CN117112808A - 一种信用失信主体的信息知识图谱构建方法 - Google Patents
一种信用失信主体的信息知识图谱构建方法 Download PDFInfo
- Publication number
- CN117112808A CN117112808A CN202311378410.5A CN202311378410A CN117112808A CN 117112808 A CN117112808 A CN 117112808A CN 202311378410 A CN202311378410 A CN 202311378410A CN 117112808 A CN117112808 A CN 117112808A
- Authority
- CN
- China
- Prior art keywords
- weight
- risk
- node
- credit
- behavior
- 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.)
- Granted
Links
- 238000010276 construction Methods 0.000 title claims abstract description 19
- 230000006399 behavior Effects 0.000 claims abstract description 102
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000000875 corresponding effect Effects 0.000 claims description 45
- 230000002596 correlated effect Effects 0.000 claims description 36
- 230000009471 action Effects 0.000 claims description 35
- 238000001514 detection method Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000002349 favourable effect Effects 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000004078 waterproofing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Accounting & Taxation (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Animal Behavior & Ethology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种信用失信主体的信息知识图谱构建方法，在检测到信用失信主体的待定行为时，基于本次待定行为可能存在的风险，对知识图谱进行更新，为基于更新后的知识图谱对待定行为的风险进行预测提供条件。也就是说，本说明书中的方法能够对知识图谱进行具有预测性质的、体现出“极致及时性”的更新，进而有利于及时地识别待定行为的风险。一方面，通过以管理、监督目的的数据处理，实现了信用失信主体的信息知识图谱构建。另一方面，得到的信息知识图谱构建有利于实现风险的及时预测，为进一步地减少监督、管理资源的消耗提供了条件。
Description
技术领域
本申请涉及适用于管理、监督或预测目的的数据处理技术领域，尤其涉及一种信用失信主体的信息知识图谱构建方法。
背景技术
知识图谱多基于历史数据得到，通常周期性的对知识图谱的内容进行更新，该周期的设定可长可短，多基于专家经验。然而，信用失信主体各有各的特点，有的风险性是偶然性的，有的风险性是频繁的，统一的采用周期式的知识图谱更新，有可能导致由于知识图谱更新不及时造成的风险识别不及时。此外，知识图谱对风险的预见性多体现在使用者对知识图谱的使用方式方面，知识图谱自身是难以直接表征对风险的预测结果的。
例如，公开(公告)号：CN112001786B，专利标题：“基于知识图谱的客户信用卡额度配置方法”（主分类号：G06Q40/03），实现了对客户的信用风险的预测。一方面，能够说明监督或预测目的的数据处理技术在信用风险预测相关技术领域大有可为；另一方面，也能够说明在该领域的技术挖掘还具有较为宽泛的扩展前景。
发明内容
本申请实施例提供了一种信用失信主体的信息知识图谱构建方法，以至少部分的解决上述技术问题。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种信用失信主体的信息知识图谱构建方法，所述方法包括：
