System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人工智能、金融或其他,尤其涉及一种信用卡申请风险团体识别方法及装置。
技术介绍
1、本部分旨在为本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
2、目前随着信用卡申请风险手段的提升,信用卡申请风险活动逐渐向专业化、团体化的趋势发展。针对信用卡申请风险防控场景,一般还集中在针对单笔申请件进行反信用卡申请,针对团体风险主要使用的是利用专家规则模型进行防控的方式识别信用卡申请风险团体。
3、专家规则模型需要通过案件调查、归纳总结等方式,需要不断检查更新从而耗费大量人力,并且不易发现个体与个体之间的关联、个体与团体之间的关联,识别准确率较低。并且事后预警核实数据不能及时的反馈到事中用于防控,自动化水平不高。
技术实现思路
1、本专利技术实施例提供一种信用卡申请风险团体识别方法,用以提高信用卡申请风险申请数据的识别准确率及风险防控的自动化水平,降低人力识别成本,该方法包括:
2、获取多条历史信用卡申请数据;多条历史信用卡申请数据分别包括信用卡信息、申请人信息及申请设备信息;
3、对多条历史信用卡申请数据分别进行实体抽取、关系抽取、属性抽取,对抽取得到的实体数据、关系数据、属性数据进行图谱加工,得到信用卡申请团体挖掘知识图谱;所述信用卡申请团体挖掘知识图谱反映实体及实体之间的关联关系;
4、根据信用卡申请团体挖掘知识图谱确定每条历史信用卡申请数据的图特征;所述图特征反映多条历史信用卡申
5、利用社区挖掘算法,对信用卡申请团体挖掘知识图谱进行社区挖掘,确定多个社区及对应的社区信息;
6、将社区信息及每条历史信用卡申请数据的图特征,输入到预先训练好的识别网络中,输出信用卡申请风险团体识别结果;所述识别网络是利用第一预设时间范围内的信用卡申请数据、预先在第一预设时间范围内的信用卡申请数据标注的信用卡申请风险团体、及根据第一预设时间范围内的信用卡申请数据确定的社区信息,对图神经网络进行训练得到的。
7、本专利技术实施例还提供一种信用卡申请风险团体识别装置,用以提高信用卡申请风险申请数据的识别准确率及风险防控的自动化水平,降低人力识别成本,该装置包括:
8、获取模块,用于获取多条历史信用卡申请数据;多条历史信用卡申请数据分别包括信用卡信息、申请人信息及申请设备信息;
9、知识图谱确定模块,用于对多条历史信用卡申请数据分别进行实体抽取、关系抽取、属性抽取,对抽取得到的实体数据、关系数据、属性数据进行图谱加工,得到信用卡申请团体挖掘知识图谱;所述信用卡申请团体挖掘知识图谱反映实体及实体之间的关联关系;
10、图特征确定模块,用于根据信用卡申请团体挖掘知识图谱确定每条历史信用卡申请数据的图特征;所述图特征反映多条历史信用卡申请数据之间的关联关系;
11、社区挖掘模块,用于利用社区挖掘算法,对信用卡申请团体挖掘知识图谱进行社区挖掘,确定多个社区及对应的社区信息;
12、识别模块,用于将社区信息及每条历史信用卡申请数据的图特征,输入到预先训练好的识别网络中,输出信用卡申请风险团体识别结果;所述识别网络是利用第一预设时间范围内的信用卡申请数据、预先在第一预设时间范围内的信用卡申请数据标注的信用卡申请风险团体、及根据第一预设时间范围内的信用卡申请数据确定的社区信息,对图神经网络进行训练得到的。
13、本专利技术实施例还提供一种计算机设备,所述计算机设备包括存储器、处理器520及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述信用卡申请风险团体识别方法。
14、本专利技术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有计算机程序,所述计算机程序被处理器执行时实现上述信用卡申请风险团体识别方法。
15、本专利技术实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述信用卡申请风险团体识别方法。
16、本专利技术实施例与现有技术中利用专家规则模型进行风险团体识别的技术方案相比,通过获取多条历史信用卡申请数据;多条历史信用卡申请数据分别包括信用卡信息、申请人信息及申请设备信息;对多条历史信用卡申请数据分别进行实体抽取、关系抽取、属性抽取,对抽取得到的实体数据、关系数据、属性数据进行图谱加工,得到信用卡申请团体挖掘知识图谱;所述信用卡申请团体挖掘知识图谱反映实体及实体之间的关联关系;根据信用卡申请团体挖掘知识图谱确定每条历史信用卡申请数据的图特征;所述图特征反映多条历史信用卡申请数据之间的关联关系;利用社区挖掘算法,对信用卡申请团体挖掘知识图谱进行社区挖掘,确定多个社区及对应的社区信息;将社区信息及每条历史信用卡申请数据的图特征,输入到预先训练好的识别网络中,输出信用卡申请风险团体识别结果;所述识别网络是利用第一预设时间范围内的信用卡申请数据、预先在第一预设时间范围内的信用卡申请数据标注的信用卡申请风险团体、及根据第一预设时间范围内的信用卡申请数据确定的社区信息,对图神经网络进行训练得到的,可以提高信用卡申请风险申请数据的识别准确率及风险防控的自动化水平,降低人力识别成本。
本文档来自技高网...【技术保护点】
1.一种信用卡申请风险团体识别方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,还包括:
3.如权利要求1所述的方法,其特征在于,获取多条历史信用卡申请数据,包括:
4.如权利要求1所述的方法,其特征在于,对历史信用卡申请数据进行实体抽取、关系抽取、属性抽取,并对抽取得到的实体数据、关系数据、属性数据进行图谱加工,得到信用卡申请团体挖掘知识图谱,包括:
5.如权利要求1所述的方法,其特征在于,还包括:
6.如权利要求1所述的方法,其特征在于,还包括:
7.一种信用卡申请风险团体识别装置,其特征在于,包括:
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6任一所述方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产
...【技术特征摘要】
1.一种信用卡申请风险团体识别方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,还包括:
3.如权利要求1所述的方法,其特征在于,获取多条历史信用卡申请数据,包括:
4.如权利要求1所述的方法,其特征在于,对历史信用卡申请数据进行实体抽取、关系抽取、属性抽取,并对抽取得到的实体数据、关系数据、属性数据进行图谱加工,得到信用卡申请团体挖掘知识图谱,包括:
5.如权利要求1所述的方法,其特征在于,还包括:
6.如权利要求1所述的方法,其特征在于,还包括:
【专利技术属性】
技术研发人员:李香元,罗鑫,任健,
申请(专利权)人:中国工商银行股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。