一种协助反欺诈分析群组结构的方法及工具技术

本发明专利技术公开了一种协助反欺诈分析群组结构的方法及工具，属于数据挖掘技术领域。所述方法包括如下步骤：S1：获取用户的信息及其关联人信息；S2：判断每个用户之间的关联度以及计算每个关联介质的关联强度；S3：根据所述步骤S2的计算结果，搭建群组；S4：对所述群组中的每个用户以及关联介质定义标签；S5：将所有的信息罗列生成数据表，再对新用户进行群组运算，判断新用户的群组归类。本发明专利技术实施例通过计算新用户与已存在群组的相似度、关联强度以及桥点值，快速定位新用户的群组归类，对新用户进行欺诈判断，提高反欺诈人员的工作效率，从而帮助业务快速决策，实时响应欺诈风险，从本质上止损。

A Method and Tool to Assist Anti-Fraud Analysis of Group Structure

The invention discloses a method and a tool for assisting anti-fraud analysis of group structure, belonging to the technical field of data mining. The method includes the following steps: S1: acquiring user information and associated person information; S2: judging the association degree between each user and calculating the correlation intensity of each associated medium; S3: building a group according to the calculation results of the said decision 22; S4: defining labels for each user and associated medium in the group; S5: generating a data table by listing all the information; Then the new users are grouped to determine the grouping of new users. The embodiment of the present invention can quickly locate the group classification of new users by calculating the similarity, correlation strength and Bridge point value between new users and existing groups, judge new users fraudulently, improve the work efficiency of anti-fraudulent personnel, thus helping business to make quick decisions, respond to fraudulent risks in real time and stop losses essentially.

【技术实现步骤摘要】
一种协助反欺诈分析群组结构的方法及工具
本专利技术涉及数据挖掘
，特别涉及一种协助反欺诈分析群组结构的方法及工具。
技术介绍
随着互联网金融的高速发展，面向个人的贷款流程仅需客户通过web端上传填写简单资料，通过审批流程即可放款。由于部分公司风控手段的薄弱以及在当前情形下的该中情形中对违约用户的法律追责还在完善中，一些人群通过各种非法手段获取贷款额度，使用额度后不再进行归还，成为公司中的永久逾期用户，给公司带来巨大的经济损失。而这些人群往往呈现出有组织的团伙的性质，即这部分人之间都存在着某种关联关系。因此很有必要对这些人以及关联人的相关信息进行分析处理，搭建群组，快速准确锁定可能存在的风险用户，对于识别出来的风险用户进行相应的风控策略，从而有效的降低公司损失。然而现有技术中存在涉嫌欺诈人员以及关联人的数据散落、群组结构搭建速度慢、数据分析效率低等问题，这些缺陷往往容易造成欺诈止损不及时。
技术实现思路
为了解决现有技术的问题，本专利技术实施例提供了一种协助反欺诈分析群组结构的方法，以克服现有及技术中存在的涉嫌欺诈人员以及关联人的数据散落、群组结构搭建速度慢、数据分析效率低等问题。为解决上述技术问题，本专利技术采用的技术方案是：一方面，提供了一种协助反欺诈分析群组结构的方法，所述方法包括如下步骤：S1：获取用户的信息及其关联人信息；S2：判断每个用户之间的关联度以及计算每个关联介质的关联强度；S3：根据所述步骤S2的计算结果，搭建群组；S4：对所述群组中的每个用户以及关联介质定义标签；S5：将所有的信息罗列生成数据表，再对新用户进行群组运算，判断新用户的群组归类。进一步的，所述步骤S2具体包括：通过计算每个用户之间的相似度以及桥点值来判断每个用户之间的关联度，相似度和/或桥点值越大，用户之间的关联度越大。进一步的，所述步骤S3具体包括：根据所述步骤S2的计算结果，将有关联度的用户链接在一起，形成群组结构。进一步的，所述步骤S3还包括：根据桥点值的大小判断用户是否在一个群组内。进一步的，所述根据桥点值的大小判断用户是否在一个群组内具体包括：将所述桥点值进行标准化计算，若是计算结果为0，则所述桥点值所对应的用户不在该群组内，否则，所述桥点值所对应的用户在该群组内。进一步的，所述步骤S3还包括：对所述群组进行编号，并把对应的用户和关联介质归类到所述群组下。进一步的，所述步骤S4具体包括：若是所述群组对应一个标签，则所述群组内的用户都带有这个标签，若是所述群组对应多个标签，则根据关联强度和关联度判定群组内用户的标签进一步的，所述对新用户进行群组运算具体包括：计算新用户和所述群组之间的相似度、关联强度以及桥点值。进一步的，所述判断新用户的群组归类具体包括：若是新用户和所述群组之间的相似度、关联强度以及桥点值越大，则说明所述新用户与群组之间的关联度越大另一方面，提供了一种协助反欺诈分析群组结构的工具，所述工具包括：数据获取模块，用于获取用户的信息及其关联人信息；计算模块，用于计算每个用户之间的关联度、每个关联介质的关联强度以及对新用户进行群组运算；群组搭建模块，用于根据每个用户之间的关联度以及每个关联介质的关联强度的计算结果，搭建群组；标签定义模块，用于对所述群组中的每个用户以及关联介质定义标签；生成模块，用于将所有的信息罗列生成数据表。进一步的，所述群组搭建模块包括：判断单元，用于判断每个用户之间的相似度以及桥点值的计算结果，相似度和/或桥点值越大，则判断用户之间的关联度越大；所述判断模块还用于根据将所述桥点值进行标准化计算后的结果，判断用户是否在一个群组内，若是计算结果为0，则所述桥点值所对应的用户不在该群组内，否则，所述桥点值所对应的用户在该群组内。进一步的，所述群组搭建模块还包括：编号单元，用于对所述群组进行编号。本专利技术实施例提供的技术方案带来的有益效果是：1、本专利技术实施例提供的协助反欺诈分析群组结构的方法及工具，将数据整合运算，搭建好群组，帮助公司搭建反欺诈体系，并且能够有效解决数据散落的、群组结构搭建慢、数据分析效率低等问题。2、本专利技术实施例提供的协助反欺诈分析群组结构的方法及工具，通过计算新用户与已存在群组的相似度、关联强度以及桥点值，快速定位新用户的群组归类，对新用户进行欺诈判断，提高反欺诈人员的工作效率，从而帮助业务快速决策，实时响应欺诈风险，从本质上止损。3、本专利技术实施例提供的协助反欺诈分析群组结构的方法及工具，相似度的设计理念采用非对称相似度，且只实现完全值匹配，以解决误匹配而导致的群组结构错误，提高群组结构搭建的准确率。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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专利技术的一些实施例，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，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的协助反欺诈分析群组结构的方法的流程图；图2是本专利技术实施例1提供的节点桥点值计算示例示意图；图3是本专利技术实施例提供的协助反欺诈分析群组结构的工具的结构示意图；图4是本专利技术实施例提供的协助反欺诈分析群组结构的工具的界面示意图；图5是本专利技术实施例提供的协助反欺诈分析群组结构的工具的界面中工具栏的示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例1图1是本专利技术实施例提供的协助反欺诈分析群组结构的方法的流程图，参照图1所示，所述方法包括如下步骤：S1：获取用户的信息及其关联人信息。具体的，获取用户的信息及其关联人信息作为数据样本，如表1所示，至少包括用户姓名、用户身份证号码、用户手机号码、用户与关联人关系、关联人姓名、关联人手机号码等。其中，用户的信息及其关联人信息包括历史数据和在线实时数据。S2：判断每个用户之间的关联度以及计算每个关联介质的关联强度。进一步的，通过计算每个用户之间的相似度以及桥点值来判断每个用户之间的关联度，相似度和/或桥点值越大，用户之间的关联度越大，其中关联介质包括手机号码、地址、邮箱、银行卡号等。具体的，本专利技术实施例中的相似度采用的是非对称相似度，每个节点(即指用户)的权重为1，权重平均分配到每一种属性上，两个节点的非对称相似度值由关联介质和其所在权重决定，计算方式如下：例如有两个节点(即用户)：A：{address：a1，a2，a3}{phone：p1，p2，p3}，B：{address：a1}，示例中，A-B通过关联介质a1关联，则计算A和B之间的非对称相似度时：sim(A，B)＝1/2*1/3*1/2sim(B，A)＝1*1*1/2这里需要说明的是，在本专利技术实施例中的每个用户即为一个节点，另外，在本专利技术实施例中只实现完全值匹配，这样可以避免误匹配而导致的群组结构错误。节点桥点值为任意两个非该节点的最短路径通过该节点的比率和，此运算可以帮助识别群组结构中某一用户和中心节点(及中心用户)的关联强度，以及这个群组结构的集本文档来自技高网...

