信用风险的确定方法及装置、存储介质和电子设备制造方法及图纸

本发明专利技术公开了一种信用风险的确定方法及装置、存储介质和电子设备。其中，该方法包括：获取目标对象的信用关键字信息；从数据库中的输入表中确定与信用关键字信息对应的关联元素，其中，存在共同的一条关联边的关联元素存在一级关联关系；对关联元素的邻居集合中的最大关联点和最小关联点进行收敛计算，得到第一关联图；获取第一关联图的关联元素的邻居集合中的最小关联点以及大于最小关联点的其他关联点，并将最小关联点和其他关联点相连接，得到第二关联图；基于第一关联图和第二关联图确定目标对象的信用风险。本发明专利技术解决了由于关联数据冗杂干扰判断信息，导致现有技术中无法有效准确的确定待识别对象的信用风险的技术问题。

【技术实现步骤摘要】
信用风险的确定方法及装置、存储介质和电子设备
本专利技术涉及风险控制
，具体而言，涉及一种信用风险的确定方法及装置、存储介质和电子设备。
技术介绍
在风险控制
中，有很多场景需要使用到关联图进行干系人挖掘，欺诈团伙识别等，对此类识别类数据的关联有一个原则就是物以类聚，人以群分。在金融信用场景中，面对一天数十亿的数据，关联的量随时间增加而增加，冗杂数据变多反而会干扰判断信息，导致现有技术中无法有效准确的确定一个人的信用风险。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种信用风险的确定方法及装置、存储介质和电子设备，以至少解决由于关联数据冗杂干扰判断信息，导致现有技术中无法有效准确的确定待识别对象的信用风险的技术问题。根据本专利技术实施例的一个方面，提供了一种信用风险的确定方法，包括：获取目标对象的信用关键字信息，其中，上述信用关键字信息包括以下至少之一：注册手机号、联系人手机号、绑定手机号、设备信息、邮箱信息、支付标识信息；从数据库中的输入表中确定与上述信用关键字信息对应的关联元素，其中，存在共同的一条关联边的关联元素存在一级关联关系；对上述关联元素的邻居集合中的最大关联点和最小关联点进行收敛计算，得到第一关联图；获取上述第一关联图的上述关联元素的邻居集合中的最小关联点以及大于上述最小关联点的其他关联点，并将上述最小关联点和其他关联点相连接，得到第二关联图；基于上述第一关联图和上述第二关联图确定上述目标对象的信用风险。可选的，从数据库中的输入表中确定与上述信用关键字信息对应的关联元素，包括：采用并行运算关联模型对上述信用关键词信息进行解析，得到解析结果；基于上述解析结果确定上述数据库中对应的上述输入表，并从上述输入表中获取与上述信用关键字信息对应的关联元素。可选的，对上述关联元素的邻居集合中的最大关联点和最小关联点进行收敛计算，得到第一关联图，包括：对上述关联元素进行并行运算，得到上述关联元素的关联边和数字编号；基于上述关联边和上述数字编号确定上述邻居集合；采用无限关联算法获取上述邻居集合中的最大关联点和最小关联点，并将上述最大关联点和上述最小关联点进行关联和上述收敛计算，得到上述第一关联图。可选的，基于上述第一关联图和上述第二关联图确定上述目标对象的信用风险，包括：基于无限关联的第一关联图和第二关联图的连接关系，确定第三关联图，其中，上述目标对象和上述第三关联图中的其他对象为无限关联关系，每个上述第三关联图的标识唯一；确定上述目标对象与任意一个上述其他对象的社交关系，以及预先确定的上述其他对象的信用风险等级；基于上述社交关系和上述其他对象的信用风险等级，确定上述目标对象的信用风险等级。可选的，基于无限关联的第一关联图和第二关联图的连接关系，确定第三关联图包括：重复合并上述第一关联图和上述第二关联图，直至不存在待合并的上述第一关联图和上述第二关联图，则确定上述第一关联图和上述第二关联图之间为无限关联关系；将存在无限关联关系的上述第一关联图和上述第二关联图进行关联，得到上述第三关联图。