本发明专利技术涉及人工智能技术，揭露一种金融集资风险分析方法，包括：对集资数据进行缺失值填充及数据清洗，得到目标集资数据；基于目标集资数据中的申请号及相关属性信息作为节点构建图谱，得到初始集资子图；筛选历史集资子图集中包含初始集资子图任意节点的历史集资子图；将所有筛选的历史集资子图与初始集资子图基于相同节点进行连接，得到目标子图；将目标子图进行量化编码，得到目标子图向量；基于预构建的风险分析模型及目标子图向量进行风险分析，得到分析结果。本发明专利技术还涉及一种区块链技术，所述目标子图可以存储在区块链节点中。本发明专利技术还提出一种金融集资风险分析装置、设备以及介质。本发明专利技术可以提高金融集资风险分析的准确率。析的准确率。析的准确率。
【技术实现步骤摘要】
金融集资风险分析方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能技术，尤其涉及一种金融集资风险分析方法、装置、电子设备及存储介质。
技术介绍
[0002]随着金融科技发展的日新月异，欺诈分子的手段和技术不断迭代更新，为了进行集资反欺诈识别，需要对金融集资进行风险分析，以识别集资的欺诈风险。
[0003]当前的金融集资风险分析，只利用当前业务的集资业务数据进行分析，数据维度单一，导致金融集资风险分析的准确性较低。
技术实现思路
[0004]本专利技术提供一种金融集资风险分析方法、装置、电子设备及存储介质，其主要目的在于提高了金融集资风险分析的准确性。
[0005]接收集资数据及历史集资子图集，对所述集资数据进行缺失值填充及数据清洗，得到目标集资数据；
[0006]提取所述目标集资数据中的申请号及预设类型的属性信息作为节点，并提取所述目标集资数据中每两个属性信息之间的属性关系及每个属性信息与所述申请号之间的属性关系作为关联边连接所述节点，得到初始集资子图；
[0007]筛选所述历史集资子图集中包含所述初始集资子图任意节点的历史集资子图，得到筛选子图；
[0008]将所有所述筛选子图与所述初始集资子图基于相同节点进行连接，得到目标子图；
[0009]将所述目标子图进行量化编码，得到目标子图向量；
[0010]基于预构建的风险分析模型及所述目标子图向量进行风险分析，得到分析结果。
[0011]可选地，所述将所述目标子图进行量化编码，得到目标子图向量，包括：
[0012]将所述目标子图输入预设的图神经网络，提取所述图神经网络中最后一层全连接层所有节点的输出值，并将提取的所有输出值按照对应的节点在所述全连接层中的顺序进行组合，得到所述目标子图向量。
[0013]可选地，所述将所述目标子图进行量化编码，得到目标子图向量，包括：
[0014]提取所述目标子图中预设类型的子图特征；
[0015]将所述子图特征转化为向量，得到子图特征向量；
[0016]将预设的专家风险评估规则转化为向量，得到规则向量；
[0017]将所述目标子图转化为向量，得到所述子图向量；
[0018]将所述子图特征向量、所述规则向量及所述子图向量进行向量融合，得到所述目标子图向量。
[0019]可选地，所述基于预构建的风险分析模型及所述目标子图向量进行风险分析，得
到分析结果，包括：
[0020]利用所述风险分析模型对所述目标子图向量进行特征提取，得到预设分析类别的风险分析特征值；
[0021]利用预设的分类函数对所述预设分析类别的风险分析特征值进行归一化，得到该预设分析类别的分类概率值；
[0022]基于所述分类概率值对所有所述预设分析类别进行筛选，得到所述分析结果。
[0023]可选地，所述利用所述风险分析模型对所述目标子图向量进行特征提取，得到预设分析类别的风险分析特征值，包括：
[0024]将所述目标子图向量输入所述风险分析模型，提取所述风险分析模型中最后一层全连接层每个输出节点的输出值，得到所述风险分析值，其中，所述风险分析模型中最后一层全连接层每个输出节点与所述预设分析类别一一对应。
[0025]可选地，所述对所述集资数据进行缺失值填充及数据清洗，得到目标集资数据，包括：
[0026]对所述集资数据进行缺失值填充，得到第一集资数据；
[0027]对所述第一标准集资数据进行异常值删除，得到目标集资数据。
[0028]为了解决上述问题，本专利技术还提供一种金融集资风险分析装置，所述装置包括：
[0029]数据接收模块，用于接收集资数据及历史集资子图集，对所述集资数据进行缺失值填充及数据清洗，得到目标集资数据；
[0030]子图构建关联模块，用于提取所述目标集资数据中的申请号及预设类型的属性信息作为节点，并提取所述目标集资数据中每两个属性信息之间的属性关系及每个属性信息与所述申请号之间的属性关系作为关联边连接所述节点，得到初始集资子图；筛选所述历史集资子图集中包含所述初始集资子图任意节点的历史集资子图，得到筛选子图；将所有所述筛选子图与所述初始集资子图基于相同节点进行连接，得到目标子图；
[0031]风险分析模块，用于将所述目标子图进行量化编码，得到目标子图向量；基于预构建的风险分析模型及所述目标子图向量进行风险分析，得到分析结果。
