一种基于大数据图谱计算的智能风险预测与识别系统、设备和装置制造方法及图纸

本发明专利技术公开了一种基于大数据图谱计算的智能风险预测与识别系统、设备和装置，属于大数据分析技术与知识图谱技术领域。它包括通过对历史的多个案件实例数据信息进行分析过滤处理，提取他们的风险特征，计算特征权重和案例之间的相似度，建立风险特征库模型，使用风险特征库模型对目标案例进行分析计算处理，将获得的数据信息和风险特征显示出来，同时显示它们之间的关联关系和路径。本发明专利技术能分析并找出企业案例中的隐藏风险，具有结构简单、设计合理、易于制造的优点。易于制造的优点。易于制造的优点。

【技术实现步骤摘要】
一种基于大数据图谱计算的智能风险预测与识别系统、设备和装置


[0001]本专利技术属于大数据分析技术与知识图谱
，具体地说，涉及一种基于大数据图谱计算的智能风险预测与识别系统，设备和装置。

技术介绍

[0002]当前金融企业内部的风险控制体系太过于依赖业务人员的专业能力，而企业内部的风险控制系统的能力只能检测单个或者旧的过往风险，在面对新的风险时，不能及时更新风险数据库，并且同样的风险在参杂了不同的影响因素后可能会造成不一样的结果，最终可能会给企业带来严重的利益损失。
[0003]并且现有的大部分风险控制系统都只能对录入数据库中的危险数据信息进行监控和反馈，对于风险控制系统的智能AI学习水平不够，当出现数据库外的敏感信息时，则无法很好且有效的对其进行判别，需要人工对数据库进行定时升级，因此，若是企业遇到的风险问题在数据库中不存在，风险控制系统就不能第一时间察觉出来并警告给企业，企业的利益就会面临很大的影响，并且风险控制系统不能提供最佳的解决方案用来解决遇到的麻烦，最终可能会造成难以预料的损失。
[0004]同时在面对不同的客户，产品的渠道，办理的员工，这些因素都会对风险评估产生影响，从而影响到风险控制系统的评估结果，在面对同一个风险问题时，而上述因素确不同时，风险控制系统可能无法判别，依然采用固定的评估方式和解决方法，不能灵活的根据影响因素的不同提供不同的处理方法，导致的结果很有可能会十分糟糕，最后对公司的利益造成重大的损失。