根据本专利技术实施例的另一方面，还提供了一种信用风险的确定装置，包括：获取模块，用于获取目标对象的信用关键字信息，其中，上述信用关键字信息包括以下至少之一：注册手机号、联系人手机号、绑定手机号、设备信息、邮箱信息、支付标识信息；第一确定模块，用于从数据库中的输入表中确定与上述信用关键字信息对应的关联元素，其中，存在共同的一条关联边的关联元素存在一级关联关系；第一关联模块，用于对上述关联元素的邻居集合中的最大关联点和最小关联点进行收敛计算，得到第一关联图；第二关联模块，用于获取上述第一关联图的上述关联元素的邻居集合中的最小关联点以及大于上述最小关联点的其他关联点，并将上述最小关联点和其他关联点相连接，得到第二关联图；第二确定模块，用于基于上述第一关联图和上述第二关联图确定上述目标对象的信用风险。可选的，上述第一确定模块，包括：解析单元，用于采用并行运算关联模型对上述信用关键词信息进行解析，得到解析结果；第一确定单元，用于基于上述解析结果确定上述数据库中对应的上述输入表，并从上述输入表中获取与上述信用关键字信息对应的关联元素。可选的，上述第一关联模块，包括：第一计算单元，用于对上述关联元素进行并行运算，得到上述关联元素的关联边和数字编号；第二确定单元，用于基于上述关联边和上述数字编号确定上述邻居集合；第二计算单元，用于采用无限关联算法获取上述邻居集合中的最大关联点和最小关联点，并将上述最大关联点和上述最小关联点进行关联和上述收敛计算，得到上述第一关联图。可选的，上述第二确定模块，包括：第三确定单元，用于基于无限关联的第一关联图和第二关联图的连接关系，确定第三关联图，其中，上述目标对象和上述第三关联图中的其他对象为无限关联关系，每个上述第三关联图的标识唯一；第四确定单元，用于确定上述目标对象与任意一个上述其他对象的社交关系，以及预先确定的上述其他对象的信用风险等级；第五确定单元，用于基于上述社交关系和上述其他对象的信用风险等级，确定上述目标对象的信用风险等级。可选的，上述第五确定单元包括：第六确定单元，用于重复合并上述第一关联图和上述第二关联图，直至不存在待合并的上述第一关联图和上述第二关联图，则确定上述第一关联图和上述第二关联图之间为无限关联关系；关联单元，用于将存在无限关联关系的上述第一关联图和上述第二关联图进行关联，得到上述第三关联图。根据本专利技术实施例的另一方面，还提供了一种非易失性存储介质，上述非易失性存储介质存储有多条指令，上述指令适于由处理器加载并执行任意一项上述的信用风险的确定方法。根据本专利技术实施例的另一方面，还提供了一种处理器，上述处理器用于运行程序，其中，上述程序被设置为运行时执行任意一项上述信用风险的确定方法。根据本专利技术实施例的另一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行任意一项上述的信用风险的确定方法。在本专利技术实施例中，通过获取目标对象的信用关键字信息，其中，上述信用关键字信息包括以下至少之一：注册手机号、联系人手机号、绑定手机号、设备信息、邮箱信息、支付标识信息；从数据库中的输入表中确定与上述信用关键字信息对应的关联元素，其中，存在共同的一条关联边的关联元素存在一级关联关系；对上述关联元素的邻居集合中的最大关联点和最小关联点进行收敛计算，得到第一关联图；获取上述第一关联图的上述关联元素的邻居集合中的最小关联点以及大于上述最小关联点的其他关联点，并将上述最小关联点和其他关联点相连接，得到第二关联图；基于上述第一关联图和上述第二关联图确定上述目标对象的信用风险，达到了有效准确的确定待识别对象的信用风险的目的，从而实现了提升对风险进行控制的有效性的技术效果，进而解决了由于关联数据冗杂干扰判断信息，导致现有技术中无法有效准确的确定待识别对象的信用风险的技术问题。附图说明此处所说明的附图用本文档来自技高网...

