信用风险用户识别方法及装置制造方法及图纸

本公开提供一种用于识别信用风险用户的方法及装置。在该方法中，基于若干用户的网络关联关系数据，构建用户关系图，所述用户关系图用于表示所述若干用户之间的关联关系。对用户关系图执行社区发现，以找出至少一个用户社区。基于至少一个用户社区的至少一个信用风险指标，从至少一个用户社区中确定出高信用风险用户社区。然后，将高信用风险用户社区中的用户识别为信用风险用户。利用该方法，能够高效地识别信用风险用户。

Credit Risk User Identification Method and Device

【技术实现步骤摘要】
信用风险用户识别方法及装置
本公开通常涉及计算机
，更具体地，涉及用于识别信用风险用户的方法及装置。
技术介绍
随着社会的快速发展，“信用”已经悄无声息地渗透到人们的生活当中，成为人们的无形财产。在实际生活中，一旦用户发生信用风险，比如用户因种种原因不愿或无力履行交易合同条件而构成违约所造成的信用风险，则会使得与该用户进行交易的交易方遭受损失。因此，在信息爆炸时代，如何识别信用风险用户就变得至关重要。
技术实现思路
鉴于上述，本公开提供了一种信用风险用户识别方法及装置。利用该信用风险用户识别方法及装置，能够高效地识别信用风险用户。根据本公开的一个方面，提供了一种用于识别信用风险用户的方法，包括：基于若干用户的网络关联关系数据，构建用户关系图，所述用户关系图用于表示所述若干用户之间的关联关系；对所述用户关系图执行社区发现，以找出至少一个用户社区；基于所述至少一个用户社区的至少一个信用风险指标，从所述至少一个用户社区中确定出高信用风险用户社区；以及将所述高信用风险用户社区中的用户识别为信用风险用户。可选地，在上述方面的一个示例中，所述若干用户的网络关联关系数据包括下述网络关联关系数据中的至少一种：若干用户的经由社交网络生成的社交关系数据；若干用户的经由各种媒介网络生成的关系数据；和若干用户的用户网络行为轨迹数据。可选地，在上述方面的一个示例中，在所述若干用户的网络关联关系数据包括多种网络关联关系数据的情况下，基于若干用户的网络关联关系数据，构建所述用户关系图包括：基于若干用户的各种网络关联关系数据，确定所述若干用户之间的对应关联关系；对所确定出的所述若干用户之间的对应关联关系进行组合；以及基于组合后的所述若干用户之间的关联关系，构建所述用户关系图。可选地，在上述方面的一个示例中，对所确定出的所述若干用户之间的对应关联关系进行组合包括：对所得到的各种关联关系进行归一化处理；以及对经过归一化处理后的各种关联关系进行组合。可选地，在上述方面的一个示例中，所述若干用户的网络关联关系数据是时序关联关系数据，以及所述网络关联关系数据具有随时间增加而降低的权重。可选地，在上述方面的一个示例中，所述方法还可以包括：从所构建的用户关系图中去除与信用风险用户无关联的用户所对应的用户关系，以得到信用风险用户关系网，以及对所述用户关系图执行社区发现，以找出至少一个用户社区包括：对所述信用风险用户关系图执行社区发现，以找出至少一个用户社区。可选地，在上述方面的一个示例中，在所述至少一个信用风险指标包括与多个信用风险相关的信用风险指标时，所述多个信用风险是同质的信用风险。可选地，在上述方面的一个示例中，基于所述至少一个用户社区的至少一个信用风险指标，从所述至少一个用户社区中确定出高信用风险用户社区可以包括：基于所述至少一个用户社区的至少一个信用风险指标来对所述至少一个用户社区进行信用风险评分；以及将所述至少一个用户社区中的信用风险评分超过预定阈值的用户社区，确定为高信用风险用户社区。根据本公开的另一方面，提供一种用于识别信用风险用户的装置，包括：用户关系图构建单元，被配置为基于若干用户的网络关联关系数据，构建用户关系图，所述用户关系图用于表示所述若干用户之间的关联关系；社区发现单元，被配置为对所述用户关系图执行社区发现，以找出至少一个用户社区；高风险用户社区确定单元，被配置为基于所述至少一个用户社区的至少一个信用风险指标，从所述至少一个用户社区中确定出高信用风险用户社区；以及信用风险用户识别单元，被配置为将所述高信用风险用户社区中的用户识别为信用风险用户。可选地，在上述方面的一个示例中，所述若干用户的网络关联关系数据包括下述网络关联关系数据中的至少一种：若干用户的经由社交网络生成的社交关系数据；若干用户的经由各种媒介网络生成的关系数据；和若干用户的用户网络行为轨迹数据。可选地，在上述方面的一个示例中，在所述若干用户的网络关联关系数据包括多种网络关联关系数据的情况下，所述用户关系图构建单元包括：关联关系确定模块，被配置为基于若干用户的各种网络关联关系数据，确定所述若干用户之间的对应关联关系；组合模块，被配置为对所确定出的所述若干用户之间的对应关联关系进行组合；以及用户关系图构建模块，被配置为基于组合后的所述若干用户之间的关联关系，构建所述用户关系图。可选地，在上述方面的一个示例中，所述组合模块被配置为：对所得到的各种关联关系进行归一化处理；以及对经过归一化处理后的各种关联关系进行组合。可选地，在上述方面的一个示例中，所述若干用户的网络关联关系数据是时序关联关系数据，以及所述网络关联关系数据具有随时间增加而降低的权重。可选地，在上述方面的一个示例中，所述装置还可以包括：用户关系去除单元，被配置为从所构建的用户关系图中去除与信用风险用户无关联的用户所对应的用户关系，以得到信用风险用户关系网，以及所述社区发现单元被配置为：对所述信用风险用户关系图执行社区发现，以找出至少一个用户社区。可选地，在上述方面的一个示例中，所述高风险用户社区确定单元包括：信用风险评分模块，被配置为基于所述至少一个用户社区的至少一个信用风险指标来对所述至少一个用户社区进行信用风险评分；以及高风险用户社区确定模块，被配置为将所述至少一个用户社区中的信用风险评分超过预定阈值的用户社区，确定为高信用风险用户社区。根据本公开的另一方面，提供一种计算设备，包括：至少一个处理器，以及与所述至少一个处理器耦合的存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如上所述的用于识别信用风险用户的方法。根据本公开的另一方面，提供一种非暂时性机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述机器执行如上所述的用于识别信用风险用户的方法。附图说明通过参照下面的附图，可以实现对于本公开内容的本质和优点的进一步理解。在附图中，类似组件或特征可以具有相同的附图标记。图1示出了根据本公开的实施例的用于识别信用风险用户的方法的流程图；图2示出了在用户的网络关联关系数据包括多种网络关联关系数据的情况下的用户关系图构建过程的示例的流程图；图3示出了根据本公开的实施例的高风险信用用户社区确定过程的一个示例的流程图；图4示出了根据本公开的实施例的用户关系图去除过程的一个示例的示意图；图5示出了根据本公开的实施例的信用风险用户识别装置的方框图；图6示出了根据本公开的实施例的用户关系图构建单元的一个示例的方框图；图7示出了根据本公开的实施例的高风险用户社区确定单元的一个示例的方框图；图8示出了根据本公开的实施例的用于信用风险用户识别的计算设备的方框图。具体实施方式现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本公开内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。例如，所描述的方法可以按照与所描述的顺序不同的顺序来执行，以及各个步骤可以被添加、省略或者组合。另外，相对一些示例所描述的特征在其它例子中也可以进行组合。如本文中本文档来自技高网...