技术实现思路

[0005]1、要解决的问题
[0006]针对现有风险控制系统只能识别单个事件对企业经营的影响和风险，不能根据行业的发展及时跟新不同风险对企业经营中的影响范围和影响程度的问题，本专利技术提供一种基于大数据图谱计算的智能风险预测与识别系统，设备和装置。
[0007]2、技术方案
[0008]为解决上述问题，本专利技术采用如下的技术方案。
[0009]一种基于大数据图谱计算的智能风险预测与识别系统，采用以下步骤：
[0010]步骤1：获取多个案件实例，进行粗分类处理，同时对案件实例中的数据信息进行筛选过滤处理；
[0011]步骤2：根据步骤1的处理结果对每个案件实例进行风险特征提取，计算风险特征权重和每个案件实例的相似度；
[0012]步骤3：根据步骤2计算的风险特征权重和案件实例相似度，构建风险特征库模型；
[0013]步骤4：对目标案件的数据信息进行筛选过滤处理；
[0014]步骤5：使用步骤3构建的风险特征库模型对步骤4处理的目标案件数据信息进行分析计算提取处理，获取目标案件风险特征及其权重；
[0015]步骤6：前端界面获取并显示步骤4处理后的目标案件数据信息，同时显示目标案件中特征权重值最高的风险特征及其相关数据。
[0016]优选的，所述步骤1中对数据信息进行筛选过滤处理是使用无监督学习算法对异常信息进行识别处理获取案件实例的关键信息，剔除异常信息，保留关键信息，使得结果更加准确。
[0017]优选的，所述步骤2中风险特征提取是采用了Random forest算法对特征进行筛选提取，采用算法提取特征使得结果更加可靠。
[0018]优选的，所述步骤3中构建风险特征库模型采用了向量空间模型，该模型方便了案例之间的相互计算。
[0019]优选的，所述步骤5中在对目标案件进行数据信息处理，特征提取和权重计算后，每次都会将目标案件的各类数据加入到风险特征库模型中，以此对模型进行更新迭代处理，可以使得模型不断优化。
[0020]进一步的，所述更新迭代处理是采用Louvain社区检测算法结合稽核实验对模型进行迭代更新优化，算法使得模型优化更新更加准确。
[0021]优选的，所述步骤6中显示数据信息会根据数据信息的不同以图像，图表以及图形的形式展现出来，更方便直白的给予用户观看。
[0022]优选的，所述步骤6中显示数据信息，风险特征及其相关数据，根据用户的需求显示各个数据之间的关联关系，显示不同层级的关系数据和关联路径，数据关系显示更加方便直观。
[0023]一种基于大数据图谱计算的智能风险预测与识别设备，其特征在于，包括以下模块：
[0024]过滤筛选模块，用于获取多个案件实例，对案件中的数据信息进行筛选过滤处理；
[0025]特征提取模块，用于提取每个案件实例中的风险特征；
[0026]模型构建模块，用于计算风险特征权重和案件实例的相似度，构建风险特征库模型；
[0027]案件处理模块，用于使用模型构建模块对目标案件进行分析计算处理，获取目标案件风险特征及其权重；
[0028]前端显示模块，用于使用图形展示目标案件的各个数据信息和风险特征之间的关联关系和关联路径。
[0029]一种基于大数据图谱计算的智能风险预测与识别装置，其特征在于，所述设备包括服务处理器和分布存储器，所述服务处理器连接所述存储器，所述分布存储器中存储有服务自管理程序，配置用于存储机器可读指令，所述服务处理器执行所述服务自管理程序，指令在由所述处理器执行时，以实现如上所述的基于大数据图谱计算的智能风险预测与识别系统。
[0030]本专利技术通过对历史的多个案件实例数据信息进行分析过滤处理，提取他们的风险特征，计算特征权重和案例之间的相似度，建立风险特征库模型，使用风险特征库模型对目标案例进行分析计算处理，将获得的数据信息和风险特征显示出来，同时显示它们之间的
关联关系和路径，让用户更加方便的观看自己需要的数据信息和风险数据。
[0031]3、有益效果
[0032]相比于现有技术，本专利技术的有益效果为：
[0033](1)本专利技术通过对多个案件实例进行筛选过滤处理，得到关键数据信息，剔除异常信息，在使用得到的数据信息提取风险特征，并以此计算特征权重和案例相似度，构建风险特征库模型，通过过往案例数据建立的模型使得计算结果更加准确；
[0034](2)本专利技术每次使用风险特征库模型对目标案例进行分析计算后，都会将目标案件的各类数据添加到风险特征库模型中，对模型进行更新迭代处理，通过对模型参数进行更新优化，通过添加模型数据量，使得每次计算处理后的模型都越来越精准，更顺应行业的发展；
[0035](3)本专利技术使用图像，图表和图形显示不同的数据信息，并将它们的关联关系显示出来，根据用户的需求显示不同层级的关系数据和关联路径，方便用户的观看和查询，给予用户一目了然的观看体验。
附图说明
[0036]为了更清楚地说明本申请实施例或示例性中的技术方案，下面将对实施例或示例性描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，因此不应被看作是对范围的限定，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，还可以按照这些附图示出的获得其他的附图。
[0037]图1为本专利技术的步骤示意图；
[0038]图2为本专利技术的流程示意图；
...

【技术保护点】

【技术特征摘要】
1.一种基于大数据图谱计算的智能风险预测与识别系统，其特征在于，采用以下步骤：步骤1：获取多个案件实例，进行粗分类处理，同时对案件实例中的数据信息进行筛选过滤处理；步骤2：根据步骤1的处理结果对每个案件实例进行风险特征提取，计算风险特征权重和每个案件实例的相似度；步骤3：根据步骤2计算的风险特征权重和案件实例相似度，构建风险特征库模型；步骤4：对目标案件的数据信息进行筛选过滤处理；步骤5：使用步骤3构建的风险特征库模型对步骤4处理的目标案件数据信息进行分析计算提取处理，获取目标案件风险特征及其权重；步骤6：前端界面获取并显示步骤4处理后的目标案件数据信息，同时显示目标案件中特征权重值最高的风险特征及其相关数据。2.根据权利要求1所述的基于大数据图谱计算的智能风险预测与识别系统，其特征在于：所述步骤1中对数据信息进行筛选过滤处理是使用无监督学习算法对异常信息进行识别处理获取案件实例的关键信息。3.根据权利要求1所述的基于大数据图谱计算的智能风险预测与识别系统，其特征在于：所述步骤2中风险特征提取是采用了Random forest算法对特征进行筛选提取。4.根据权利要求1所述的基于大数据图谱计算的智能风险预测与识别系统，其特征在于：所述步骤3中构建风险特征库模型采用了向量空间模型。5.根据权利要求1所述的基于大数据图谱计算的智能风险预测与识别系统，其特征在于：所述步骤5中在对目标案件进行数据信息处理，特征提取和权重计算后，每次都会将目标案件的各类数据加入到风险特征库模型中，以此对模型进行更新迭代处理。6.根据权利要求5所述的...

【专利技术属性】
技术研发人员：樊小兵，柯美君，陈健，杨琳，张振，
申请(专利权)人：上海软中信息技术有限公司，
类型：发明
国别省市：