基于知识图谱构建债务人决策策略的方法及相关设备技术

本申请属于人工智能技术领域，具体公开了基于知识图谱构建债务人决策策略的方法及相关设备，本申请通过已有的金融数据构建对应的金融风险知识图谱，从金融风险知识图谱中提取金融数据的金融风险特征，将金融数据的金融风险特征为输入，以针对金融数据的决策策略为目标输出对预设的机器学习模型进行训练，得到训练完成的机器学习模型，基于此机器学习模型，就可以根据不同债务人的情况自动得出该债务人决策策略，不需要人为评估，节省了大量的人力物力，从而实现对债务人决策策略的准确判断，有效降低了银行等金融机构对于贷款难以收回以及出现坏账等金融风险。回以及出现坏账等金融风险。回以及出现坏账等金融风险。

【技术实现步骤摘要】
基于知识图谱构建债务人决策策略的方法及相关设备


[0001]本申请属于人工智能
，具体涉及一种基于知识图谱构建债务人决策策略的方法、基于知识图谱构建债务人决策策略的装置、计算机可读介质以及电子设备。

技术介绍

[0002]贷款是银行等金融机构的主要业务范围之一。在贷款进行之后，金融机构往往需要监控和评估债务人的清偿能力，以实现及时的采取手段进行贷款的催回，避免坏账的产生。
[0003]然而，现有对于债务人清偿能力的监控一般通过结构化数据进行提取特征，然后进行对比分析，最后形成债务人的清偿能力的评估，然后根据评估结果执行不同的债务人的决策策略，然而，现有对于债务人的决策策略都是人为评估确认的，需要耗费大量的人力物力，而且人为评估利用的是结构化数据使得评估准确性低，大大的影响了银行等金融机构对于贷款的收回。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0005]本申请的目的在于提供一种基于知识图谱构建债务人决策策略的方法、基于知识图谱构建债务人决策策略的装置、计算机可读介质以及电子设备，至少在一定程度上克服相关技术中人为确定债务人决策策略成本高、评估准确性低的技术问题。
[0006]本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
[0007]根据本申请实施例的一个方面，提供一种基于知识图谱构建债务人决策策略的方法，包括：
[0008]基于已有的金融数据构建对应的金融风险知识图谱；
[0009]基于所述金融风险知识图谱挖掘所述金融数据的金融风险特征，并构建针对所述金融数据的决策策略；
[0010]以所述金融数据的金融风险特征为输入，以针对所述金融数据的决策策略为目标输出对预设的机器学习模型进行训练，得到训练完成的机器学习模型；
[0011]提取待预测债务人的金融风险特征，将债务人的金融风险特征输入机器学习模型，得到机器学习模型输出的针对债务人的决策策略。
[0012]在本申请的一些实施例中，基于以上技术方案，在基于已有的金融数据构建对应的金融风险知识图谱之前，所述方法还包括：
[0013]将所述已有的金融数据整体划分为行为数据维度、消费数据维度、基本信息数据维度，形成已有的金融维度数据；
[0014]对所述已有的金融维度数据进行清洗和转换，形成符合知识图谱建模的金融数
据。
[0015]在本申请的一些实施例中，基于以上技术方案，基于已有的金融数据构建对应的金融风险知识图谱的方法，包括：
[0016]构建债务人本体及围绕所述债务人本体生成的联系本体、地址本体和公司本体；
[0017]针对已有的金融数据进行语义标注和语义校准，最终形成图谱实体与实体之间的可解析的信息；
[0018]从已有的金融数据中自动识别出命名实体、实体之间的关系和实体的属性信息，所述命名实体包括所述联系本体、地址本体和公司本体；
[0019]基于自动识别出的命名实体、实体之间的关系和实体的属性信息构建金融风险知识图谱。
[0020]在本申请的一些实施例中，基于以上技术方案，所述金融风险特征包括：
[0021]积极的金融风险特征，所述积极的金融风险特征包括债务人清偿能力较好的金融风险特征，
[0022]消极的金融风险特征，所述消极的金融风险特征包括债务人清偿能力较差的金融风险特征。
[0023]在本申请的一些实施例中，基于以上技术方案，
[0024]基于所述金融风险知识图谱挖掘所述金融数据的金融风险特征，包括：
[0025]基于债务人对所述金融风险知识图谱做子图抽取，抽取债务人的相关三元组，所述相关三元组包括所述金融风险知识图谱中实体、关系、关系属性或者属性值中包含债务人的三元组信息；
[0026]将所述相关三元组的集合作为金融风险特征。
[0027]在本申请的一些实施例中，基于以上技术方案，所述金融数据的决策策略包括：
[0028]积极的决策策略，所述的积极的决策策略用于表示债务人清偿能力较好时的决策策略，所述积极的决策策略包括延长催收期限、减少催收次数、升级客户等级或提供优先服务；
