一种二手车融资担保信息识别方法、系统及介质技术方案

本发明专利技术属于金融信息及数据处理技术领域，公开了一种二手车融资担保信息识别方法、系统及介质，所述二手车融资担保信息识别方法收集贷款申请人基础信息数据和关系数据，运用信息网络技术对贷款申请人的信息进行分析，构建关系知识图谱；并利用图卷积神经网络建立贷款申请的欺诈识别模型，对是否属于欺诈贷款申请进行识别。所述贷款申请人基础信息数据包括：申请用户提供的基本信息、征信信息、本机构和其他机构的历史信息，构建每个申请用户的综合数据集。本发明专利技术降低了对特征选择的敏感性，提高了实施的容易性，同时此方法具有更高的准确性，从而帮助金融更快更准的识别欺诈贷款申请。请。请。

A method, system and medium for identifying used car financing guarantee information

【技术实现步骤摘要】
一种二手车融资担保信息识别方法、系统及介质


[0001]本专利技术属于金融信息及数据处理
，尤其涉及一种二手车融资担保信息识别方法、系统、介质、设备及终端。

技术介绍

[0002]目前，在二手车融资担保行业中，担保机构通过收集客户的基本信息、贷款产品信息、车辆信息、三方征信数据、客户紧急联系人信息以及担保人信息，来为银行提供助贷服务，为客户提供担保服务。在这一过程中，担保机构承担了客户逾期代偿的责任，也就是说，如果客户存在欺诈骗贷行为，这将会给担保机构造成重大的资产损失。所以，在发放贷款之前，对这些欺诈行为进行准确识别，对有欺诈嫌疑的贷款加强审批措施或者拒绝发放贷款，能降低贷款资产不良率水平，提升担保机构风险管理水平，具有非常重大的意义。
[0003]二手车金融的风险防范，主要在于解决欺诈骗贷问题。既要识别恶意骗贷行为，也要剔除很可能没有还款能力的客户。其本质上是一个对客户的分类问题，同时由于风险识别的特殊性，该分类问题的数据分布极度不平衡，且一个优质客户带来的收益往往远低于一个风险客户所造成的损失，因此对模型的识别能力有着更高的要求。此外在实际的风险业务场景中，往往对风险的识别有着可解释性的要求，模型在判别时能否给出判定的依据具有十分重要的意义。在这种背景下，为了实现快速且准确的贷款审批流程，对风险识别模型的要求越来越高。
[0004]现有针对二手车融资担保欺诈识别的技术主要分为两种，一种是基于特征工程的分析方法，其主要技术方案是：收集申请用户的综合信息数据，对数据进行特征探索和特征设计，利用如逻辑回归等机器学习的方法对特征进行学习，然后利用学习到的模型计算出每个用户的信用分数，设定特定的分数来识别欺诈用户。但由于此类方法，过分依赖于设计的特征和特征分析方法，对从业人员具有很高的业务和技术双重要求，导致此类方法落地实施困难且效果很难得到保障。还有一种是基于规则的方法，其主要技术方案是：通过预先设定的规则对申请用户进行筛选，识别欺诈用户，比如黑名单规则，将出现在黑名单中的用户定义为欺诈用户。但此类方法，完全依赖于设定的规则，需要实时更新和维护大量的规则数据库，且需要大量依赖于人力，导致此类方法存在规则数据维护难，实时更新难，实施成本高的问题。
[0005]通过上述分析，现有技术存在的问题及缺陷为：
[0006](1)现有针对二手车融资担保欺诈识别的技术在面对新用户时，经常会遇到信息缺失的问题，无法进行准确评估，同时此类方法对特征的选择十分敏感，具有很高的业务和技术双重要求。
[0007](2)现有针对二手车融资担保欺诈识别的技术需要实时更新和维护大量的规则数据库，存在维护难，实时更新难和方案实施成本高的问题。
[0008]解决以上问题及缺陷的难度为：降低特征设计对模型效果的影响以及设计新的数据信息提取的模型方法。

