一种风险分析的可视化方法、装置以及设备制造方法及图纸

本说明书实施例公开了一种风险分析的可视化方法、装置以及设备。通过获取关系网络的主图数据，其中，所述主图数据中包括节点和连接节点的边；将所述主图数据划分为多个子社区，并计算划分为多个子社区之后的所述主图数据的模块度；调整节点所属的子社区，当所述模块度最大时，确定此时的社区为目标社区；展示所述目标社区所对应的社区子图，其中，所述社区子图中包括多个子社区。从而实现只需要极少的步骤就可以发现可疑的风险团伙，同时进行结果的可视化展示以及在主图上的标记。果的可视化展示以及在主图上的标记。果的可视化展示以及在主图上的标记。

【技术实现步骤摘要】
一种风险分析的可视化方法、装置以及设备


[0001]本说明书涉及互联网
，尤其涉及一种风险分析的可视化方法、装置以及设备。

技术介绍

[0002]随着互联网的发展，出现了大量新型团队风险的例子，如诈骗、刷单等，团伙作案往往涉及范围广，对社会造成了许多危害。然后互联网时代团伙作案往往有迹可循，团伙成员之间也存在许多联系和共同特征。在图数据中，这些联系和特征则往往以节点和边的形式表现。
[0003]而在一张较大数据的关系网络中，节点往往比较多，节点之间的关系也是复杂的，专家的分析存在一定的难度甚至无从下手。传统的图风险分析方法需要使用多个步骤才能找出可疑的风险团伙。
[0004]基于此，需要更加便捷的风险分析的可视化方案。