在检测到信用失信主体的待定行为时，获取所述信用失信主体的历史信息图谱；所述历史信息图谱包含节点和所述节点之间的权重；所述节点用于表征所述信用失信主体对应于预设维度的风险程度，所述风险程度与所述信用失信主体历史上对应于所述维度的风险行为的频率、所述风险行为造成的损失均正相关，且所述风险程度与所述风险行为发生的时刻距当前时刻的最短时长负相关；所述权重与所述节点之间预设的关联程度正相关、与其所属的节点各自的风险程度的差值负相关、且与其所属的节点的风险程度的最大值正相关；
确定所述历史信息图谱中与所述待定行为匹配度最高的节点，作为一级节点；
确定所述历史信息图谱中与所述一级节点对应的二级节点；所述二级节点是与所述一级节点之间的权重大于第一权重阈值的节点；所述第一权重阈值与历史上对应于所述一级节点的风险行为发生的时刻距当前时刻的最短时长负相关、与历史上对应于所述二级节点的风险行为发生的时刻距当前时刻的最短时长正相关、且与所述待定行为和所述二级节点的匹配度负相关；
基于第一匹配度、第二匹配度、以及可用权重，确定目标权重；所述第一匹配度是所述待定行为与所述一级节点之间的匹配度；所述第二匹配度是所述待定行为与所述二级节点之间的匹配度；所述可用权重是所述一级节点和所述二级节点之间的权重；在所述待定行为与所述信用失信主体在历史上至少一个风险行为的相似度大于预设的相似度阈值的情况下，所述目标权重不小于所述可用权重，且与所述第一匹配度、所述第二匹配度均正相关；
采用所述目标权重更新所述可用权重，得到所述信用失信主体的信息知识图谱。
在本说明书一个可选的实施例中，所述方法还包括：
在所述待定行为与所述信用失信主体在历史上的风险行为的相似度均不大于所述相似度阈值的情况下，将所述可用权重作为所述目标权重。
在本说明书一个可选的实施例中，所述方法还包括：
若无法确定出所述二级节点，且与所述一级节点对应的各节点与所述一级节点之间的平均权重小于预设的第二权重阈值，则确定所述待定行为是安全行为。
在本说明书一个可选的实施例中，所述方法还包括：
若无法确定出所述一级节点，则确定所述待定行为是安全行为。
在本说明书一个可选的实施例中，所述方法还包括：
采用所述信息知识图谱，预测所述待定行为的风险。
在本说明书一个可选的实施例中，所述方法还包括：
将所述信息知识图谱，作为下一次检测到所述信用失信主体的所述待定行为时，采用的所述历史信息图谱。
第二方面，本申请实施例还提供一种信用失信主体的信息知识图谱构建装置，所述装置包括：
检测模块，配置为：在检测到信用失信主体的待定行为时，获取所述信用失信主体的历史信息图谱；所述历史信息图谱包含节点和所述节点之间的权重；所述节点用于表征所述信用失信主体对应于预设维度的风险程度，所述风险程度与所述信用失信主体历史上对应于所述维度的风险行为的频率、所述风险行为造成的损失均正相关，且所述风险程度与所述风险行为发生的时刻距当前时刻的最短时长负相关；所述权重与所述节点之间预设的关联程度正相关、与其所属的节点各自的风险程度的差值负相关、且与其所属的节点的风险程度的最大值正相关；
一级节点确定模块，配置为：确定所述历史信息图谱中与所述待定行为匹配度最高的节点，作为一级节点；
二级节点确定模块，配置为：确定所述历史信息图谱中与所述一级节点对应的二级节点；所述二级节点是与所述一级节点之间的权重大于第一权重阈值的节点；所述第一权重阈值与历史上对应于所述一级节点的风险行为发生的时刻距当前时刻的最短时长负相关、与历史上对应于所述二级节点的风险行为发生的时刻距当前时刻的最短时长正相关、且与所述待定行为和所述二级节点的匹配度负相关；
目标权重确定模块，配置为：基于第一匹配度、第二匹配度、以及可用权重，确定目标权重；所述第一匹配度是所述待定行为与所述一级节点之间的匹配度；所述第二匹配度是所述待定行为与所述二级节点之间的匹配度；所述可用权重是所述一级节点和所述二级节点之间的权重；在所述待定行为与所述信用失信主体在历史上至少一个风险行为的相似度大于预设的相似度阈值的情况下，所述目标权重不小于所述可用权重，且与所述第一匹配度、所述第二匹配度均正相关；
信息知识图谱生成模块，配置为：采用所述目标权重更新所述可用权重，得到所述信用失信主体的信息知识图谱。
第三方面，本申请实施例还提供一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行第一方面所述的方法步骤。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行第一方面所述的方法步骤。
本申请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：
