目标客户的基础关系图谱中，位于黑名单内的历史客户的占比超过阈值；

e.当前目标客户的基础关系图谱中，出现业务逾期的历史客户的占比超过阈值；

f.当前目标客户的基础关系图谱中，存在被拒绝办理业务情况的历史客户的占比超过阈值；

当所述目标客户的基础关系图谱中满足规则条目a～f中的任意一条，则判断该目标客户满足所述关系网络额度冻结规则，应当被冻结提现额度。

4.根据权利要求3所述的基于关系图谱的提现额度调整方法，其特征在于：步骤3中，对于通过筛选获取的所述关系子图，判断所述关系子图是否为连通图：是则直接作为所需的所述目标客户的关系子图；否则将该关系子图对应的包含所述目标客户且具有最多节点的最大连通图作为所需的所述目标客户的关系子图；

所述目标客户的关系子图中，各节点间的边权重通过人工经验设定或根据预设的边权重算法计算获取；两节点间存在多条边时，则合并为一条，合并后的边权重等于合并前的各条边的边权重之和。

5.根据权利要求4所述的基于关系图谱的提现额度调整方法，其特征在于：步骤4中，所述社区发现算法包括Louvain算法和LPA算法。

6.根据权利要求5所述的基于关系图谱的提现额度调整方法，其特征在于：步骤5中，所述社区中的两相邻节点间距离等于两节点间合并后的边权重的倒数，所述社区中的所述目标客户与各个所述历史客户间的距离计算过程中：

（1）当所述目标客户与所述历史客户位于相邻节点时，二者的所述距离为对应的节点间合并后的边权重的倒数；

（2）当所述目标客户与所述历史客户位于不相邻的节点时，二者的所述距离为在社区中的两节点间最短路径的距离。

7.根据权利要求6所述的基于关系图谱的提现额度调整方法，其特征在于，步骤6中，各个所述历史客户的权值的计算方法如下：

计算该历史客户与所述目标客户的距离的倒数；

计算所述社区内所有历史客户与目标客户的距离的倒数和；

将所述倒数除以所述倒数和，得到所述历史客户的权值。

8.根据权利要求7所述的基于关系图谱的提现额度调整方法，其特征在于，步骤7中，所述目标客户的提现额度调整比例的计算公式如下：

提现额度调整比例=（预测额度 - 基准额度） / 基准额度

上式中，所述基准额度是通过基础额度模型生成的基准额度，或选择客户的当前额度作为所述基准额度。

9.根据权利要求8所述的基于关系图谱的提现额度调整方法，其特征在于，步骤8中，所述修正系数的数值通过对应的目标客户所在社区中节点数量确定，反映所述修正系数与所述目标客户所在社区中的节点数量的对照表的对应关系如下：

ⅰ.当社区中的节点数量大于0且小于等于2时，修正系数取值为0；

ⅱ.当社区中的节点数量大于2且小于等于5时，修正系数取值为0.5；

ⅲ.当社区中的节点数量大于5且小于等于8时，修正系数取值为0.75；

ⅳ. 当社区中的节点数量大于8时，修正系数取值为1。

10.一种基于关系图谱的提现额度调整系统，其特征在于，所述提现额度调整系统采用如权利要求1-9任意一项所述的基于关系图谱的提现额度调整方法，生成目标客户的提现额度调整系数；所述提现额度调整系统包括：

基础关系图谱生成模块，其用于获取目标客户的基础信息，根据所述目标客户的基础信息与其它历史客户的基础信息间的关联信息生成所述目标客户的基础关系图谱；其中，所述基础关系图谱中的节点为所述目标客户以及与目标客户关联的历史客户；所述基础关系图谱中的边表征各个节点中的客户之间的客户关系；

额度冻结判定模块，其用于根据获取的所述目标客户的基础关系图谱，判断所述目标客户是否满足关系网络额度冻结规则；是则将判定结果发送到一个提现额度调整系数计算模块，否则将判定结果发送到一个关系子图提取模块；

关系子图提取模块，其用于在所述目标客户不满足关系网络额度冻结规则时，从所述基础关系图谱中筛选出在同类型产品下具有提现额度的所有历史客户，进而提取出所述目标客户的关系子图；

社区生成模块，其用于通过社区发现算法对所述目标客户的关系子图进行切分，获得所述目标客户所在的社区；

客户间距离计算模块，其用于计算所述关系子图中节点间的边权重，并根据所述边权重计算所述社区中各历史客户与所述目标客户间的距离；

预测额度计算模块，其用于：

（1）获取所述社区中各个历史客户的当前提现额度；

（2）将所述社区中所有历史客户的当前提现额度的加权平均值作为所述目标客户的预测额度；

其中，各个历史客户的当前提现额度的权值等于该历史客户的所述距离的倒数除以所述社区内所有历史客户的所述距离的倒数和；

提现额度调整比例计算模块，其用于：

（1）获取所述目标客户的基准额度，

（2）通过如下公式计算所述目标客户的提现额度调整比例：

提现额度调整比例=（预测额度 - 基准额度） / 基准额度；以及

提现额度调整系数计算模块，其用于：

（1）在所述目标客户满足关系网络额度冻结规则时，直接输出当前客户的提现额度调整系数为0；

（2）在所述目标客户不满足关系网络额度冻结规则时，通过如下公式计算当前客户的提现额度调整系数：

提现额度调整系数=（1 + 提现额度调整比例 * 修正系数）

其中，所述修正系数的取值为[0，1]，所述修正系数取值为0表示额度调整比例完全不生效，所述修正系数取值为1表示额度调整比例完全生效；

所述修正系数的数值通过对应的目标客户所在社区中节点数量确定，所述修正系数与所述目标客户所在社区中的节点数量的对应关系如下：

ⅰ.当社区中的节点数量大于0且小于等于2时，修正系数取值为0；

ⅱ.当社区中的节点数量大于2且小于等于5时，修正系数取值为0.5；

ⅲ.当社区中的节点数量大于5且小于等于8时，修正系数取值为0.75；

ⅳ. 当社区中的节点数量大于8时，修正系数取值为1。

Images