技术实现思路

[0005]本说明书一个或多个实施例提供一种风险分析的可视化方法、装置、设备以及存储介质，用以解决如下技术问题：需要更加便捷的风险分析的可视化方案。
[0006]为解决上述技术问题，本说明书一个或多个实施例是这样实现的：
[0007]在第一方面，本说明书一个或多个实施例提供的一种风险分析的可视化方法，包括：
[0008]获取关系网络的主图数据，其中，所述主图数据中包括节点和连接节点的边；
[0009]将所述主图数据划分为多个子社区，并计算划分为多个子社区之后的所述主图数据的模块度；
[0010]调整节点所属的子社区，当所述模块度最大时，确定此时的社区为目标社区；
[0011]展示所述目标社区所对应的社区子图，其中，所述社区子图中包括多个子社区。
[0012]在第二方面，本说明书实施例提供一种风险分析的可视化装置，包括：获取模块，获取关系网络的主图数据，其中，所述主图数据中包括节点和连接节点的边；划分模块，将所述主图数据划分为多个子社区，并计算划分为多个子社区之后的所述主图数据的模块度；确定模块，调整节点所属的子社区，当所述模块度最大时，确定此时的社区为目标社区；展示模块，展示所述目标社区所对应的社区子图，其中，所述社区子图中包括多个子社区。
[0013]在第三方面，本说明书实施例提供一种电子设备，包括：
[0014]至少一个处理器；以及，
[0015]与所述至少一个处理器通信连接的存储器；其中，
[0016]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。
[0017]在第四方面，本说明书实施例提供一种非易失性计算机存储介质存储有计算机可
执行指令，当计算机读取存储介质中的计算机可执行指令后，该指令使得一个或多个处理器执行如第一方面所述的方法。
[0018]本说明书一个或多个实施例采用的上述至少一个技术方案能够达到以下有益效果：通过获取关系网络的主图数据，其中，所述主图数据中包括节点和连接节点的边；将所述主图数据划分为多个子社区，并计算划分为多个子社区之后的所述主图数据的模块度；调整节点所属的子社区，当所述模块度最大时，确定此时的社区为目标社区；展示所述目标社区所对应的社区子图，其中，所述社区子图中包括多个子社区。从而实现只需要极少的步骤就可以发现可疑的风险团伙，同时进行结果的可视化展示以及在主图上的标记，帮助用户在复杂大图中快速发现可能的风险团伙再去聚焦分析，极大的提高了分析效率。
附图说明
[0019]为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0020]图1为本说明书实施例提供的一种风险分析的可视化方法的流程示意图；
[0021]图2a为本说明书实施例所提供的一种主图数据的示意图；
[0022]图2b为本说明书实施例所提供的一种划分得到的子社区的示意图；
[0023]图2c为本说明书实施例所提供的另一种划分得到的子社区的示意图；
[0024]图2d为本说明书实施例所提供的一种轮廓包裹区域的示意图；
[0025]图3为本说明书实施例所提供的一种核心节点的展示示意图；
[0026]图4为本说明书实施例提供的一种风险分析的可视化装置的结构示意图；
[0027]图5为本说明书实施例提供的一种电子设备的结构示意图。
具体实施方式
[0028]本说明书实施例提供一种风险分析的可视化方法、装置、设备以及存储介质。
[0029]为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0030]如图1所示，图1为本说明书实施例提供的一种风险分析的可视化方法的流程示意图，包括以下步骤：
[0031]S101：获取关系网络的主图数据，其中，所述主图数据中包括节点和连接节点的边。
[0032]关系网络是由实体(节点)集合与实体间关系(边)集合组成的一种数据结构。在本说明书实施例中，节点可以是表征用户、设备、已经应用客户端等等，边表征节点之间的交互特征。因此，节点还可以具有相应的节点属性，包括地点、城市、交易数量等等。
[0033]例如，节点可以是用户所使用设备的设备标识，节点属性可以包括该设备被使用
时的城市等等。同时，边可以是各节点之间产生交易的交易次数。
[0034]主图数据即为通过可视化方式所表现出来的关系网络。如图2a所示，图2a为本说明书实施例所提供的一种主图数据的示意图。其中，包括了多个节点(node)，和连接节点的边(edge)。当一个节点与另一个节点通过任意一条边相连接时，二者可以互相视为相邻节点。在主图数据中，任意的两个节点之间可能存在多个互相连接的边(表征该两节点之间可能存在多次交互)，也可能不存在互相连接的边(表征该两节点之间不存在交互)。
[0035]此外，需要说明的是，在主图社区中，可以基于实际经验，预先指定若干的危险节点，以及给予连接危险节点的边更高的权重。
[0036]S103，将所述主图数据划分为多个子社区，并计算划分为多个子社区之后的所述主图数据的模块度。
[0037]子社区由关系网络中的部分节点和部分边所组成，换言之，构成子社区的数据是子图数据的真子集合。划分子社区的方式可以是随机的，或者基于一定算法进行循环调整的。
[0038]模块度用于表征一个主图数据中子社区的划分好坏，在一个较好的划分方式中，同一个子社区中的节点的相关度越高，整个主图数据的模块度越大。例如，对于一个子社区而言，可以用社区内节点的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风险分析的可视化方法，包括：获取关系网络的主图数据，其中，所述主图数据中包括节点和连接节点的边；将所述主图数据划分为多个子社区，并计算划分为多个子社区之后的所述主图数据的模块度；调整节点所属的子社区，当所述模块度最大时，确定此时的社区为目标社区；展示所述目标社区所对应的社区子图，其中，所述社区子图中包括多个子社区。2.如权利要求1所述的方法，调整节点所属的子社区，当所述模块度最大时，确定此时的社区为目标社区，包括：对于任意节点，将其分配至相邻社区；计算分配前后的模块度变化值；将该节点分配至模块度变化值最大的相邻社区，生成目标社区。3.如权利要求2所述的方法，计算分配前后的模块度变化值，还包括：确定所述相邻社区中所包含的其它节点；计算所述第i个节点与所述其它节点的属性相似度；根据所述属性相似度计算分配前后的模块度变化值。4.如权利要求1至3任一所述的方法，还包括：采用轮廓分别包裹所述多个子社区的区域，生成对应于多个子社区的轮廓包裹区域；展示所述轮廓包裹区域。5.如权利要求4所述的方法，其中，展示所述轮廓包裹区域，包括：确定所述轮廓包裹区域所对应的子社区的风险程度；根据所述风险程度对所述轮廓包裹区域进行着色渲染，其中，风险程度越高，着色越深。6.如权利要求1所述的方法，其中，在将所述主图数据划分为多个子社区之前，所述方法还包括：确定核心度，其中，所述核心度用于表征节点之间的连接程度；确定所述主图数据中满足所述核心度的核心节点；在主图界面中展示所述主图数据，以及，在另一界面中同时展示核心主图数据，其中，所述核心主图数据划中包含所述核心节点和连接所述核心节点的边。7.如权利要求6所述的方法，其中，在另一界面中同时展示核心主图数据，包括：确定所述主图界面中所述主图数据的布局；在所述另一界面中调整所述核心主图数据的位置，以使得所述核心主图数据的布局与所述主图数据的布局一致。8.如权利要求6所述的方法，其中，在主图界面中展示所述主图数据，包括：在主图界面中高亮展示所述核心节点和连接所述核心节点的边。9.如权利要求1所述的方法，还包括：以结构化数据的形式分别展示所述多个子社区中所包含的节点数据和边数据。10.一种风险分析的可视化装置，包括：获取模块，获取关系网络的主图数据，其中，所述主图数据...

【专利技术属性】
技术研发人员：邓绍婷，王妍岩，费冬妮，廖博森，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：