[0032]可选地，所述将所述目标子图进行量化编码，得到目标子图向量，包括：
[0033]提取所述目标子图中预设类型的子图特征；
[0034]将所述子图特征转化为向量，得到子图特征向量；
[0035]将预设的专家风险评估规则转化为向量，得到规则向量；
[0036]将所述目标子图转化为向量，得到所述子图向量；
[0037]将所述子图特征向量、所述规则向量及所述子图向量进行向量融合，得到所述目标子图向量。
[0038]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0039]存储器，存储至少一个计算机程序；及
[0040]处理器，执行所述存储器中存储的计算机程序以实现上述所述的金融集资风险分析方法。
[0041]为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的金融集资风险分析方法。
[0042]本专利技术实施例筛选所述历史集资子图集中包含所述初始集资子图任意节点的历史集资子图，得到筛选子图；将所有所述筛选子图与所述初始集资子图基于相同节点进行连接，得到目标子图；将所述目标子图进行量化编码，得到目标子图向量；基于预构建的风险分析模型及所述目标子图向量进行风险分析，得到分析结果，和历史集资子图进行关联，结合了历史数据进行综合的风险分析，数据分析的维度更多，涵盖的范围更广，进而提高了金融集资风险分析的准确率，因此本专利技术实施例提出的金融集资风险分析方法、装置、电子设备及可读存储介质提高了金融集资风险分析的准确率。
附图说明
[0043]图1为本专利技术一实施例提供的金融集资风险分析方法的流程示意图；
[0044]图2为本专利技术一实施例提供的金融集资风险分析装置的模块示意图；
[0045]图3为本专利技术一实施例提供的实现金融集资风险分析方法的电子设备的内部结构示意图；
[0046]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0047]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0048]本专利技术实施例提供一种金融集资风险分析方法。所述金融集资风险分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述金融集资风险分析方法可以本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种金融集资风险分析方法，其特征在于，所述方法包括：接收集资数据及历史集资子图集，对所述集资数据进行缺失值填充及数据清洗，得到目标集资数据；提取所述目标集资数据中的申请号及预设类型的属性信息作为节点，并提取所述目标集资数据中每两个属性信息之间的属性关系及每个属性信息与所述申请号之间的属性关系作为关联边连接所述节点，得到初始集资子图；筛选所述历史集资子图集中包含所述初始集资子图任意节点的历史集资子图，得到筛选子图；将所有所述筛选子图与所述初始集资子图基于相同节点进行连接，得到目标子图；将所述目标子图进行量化编码，得到目标子图向量；基于预构建的风险分析模型及所述目标子图向量进行风险分析，得到分析结果。2.如权利要求1所述的金融集资风险分析方法，其特征在于，所述将所述目标子图进行量化编码，得到目标子图向量，包括：将所述目标子图输入预设的图神经网络，提取所述图神经网络中最后一层全连接层所有节点的输出值，并将提取的所有输出值按照对应的节点在所述全连接层中的顺序进行组合，得到所述目标子图向量。3.如权利要求1所述的金融集资风险分析方法，其特征在于，所述将所述目标子图进行量化编码，得到目标子图向量，包括：提取所述目标子图中预设类型的子图特征；将所述子图特征转化为向量，得到子图特征向量；将预设的专家风险评估规则转化为向量，得到规则向量；将所述目标子图转化为向量，得到所述子图向量；将所述子图特征向量、所述规则向量及所述子图向量进行向量融合，得到所述目标子图向量。4.如权利要求1中所述的金融集资风险分析方法，其特征在于，所述基于预构建的风险分析模型及所述目标子图向量进行风险分析，得到分析结果，包括：利用所述风险分析模型对所述目标子图向量进行特征提取，得到预设分析类别的风险分析特征值；利用预设的分类函数对所述预设分析类别的风险分析特征值进行归一化，得到该预设分析类别的分类概率值；基于所述分类概率值对所有所述预设分析类别进行筛选，得到所述分析结果。5.如权利要求4所述的金融集资风险分析方法，其特征在于，所述利用所述风险分析模型对所述目标子图向量进行特征提取，得到预设分析类别的风险分析特征值，包括：将所述目标子图向量输入所述风险分析模型，提取所述风险分析模型中...
【专利技术属性】
技术研发人员：刘超，杨翰章，吴育人，庄伯金，
申请(专利权)人：平安科技深圳有限公司，
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。