【技术实现步骤摘要】
票据中介机构识别方法、系统、计算机设备及存储介质
[0001]本专利技术涉及数据处理
，具体涉及一种票据中介机构识别方法、系统、计算机设备以及非易失性计算机可读存储介质。
技术介绍
[0002]目前，票据作为经济贸易往来的一种主要支付结算工具，特别是银行承兑汇票兼具信用增级、延期支付和背书转让三大优化，可以为实体经济特别是中小企业提供便捷融资渠道和低成本资金，有效扶持企业发展壮大。
[0003]随着我国票据业务规模持续增长，票据在企业支付结算和融资方式中的比重也在逐渐增加。在这种情形下，市场上催生了一批票据中介机构，票据中介机构是指办理票据贴现、转让、交易以及代理业务的票据专营机构，票据中介机构通过提供票据买卖信息，从中赚取手续费和佣金，这种不涉及资金介入的票据中介机构对票据市场起到积极作用，对票据市场起到承上启下的链接作用和润滑作用，是合法并值得鼓励的行为。但是，同时也滋生了一批直接参与票据交易当中的票据中介机构，这些票据中介机构通过注册多家关联企业，背书企业与被背书企业在没有真实贸易交易背景的情形下，处于融资需求直接将票据卖给被背书企业以获取资金，这些票据中介机构通过低卖高卖来赚取差价，这种直接参与票据交易当中的票据中介机构无疑给银行机构带来了巨大的金融风险。
[0004]现有技术中，银行机构主要以人工经验去排查票据中介机构，这种人工排查的方式效率低下且成本高，也无法很好的对票据中介机构进行客观、有效的识别。
[0005]因此，现有技术还有待改进和提高。
技术实现思路
>[0006]鉴于上述现有技术的不足之处，本专利技术的目的在于提供一种可用于金融科技或其他相关领域的票据中介机构识别方法、系统、计算机设备以及非易失性计算机可读存储介质，旨在解决现有技术中，银行机构主要以人工经验去排查票据中介机构，这种人工排查的方式效率低下且成本高，也无法很好的对票据中介机构进行客观、有效的识别的问题。
[0007]为了达到上述目的，本专利技术采取了以下技术方案：
[0008]一种票据中介机构识别方法，其中，包括：
[0009]整合企业客户票据流转各环节中的票据交易数据和客户特征数据；
[0010]基于所述票据交易数据和所述客户特征数据，构建并生成所述企业客户的票据交易知识图谱；
[0011]根据所述票据交易知识图谱以及BetweennessCentrality图算法，计算得到所述企业客户中的疑似票据中介机构；
[0012]将所述疑似票据中介机构输入预设的票据中介机构识别模型，输出票据中介机构识别结果。
[0013]在进一步的技术方案中，所述的票据中介机构识别方法，其中，所述将所述疑似票
据中介机构输入预设的票据中介机构识别模型，输出票据中介机构识别结果，包括：
[0014]预先通过Xgboost算法构建深度学习模型，根据历史数据中的票据中介机构和非票据中介机构识别样本对所述深度学习模型进行训练，生成票据中介机构识别模型；
[0015]将所述疑似票据中介机构输入所述票据中介机构识别模型，根据输出结果确定所述疑似票据中介机构是否为票据中介机构。
[0016]在进一步的技术方案中，所述的票据中介机构识别方法，其中，所述预先通过Xgboost算法构建深度学习模型，根据历史数据中的票据中介机构和非票据中介机构识别样本对所述深度学习模型进行训练，生成票据中介机构识别模型，具体包括：
[0017]预先通过Xgboost算法构建深度学习模型，根据历史数据中人工审核标注的票据中介机构和非票据中介机构为正负样本，以及结合历史数据中的票据交易数据和客户特征数据对所述深度学习模型进行训练，并结合专家设定规则后，生成票据中介机构识别模型。
[0018]在进一步的技术方案中，所述的票据中介机构识别方法，其中，所述整合企业客户票据流转各环节中的票据交易数据和客户特征数据，包括：
[0019]整合企业客户票据流转各环节中的票据交易数据生成票据交易关系数据源表，同时，整合企业客户票据流转各环节中的客户特征数据，所述客户特征数据包括客户工商信息、转账交易特征、行为特征、风险数据和外部标签。
[0020]在进一步的技术方案中，所述的票据中介机构识别方法，其中，所述基于所述票据交易数据和所述客户特征数据，构建并生成所述企业客户的票据交易知识图谱，包括：
[0021]采用Neo4j图数据库，根据所述客户特征数据以及所述票据交易关系数据源表中企业客户的属性和关系分别生成节点和边，以构建并生成所述企业客户的票据交易知识图谱。
[0022]一种票据中介机构识别系统，其中，包括：
[0023]整合模块，用于整合企业客户票据流转各环节中的票据交易数据和客户特征数据；