【技术保护点】
1.一种协助反欺诈分析群组结构的方法，其特征在于，所述方法包括如下步骤：S1：获取用户的信息及其关联人信息；S2：判断每个用户之间的关联度以及计算每个关联介质的关联强度；S3：根据所述步骤S2的计算结果，搭建群组；S4：对所述群组中的每个用户以及关联介质定义标签；S5：将所有的信息罗列生成数据表，再对新用户进行群组运算，判断新用户的群组归类。

【技术特征摘要】
1.一种协助反欺诈分析群组结构的方法，其特征在于，所述方法包括如下步骤：S1：获取用户的信息及其关联人信息；S2：判断每个用户之间的关联度以及计算每个关联介质的关联强度；S3：根据所述步骤S2的计算结果，搭建群组；S4：对所述群组中的每个用户以及关联介质定义标签；S5：将所有的信息罗列生成数据表，再对新用户进行群组运算，判断新用户的群组归类。2.根据权利要求1所述的协助反欺诈分析群组结构的方法，其特征在于，所述步骤S2具体包括：通过计算每个用户之间的相似度以及桥点值来判断每个用户之间的关联度，相似度和/或桥点值越大，用户之间的关联度越大。3.根据权利要求1或2任意一项所述的协助反欺诈分析群组结构的方法，其特征在于，所述步骤S3具体包括：根据所述步骤S2的计算结果，将有关联度的用户链接在一起，形成群组结构。4.根据权利要求2所述的协助反欺诈分析群组结构的方法，其特征在于，所述步骤S3还包括：根据桥点值的大小判断用户是否在一个群组内。5.根据权利要求4所述的协助反欺诈分析群组结构的方法，其特征在于，所述根据桥点值的大小判断用户是否在一个群组内具体包括：将所述桥点值进行标准化计算，若是计算结果为0，则所述桥点值所对应的用户不在该群组内，否则，所述桥点值所对应的用户在该群组内。6.根据权利要求1或2任意一项所述的协助反欺诈分析群组结构的方法，其特征在于，所述步骤S3还包括：对所述群组进行编号，并把对应的用户和关联介质归类到所述群组下。7.根据权利要求1或2任意一项所述的协助反欺诈分析群组结构的方法，其特征在于，所述步骤S4具体包括：若是所述群组对应一个标签，则所述群组内的用户都带有这个标签，若是所...

【专利技术属性】
技术研发人员：陈卓尔，葛晓艳，
申请(专利权)人：众安在线财产保险股份有限公司，
类型：发明
国别省市：上海,31