【技术实现步骤摘要】
本说明书一个或多个实施例涉及机器学习领域，尤其涉及利用大语言模型实现的交易风险分析方法和装置。
技术介绍
1、在金融领域，交易风险分析，尤其是对非法资金转移的检测和分析，面临巨大的挑战。近年来，大语言模型(large language models，llms)的能力飞速提升，在多个领域都发挥重要作用。尽管llms在自然语言相关任务中表现出色，但直接将llms用于交易风险分析的效果并不好。
2、因此，期望能有改进的方案，利用llms，在交易风险分析任务中具有更优的性能表现。
技术实现思路
1、本说明书一个或多个实施例描述了一种交易风险分析方案，通过图检索的方式检索风险知识和案例分析，并将检索到的风险知识和案例分析与交易组包含的多条交易记录一并输入大语言模型，可提升大语言模型针对交易组的交易风险分析能力。
2、根据第一方面，提供了一种交易风险分析方法，包括：获取包含多条交易记录的交易组，根据所述交易组构造交易图；所述多条交易记录包括，预定时段中与目标用户相关的交易记录；在所述交易图中搜索表示若干风险模式的若干模式子图，得到匹配子图；从知识库中查找与所述匹配子图表示的风险模式相关的风险知识；从案例库中查找与所述交易图相似的交易案例的案例分析；将所述多条交易记录、所述风险知识、所述案例分析一并输入第一大语言模型，得到所述第一大语言模型输出的关于所述交易组的交易风险分析结果。
3、根据一个实施例，在所述交易图中搜索表示若干风险模式的若干模式子图，包括：分别
4、在一个实施例中，从案例库中查找与所述交易图相似的交易案例的案例分析，包括：获取所述交易图的第一嵌入表征；计算所述第一嵌入表征与案例库中各个交易案例所对应的交易图的第二嵌入表征之间的相似度；获取相似度最高的一个或多个交易案例对应的案例分析文本。
5、在一个进一步的实施例中，获取所述交易图的第一嵌入表征，包括：利用语言模型对所述交易图中各个节点进行编码，得到各个节点的第一向量表征；利用图神经网络处理所述交易图中各个节点的第一向量表征，得到各个节点的第二向量表征；对所述交易图中所有节点的第二向量表征进行聚合操作，得到所述交易图的第一嵌入表征。
6、在一个进一步的实施例中，利用语言模型对所述交易图中各个节点进行编码，得到各个节点的第一向量表征，包括：利用语言模型对所述交易图中各个边对应的交易记录的描述文本进行编码，得到各条边的边表征向量；对任意节点，根据其所有连接边的边表征向量，确定该节点的第一向量表征。
7、根据一个实施例，获取包含多条交易记录的交易组，包括：获取目标用户在预定时段内的第一交易记录，以及与所述目标用户具有交易行为的其他用户在所述预定时段内的第二交易记录，得到包含多条交易记录的交易组。
8、根据一个实施例，所述案例分析包括，关于交易案例是否具有风险及其风险模式的评估结论，以及得出该评估结论的推理过程；所述交易风险分析结果包括，关于所述交易组是否具有风险以及具有的风险模式的分析结论，以及得出该分析结论的推理过程。
9、在一个实施例中，所述案例库通过以下方式构建：从目标数据集中提取样本交易组，该样本交易组具有是否为风险交易的第一标签，以及所具有的风险模式的第二标签；将所述样本交易组中各条交易，第一标签和第二标签输入第二大语言模型，令其输出以第一标签和第二标签为评估结论的推理步骤；将所述样本交易组作为交易案例，将第一标签、第二标签和所述推理步骤作为对应的案例分析，添加到所述案例库。
10、在一个进一步的实施例中，所述目标数据集通过以下方式构建：通过第三大语言模型生成序列化交易记录，作为正常交易添加至所述目标数据集；基于所述若干风险模式的定义规则和真实交易数据的数据分布，利用模拟器生成各风险模式下的交易组，为其添加所述第一标签和第二标签后添加至所述目标数据集。
11、根据一个实施例，方法还包括：构造训练数据集，利用所述训练数据集微调通用的大语言模型，得到所述第一大语言模型，其中，所述训练数据集中的每条训练数据包括，样本交易组，从所述知识库中查找的与所述样本交易组匹配的风险模式相关的风险知识，从所述案例库中查找的与所述样本交易组相似的案例分析，以及期望的模型输出。