【技术保护点】
1.一种信用风险的确定方法，其特征在于，包括：/n获取目标对象的信用关键字信息，其中，所述信用关键字信息包括以下至少之一：注册手机号、联系人手机号、绑定手机号、设备信息、邮箱信息、支付标识信息；/n从数据库中的输入表中确定与所述信用关键字信息对应的关联元素，其中，存在共同的一条关联边的关联元素存在一级关联关系；/n对所述关联元素的邻居集合中的最大关联点和最小关联点进行收敛计算，得到第一关联图；/n获取所述第一关联图的所述关联元素的邻居集合中的最小关联点以及大于所述最小关联点的其他关联点，并将所述最小关联点和其他关联点相连接，得到第二关联图；/n基于所述第一关联图和所述第二关联图确定所述目标对象的信用风险。/n

【技术特征摘要】
1.一种信用风险的确定方法，其特征在于，包括：
获取目标对象的信用关键字信息，其中，所述信用关键字信息包括以下至少之一：注册手机号、联系人手机号、绑定手机号、设备信息、邮箱信息、支付标识信息；
从数据库中的输入表中确定与所述信用关键字信息对应的关联元素，其中，存在共同的一条关联边的关联元素存在一级关联关系；
对所述关联元素的邻居集合中的最大关联点和最小关联点进行收敛计算，得到第一关联图；
获取所述第一关联图的所述关联元素的邻居集合中的最小关联点以及大于所述最小关联点的其他关联点，并将所述最小关联点和其他关联点相连接，得到第二关联图；
基于所述第一关联图和所述第二关联图确定所述目标对象的信用风险。


2.根据权利要求1所述的方法，其特征在于，从数据库中的输入表中确定与所述信用关键字信息对应的关联元素，包括：
采用并行运算关联模型对所述信用关键词信息进行解析，得到解析结果；
基于所述解析结果确定所述数据库中对应的所述输入表，并从所述输入表中获取与所述信用关键字信息对应的关联元素。


3.根据权利要求1所述的方法，其特征在于，对所述关联元素的邻居集合中的最大关联点和最小关联点进行收敛计算，得到第一关联图，包括：
对所述关联元素进行并行运算，得到所述关联元素的关联边和数字编号；
基于所述关联边和所述数字编号确定所述邻居集合；
采用无限关联算法获取所述邻居集合中的最大关联点和最小关联点，并将所述最大关联点和所述最小关联点进行关联和所述收敛计算，得到所述第一关联图。


4.根据权利要求1所述的方法，其特征在于，基于所述第一关联图和所述第二关联图确定所述目标对象的信用风险，包括：
基于无限关联的第一关联图和第二关联图的连接关系，确定第三关联图，其中，所述目标对象和所述第三关联图中的其他对象为无限关联关系，每个所述第三关联图的标识唯一；
确定所述目标对象与任意一个所述其他对象的社交关系，以及预先确定的所述其他对象的信用风险等级；
基于所述社交关系和所述其他对象的信用风险等级，确定所述目标对象的信用风险等级。


5.根据权利要求4所述的方法，其特征在于，基于无限关联的第一关联图和第二关联图的连接关系，确定第三关联图包括：
重复合并所述第一关联图和所述第二关联图，直至不存在待合并的所述第一关联图和所述第二关联图，则确定所述第一关联图和所述第二关联图之间为无限关联关系；
将存在无限关联关系的所述第一关联图和所述第二关联图进行关联，得到所述第三关联图。


6.一种信用风险的确定装置，其特征在于，包括：
获取模块，用于获取目标对象的信用关键字信息，其中，所述信用关键字信息包括以下至少之一：注册手机号、联系人手机号、绑定手机号、设备信息、邮箱信息、支付标识信息；
第一确定模块，用于从数据库中的输入表中确定与所述信用关键字信息对应的关...

【专利技术属性】
技术研发人员：殷苏娜，邢钦华，郑佰云，
申请(专利权)人：北京互金新融科技有限公司，
类型：发明
国别省市：北京;11