一种基于双方网络图数据的风险预测方法、装置和电子设备制造方法及图纸

本发明专利技术提供了一种基于双方网络图数据的风险预测方法、装置和电子设备。所述方法包括：获取历史用户的基础特征数据和行为特征数据，并构建双方网络关系图，双方网络关系图包括两类节点，即用户节点和信息节点；从双方网络关系图中提取历史用户的本地图特征数据；建立欺诈预测模型，使用历史用户的本地图特征数据和欺诈表现数据训练所述欺诈预测模型；获取目标用户的基础特征数据和行为特征数据，将该目标用户加入双方网络关系图中以提取目标用户的本地图特征数据，并输入欺诈预测模型，计算目标用户的欺诈预测值以进行风险预测。本发明专利技术的风险预测方法提高了数据的利用率，提升了欺诈模型的精度，还提升了业务水平。

A risk prediction method, device and electronic equipment based on the data of two side network diagram

【技术实现步骤摘要】
一种基于双方网络图数据的风险预测方法、装置和电子设备
本专利技术涉及通信领域，特别涉及一种基于双方网络图数据的风险预测方法、装置、电子设备和存储介质。
技术介绍
通过互联网申请贷款的信贷模式已得到长足发展。然而，相比于传统的信贷模式，网上申请贷款在带给人们便利性同时，也给信贷业务部门带来了欺诈骗贷风险的增加。如果不能很好的进行欺诈行为的识别和处理，将会给互联网金融平台带来了难以估量的损失。最近国内网贷规模逐步增加，网络借贷的风控作为重中之重。据报道，2017年有超过2000个网贷公司共完成超过2000亿笔借款，大笔数量借款使得这些公司曝露到频繁的欺诈行为中。为了识别这些欺诈行为，网贷公司存在如下问题：稀疏的信用相关数据；借贷行为的高频高次高速；欺诈行为的迭代更新等。因此，如何实时检测出上述这些欺诈行为，并且及时反馈到业务流程当中是非常关键的。现有技术通过建立专门的欺诈模型对申请用户进行欺诈评分，但是，由于欺诈行为发生的概率较少，数据较为单一，数据量不足，尤其是在关系网络图数据中存在大量缺失或不完整的数据，因此，在使用现有本文档来自技高网...

【技术保护点】
1.一种基于双方网络图数据的风险预测方法，其特征在于，包括：/n获取历史用户的基础特征数据和行为特征数据，并构建双方网络关系图，所述双方网络关系图包括两类节点，即用户节点和信息节点，所述用户节点是代表用户的节点，所述信息节点是将不同用户关联起来的节点；/n从所述双方网络关系图中提取历史用户的本地图特征数据；/n建立欺诈预测模型，使用所述历史用户的本地图特征数据和欺诈表现数据训练所述欺诈预测模型；/n获取目标用户的基础特征数据和行为特征数据，将该目标用户加入所述双方网络关系图中以提取目标用户的本地图特征数据，并输入所述欺诈预测模型，计算目标用户的欺诈预测值以进行风险预测。/n

【技术特征摘要】
1.一种基于双方网络图数据的风险预测方法，其特征在于，包括：
获取历史用户的基础特征数据和行为特征数据，并构建双方网络关系图，所述双方网络关系图包括两类节点，即用户节点和信息节点，所述用户节点是代表用户的节点，所述信息节点是将不同用户关联起来的节点；
从所述双方网络关系图中提取历史用户的本地图特征数据；
建立欺诈预测模型，使用所述历史用户的本地图特征数据和欺诈表现数据训练所述欺诈预测模型；
获取目标用户的基础特征数据和行为特征数据，将该目标用户加入所述双方网络关系图中以提取目标用户的本地图特征数据，并输入所述欺诈预测模型，计算目标用户的欺诈预测值以进行风险预测。


2.根据权利要求1所述的风险预测方法，其特征在于，所述提取包括：
确定所述本地图特征数据，所述本地图特征数据包括度序列特征数据、多边形特征数据、本地聚类系数中的至少一个。


3.根据权利要求1-2所述的风险预测方法，其特征在于，所述多边形特征是由两个用户节点关联不同的信息节点形成的四边形特征，其中，一个用户节点的数据与目标用户的数据相对应。


4.根据权利要求1-3所述的风险预测方法，其特征在于，所述预测方法还包括：
基于所述四边形特征数据及已知的用户节点和信息节点的信息数据，计算未知的用户节点或信息节点的信息数据。


5.根据权利要求1-4所述的风险预测方法，其特征在于，所述用户节点包括用户个人特征数据和网络特征数据。


6.根据权利要求1-5所述的风险预测方法，其特征在于...

【专利技术属性】
技术研发人员：姚聪，
申请(专利权)人：北京淇瑀信息科技有限公司，
类型：发明
国别省市：北京;11