【技术保护点】
1.一种用于识别信用风险用户的方法，包括：基于若干用户的网络关联关系数据，构建用户关系图，所述用户关系图用于表示所述若干用户之间的关联关系；对所述用户关系图执行社区发现，以找出至少一个用户社区；基于所述至少一个用户社区的至少一个信用风险指标，从所述至少一个用户社区中确定出高信用风险用户社区；以及将所述高信用风险用户社区中的用户识别为信用风险用户。

【技术特征摘要】
1.一种用于识别信用风险用户的方法，包括：基于若干用户的网络关联关系数据，构建用户关系图，所述用户关系图用于表示所述若干用户之间的关联关系；对所述用户关系图执行社区发现，以找出至少一个用户社区；基于所述至少一个用户社区的至少一个信用风险指标，从所述至少一个用户社区中确定出高信用风险用户社区；以及将所述高信用风险用户社区中的用户识别为信用风险用户。2.如权利要求1所述的方法，其中，所述若干用户的网络关联关系数据包括下述网络关联关系数据中的至少一种：若干用户的经由社交网络生成的社交关系数据；若干用户的经由各种媒介网络生成的关系数据；和若干用户的用户网络行为轨迹数据。3.如权利要求2所述的方法，其中，在所述若干用户的网络关联关系数据包括多种网络关联关系数据的情况下，基于若干用户的网络关联关系数据，构建所述用户关系图包括：基于若干用户的各种网络关联关系数据，确定所述若干用户之间的对应关联关系；对所确定出的所述若干用户之间的对应关联关系进行组合；以及基于组合后的所述若干用户之间的关联关系，构建所述用户关系图。4.如权利要求3所述的方法，其中，对所确定出的所述若干用户之间的对应关联关系进行组合包括：对所得到的各种关联关系进行归一化处理；以及对经过归一化处理后的各种关联关系进行组合。5.如权利要求1所述的方法，其中，所述若干用户的网络关联关系数据是时序关联关系数据，以及所述网络关联关系数据具有随时间增加而降低的权重。6.如权利要求1到5中任一所述的方法，还包括：从所构建的用户关系图中去除与信用风险用户无关联的用户所对应的用户关系，以得到信用风险用户关系网，以及对所述用户关系图执行社区发现，以找出至少一个用户社区包括：对所述信用风险用户关系图执行社区发现，以找出至少一个用户社区。7.如权利要求1所述的方法，其中，在所述至少一个信用风险指标包括与多个信用风险相关的信用风险指标时，所述多个信用风险是同质的信用风险。8.如权利要求1所述的方法，其中，基于所述至少一个用户社区的至少一个信用风险指标，从所述至少一个用户社区中确定出高信用风险用户社区包括：基于所述至少一个用户社区的至少一个信用风险指标来对所述至少一个用户社区进行信用风险评分；以及将所述至少一个用户社区中的信用风险评分超过预定阈值的用户社区，确定为高信用风险用户社区。9.一种用于识别信用风险用户的装置，包括：用户关系图构建单元，被配置为基于若干用户的网络关联关系数据，构建用户关系图，所述用户关系图用于表示所述若干用户...

【专利技术属性】
技术研发人员：方精丽，方彦明，钟娙雩，赵凤，贾全慧，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY