基于用户关系的风险评估方法、装置和计算机设备制造方法及图纸

本申请涉及一种基于用户关系的风险评估方法、装置、计算机可读存储介质和计算机设备，所述方法包括：获取待评估用户对应的属性特征数据；获取待评估用户对应的用户间关系信息，根据用户间关系信息确定待评估用户对应的关联用户，根据关联用户获取对应的关联风险评估结果；使用关联风险评估结果计算各个统计结果，组合各个统计结果得到待评估用户对应的关联特征数据，将待评估用户对应的属性特征数据和关联特征数据输入到风险评估模型中计算，得到待评估用户对应的风险评估结果；风险评估模型是根据训练用户对应的属性特征数据、关联特征数据和信用特征数据进行训练得到的。本申请提供的方案可以使得到的风险评估结果更加准确。

Risk assessment methods, devices and computer equipment based on user relationship

【技术实现步骤摘要】
基于用户关系的风险评估方法、装置和计算机设备
本申请涉及计算机
，特别是涉及一种基于用户关系的风险评估方法、装置、存储介质和计算机设备。
技术介绍
随着人工智能技术的发展，互联网金融企业开始采用人工智能对用户进行风险评估。比如，使用机器学习模型来对用户进行风险评估，其主要流程是首先会收集一批已有金融业务表现的用户，关联更多维度的用户数据，将用户数据输入到机器学习模型中，训练得到风险评估模型。在对新用户进行风险评估时，需要获取到新用户的用户数据，将用户数据通过风险评估模型进行评估，得到风险评估结果。然而，目前的风险评估模型在训练时通常将用户当成独立的个体，通过获取用户本身更多维度的数据来训练风险评估模型。其忽略了在金融场景下用户之间是有紧密联系的。只使用用户本身更多维度的数据来训练风险评估模型，会使风险评估模型存在风险评估准确性低的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高风险评估准确性的基于用户关系的风险评估方法、装置、存储介质和计算机设备。一种基于用户关系的风险评估方法，包括获取待评估用户对应的属性特征数据，属性特征数据是指根据用户属性转换得到的特征数据；获取待评估用户对应的用户间关系信息，根据用户间关系信息确定待评估用户对应的关联用户，根据关联用户获取对应的关联风险评估结果；使用关联风险评估结果计算各个统计结果，组合各个统计结果得到待评估用户对应的关联特征数据，将待评估用户对应的属性特征数据和关联特征数据输入到风险评估模型中计算，得到待评估用户对应的风险评估结果；风险评估模型是根据训练用户对应的属性特征数据、关联特征数据和信用特征数据进行训练得到的。一种基于用户关系的风险评估装置，包括：属性获取模块，用于获取待评估用户对应的属性特征数据，属性特征数据是指根据用户属性转换得到的特征数据；关联结果获取模块，用于获取待评估用户对应的用户间关系信息，根据用户间关系信息确定待评估用户对应的关联用户，根据关联用户获取对应的关联风险评估结果；评估模块，用于使用关联风险评估结果计算各个统计结果，组合各个统计结果得到待评估用户对应的关联特征数据，将待评估用户对应的属性特征数据和关联特征数据输入到风险评估模型中计算，得到待评估用户对应的风险评估结果；风险评估模型是根据训练用户对应的属性特征数据、关联特征数据和信用特征数据进行训练得到的。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行程序时实现以下步骤：获取待评估用户对应的属性特征数据，属性特征数据是指根据用户属性转换得到的特征数据；获取待评估用户对应的用户间关系信息，根据用户间关系信息确定待评估用户对应的关联用户，根据关联用户获取对应的关联风险评估结果；使用关联风险评估结果计算各个统计结果，组合各个统计结果得到待评估用户对应的关联特征数据，将待评估用户对应的属性特征数据和关联特征数据输入到风险评估模型中计算，得到待评估用户对应的风险评估结果；风险评估模型是根据训练用户对应的属性特征数据、关联特征数据和信用特征数据进行训练得到的。一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：获取待评估用户对应的属性特征数据，属性特征数据是指根据用户属性转换得到的特征数据；获取待评估用户对应的用户间关系信息，根据用户间关系信息确定待评估用户对应的关联用户，根据关联用户获取对应的关联风险评估结果；使用关联风险评估结果计算各个统计结果，组合各个统计结果得到待评估用户对应的关联特征数据，将待评估用户对应的属性特征数据和关联特征数据输入到风险评估模型中计算，得到待评估用户对应的风险评估结果；风险评估模型是根据训练用户对应的属性特征数据、关联特征数据和信用特征数据进行训练得到的。上述基于用户关系的风险评估方法、装置、存储介质和计算机设备，通过获取到用户间关系信息，根据用户间关系信息确定待评估用户对应的关联用户，根据关联用户获取对应的关联风险评估结果。然后根据关联风险评估结果得到待评估用户对应的关联特征数据，使用待评估用户对应的属性特征数据和关联特征数据输入到风险评估模型中计算，得到待评估用户对应的风险评估结果，根据用户间关系信息得到待评估用户对应的关联用户，充分利用关联用户的风险评估结果得到关联特征数据，从而根据关联特征数据和属性特征数据使用风险评估模型进行风险评估，能够使得到的风险评估结果更加准确。附图说明图1为一个实施例中基于用户关系的风险评估方法的应用环境图；图2为一个实施例中基于用户关系的风险评估方法的流程示意图；图3为另一个实施例中基于用户关系的风险评估方法的流程示意图；图4为又一个实施例中基于用户关系的风险评估方法的流程示意图；图5为再一个实施例中基于用户关系的风险评估方法的流程示意图；图6为一个具体实施例中得到用户关系图的示意图；图7为又一个实施例中基于用户关系的风险评估的流程示意图；图8为一个实施例中训练得到风险评估模型的流程示意图；图9为一个具体实施例中得到模型特征的示意图；图10为一个实施例中迭代循环得到风险评估模型的流程示意图；图11为另一个实施例中训练得到风险评估模型的流程示意图；图12为一个实施例中风险评估模型训练架构的示意图；图13为一个具体实施例中训练风险评估模型的流程示意图；图14为一个具体实施例中基于用户关系的风险评估方法的流程示意图；图15为另一个实施例中基于用户关系的风险评估装置的结构框图；图16为一个实施例中计算机设备的结构框图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。人工智能(ArtificialIntelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复本文档来自技高网...

