The invention provides a training method, device and server for a credit fraud detection method and its model, in which, in the training method of a credit fraud detection model, the customer statistical characteristic vector and the customer relationship atlas are determined by acquiring the credit customer data, and the node sequence in the customer relationship atlas is transformed by acquiring the corresponding status label data of the credit customer data. Then, the node label sequence is transformed into the corresponding feature vectors of customer relationship atlas by skip gram algorithm. According to the statistical feature vectors and the feature vectors of customer relationship atlas, the initial model is trained until the number of iterations of training meets the preset threshold of iterations, and the credit fraud detection model is obtained. The credit fraud detection model of the invention utilizes the network structure of the relational atlas, label features and statistical feature vectors, and can better identify the fraud risk of customers, thereby improving the reliability of the risk detection results.
【技术实现步骤摘要】
信贷欺诈检测方法及其模型的训练方法、装置和服务器
本专利技术涉及互联网信贷风控
,尤其是涉及一种信贷欺诈检测方法及其模型的训练方法、装置和服务器。
技术介绍
随着知识图谱和社交网络技术的发展以及在互联网领域中的广泛应用,很多互联网金融机构也开始将关系图谱应用于互联网信贷领域;比如将人物关系做可视化展示,以辅助人工做贷前审批;根据专家经验从图谱中人为的总结几个衍生变量,比如一度关联特征、二度关联特征等,或者从社交网络中提取诸如出度、入度、中心性以及PageRank(网页级别)等基于图论的特征,用于申请评分或者反欺诈;这些方法都基于关系图谱的网络结构进行一定的信息特征抽取,当面对数量庞大的复杂网络的时候,这个过程中必然存在一定的信息缺失,也不能充分表达网络的结构信息,导致仅由关系图谱的网络结构进行互联网信贷检测,得到的结果可靠性较差。
技术实现思路
有鉴于此,本专利技术的目的在于提供信贷欺诈检测方法及其模型的训练方法、装置和服务器,以提高信贷风险检测结果的可靠性。第一方面,本专利技术实施例提供了一种信贷欺诈检测模型的训练方法,该方法包括:获取信贷客户数据和对应的状态标签数据;根据信贷客户数据,确定客户统计特征向量和客户关系图谱;通过信贷客户数据对应的状态标签数据,将信贷客户数据对应的述客户关系图谱中的节点序列转换为节点标签序列;通过skip-gram算法,将节点标签序列转化为客户关系图谱对应的特征向量;根据统计特征向量和客户关系图谱的特征向量,对初始模型进行训练,直至训练的迭代次数满足预设的迭代次数阈值,得到信贷欺诈检测模型。结合第一方面,本专利技术实施例提 ...
【技术保护点】
1.一种信贷欺诈检测模型的训练方法,其特征在于,所述方法包括:获取信贷客户数据和对应的状态标签数据;根据所述信贷客户数据,确定客户统计特征向量和客户关系图谱;通过所述信贷客户数据对应的所述状态标签数据,将所述信贷客户数据对应的所述客户关系图谱中的节点序列转换为节点标签序列;通过skip‑gram算法,将所述节点标签序列转化为所述客户关系图谱对应的特征向量;根据所述统计特征向量和所述客户关系图谱的特征向量,对初始模型进行训练,直至训练的迭代次数满足预设的迭代次数阈值,得到信贷欺诈检测模型。
【技术特征摘要】
1.一种信贷欺诈检测模型的训练方法,其特征在于,所述方法包括:获取信贷客户数据和对应的状态标签数据;根据所述信贷客户数据,确定客户统计特征向量和客户关系图谱;通过所述信贷客户数据对应的所述状态标签数据,将所述信贷客户数据对应的所述客户关系图谱中的节点序列转换为节点标签序列;通过skip-gram算法,将所述节点标签序列转化为所述客户关系图谱对应的特征向量;根据所述统计特征向量和所述客户关系图谱的特征向量,对初始模型进行训练,直至训练的迭代次数满足预设的迭代次数阈值,得到信贷欺诈检测模型。2.根据权利要求1所述的方法,其特征在于,所述客户关系图谱包括申请数据、属性数据和相应的客户关系;所述客户统计特征向量包括行为统计特征向量、申请统计特征向量和关系统计特征向量,所述客户统计特征向量通过下述方式获得:获取所述信贷客户数据的设备数据、申请数据和社交数据;通过对所述设备数据的计算,得到所述行为统计特征向量;通过对所述申请数据的计算,得到所述申请统计特征向量;通过对所述社交数据的计算,得到所述关系统计特征向量。3.根据权利要求1所述的方法,其特征在于,在通过所述信贷客户数据对应的所述状态标签数据,将所述信贷客户数据对应的所述客户关系图谱中的节点序列转换为节点标签序列的步骤之前,还包括:通过客户关系预设的关系权重和随机游走算法,得到所述客户关系图谱的节点序列;所述节点序列包括申请节点和属性节点。4.根据权利要求1所述的方法,其特征在于,所述通过所述信贷客户数据对应的所述状态标签数据,将所述信贷客户数据对应的所述客户关系图谱中的节点序列转换为节点标签序列的步骤包括:将所述信贷客户数据对应的所述客户关系图谱中的节点序列中的申请节点转化为所述信贷客户数据对应的所述状态标签数据;将所述信贷客户数据对应的所述客户关系图谱中的节点序列中的属性节点转化为客户关系图谱中申请数据、属性数据或者相应的客户关系,以得到所述节点序列对应的节点标签序列。5.根据权利要求1所述的方法,其特征在于,所述通过skip-gram算法,将所述节点标签序列转化为所述客户关系图谱对应的特征向量的步骤,包括:将所述节点标签序列输入至skip-gram模型,输出得到所述客户关系图谱对应的特征向量。6.根据权利要求...
【专利技术属性】
技术研发人员:李犇,于皓,张涧,张卓博,张杰,
申请(专利权)人:阳光财产保险股份有限公司,
类型:发明
国别省市:北京,11
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。