信贷异常群体挖掘方法及装置制造方法及图纸

本发明专利技术公开了信贷异常群体挖掘方法，包括：获取预定时间段的信贷用户及其信贷数据；根据信贷用户及其信贷数据构建以信贷用户为节点的同构图；利用Louvain算法对所述同构图进行社区划分，得到多个社区；计算多个所述社区的信贷异常群体风险性评估指标，根据所述信贷异常群体风险性评估指标判断多个所述社区是否为信贷异常群体。本发明专利技术还提供了信贷异常群体挖掘装置。本发明专利技术能够对信贷异常群体进行精准识别。精准识别。精准识别。

【技术实现步骤摘要】
信贷异常群体挖掘方法及装置


[0001]本专利技术涉及计算机
更具体地说，本专利技术涉及一种信贷异常群体挖掘方法及装置。

技术介绍

[0002]信贷异常群体是指在客户贷款过程中通过收取客户贷款佣金而提供相应服务的人员，在客户申请过程中，通过各种非法手段，将客户本身信用度进行所谓的包装和提升，以此向银行等金融机构贷款，后从中赚取差价，客户最终拿到手只是部分款项，却欠了银行巨额贷款，对银行和客户均造成资产损失。该行为识别因其自身特性有较大难度，客户自身真实信息以及中介包装后的虚假信息，具有较高的隐蔽性。对于金融机构而言，无法判定当前申请操作是否是客户行为，因数据资源有限，对于包装的虚假信息无法进行有效的判定。
[0003]因此，有必要设计一种能够一定程度克服上述缺陷的技术方案。

技术实现思路

[0004]本专利技术的一个目的是提供一种信贷异常群体挖掘方法及装置，能够对信贷异常群体进行精准识别。
[0005]为了实现本专利技术的这些目的和其它优点，根据本专利技术的一个方面，本专利技术提供了信贷异常群体挖掘方法，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.信贷异常群体挖掘方法，其特征在于，包括：获取预定时间段的信贷用户及其信贷数据；根据信贷用户及其信贷数据构建以信贷用户为节点的同构图；利用Louvain算法对所述同构图进行社区划分，得到多个社区；计算多个所述社区的信贷异常群体风险性评估指标，根据所述信贷异常群体风险性评估指标判断多个所述社区是否为信贷异常群体。2.如权利要求1所述的信贷异常群体挖掘方法，其特征在于，至少根据信贷用户、地址、位置、联系电话、设备和IP及其关联构建原始图；剔除所述原始图中的无效节点；提取信贷用户节点之间的关联关系，构建以信贷用户为节点的同构图。3.如权利要求2所述的信贷异常群体挖掘方法，其特征在于，若在所述原始图中，两个信贷用户关联到同一非信贷用户节点，则在所述同构图中，该两个信贷用户节点存在关联边。4.如权利要求3所述的信贷异常群体挖掘方法，其特征在于，还包括：评估所述同构图中关联边的权重值，剔除所述权重值低于第一预定值的关联边，所述权重值根据信贷用户节点的SDK特征信息和关联边的属性信息评估得到，所述SDK特征信息包括注册操作信息、异常登录操作信息、开户操作信息。5.如权利要求4所述的信贷异常群体挖掘方法，其特征在于，计算权重值W；W＝Weight
(a,b)
*Weight(edge)p
(a，i)
为信贷用户节点的第i个SDK特征信息，p
(b，i)
为邻居节点的第i个SDK特征信息，n为信贷用户节点所具有的SDK特征信息总数，r
(a,b)
为信贷用户节点与邻居节点的关系总数，r
max
为信贷用户节点与邻居节点中关系总数中的最大值；为信贷用户节点与邻居节点中关系总数中的最大值；w
i
表示关联边第i类关系的权重，m
i
表示关联边第i类关系的数量，m
num
表示关联边第i类关系的风险数量，当邻居节...

【专利技术属性】
技术研发人员：张春青，
申请(专利权)人：中科聚信信息技术北京有限公司，
类型：发明
国别省市：