[0029]消极的决策策略，所述消极的决策策略用于表示债务人清偿能力较差时的决策策略，所述消极的决策策略包括，缩短催收频率、缩短催收期限、设置冻结提醒或列为重点关注目标。
[0030]在本申请的一些实施例中，基于以上技术方案，以所述金融数据的金融风险特征为输入，以针对所述金融数据的决策策略为目标输出对预设的机器学习模型进行训练，得到训练完成的机器学习模型的方法，包括：
[0031]不断将所述金融数据的金融风险特征输入所述机器学习模型，得到所述机器学习模型输出的决策策略，并基于所述机器学习模型输出的决策策略与针对所述金融数据的决策策略之间的误差，调整所述机器学习模型中的模型参数，直到所述误差小于预设误差阈值。
[0032]根据本申请实施例的一个方面，提供一种基于知识图谱构建债务人决策策略的装置，包括：
[0033]知识图谱构建模块：用于基于已有的金融数据构建对应的金融风险知识图谱；
[0034]决策策略构建模块：用于基于所述金融风险知识图谱挖掘金融风险特征，并针对
金融风险特征构建对应的决策策略；
[0035]机器学习模型构建模块：用于以金融风险特征为输入，以决策策略为目标输出对预设的机器学习模型进行训练，得到训练完成的机器学习模型；
[0036]预测模块：用于提取待预测债务人的金融风险特征，将债务人的金融风险特征输入机器学习模型，得到机器学习模型输出的针对债务人的决策策略。
[0037]在本申请的一些实施例中，基于以上技术方案，基于知识图谱构建债务人决策策略的装置还包括：
[0038]金融数据处理模块，用于将所述已有的金融数据整体划分为行为数据维度、消费数据维度、基本信息数据维度，形成已有的金融维度数据；
[0039]清洗转换模块，用于对所述已有的金融维度数据进行清洗和转换，形成符合知识图谱建模的金融数据。
[0040]在本申请的一些实施例中，基于以上技术方案，所述知识图谱构建模块包括：
[0041]本体构建单元：用于构建债务人本体及围绕债务人生成的联系本体、地址本体和公司本体；
[0042]语义标注单元，用于针对已有的金融数据进行语义标注和语义校准，最终形成图谱实体与实体之间的可解析的信息；
[0043]实体特征提取单元，用于从已有的金融数据中自动识别出命名实体、实体之间的关系和实体的属性信息；
[0044]构建单元，用于基于自动识别出的命名实体、实体之间的关系和实体的属性信息构建金融风险知识图谱。
[0045]在本申请的一些实施例中，基于以上技术方案，所述金融风险特征包括：
...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱构建债务人决策策略的方法，其特征在于，包括：基于已有的金融数据构建对应的金融风险知识图谱；基于所述金融风险知识图谱挖掘所述金融数据的金融风险特征，并构建针对所述金融数据的决策策略；以所述金融数据的金融风险特征为输入，以针对所述金融数据的决策策略为目标输出对预设的机器学习模型进行训练，得到训练完成的机器学习模型；提取待预测债务人的金融风险特征，将债务人的金融风险特征输入机器学习模型，得到机器学习模型输出的针对债务人的决策策略。2.根据权利要求1所述的基于知识图谱构建债务人决策策略的方法，其特征在于，在基于已有的金融数据构建对应的金融风险知识图谱之前，所述方法还包括：将所述已有的金融数据整体划分为行为数据维度、消费数据维度、基本信息数据维度，形成已有的金融维度数据；对所述已有的金融维度数据进行清洗和转换，形成符合知识图谱建模的金融数据。3.根据权利要求1所述的基于知识图谱构建债务人决策策略的方法，其特征在于，基于已有的金融数据构建对应的金融风险知识图谱，包括：构建债务人本体及围绕所述债务人本体生成的联系本体、地址本体和公司本体；针对已有的金融数据进行语义标注和语义校准，最终形成图谱实体与实体之间的可解析的信息；从已有的金融数据中自动识别出命名实体、实体之间的关系和实体的属性信息，所述命名实体包括所述联系本体、地址本体和公司本体；基于自动识别出的命名实体、实体之间的关系和实体的属性信息构建金融风险知识图谱。4.根据权利要求1所述的基于知识图谱构建债务人决策策略的方法，其特征在于，所述金融风险特征包括：积极的金融风险特征，所述积极的金融风险特征包括债务人清偿能力较好的金融风险特征，消极的金融风险特征，所述消极的金融风险特征包括债务人清偿能力较差的金融风险特征。5.根据权利要求1所述的基于知识图谱构建债务人决策策略的方法，其特征在于，基于所述金融风险知识图谱挖掘所述金融数据的金融风险特征，包括：基于债务人对所述金融风险知识图谱做子图抽取，抽取债务人的相关三元组，所述相关三元组包括所述金融风险知识图谱中实体、关系、关系属性或者属性值中包含债务人的三元组信息；将所述相关三元组的...

【专利技术属性】
技术研发人员：谢勇，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：