基于树的相似度匹配的金融风险控制方法及装置制造方法及图纸

本申请公开了一种基于树的相似度匹配的金融风险控制方法及装置。所述方法包括：根据标准树与至少一个实际交易树的节点，确定深度与所述标准树相同的实际交易树；根据所述深度相同的标准树与实际交易树之间的树结构匹配指数，确定结构与所述标准交易树相似的实际交易树；根据所述结构相似的实际交易树与标准树的每一个节点上的存储信息的词向量，计算所述结构相似的实际交易树与标准树之间的最终相似值；根据所述结构相似的实际交易树与标准树之间的最终相似值，确定所述实际交易树是否为风险树。

Financial risk control method and device based on tree similarity matching

【技术实现步骤摘要】
基于树的相似度匹配的金融风险控制方法及装置
本说明书涉及计算机领域。
技术介绍
在计算机领域中，树是一种重要的非线性数据结构，直观地看，它是数据元素(在树中称为结点)按分支关系组织起来的结构，很象自然界中的树那样。树结构中含有一些重要的概念。例如，树结构的“度”，也即是宽度，简单地说，就是结点的分支数。以组成该树各结点中最大的度作为该树的度。又例如，树结构的“深度”，是指组成该树各结点的最大层次，具体的，根结点的层次为1，其他结点的层次等于它的父结点的层次数加1。其中，节点的层次是指：从根开始定义起，根为第1层，根的子节点为第2层，以此类推。目前，在资金交易流程的管理中也引入了树结构。但是，通过具体使用的方式却只能够针对特定结构的树，并且尚未具体地涉及到存储在书的节点上的文本信息。
技术实现思路
本说明书提供了一种基于树的相似度匹配的金融风险控制方法及装置，能够更好地适应各种树的不同层和节点的结构，以及各种树的节点的不同的存储信息的文本结构，从而更加及时有效地发现金融交易的风险。为了解决上述问题，本申请公开了一种基于树的相似度匹配的金融风险控制方法，包括：根据标准树与至少一个实际交易树的节点，确定深度与该标准树相同的实际交易树；根据该深度相同的标准树与实际交易树之间的树结构匹配指数，确定结构与该标准交易树相似的实际交易树；根据该结构相似的实际交易树与标准树的每一个节点上的存储信息的词向量，计算该结构相似的实际交易树与标准树之间的最终相似值；根据该结构相似的实际交易树与标准树之间的最终相似值，确定该实际交易树是否为风险树。在一个优选例中，该根据该结构相似的实际交易树与标准树的每一个节点上的存储信息的词向量，计算该结构相似的实际交易树与标准树之间的最终相似值的步骤，包括：分别计算该结构相似的实际交易树与标准树的每一个节点上的存储信息的词向量，并分别生成该结构相似的实际交易树与标准树的相应的词向量矩阵；根据该结构相似的实际交易树的词向量矩阵与该标准树的相应的词向量矩阵，计算该结构相似的实际交易树与标准树之间的最终相似值。在一个优选例中，该根据该结构相似的实际交易树的词向量矩阵与该标准树的相应的词向量矩阵，计算该结构相似的实际交易树与标准树之间的最终相似值的步骤，包括：采用滑动窗口的方式对该结构相似的实际交易树与标准树的词向量进行比较，确定该标准树的词向量的矩阵中的每一个词向量与结构相似的实际交易树的最大相似值；通过对标准树的词向量的矩阵中的每一个词向量与结构相似的实际交易树的最大相似值进行累加，获得结构相似的标准树与实际交易树之间的最大相似值的滑动累计值；依次地分别对该结构相似的标准树与实际交易树的词向量的矩阵中的每一组i个连续的词向量组，以滑动窗口的方式进行依次比较，获得结构相似的标准树与实际交易树的每一组i个连续的词向量组之间的最大相似值，其中，该标准树的词向量矩阵中的词向量的数量为N，i为2至N之间的自然数；对该结构相似的标准树与实际交易树之间的最大相似值的滑动累计值，与该结构相似的标准树与实际交易树的每一组i个连续的词向量组之间的最大相似值进行累加，获得该结构相似的标准树与实际交易树之间的最终相似值。在一个优选例中，该根据标准树与至少一个实际交易树的节点，确定深度与该标准树相同的实际交易树的步骤，包括：分别确定该标准树与该实际交易树的每一层的每一个节点对应的节点编码，其中，该节点编码包含父节点编号和子节点编号；通过比较该标准树与该实际交易树的节点编码的位数，确定深度与该标准树相同的实际交易树。在一个优选例中，该根据该深度相同的标准树与实际交易树之间的树结构匹配指数，确定结构与该标准交易树相似的实际交易树的步骤，包括：确定该深度相同的实际交易树与标准树之间的树结构匹配指数；对该深度相同的实际交易树与标准树之间的树结构匹配指数与阈值进行比较，将小于该阈值的树结构匹配指数所对应的实际交易树确定为结构与该标准树相似的实际交易树。在一个优选例中，该确定该深度相同的实际交易树与标准树之间的树结构匹配指数的步骤，包括：根据预先设置的每一个层次的节点对应的层匹配权重，计算该深度相同的实际交易树中，每一个未出现在该标准树中的节点相应的节点匹配指数；对该深度相同的实际交易树中的未出现在该标准树中的所有的节点相应的节点匹配指数进行求和，确定该深度相同的实际交易树与标准树之间的树结构匹配指数。在一个优选例中，该根据预先设置的每一个层次的节点对应的层匹配权重的步骤中，该层匹配权重由底层到最上层依次增加。在一个优选例中，该根据该结构相似的实际交易树与标准树之间的最终相似值，确定该实际交易树是否为风险树的步骤，包括：将与该标准树的最终相似值最高的该实际交易树确定为最终的相似树；将其它该实际交易树确定为风险树。本申请还公开了一种基于树的相似度匹配的金融风险控制装置，包括：深度相同确定模块，用于根据标准树与至少一个实际交易树的节点，确定深度与该标准树相同的实际交易树；结构相似确定模块，用于根据该深度相同的标准树与实际交易树之间的树结构匹配指数，确定结构与该标准交易树相似的实际交易树；最终相似值模块，用于根据该结构相似的实际交易树与标准树的每一个节点上的存储信息的词向量，计算该结构相似的实际交易树与标准树之间的最终相似值；风险树确定模块，用于根据该结构相似的实际交易树与标准树之间的最终相似值，确定该实际交易树是否为风险树。本申请还公开了一种基于树的相似度匹配的金融风险控制设备，包括：存储器，用于存储计算机可执行指令；以及，处理器，用于在执行该计算机可执行指令时实现如前文描述的方法中的步骤。本申请还公开了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现如前文描述的方法中的步骤。本说明书实施方式中，首先比较标准树与实际交易树的树结构，并确定结构与所述标准交易树相似的实际交易树，再进一步比较标准树与这些实际交易树每一个节点上的存储信息之间的相似程度，不但实现了结构与内容的双重比对，提高了比对的准确程度，而且能够适应不同的层和节点的结构。并且，在对每一个节点的存储信息的相似度进行评估时，通过滑动窗口的方式，考虑了标准树的词向量矩阵中每一个词向量以及每组i个连续的词向量与实际交易树中的每一个词向量以及每组i个连续的词向量之间的相似值，并取最大相似值进行累加，能够更好地评估标准树与实际交易树的节点的存储信息之间的相似程度。并且，在对标准树与实际交易树的结构相似度进行评估时，层匹配权重由底层到最上层依次增加，能够更准确地描述树结构上的相似程度。综上，本申请可以更好地适应各种树的不同层和节点的结构，以及各种树的节点的不同的存储信息的文本结构，从而更加及时有效地发现金融交易的风险。本说明书中记载了大量的技术特征，分布在各个技术方案中，如果要罗列出本申请所有可能的技术特征的组合(即技术方案)的话，会使得说明书过于冗长。为了避免这个问题，本说明书上述
技术实现思路
中公开的各个技术特征、在下文各个实施方式和例子中公开的各技术特征、以及附图中公开的各个技术特征，都可以自由地互相组合，从而构成各种新的技术方案(这些技术方案均应该视为在本说明书中已经记载)，除非这种技术特征的组合在技术上是不可行的。例如本文档来自技高网...

