【技术实现步骤摘要】
本说明书涉及计算机，尤其涉及一种时序图数据风控方法、装置、介质及设备。
技术介绍
1、目前，随着大数据、云计算以及人工智能等前沿技术的迅猛发展，用户在互联网平台上的互动场景变得日益多样化，由此产生的个人数据也呈现出爆炸性增长。而互联网平台上产生的大量数据，有许多都是携带时间的用户数据，为了更好的利用互联网平台上产生的大量用户数据，实现对用户进行更好的服务以及对用户风险操作的风控，那么，对用户数据进行有效处理是十分重要的。
2、在现有技术中，针对以用户账户为节点，节点之间的关系为边构成的静态图数据，通过pytorch和以pytorch为基础的pytorch图形(pytorch geometric，pyg)，能够对静态图数据进行深度研究与处理。然而，面对节点与边，会随着时间的推移而不断变化的时序图数据，采用pytorch与pyg显得捉襟见肘，无法适用于目前互联网平台中产生的大规模时序图数据。
3、为此，本说明书提供了一种时序图数据风控方法、装置、介质及设备。
技术实现思路
1、本说明书提供一种时序图数据风控方法、装置、介质及设备，以部分的解决现有技术存在的上述问题。
2、本说明书采用下述技术方案：
3、本说明书提供了一种时序图数据风控方法，包括：
4、响应于用户的风控请求，确定当前时刻的时序图数据以及所述时序图数据中的待风控用户对应的目标节点，所述时序图数据的节点是基于用户数据确定的，边是基于用户之间关系确定的，且节点与边携带
5、从所述时序图数据中确定所述目标节点的子图；
6、将携带时间信息的子图输入训练完成的风控模型，通过所述风控模型中的时间编码器，得到时间特征，通过所述风控模型中的图数据编码器，得到图数据特征；
7、将所述时间特征与所述图数据特征输入所述风控模型中的解码器，得到所述目标节点的风险分类结果，以及所述目标节点与所述时序图数据中各节点的连接关系的预测结果；
8、根据所述预测节点以及所述风险分类结果，对所述待风控用户进行风控。
9、可选的，采用下述方法训练所述风控模型，其中：
10、根据历史风控业务，确定历史风控用户以及历史风控时刻；
11、确定所述历史风控时刻下的时序图数据，作为训练图数据，以及确定所述历史风控时刻下的所述历史风控用户的节点，作为训练节点；
12、以所述训练节点为中心，从所述训练图数据中确定所述训练节点的训练子图作为训练样本，以及确定所述训练节点在所述历史风控时刻之后的未来节点连接情况作为历史预测结果，并将所述训练节点的历史风控结果以及所述历史预测结果作为标注；
13、将所述训练样本的时间信息输入待训练的风控模型中的时间编码器，得到时间特征，将所述训练样本输入所述待训练的风控模型中的图数据编码器，得到图数据特征；
14、将所述训练样本的时间特征以及图数据特征输入所述待训练的风控模型中的编码器，得到所述训练节点的风控结果以及预测结果；
15、根据所述标注与所述训练节点的风控结果以及预测结果之间的差异，训练所述待训练的风控模型。
16、可选的，以所述训练节点为中心，从所述训练图数据中确定所述训练节点的训练子图作为训练样本，以及确定所述训练节点在所述历史风控时刻之后的未来节点连接情况作为历史预测结果，并将所述训练节点的历史风控结果以及所述历史预测结果作为标注，具体包括：
17、从所述训练图数据中，确定预设数量的所述历史风控时刻之前所述训练节点未连接的节点，将所述训练节点未连接的节点在所述历史风控时刻之后，与所述训练节点的连接情况作为历史预测结果；
18、将所述训练节点的历史风控结果与所述历史预测结果作为标注；
19、以所述训练节点为中心，从所述训练图数据中确定所述训练节点的训练子图，并根据所述训练子图与所述训练节点未连接的节点，确定训练样本。
20、可选的，以所述训练节点为中心，从所述训练图数据中确定所述训练节点的训练子图作为训练样本，以及确定所述训练节点在所述历史风控时刻之后的未来节点连接情况作为历史预测结果，并将所述训练节点的历史风控结果以及所述历史预测结果作为标注，具体包括：
21、在所述训练图数据中，确定所述训练节点在所述历史风控时刻之前未连接的节点，且在所述历史风控时刻时也没有连接的节点，作为待选节点；
22、从所述待选节点中选择预设数量的节点，作为已选节点；
23、以所述训练节点为中心，从所述训练图数据中确定所述训练节点的训练子图，并根据所述训练子图与所述已选节点，确定所述训练样本；
24、将所述已选节点在所述历史风控时刻之后与所述训练节点的未连接情况作为历史预测结果，并将所述训练节点的历史风控结果以及所述历史预测结果作为所述训练样本的标注。
25、可选的，在将携带时间信息的子图输入训练完成的风控模型之前，所述方法还包括：
26、从所述时序图数据中，确定预设数量的当前时刻之前所述目标节点未连接的节点；
27、根据所述目标节点未连接的节点，以所述目标节点为中心，从所述时序图数据中确定携带所述目标节点未连接的节点的子图。
28、可选的，在将携带时间信息的子图输入训练完成的风控模型之前，所述方法还包括：
29、在所述时序图数据中，确定所述目标节点在当前时刻之前未连接的节点，且在当前时刻时也没有连接的节点，作为待选节点；
30、从所述待选节点中选择预设数量的节点，作为已选节点；
31、以所述目标节点为中心，从所述时序图数据中确定携带所述已选节点的子图。
32、可选的，将所述时间特征与所述图数据特征输入所述风控模型中的解码器，得到所述目标节点与所述时序图数据中各节点的连接关系的预测结果，具体包括：
33、将所述时间特征与所述图数据特征输入所述风控模型中的解码器，得到节点特征，所述节点特征为在当前时刻之后，与所述目标节点新增连接关系的节点的特征；
34、根据所述节点特征，与当前时刻的所述时序图数据中与所述目标节点没有连接关系的节点的特征的匹配结果，确定所述目标节点与所述时序图数据中各节点的连接关系的预测结果。
35、可选的，根据所述预测结果以及所述风险分类结果，对所述待风控用户进行风控，具体包括：
36、根据所述预测结果，确定所述目标节点连接的节点作为待检节点；
37、根据预设的风险节点库，判断所述待检节点是否与所述风险节点库中的节点匹配，并确定所述风险分类结果是否为有风险；
38、若任一项为是，则对所述待风控用户进行风控；
39、若均为否，则不对所述待风控用户进行风控。
40、可选的，所述方法还包括：
41、向所述用户展示当前时刻的所述时序图数据、所述目标节点以及所述目本文档来自技高网...
【技术保护点】
1.一种时序图数据风控方法，包括：
2.如权利要求1所述的方法，采用下述方法训练所述风控模型，其中：
3.如权利要求2所述的方法，以所述训练节点为中心，从所述训练图数据中确定所述训练节点的训练子图作为训练样本，以及确定所述训练节点在所述历史风控时刻之后的未来节点连接情况作为历史预测结果，并将所述训练节点的历史风控结果以及所述历史预测结果作为标注，具体包括：
4.如权利要求2所述的方法，以所述训练节点为中心，从所述训练图数据中确定所述训练节点的训练子图作为训练样本，以及确定所述训练节点在所述历史风控时刻之后的未来节点连接情况作为历史预测结果，并将所述训练节点的历史风控结果以及所述历史预测结果作为标注，具体包括：
5.如权利要求1所述的方法，在将携带时间信息的子图输入训练完成的风控模型之前，所述方法还包括：
6.如权利要求1所述的方法，在将携带时间信息的子图输入训练完成的风控模型之前，所述方法还包括：
7.如权利要求1所述的方法，将所述时间特征与所述图数据特征输入所述风控模型中的解码器，得到所述目标节点与所述时序
8.如权利要求1所述的方法，根据所述预测结果以及所述风险分类结果，对所述待风控用户进行风控，具体包括：
9.如权利要求1所述的方法，所述方法还包括：
10.一种时序图数据风控装置，包括：
11.一种计算机可读存储介质，所述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权利要求1～9任一项所述的方法。
12.一种电子设备，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，所述处理器执行所述程序时实现上述权利要求1～9任一项所述的方法。
...【技术特征摘要】
1.一种时序图数据风控方法，包括：
2.如权利要求1所述的方法，采用下述方法训练所述风控模型，其中：
3.如权利要求2所述的方法，以所述训练节点为中心，从所述训练图数据中确定所述训练节点的训练子图作为训练样本，以及确定所述训练节点在所述历史风控时刻之后的未来节点连接情况作为历史预测结果，并将所述训练节点的历史风控结果以及所述历史预测结果作为标注，具体包括：
4.如权利要求2所述的方法，以所述训练节点为中心，从所述训练图数据中确定所述训练节点的训练子图作为训练样本，以及确定所述训练节点在所述历史风控时刻之后的未来节点连接情况作为历史预测结果，并将所述训练节点的历史风控结果以及所述历史预测结果作为标注，具体包括：
5.如权利要求1所述的方法，在将携带时间信息的子图输入训练完成的风控模型之前，所述方法还包括：
6.如权利要...
【专利技术属性】
技术研发人员：但家旺，李金膛，吴若凡，周璟，田胜，刘云飞，王宝坤，申书恒，孟昌华，王维强，
申请(专利权)人：支付宝杭州信息技术有限公司，
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。