12、根据一个实施例，所述若干风险模式包括以下中的一项或多项：快进快出模式；循环交易模式；先分散再聚集模式；先聚集再分散模式。
13、根据第一方面，提供了一种交易风险分析装置，包括：获取单元，配置为获取包含多条交易记录的交易组，根据所述交易组构造交易图；所述多条交易记录包括，预定时段中与目标用户相关的交易记录；第一查找单元，配置为在所述交易图中搜索表示若干风险模式的若干模式子图，得到匹配子图；从知识库中查找与所述匹配子图表示的风险模式相关的风险知识；第二查找单元，配置为从案例库中查找与所述交易图相似的交易案例的案例分析；分析单元，配置为将所述多条交易记录、所述风险知识、所述案例分析一并输入第一大语言模型，得到所述第一大语言模型输出的关于所述交易组的交易风险分析结果。
14、根据第三方面，提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现第一方面所述方法的步骤。
15、根据第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面所述的方法。
16、根据第五方面，提供了一种计算设备，包括存储器和处理器，其特征在于，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面的方法。
17、在本说明书的实施例中，根据交易组构造交易图，基于交易图通过子图搜索和图匹配的方式查找相关的风险知识和案例分别，并将查找到的风险知识和案例分别与交易组包含的多条交易记录一并输入第一大语言模型，可提升大语言模型针对交易组的交易风险分析能力。
本文档来自技高网...【技术保护点】
1.一种交易风险分析方法，包括：
2.根据权利要求1所述的方法，其中，在所述交易图中搜索表示若干风险模式的若干模式子图，包括：
3.根据权利要求1所述的方法，其中，从案例库中查找与所述交易图相似的交易案例的案例分析，包括：
4.根据权利要求3所述的方法，其中，获取所述交易图的第一嵌入表征，包括：
5.根据权利要求4所述的方法，其中，利用语言模型对所述交易图中各个节点进行编码，得到各个节点的第一向量表征，包括：
6.根据权利要求1所述的方法，其中，获取包含多条交易记录的交易组，包括：
7.根据权利要求1所述的方法，其中，所述案例分析包括，关于交易案例是否具有风险及其风险模式的评估结论，以及得出该评估结论的推理过程；
8.根据权利要求1所述的方法，其中，所述案例库通过以下方式构建：
9.根据权利要求8所述的方法，其中，所述目标数据集通过以下方式构建：
10.根据权利要求1所述的方法，还包括：
11.根据权利要求1所述的方法，其中，所述若干风险模式包括以下中的一项或多
12.一种交易风险分析装置，包括：
13.一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现权利要求1-11任一项所述方法的步骤。
14.一种计算设备，包括存储器和处理器，其特征在于，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-11中任一项所述的方法。
...【技术特征摘要】
1.一种交易风险分析方法，包括：
2.根据权利要求1所述的方法，其中，在所述交易图中搜索表示若干风险模式的若干模式子图，包括：
3.根据权利要求1所述的方法，其中，从案例库中查找与所述交易图相似的交易案例的案例分析，包括：
4.根据权利要求3所述的方法，其中，获取所述交易图的第一嵌入表征，包括：
5.根据权利要求4所述的方法，其中，利用语言模型对所述交易图中各个节点进行编码，得到各个节点的第一向量表征，包括：
6.根据权利要求1所述的方法，其中，获取包含多条交易记录的交易组，包括：
7.根据权利要求1所述的方法，其中，所述案例分析包括，关于交易案例是否具有风险及其风险模式的评估结论，以及得出该评估...
【专利技术属性】
技术研发人员：苏亮，张明扬，吴若凡，刘腾飞，王维强，贾康祥，熊贇，高新玉，符永锐，吴茜茜，张嘉洧，
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。