本申请涉及一种数据处理方法、装置、计算机设备。所述方法包括：获取目标用户标识对应的目标资源转移异常属性信息和历史用户关系图谱；基于目标资源转移异常属性信息和历史用户关系图谱中各个历史用户标识对应的历史资源转移异常属性信息计算各个相似程度，基于各个相似程度从各个历史用户标识中确定目标历史用户标识；建立目标用户标识与目标历史用户标识的关联关系，得到更新用户关系图谱；将更新用户关系图谱输入到目标资源转移异常检测模型进行资源转移异常检测，得到目标用户标识对应的资源转移异常可能性。采用本方法能够提高资源转移异常的检测准确性。高资源转移异常的检测准确性。高资源转移异常的检测准确性。
【技术实现步骤摘要】
数据处理方法、装置、计算机设备和存储介质
[0001]本申请涉及互联网
，特别是涉及一种数据处理方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]随着互联网技术的发展，人们可以使用线上平台进行资源转移等业务申请，比如贷款业务。当用户想平台进行资源转移申请时，经过用户信用评估后向用户进行资源转移。因此，用户是否存在向平台进行资源转移异常的风险行为是必要的评估内容，需要对用户进行资源转移异常检测。现有的资源转移异常检测方法是通过传统机器学习方法对用户的信息(比如贷款金额、收入等)进行资源转移异常检测。然而，对于孤立用户进行资源转移异常检测时由于孤立用户的信息量较少，孤立用户是指没有与其他资源转移申请人产生关系的用户，导致对孤立用户的资源转移异常的检测准确性低的问题。
技术实现思路
[0003]基于此，有必要针对上述技术问题，提供一种能够提高逾期风险预测的准确性的逾期风险预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0004]第一方面，本申请提供了一种数据处理方法。所述方法包括：
[0005]获取目标用户标识对应的目标资源转移异常属性信息和历史用户关系图谱，历史用户关系图谱通过各个历史用户标识对应的社会关系属性建立的；
[0006]基于目标资源转移异常属性信息和历史用户关系图谱中各个历史用户标识对应的历史资源转移异常属性信息计算目标用户标识与各个历史用户标识之间的相似程度，得到各个相似程度，基于各个相似程度从各个历史用户标识中确定目标历史用户标识；
[0007]建立目标用户标识与目标历史用户标识的关联关系，并基于关联关系和历史用户关系图谱得到更新用户关系图谱；
[0008]将更新用户关系图谱输入到目标资源转移异常检测模型进行资源转移异常检测，得到目标用户标识对应的资源转移异常可能性。
[0009]第二方面，本申请还提供了一种数据处理装置。所述装置包括：
[0010]获取模块，用于获取目标用户标识对应的目标资源转移异常属性信息和历史用户关系图谱，历史用户关系图谱通过各个历史用户标识对应的社会关系属性建立的；
[0011]计算模块，用于基于目标资源转移异常属性信息和历史用户关系图谱中各个历史用户标识对应的历史资源转移异常属性信息计算目标用户标识与各个历史用户标识之间的相似程度，得到各个相似程度，基于各个相似程度从各个历史用户标识中确定目标历史用户标识；
[0012]更新模块，用于建立目标用户标识与目标历史用户标识的关联关系，并基于关联关系和历史用户关系图谱得到更新用户关系图谱；
[0013]检测模块，用于将更新用户关系图谱输入到目标资源转移异常检测模型进行资源
转移异常检测，得到目标用户标识对应的资源转移异常可能性。
[0014]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0015]获取目标用户标识对应的目标资源转移异常属性信息和历史用户关系图谱，历史用户关系图谱通过各个历史用户标识对应的社会关系属性建立的；
[0016]基于目标资源转移异常属性信息和历史用户关系图谱中各个历史用户标识对应的历史资源转移异常属性信息计算目标用户标识与各个历史用户标识之间的相似程度，得到各个相似程度，基于各个相似程度从各个历史用户标识中确定目标历史用户标识；
[0017]建立目标用户标识与目标历史用户标识的关联关系，并基于关联关系和历史用户关系图谱得到更新用户关系图谱；
[0018]将更新用户关系图谱输入到目标资源转移异常检测模型进行资源转移异常检测，得到目标用户标识对应的资源转移异常可能性。
[0019]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0020]获取目标用户标识对应的目标资源转移异常属性信息和历史用户关系图谱，历史用户关系图谱通过各个历史用户标识对应的社会关系属性建立的；
[0021]基于目标资源转移异常属性信息和历史用户关系图谱中各个历史用户标识对应的历史资源转移异常属性信息计算目标用户标识与各个历史用户标识之间的相似程度，得到各个相似程度，基于各个相似程度从各个历史用户标识中确定目标历史用户标识；
[0022]建立目标用户标识与目标历史用户标识的关联关系，并基于关联关系和历史用户关系图谱得到更新用户关系图谱；
[0023]将更新用户关系图谱输入到目标资源转移异常检测模型进行资源转移异常检测，得到目标用户标识对应的资源转移异常可能性。