本说明书中的方法，在检测到信用失信主体的待定行为时，基于本次待定行为可能存在的风险，对知识图谱进行更新，为基于更新后的知识图谱对待定行为的风险进行预测提供条件。也就是说，本说明书中的方法能够对知识图谱进行具有预测性质的、体现出“极致及时性”的更新，进而有利于及时地识别待定行为的风险。一方面，通过以管理、监督目的的数据处理，实现了信用失信主体的信息知识图谱构建。另一方面，得到的信息知识图谱构建有利于实现风险的及时预测，为进一步地减少监督、管理资源的消耗提供了条件。
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为本说明书实施例提供的一种信用失信主体的信息知识图谱构建方法的过程示意图；
图2为本说明书实施例中一种电子设备的结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其它元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。
以下结合附图，详细说明本申请各实施例提供的技术方案。
如图1所示，本说明书中的信用失信主体的信息知识图谱构建方法包含以下步骤：
S100：在检测到信用失信主体的待定行为时，获取所述信用失信主体的历史信息图谱。
本说明书中的信用失信主体是历史上执行过风险行为，被确定为以后还有可能执行风险行为的主体。主体例如自然人、法人、机构等。风险行为是对除信用失信主体以外的其他主体造成较为明显（何为明显，可以根据实际的业务需求确定）的损失的行为。
待定行为即为风险性未知，可能是风险行为也可能是安全行为的行为。可以基于行为相关的对象，确定一行为是否是待定行为。例如，对象是金融机构，则该行为可以是待定行为。
本说明书中的历史信息图谱是历史上形成的信息知识图谱。本说明书中的信息知识图谱是针对信用失信主体构建的，对于信用良好的主体，则无需构建信息知识图谱。
本说明书中的历史信息图谱包含节点和节点之间的权重。所述节点用于表征所述信用失信主体对应于预设维度的风险程度，所述风险程度与所述信用失信主体历史上对应于所述维度的风险行为的频率、和所述风险行为造成的损失均正相关，且所述风险程度与所述风险行为发生的时刻距当前时刻的最短时长负相关；所述权重与所述节点之间预设的关联程度正相关、与其所属的节点各自的风险程度的差值负相关、且与其所属的节点的风险程度的最大值正相关。
本说明书中的维度可以根据业务需求制定，例如，维度可以是：信用失信主体在[a，3a]之间的支付风险（节点A）、信用失信主体在(3a，5a]之间的支付风险（节点B）、信用失信主体对桥梁建设工程的执行风险（节点C）、信用失信主体对住宅的防水工程的执行风险（节点D）等。
在本说明书一个可选的实施例中，节点之间预设的关联程度是基于专家经验得到的。
在本说明书另一个可选的实施例中，本说明书中的信息知识图谱是有向图和无向图的结合。例如，由于区间(3a，5a]中的任意一个取值都大于区间[a，3a]中的取值，则存在节点A的情况下，必然存在节点B，则节点A与节点B的关联程度较大。而存在节点B的情况下，未必存在节点A，则节点B与节点A的关联程度较小。实际上，对于小额度的支付风险可能历史上未发生过，则信息知识图谱中可能确实不存在节点A，则可以理解为两者的关联程度为0。
再例如，住宅的防水工程可能涉及的金额较小，则节点D和节点B之间的关联程度为0。关联程度为0时，节点之间可以无映射。
S102：确定所述历史信息图谱中与所述待定行为匹配度最高的节点，作为一级节点。
相关技术中，可以用于实现匹配度确定的技术手段，在条件允许的情况下，均可以适用于本说明书。例如，待定行为是借贷2a，则待定行为与节点A的匹配度最高。
在本说明书一个可选的实施例中，若无法确定出所述一级节点，则确定所述待定行为是安全行为。
S104：确定所述历史信息图谱中与所述一级节点对应的二级节点。
本说明书中的二级节点是与所述一级节点之间的权重大于第一权重阈值的节点。
在本说明书一个可选的实施例中，所述第一权重阈值与对应于所述一级节点的风险行为发生的时刻距当前时刻的最短时长负相关（表明距当前时刻时长较长的历史中，也发生过与待定行为相似的风险行为，该风险行为和当前的待定行为可能存在关联性，也提高了和历史上其他的风险行为的关联性的可能性，则应当着重考虑失信信用主体的历史情况，则减小第一权重阈值）、与对应于所述二级节点的风险行为发生的时刻距当前时刻的最短时长正相关（表明距当前时刻时长较长的历史中，也发生过与二级节点对应的风险行为相似的风险行为，但该风险行为与待定行为并不会比一级节点对应的风险行为更相似，二级节点对应的风险行为历史越悠久，则与待定行为存在关联的可能性也越低，则提高第一权重阈值）、与所述待定行为和所述二级节点的匹配度负相关。
在本说明书另一可选的实施例中，第一权重阈值可以是经验值。