【技术保护点】
1.一种基于用户关系的风险评估方法，包括：/n获取待评估用户对应的属性特征数据，所述属性特征数据是指根据用户属性转换得到的特征数据；/n获取所述待评估用户对应的用户间关系信息，根据所述用户间关系信息确定所述待评估用户对应的关联用户，根据所述关联用户获取对应的关联风险评估结果；/n使用所述关联风险评估结果计算各个统计结果，组合所述各个统计结果得到所述待评估用户对应的关联特征数据，将所述待评估用户对应的属性特征数据和所述关联特征数据输入到风险评估模型中计算，得到待评估用户对应的风险评估结果；/n所述风险评估模型是根据训练用户对应的属性特征数据、关联特征数据和信用特征数据进行训练得到的。/n

【技术特征摘要】
1.一种基于用户关系的风险评估方法，包括：
获取待评估用户对应的属性特征数据，所述属性特征数据是指根据用户属性转换得到的特征数据；
获取所述待评估用户对应的用户间关系信息，根据所述用户间关系信息确定所述待评估用户对应的关联用户，根据所述关联用户获取对应的关联风险评估结果；
使用所述关联风险评估结果计算各个统计结果，组合所述各个统计结果得到所述待评估用户对应的关联特征数据，将所述待评估用户对应的属性特征数据和所述关联特征数据输入到风险评估模型中计算，得到待评估用户对应的风险评估结果；
所述风险评估模型是根据训练用户对应的属性特征数据、关联特征数据和信用特征数据进行训练得到的。


2.根据权利要求1所述的方法，其特征在于，所述获取待评估用户对应的属性特征数据，包括：
获取待评估用户标识，根据所述待评估用户标识从用户属性特征数据库中查找所述待评估用户对应的属性特征数据。


3.根据权利要求1所述的方法，其特征在于，所述获取所述待评估用户对应的用户间关系信息，根据所述用户间关系信息确定所述待评估用户对应的关联用户，包括：
获取已建立的用户关系图，在所述用户关系图中查找所述待评估用户；
当查找到所述待评估用户时，从所述用户关系图中查找所述待评估用户对应的关联用户。


4.根据权利要求3所述的方法，其特征在于，在所述获取已建立的用户关系图之前，包括：
建立用户关系图，所述用户关系图用于表示用户间行为的关联信息。


5.根据权利要求4所述的方法，其特征在于，所述建立用户关系图，包括：
获取各个用户对应的社交关系信息；
根据所述社交关系信息建立用户关系图。


6.根据权利要求4所述的方法，其特征在于，所述建立用户关系图，包括：
获取各个用户对应的行为数据；
从所述行为数据中确定目标行为特征数据，将相同目标行为特征数据的用户关联，得到用户关系图。


7.根据权利要求1所述的方法，其特征在于，所述使用所述关联风险评估结果计算各个统计结果，组合各个统计结果得到所述待评估用户对应的关联特征数据，包括：
获取各个统计计算类型维度；
根据所述关联用户风险评估结果计算所述各个统计类型维度对应的维度结果，组合所述维度结果得到待评估用户关联特征数据。


8.根据权利要求1所述的方法，其特征在于，所述风险评估模型的训练步骤包括：
获取标注训练用户，所述标注训练用户是指存在信用标注数据的训练用户；
获取所述标注训练用户对应的属性特征数据，根据所述信用标注数据确定所述标注训练用户对应的信用特征数据；
获取所述标注训练用户对应的初始风险评估结果，并获取训练用户间关系信息，根据所述训练用户间关系信息确定所述标注训练用户对应的第一关联用户；
获取所述第一关联用户对应的第一关联风险评估结果，使用所述第一关联风险评估结果计算各个统计结果，组合所述各个统计结果得到所述标注训练用户对应的关联特征数据；
将所述标注训练用户对应的属性特征数据、信用特征数据和关联特征数据使用初始机器学习算法模型进行训练，得到当前风险评估模型和所述标注训练用户对应的当前风险评估结果；
当所述标注训练用户对应的初始风险评估结果和当前风险评估结果符合第一预设条件时，将所述当前风险评估模型作为训练得到的所述风险评估模型。


9.根据权利要求8所述的方法，其特征在于，在所述将所述标注训练用户对应的属性特征数据、信用特征数据和关联特征数据使用初始机器学习算法模型进行训练，得到当前风险评估模型和所述标注训练用户对应的当前风险评估结果之后，还包括：
当所述标注训练用户对应的初始风险评估结果和所述当前风险评估结果未符合预设第一条件时，将所述标注训练用户对应的当前风险评估结果作为所述标注训练用户对应的初始...

【专利技术属性】
技术研发人员：丁剑冰，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44