[0024]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0025]获取目标用户标识对应的目标资源转移异常属性信息和历史用户关系图谱，历史用户关系图谱通过各个历史用户标识对应的社会关系属性建立的；
[0026]基于目标资源转移异常属性信息和历史用户关系图谱中各个历史用户标识对应的历史资源转移异常属性信息计算目标用户标识与各个历史用户标识之间的相似程度，得到各个相似程度，基于各个相似程度从各个历史用户标识中确定目标历史用户标识；
[0027]建立目标用户标识与目标历史用户标识的关联关系，并基于关联关系和历史用户关系图谱得到更新用户关系图谱；
[0028]将更新用户关系图谱输入到目标资源转移异常检测模型进行资源转移异常检测，得到目标用户标识对应的资源转移异常可能性。
[0029]上述数据处理方法、装置、计算机设备、存储介质和计算机程序产品，通过使用目标资源转移异常属性信息计算目标用户标识和历史用户关系图谱中各个历史用户标识之间的相似程度，根据相似程度能够在各个历史用户标识中确定与目标用户标识的资源异常属性最相似的目标历史用户标识。然后通过建立目标用户标识和目标历史用户标识的关联关系，得到更新用户关系图谱。然后将更新用户关系图谱输入到目标资源转移异常检测模
型进行资源转移异常检测，得到目标用户标识对应的资源转移异常可能性。通过寻找与目标用户标识的资源异常属性最相似的目标历史用户标识，将目标用户标识和目标历史用户标识进行关联得到更新用户关系图谱，能够融合与目标用户标识的属性信息最相似的其他用户的属性信息对目标用户标识的属性信息进行资源转移异常检测，从而在对目标用户标识的属性信息进行资源转移异常检测的过程中提高了其他用户的属性信息的利用率，进而提高了对目标用户的资源转移异常检测的准确性。
附图说明
[0030]图1为一个实施例中数据处理方法的应用环境图；
[0031]图2为一个实施例中数据处理方法的流程示意图；
[0032]图3为一个实施例中更新用户关系图谱的示意图；
[0033]图4为一个实施例中资源转移异常检测模型训练流程示意图；...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：获取目标用户标识对应的目标资源转移异常属性信息和历史用户关系图谱，所述历史用户关系图谱通过各个历史用户标识对应的社会关系属性建立的；基于所述目标资源转移异常属性信息和所述历史用户关系图谱中各个历史用户标识对应的历史资源转移异常属性信息计算所述目标用户标识与所述各个历史用户标识之间的相似程度，得到各个相似程度，基于所述各个相似程度从所述各个历史用户标识中确定目标历史用户标识；建立所述目标用户标识与所述目标历史用户标识的关联关系，并基于所述关联关系和所述历史用户关系图谱得到更新用户关系图谱；将所述更新用户关系图谱输入到目标资源转移异常检测模型进行资源转移异常检测，得到所述目标用户标识对应的资源转移异常可能性。2.根据权利要求1所述的方法，其特征在于，所述获取目标用户标识对应的目标资源转移异常属性信息，包括：获取所述各个历史用户标识对应的各个用户基础属性信息和所述各个历史用户标识对应的资源转移结果；基于所述各个用户基础属性信息和所述资源转移结果进行互信息计算，得到所述各个用户基础属性信息对应的互信息，并基于所述各个用户基础属性信息对应的互信息确定资源转移异常属性；基于所述资源转移异常属性获取所述目标用户标识对应的目标资源转移异常属性信息。3.根据权利要求1所述的方法，其特征在于，所述更新用户关系图谱包括各个节点和所述各个节点对应的各个用户基础属性信息；所述将所述更新用户关系图谱输入到目标资源转移异常检测模型进行资源转移异常检测，得到所述目标用户标识对应的资源转移异常可能性，包括：基于所述更新用户关系图谱中所述各个节点的节点关系生成节点关联矩阵和节点度矩阵；基于所述更新用户关系图谱中各个节点对应的各个用户基础属性信息生成节点属性矩阵；将所述节点关联矩阵、所述节点度矩阵和所述节点属性矩阵输入到所述目标资源转移异常检测模型进行资源转移异常检测，得到所述目标用户标识对应的资源转移异常可能性。4.根据权利要求3所述的方法，其特征在于，所述基于所述更新用户关系图谱中所述各个节点的节点关系生成节点关联矩阵和节点度矩阵，包括：基于所述更新用户关系图谱中所述各个节点的节点关系生成节点邻接矩阵，计算所述节点邻接矩阵和单位矩阵的和，得到所述节点关联矩阵；基于所述更新用户关系图谱中所述各个节点的度关系生成初始节点度矩阵，计算所述初始节点度矩阵对应的逆矩阵，得到所述节点度矩阵。5.根据权利要求3所述的方法，其特征在于，所述将所述节点关联矩阵、所述节点度矩阵和所述节点属性矩阵输入到所述目标资源转移异常检测模型进行资源转移异常检测，得
到所述目标用户标识对应的资源转移异常可能性，包括：基于所述节点关联矩阵、所述节点度矩阵和所述节点属性矩阵在所述目标资源转移异常检测模型中的图神经网络层输出所述更新用户关系图谱中所述各个节点对应的节点表示向量；将所述各个节点对应的节点表示向量输入到所述目标资源转移异常检测模型中的全连接层进行全连接计算，得...
【专利技术属性】
技术研发人员：吴嘉婧，马炜俊，尹川学，赵山河，郭海旭，郑子彬，朱煜，
申请(专利权)人：中山大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。