在本说明书一个可选的实施例中，可以从与所述一级节点之间的权重大于第一权重阈值的节点中确定出历史上对应的风险行为出现的频率最高的，作为二级节点。或者，可以从与所述一级节点之间的权重大于第一权重阈值的节点中确定出历史上对应的风险行为造成的损失最大的，作为二级节点。该实施例中，仅确定出一个二级节点。
在本说明书另一可选的实施例中，确定出的二级节点可能不唯一，则针对每一个二级节点对应的部分权重进行更新。
此外，可选地，若无法确定出所述二级节点，且与所述一级节点对应的各节点与所述一级节点之间的平均权重小于预设的第二权重阈值（可以是经验值），则确定所述待定行为是安全行为。
S106：基于第一匹配度、第二匹配度、以及可用权重，确定目标权重。
本说明书中的第一匹配度是所述待定行为与所述一级节点之间的匹配度。所述第二匹配度是所述待定行为与所述二级节点之间的匹配度。所述可用权重是所述一级节点和所述二级节点之间的权重。
在所述待定行为与所述信用失信主体在历史上至少一个风险行为（包含但不限于历史信息图谱中节点对应的风险行为）的相似度大于预设的相似度阈值（可以是经验值）的情况下，所述目标权重不小于所述可用权重，且与所述第一匹配度、第二匹配度均正相关。
在本说明书一个可选的实施例中，在所述待定行为与所述信用失信主体在历史上的风险行为的相似度均不大于所述相似度阈值的情况下，将所述可用权重作为所述目标权重。也就是说，二级节点唯一的情况下，信息知识图谱与历史信息图谱一样。在二级节点不唯一的情况下，可能出现仅对部分二级节点对应的权重进行更新。
S108：采用所述目标权重更新所述可用权重，得到所述信用失信主体的信息知识图谱。
更新，即为将可用权重替换为目标权重，完成替换后，即得到的信用失信主体的信息知识图谱。通过本说明书中的方法得到的信息知识图谱，一定程度的能够表现出待定行为蕴含的风险，则在本说明书一个可选的实施例中，可以采用所述信息知识图谱，预测所述待定行为的风险。相关技术中，所有基于知识图谱实现针对某一行为的风险预测的技术手段，在条件允许的情况下，均适用于本说明书，
在本说明书一个可选的实施例中，将所述信息知识图谱，作为下一次检测到所述信用失信主体的待定行为时，采用的历史信息图谱。
本说明书中的方法，在检测到信用失信主体的待定行为时，基于本次待定行为可能存在的风险，对知识图谱进行更新，为基于更新后的知识图谱对待定行为的风险进行预测提供条件。也就是说，本说明书中的方法能够对知识图谱进行具有预测性质的、体现出“极致及时性”的更新，进而有利于及时地识别待定行为的风险。
进一步地，本说明书还提供一种信用失信主体的信息知识图谱构建装置，所述装置包括：
检测模块，配置为：在检测到信用失信主体的待定行为时，获取所述信用失信主体的历史信息图谱；所述历史信息图谱包含节点和所述节点之间的权重；所述节点用于表征所述信用失信主体对应于预设维度的风险程度，所述风险程度与所述信用失信主体历史上对应于所述维度的风险行为的频率、所述风险行为造成的损失均正相关，且所述风险程度与所述风险行为发生的时刻距当前时刻的最短时长负相关；所述权重与所述节点之间预设的关联程度正相关、与其所属的节点各自的风险程度的差值负相关、且与其所属的节点的风险程度的最大值正相关；
一级节点确定模块，配置为：确定所述历史信息图谱中与所述待定行为匹配度最高的节点，作为一级节点；
二级节点确定模块，配置为：确定所述历史信息图谱中与所述一级节点对应的二级节点；所述二级节点是与所述一级节点之间的权重大于第一权重阈值的节点；所述第一权重阈值与历史上对应于所述一级节点的风险行为发生的时刻距当前时刻的最短时长负相关、与历史上对应于所述二级节点的风险行为发生的时刻距当前时刻的最短时长正相关、且与所述待定行为和所述二级节点的匹配度负相关；
目标权重确定模块，配置为：基于第一匹配度、第二匹配度、以及可用权重，确定目标权重；所述第一匹配度是所述待定行为与所述一级节点之间的匹配度；所述第二匹配度是所述待定行为与所述二级节点之间的匹配度；所述可用权重是所述一级节点和所述二级节点之间的权重；在所述待定行为与所述信用失信主体在历史上至少一个风险行为的相似度大于预设的相似度阈值的情况下，所述目标权重不小于所述可用权重，且与所述第一匹配度、所述第二匹配度均正相关；
信息知识图谱生成模块，配置为：采用所述目标权重更新所述可用权重，得到所述信用失信主体的信息知识图谱。
该装置能够执行前述任一实施例中的方法，并能够获得相同或相似的技术效果，此处不再赘述。
