The invention provides a credit fraud analysis method, device, equipment and computer readable storage medium, which integrates and correlates various address information of loan applicants in a \relational\ way, helps to determine the connection between address information, and predicts the potential credit fraud risk by combining the processing logic of dyeing black (or dyeing grey) so as to conduct large data analysis. Loan applicants'loan terminals carry out related risk detection, which improves the accuracy of credit analysis, can effectively warn potential risks, help to identify and avoid risks as soon as possible, and reduce the bad debt rate.
【技术实现步骤摘要】
信贷欺诈分析方法、装置、设备及计算机可读存储介质
本专利技术涉及大数据领域,尤其涉及一种信贷欺诈分析方法、装置、设备及计算机可读存储介质。
技术介绍
随着社会和金融行业的快速发展,信贷业务活跃于市场。信贷机构在向贷款申请者进行放款前,需要根据贷款申请者提供的信息进行分析,以确定其欺诈风险性;在分析过程中,往往会涉及贷款申请者的地址分析,如家庭地址、工作地址、GPS地址等。传统的信贷风险分析方法,是对各个地址信息进行单一分析,确定其真实性,而忽略了各地址之间的关联性,从而降低了信贷欺诈分析的准确性。
技术实现思路
本专利技术的主要目的在于提供一种信贷欺诈分析方法、装置、设备及计算机可读存储介质,旨在提高信贷欺诈分析的准确性。为实现上述目的,本专利技术提供一种信贷欺诈分析方法,所述信贷分析方法包括:的基本信息,并根据所述基本信息获取对应的地址因子集,所述地址因子集的地址因子数量至少为两个;基于预设关联规则对所述地址因子集的地址因子之间建立实体关联,获得对应的地址关联图,所述地址关联图中至少包括两个相互关联的地址因子;根据接收到的因子指定指令在所述地址关联图中分别确定目标因子和参考因子,并根据所述目标因子和参考因子的关联关系、因子类型和预设关系度公式计算所述目标因子与参考因子之间的关系度;当所述参考因子属于黑名单因子时,判断所述关系度是否大于预设关系阈值;若所述关系度大于预设关系阈值,则确定所述目标因子所对应的基本信息为疑似欺诈信息。可选地,所述基本信息包括地址类信息,所述地址因子集包括直译地址因子,所述根据所述基本信息获取对应的地址因子集的步骤包括:基于预设区划词 ...
【技术保护点】
1.一种信贷欺诈分析方法,其特征在于,所述信贷欺诈分析方法包括:在接收到信贷风险分析请求时,获取所述信贷风险分析请求对应信贷申请者的基本信息,并根据所述基本信息获取对应的地址因子集,所述地址因子集的地址因子数量至少为两个;基于预设关联规则对所述地址因子集的地址因子之间建立实体关联,获得对应的地址关联图,所述地址关联图中至少包括两个相互关联的地址因子;根据接收到的因子指定指令在所述地址关联图中分别确定目标因子和参考因子,并根据所述目标因子和参考因子的关联关系、因子类型和预设关系度公式计算所述目标因子与参考因子之间的关系度;当所述参考因子属于黑名单因子时,判断所述关系度是否大于预设关系阈值;若所述关系度大于预设关系阈值,则确定所述目标因子所对应的基本信息为疑似欺诈信息。
【技术特征摘要】
1.一种信贷欺诈分析方法,其特征在于,所述信贷欺诈分析方法包括:在接收到信贷风险分析请求时,获取所述信贷风险分析请求对应信贷申请者的基本信息,并根据所述基本信息获取对应的地址因子集,所述地址因子集的地址因子数量至少为两个;基于预设关联规则对所述地址因子集的地址因子之间建立实体关联,获得对应的地址关联图,所述地址关联图中至少包括两个相互关联的地址因子;根据接收到的因子指定指令在所述地址关联图中分别确定目标因子和参考因子,并根据所述目标因子和参考因子的关联关系、因子类型和预设关系度公式计算所述目标因子与参考因子之间的关系度;当所述参考因子属于黑名单因子时,判断所述关系度是否大于预设关系阈值;若所述关系度大于预设关系阈值,则确定所述目标因子所对应的基本信息为疑似欺诈信息。2.如权利要求1所述的信贷欺诈分析方法,其特征在于,所述基本信息包括地址类信息,所述地址因子集包括直译地址因子,所述根据所述基本信息获取对应的地址因子集的步骤包括:基于预设区划词典对所述地址类信息进行关键字匹配,提取地址关键字;根据所述地址关键字和所述预设区划词典对所述地址类信息进行规整,得到对应的直译地址因子。3.如权利要求1所述的信贷欺诈分析方法,其特征在于,所述基本信息包括非地址类信息,所述地址因子集包括转译地址因子,所述根据所述基本信息获取对应的地址因子的步骤包括:根据所述非地址类信息的信息类型确定对应的信息转译规则,并根据所述信息转译规则对所述非地址类信息进行转译,得到对应的转译地址因子。4.如权利要求1所述的信贷欺诈分析方法,其特征在于,所述基于预设关联规则对所述地址因子集的地址因子之间建立实体关联的步骤包括:根据预设模糊匹配算法以成对计算的方式计算所述地址因子集的地址因子之间的模糊匹配度,并在模糊匹配度大于预设模糊阈值的两个地址因子之间建立模糊匹配关联。5.如权利要求3所述的信贷欺诈分析方法,其特征在于,所述根据预设模糊匹配算法以成对计算的方式计算所述地址因子之间的模糊匹配度的步骤包括:在所述地址因子集中选取两个地址因子作为计算因子,并基于预设量化规则分别将所述计算因子量化为对应的第一字符组D1和第二字符组D2;根据所述第一特征组D1和所述第二特征组D2获取全字符组D,并分别根据全字符组D的各字符在第一字符组D1和第二字符组D2中出现频率、确定第一特征组D1对应的第一字符频率组DD1和第一特征组D2对应第二字符频率组DD2;根据预设模糊匹配度公式、所述第一字符频率组DD1和所述第二字符频率组DD2计算对应的模糊匹配度,所述预设模糊匹配度公式为其中,sim为计算因子之间的模糊匹配度;...
【专利技术属性】
技术研发人员:向纯玉,
申请(专利权)人:深圳壹账通智能科技有限公司,
类型:发明
国别省市:广东,44
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。