[0024]构建模块，用于基于所述票据交易数据和所述客户特征数据，构建并生成所述企业客户的票据交易知识图谱；
[0025]计算模块，用于根据所述票据交易知识图谱以及Betweenness Centrality图算法，计算得到所述企业客户中的疑似票据中介机构；
[0026]识别模块，用于将所述疑似票据中介机构输入预设的票据中介机构识别模型，输出票据中介机构识别结果。
[0027]在进一步的技术方案中，所述的票据中介机构识别系统，其中，所述将所述疑似票据中介机构输入预设的票据中介机构识别模型，输出票据中介机构识别结果，包括：
[0028]预先通过Xgboost算法构建深度学习模型，根据历史数据中的票据中介机构和非票据中介机构识别样本对所述深度学习模型进行训练，生成票据中介机构识别模型；
[0029]将所述疑似票据中介机构输入所述票据中介机构识别模型，根据输出结果确定所述疑似票据中介机构是否为票据中介机构。
[0030]在进一步的技术方案中，所述的票据中介机构识别系统，其中，所述预先通过Xgboost算法构建深度学习模型，根据历史数据中的票据中介机构和非票据中介机构识别样本对所述深度学习模型进行训练，生成票据中介机构识别模型，具体包括：
[0031]预先通过Xgboost算法构建深度学习模型，根据历史数据中人工审核标注的票据中介机构和非票据中介机构为正负样本，以及结合历史数据中的票据交易数据和客户特征数据对所述深度学习模型进行训练，并结合专家设定规则后，生成票据中介机构识别模型。
[0032]在进一步的技术方案中，所述的票据中介机构识别系统，其中，所述整合企业客户票据流转各环节中的票据交易数据和客户特征数据，包括：
[0033]整合企业客户票据流转各环节中的票据交易数据生成票据交易关系数据源表，同时，整合企业客户票据流转各环节中的客户特征数据，所述客户特征数据包括客户工商信息、转账交易特征、行为特征、风险数据和外部标签。
[0034]在进一步的技术方案中，所述的票据中介机构识别系统，其中，所述基于所述票据交易数据和所述客户特征数据，构建并生成所述企业客户的票据交易知识图谱，包括：
[00本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种票据中介机构识别方法，其特征在于，包括：整合企业客户票据流转各环节中的票据交易数据和客户特征数据；基于所述票据交易数据和所述客户特征数据，构建并生成所述企业客户的票据交易知识图谱；根据所述票据交易知识图谱以及BetweennessCentrality图算法，计算得到所述企业客户中的疑似票据中介机构；将所述疑似票据中介机构输入预设的票据中介机构识别模型，输出票据中介机构识别结果。2.根据权利要求1所述的票据中介机构识别方法，其特征在于，所述将所述疑似票据中介机构输入预设的票据中介机构识别模型，输出票据中介机构识别结果，包括：预先通过Xgboost算法构建深度学习模型，根据历史数据中的票据中介机构和非票据中介机构识别样本对所述深度学习模型进行训练，生成票据中介机构识别模型；将所述疑似票据中介机构输入所述票据中介机构识别模型，根据输出结果确定所述疑似票据中介机构是否为票据中介机构。3.根据权利要求2所述的票据中介机构识别方法，其特征在于，所述预先通过Xgboost算法构建深度学习模型，根据历史数据中的票据中介机构和非票据中介机构识别样本对所述深度学习模型进行训练，生成票据中介机构识别模型，具体包括：预先通过Xgboost算法构建深度学习模型，根据历史数据中人工审核标注的票据中介机构和非票据中介机构为正负样本，以及结合历史数据中的票据交易数据和客户特征数据对所述深度学习模型进行训练，并结合专家设定规则后，生成票据中介机构识别模型。4.根据权利要求1
‑
3任一项所述的票据中介机构识别方法，其特征在于，所述整合企业客户票据流转各环节中的票据交易数据和客户特征数据，包括：整合企业客户票据流转各环节中的票据交易数据生成票据交易关系数据源表，同时，整合企业客户票据流转各环节中的客户特征数据，所述客户特征数据包括客户工商信息、转账交易特征、行为特征、风险数据和外部标签。5.根据权利要求4所述的票据中介机构识别方法，其特征在于，所述基于所述票据交易数据和所述客户特征数据，构建并生成所述企业客户的票据交易知识图谱，包括：采用Neo4j图数据库，根据所述客户特征数据以及所述票据交易关系数据源表中企业客户的属性和关系分别生成节点和边，以构建并生成所...
【专利技术属性】
技术研发人员：胡万利，蔡凡华，
申请(专利权)人：平安银行股份有限公司，
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。