图2是本申请的一个实施例电子设备的结构示意图。请参考图2，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器（non-volatile memory），例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构）总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构）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2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。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成一种信用失信主体的信息知识图谱构建装置。处理器，执行存储器所存放的程序，并具体用于执行前述任意一种信用失信主体的信息知识图谱构建方法。
上述如本申请图1所示实施例揭示的一种信用失信主体的信息知识图谱构建方法可以应用于处理器中，或者由处理器实现。处理器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。上述的处理器可以是通用处理器，包括中央处理器（CentralProcessing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific IntegratedCircuit，ASIC）、现场可编程门阵列（Field－Programmable Gate Array，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，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中一种信用失信主体的信息知识图谱构建方法，并实现图1所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，执行前述的任意一种信用失信主体的信息知识图谱构建方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、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。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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。
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 (9)
1.一种信用失信主体的信息知识图谱构建方法，其特征在于，所述方法包括：
在检测到信用失信主体的待定行为时，获取所述信用失信主体的历史信息图谱；所述历史信息图谱包含节点和所述节点之间的权重；所述节点用于表征所述信用失信主体对应于预设维度的风险程度，所述风险程度与所述信用失信主体历史上对应于所述维度的风险行为的频率、所述风险行为造成的损失均正相关，且所述风险程度与所述风险行为发生的时刻距当前时刻的最短时长负相关；所述权重与所述节点之间预设的关联程度正相关、与其所属的节点各自的风险程度的差值负相关、且与其所属的节点的风险程度的最大值正相关；
确定所述历史信息图谱中与所述待定行为匹配度最高的节点，作为一级节点；
确定所述历史信息图谱中与所述一级节点对应的二级节点；所述二级节点是与所述一级节点之间的权重大于第一权重阈值的节点；所述第一权重阈值与历史上对应于所述一级节点的风险行为发生的时刻距当前时刻的最短时长负相关、与历史上对应于所述二级节点的风险行为发生的时刻距当前时刻的最短时长正相关、且与所述待定行为和所述二级节点的匹配度负相关；
基于第一匹配度、第二匹配度、以及可用权重，确定目标权重；所述第一匹配度是所述待定行为与所述一级节点之间的匹配度；所述第二匹配度是所述待定行为与所述二级节点之间的匹配度；所述可用权重是所述一级节点和所述二级节点之间的权重；在所述待定行为与所述信用失信主体在历史上至少一个风险行为的相似度大于预设的相似度阈值的情况下，所述目标权重不小于所述可用权重，且与所述第一匹配度、所述第二匹配度均正相关；
采用所述目标权重更新所述可用权重，得到所述信用失信主体的信息知识图谱。
2.如权利要求1所述方法，其特征在于，所述方法还包括：
在所述待定行为与所述信用失信主体在历史上的风险行为的相似度均不大于所述相似度阈值的情况下，将所述可用权重作为所述目标权重。
3.如权利要求1所述方法，其特征在于，所述方法还包括：
若无法确定出所述二级节点，且与所述一级节点对应的各节点与所述一级节点之间的平均权重小于预设的第二权重阈值，则确定所述待定行为是安全行为。
4.如权利要求1所述方法，其特征在于，所述方法还包括：
若无法确定出所述一级节点，则确定所述待定行为是安全行为。
5.如权利要求1所述方法，其特征在于，所述方法还包括：
采用所述信息知识图谱，预测所述待定行为的风险。