技术实现思路

[0009]针对现有技术存在的问题，本专利技术提供了一种二手车融资担保信息识别方法、系统、介质、设备及终端。
[0010]本专利技术是这样实现的，一种二手车融资担保信息识别方法，根据收集到的贷款申请人基础信息数据、关系数据和车辆信息数据进行关系知识图谱的本体设计，构建关系知识图谱，并利用图卷积神经网络建立关系知识图谱中图节点的向量表示学习模型，基于图节点的向量表示定义贷款申请的欺诈识别规则，对是否属于欺诈贷款申请进行识别。
[0011]进一步，所述贷款申请人基础信息数据包括：申请用户提供的基本信息、征信信息、本机构和其他机构的历史信息，构建每个申请用户的综合数据集。
[0012]进一步，所述构建关系知识图谱为将申请人的联系方式作为图节点，申请人和其他人或者其他机构用边相连，表示申请人与其存在关系，同时将用户的基本信息和其他行为信息作为节点的属性数据。
[0013]进一步，所述利用图卷积神经网络建立贷款申请的欺诈识别模型，对是否属于欺诈贷款申请进行识别包括：基于申请人的知识图谱，利用申请人的基本信息、行为信息和其他信息对网络节点进行初始化向量表示；利用图卷积算子对向量进行非线性变化；利用定义的损失函数和随机梯度下降方法对变化后的向量进行监督约束，得到学习好的节点向量化表示；计算节点向量和图向量的相似度。
[0014]进一步，所述二手车融资担保信息识别方法包括以下步骤：
[0015]第一步，收集申请用户提供的基本信息、征信信息、本机构和其他机构的历史信息，综合构建每个申请用户的综合数据集；
[0016]第二步，构建知识图谱，将申请人的联系方式作为图节点，申请人和其他人或者其他机构用边相连，表示申请人与其存在关系，同时将用户的基本信息和其他行为信息作为节点的属性数据；
[0017]第三步，基于申请人的知识图谱，利用申请人的基本信息、行为信息和其他信息对网络节点进行初始化向量表示；利用图卷积算子对向量进行非线性变化；利用定义的损失函数和随机梯度下降方法对变化后的向量进行监督约束，得到学习好的节点向量化表示；
[0018]第四步，计算节点向量和图向量的相似度，将相似度小于0.5的节点输出为欺诈节点。
[0019]进一步，所述第二步构建知识图谱具体包括：
[0020]1)构建申请人和相关信息的二元数据，以每个申请人为出发点寻找关联到的信息，形成二元组数据，格式如下：
[0021][[P，R1]，[P，R2]，
…
，[P，Rn]]，其中P代表申请人，R1，R2，
…
，Rn代表与申请人P相关的信息；
[0022]2)利用1)的二元数据构建申请人的知识图谱。
[0023]进一步，所述第三步具体包括：
[0024]1)图节点向量初始化，选取节点的有效信息如下：客户月收入、年龄、身份证关联的手机号个数、民族、征信是否白户等效的信息，然后对有效信息按照公式
[0025]进行归一化处理，最后按照公式a
i
＝(δ
i
,δ2,
…
,δ
m
)得到节点
的向量初始化表示；其中δ
j
代表信息j的归一化之后的数值，x
j
代表信息j的归一化之前的数值， min(
·
)代表计算最小值，max(
·
)代表计算最大值，n代表关系知识图谱中的节点总数，a
i
代表关系知识图谱节点i的向量初始化表示，m代表有效信息的数据类型总数；
[0026]2)用图卷积算子对向量进行非线性变化，图卷积算子定义公式
[0027]所示；
[0028]其中g(i)代表节点i在第l层转换后的向量表示，a
j
代表邻居节点的向量表示，f(j)代表转换函数，σ为算子的激活函数，c
ij
代表节点i的度数，N
i
代表节点i的邻居，包含自身，代表节点j在l层的向量表示，代表转换算子需要学习的参数矩阵；
[0029]3)利用定义的损失函数和随本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种二手车融资担保信息识别方法，其特征在于，所述二手车融资担保信息识别方法包括：根据收集到的贷款申请人基础信息数据、关系数据和车辆信息数据进行关系知识图谱的本体设计，构建关系知识图谱，并利用图卷积神经网络建立关系知识图谱中图节点的向量表示学习模型，基于图节点的向量表示定义贷款申请的欺诈识别规则，对是否属于欺诈贷款申请进行识别。2.如权利要求1所述的二手车融资担保信息识别方法，其特征在于，所述贷款申请人基础信息数据包括：申请用户提供的基本信息、征信信息、本机构和其他机构的历史信息，构建每个申请用户的综合数据集。3.如权利要求1所述的二手车融资担保信息识别方法，其特征在于，所述构建关系知识图谱为将申请人的联系方式作为图节点，申请人和其他人或者其他机构用边相连，表示申请人与其存在关系，同时将用户的基本信息和其他行为信息作为节点的属性数据。4.如权利要求1所述的二手车融资担保信息识别方法，其特征在于，所述利用图卷积神经网络建立贷款申请的欺诈识别模型，对是否属于欺诈贷款申请进行识别包括：基于申请人的知识图谱，利用申请人的基本信息、行为信息和其他信息对网络节点进行初始化向量表示；利用图卷积算子对向量进行非线性变化；利用定义的损失函数和随机梯度下降方法对变化后的向量进行监督约束，得到学习好的节点向量化表示；计算节点向量和图向量的相似度。5.如权利要求1所述的二手车融资担保信息识别方法，其特征在于，所述二手车融资担保信息识别方法包括以下步骤：第一步，收集申请用户提供的基本信息、征信信息、本机构和其他机构的历史信息，综合构建每个申请用户的综合数据集；第二步，构建知识图谱，将申请人的联系方式作为图节点，申请人和其他人或者其他机构用边相连，表示申请人与其存在关系，同时将用户的基本信息和其他行为信息作为节点的属性数据；第三步，基于申请人的知识图谱，利用申请人的基本信息、行为信息和其他信息对网络节点进行初始化向量表示；利用图卷积算子对向量进行非线性变化；利用定义的损失函数和随机梯度下降方法对变化后的向量进行监督约束，得到学习好的节点向量化表示；第四步，计算节点向量和图向量的相似度，将相似度小于0.5的节点输出为欺诈节点。6.如权利要求5所述的二手车融资担保信息识别方法，其特征在于，所述第二步构建知识图谱具体包括：1)构建申请人和相关信息的二元数据，以每个申请人为出发点寻找关联到的信息，形成二元组数据，格式如下：[[P，R1]，[P，R2]，
…
，[P，Rn]]，其中P代表申请人，R1，R2，
…
，Rn代表与申请人P相关的信息；2)利用1)的二元数据构建申请人的知识图谱。7.如权利要求5所述的二手车融资担保信息识别方法，其特征在于，所述第三步具体包括：
1)图节点向量初始化，选取节点的有效信息如下：客户月收入、年龄、身份证关联的手机号个数、民族、征信是否白户等效的信息，然后对有效信息按照公式进行归一化处理，最后按照公式a

【专利技术属性】
技术研发人员：林家璇，谢国斌，李笑妃，孙滨，岳晓阳，邵士科，上官瑞春，
申请(专利权)人：权利要求书三页说明书八页附图四页，
类型：发明
国别省市：