【技术保护点】
1.一种基于树的相似度匹配的金融风险控制方法，其特征在于，包括：根据标准树与至少一个实际交易树的节点，确定深度与所述标准树相同的实际交易树；根据所述深度相同的标准树与实际交易树之间的树结构匹配指数，确定结构与所述标准交易树相似的实际交易树；根据所述结构相似的实际交易树与标准树的每一个节点上的存储信息的词向量，计算所述结构相似的实际交易树与标准树之间的最终相似值；根据所述结构相似的实际交易树与标准树之间的最终相似值，确定所述实际交易树是否为风险树。

【技术特征摘要】
1.一种基于树的相似度匹配的金融风险控制方法，其特征在于，包括：根据标准树与至少一个实际交易树的节点，确定深度与所述标准树相同的实际交易树；根据所述深度相同的标准树与实际交易树之间的树结构匹配指数，确定结构与所述标准交易树相似的实际交易树；根据所述结构相似的实际交易树与标准树的每一个节点上的存储信息的词向量，计算所述结构相似的实际交易树与标准树之间的最终相似值；根据所述结构相似的实际交易树与标准树之间的最终相似值，确定所述实际交易树是否为风险树。2.如权利要求1所述的方法，其特征在于，所述根据所述结构相似的实际交易树与标准树的每一个节点上的存储信息的词向量，计算所述结构相似的实际交易树与标准树之间的最终相似值的步骤，包括：分别计算所述结构相似的实际交易树与标准树的每一个节点上的存储信息的词向量，并分别生成所述结构相似的实际交易树与标准树的相应的词向量矩阵；根据所述结构相似的实际交易树的词向量矩阵与所述标准树的相应的词向量矩阵，计算所述结构相似的实际交易树与标准树之间的最终相似值。3.如权利要求2所述的方法，其特征在于，所述根据所述结构相似的实际交易树的词向量矩阵与所述标准树的相应的词向量矩阵，计算所述结构相似的实际交易树与标准树之间的最终相似值的步骤，包括：采用滑动窗口的方式对所述结构相似的实际交易树与标准树的词向量进行比较，确定所述标准树的词向量的矩阵中的每一个词向量与结构相似的实际交易树的最大相似值；通过对标准树的词向量的矩阵中的每一个词向量与结构相似的实际交易树的最大相似值进行累加，获得结构相似的标准树与实际交易树之间的最大相似值的滑动累计值；依次地分别对所述结构相似的标准树与实际交易树的词向量的矩阵中的每一组i个连续的词向量组，以滑动窗口的方式进行依次比较，获得结构相似的标准树与实际交易树的每一组i个连续的词向量组之间的最大相似值，其中，所述标准树的词向量矩阵中的词向量的数量为N，i为2至N之间的自然数；对所述结构相似的标准树与实际交易树之间的最大相似值的滑动累计值，与所述结构相似的标准树与实际交易树的每一组i个连续的词向量组之间的最大相似值进行累加，获得所述结构相似的标准树与实际交易树之间的最终相似值。4.如权利要求1所述的方法，其特征在于，所述根据标准树与至少一个实际交易树的节点，确定深度与所述标准树相同的实际交易树的步骤，包括：分别确定所述标准树与所述实际交易树的每一层的每一个节点对应的节点编码，其中，所述节点编码包含父节点编号和子节点编号；通过比较所述标准树与所述...

【专利技术属性】
技术研发人员：朱新新，翟毅腾，
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