6.如权利要求1所述方法，其特征在于，所述方法还包括：
将所述信息知识图谱，作为下一次检测到所述信用失信主体的所述待定行为时，采用的所述历史信息图谱。
7.一种信用失信主体的信息知识图谱构建装置，其特征在于，所述装置包括：
检测模块，配置为：在检测到信用失信主体的待定行为时，获取所述信用失信主体的历史信息图谱；所述历史信息图谱包含节点和所述节点之间的权重；所述节点用于表征所述信用失信主体对应于预设维度的风险程度，所述风险程度与所述信用失信主体历史上对应于所述维度的风险行为的频率、所述风险行为造成的损失均正相关，且所述风险程度与所述风险行为发生的时刻距当前时刻的最短时长负相关；所述权重与所述节点之间预设的关联程度正相关、与其所属的节点各自的风险程度的差值负相关、且与其所属的节点的风险程度的最大值正相关；
一级节点确定模块，配置为：确定所述历史信息图谱中与所述待定行为匹配度最高的节点，作为一级节点；
二级节点确定模块，配置为：确定所述历史信息图谱中与所述一级节点对应的二级节点；所述二级节点是与所述一级节点之间的权重大于第一权重阈值的节点；所述第一权重阈值与历史上对应于所述一级节点的风险行为发生的时刻距当前时刻的最短时长负相关、与历史上对应于所述二级节点的风险行为发生的时刻距当前时刻的最短时长正相关、且与所述待定行为和所述二级节点的匹配度负相关；
目标权重确定模块，配置为：基于第一匹配度、第二匹配度、以及可用权重，确定目标权重；所述第一匹配度是所述待定行为与所述一级节点之间的匹配度；所述第二匹配度是所述待定行为与所述二级节点之间的匹配度；所述可用权重是所述一级节点和所述二级节点之间的权重；在所述待定行为与所述信用失信主体在历史上至少一个风险行为的相似度大于预设的相似度阈值的情况下，所述目标权重不小于所述可用权重，且与所述第一匹配度、所述第二匹配度均正相关；
信息知识图谱生成模块，配置为：采用所述目标权重更新所述可用权重，得到所述信用失信主体的信息知识图谱。
8.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1~6之任一所述方法。
9.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1~6之任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311378410.5A CN117112808B (zh) | 2023-10-24 | 2023-10-24 | 一种信用失信主体的信息知识图谱构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311378410.5A CN117112808B (zh) | 2023-10-24 | 2023-10-24 | 一种信用失信主体的信息知识图谱构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117112808A true CN117112808A (zh) | 2023-11-24 |
| CN117112808B CN117112808B (zh) | 2024-01-19 |
Family
ID=88809558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311378410.5A Active CN117112808B (zh) | 2023-10-24 | 2023-10-24 | 一种信用失信主体的信息知识图谱构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117112808B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109598509A (zh) * | 2018-10-17 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 风险团伙的识别方法和装置 |
| CN112001786A (zh) * | 2020-08-05 | 2020-11-27 | 中国银行股份有限公司 | 基于知识图谱的客户信用卡额度配置方法及装置 |
| CN112734559A (zh) * | 2020-12-30 | 2021-04-30 | 北京知因智慧科技有限公司 | 企业信用风险评价方法、装置及电子设备 |
| CN114022058A (zh) * | 2022-01-06 | 2022-02-08 | 成都晓多科技有限公司 | 基于时序知识图谱的中小企业失信风险预测方法 |
| WO2022126970A1 (zh) * | 2020-12-15 | 2022-06-23 | 平安科技（深圳）有限公司 | 金融欺诈风险识别方法、装置、计算机设备及存储介质 |
| WO2023065545A1 (zh) * | 2021-10-19 | 2023-04-27 | 平安科技（深圳）有限公司 | 风险预测方法、装置、设备及存储介质 |
-
2023
- 2023-10-24 CN CN202311378410.5A patent/CN117112808B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109598509A (zh) * | 2018-10-17 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 风险团伙的识别方法和装置 |
| CN112001786A (zh) * | 2020-08-05 | 2020-11-27 | 中国银行股份有限公司 | 基于知识图谱的客户信用卡额度配置方法及装置 |
| WO2022126970A1 (zh) * | 2020-12-15 | 2022-06-23 | 平安科技（深圳）有限公司 | 金融欺诈风险识别方法、装置、计算机设备及存储介质 |
| CN112734559A (zh) * | 2020-12-30 | 2021-04-30 | 北京知因智慧科技有限公司 | 企业信用风险评价方法、装置及电子设备 |
| WO2023065545A1 (zh) * | 2021-10-19 | 2023-04-27 | 平安科技（深圳）有限公司 | 风险预测方法、装置、设备及存储介质 |
| CN114022058A (zh) * | 2022-01-06 | 2022-02-08 | 成都晓多科技有限公司 | 基于时序知识图谱的中小企业失信风险预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117112808B (zh) | 2024-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106789831B (zh) | 识别网络攻击的方法和装置 | |
| WO2019154162A1 (zh) | 一种风控规则生成方法和装置 | |
| CN111080304A (zh) | 一种可信关系识别方法、装置及设备 | |
| CN110634030A (zh) | 应用的业务指标挖掘方法、装置及设备 | |
| CN117093653B (zh) | 一种信息化资源共享方法及系统 | |
| CN112966113A (zh) | 一种数据的风险防控方法、装置及设备 | |
| CN113837635A (zh) | 风险检测处理方法、装置及设备 | |
| CN114943307A (zh) | 一种模型训练的方法、装置、存储介质以及电子设备 | |
| CN110490595B (zh) | 一种风险控制方法和装置 | |
| CN117112808B (zh) | 一种信用失信主体的信息知识图谱构建方法 | |
| CN113256300A (zh) | 一种交易的处理方法及装置 | |
| CN116757838A (zh) | 一种企业信用评价风险模型的建模方法 | |
| CN112526905A (zh) | 一种针对指标异常的处理方法及系统 | |
| CN116545768A (zh) | 一种信息安全风险预警方法及系统 | |
| CN116228439A (zh) | 基于知识图谱的风险识别方法、装置、设备以及存储介质 | |
| CN110458393B (zh) | 一种风险识别方案的确定方法、装置及电子设备 | |
| CN117557157B (zh) | 一种基于卷积神经网络的质量考核评价方法 | |
| CN113657635B (zh) | 一种预测通信用户流失的方法及电子设备 | |
| CN117610943B (zh) | 一种信用主体信用评价风险模型的建模方法 | |
| CN117688222B (zh) | 一种基于贝叶斯网络的数字图书馆的实现方法及系统 | |
| CN114240558A (zh) | 交易处理方法及装置 | |
| CN110163471B (zh) | 一种异常识别方法和装置 | |
| CN111784357A (zh) | 风险事件的处理方法及装置 | |
| CN109639637B (zh) | 一种内容检测方法、装置及电子设备 | |
| CN110472415A (zh) | 一种恶意程序的确定方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |