数据处理方法、装置、智能设备、存储介质及产品制造方法及图纸

本申请实施例提供了一种数据处理方法、装置、智能设备、存储介质及产品，该方法包括：获取第一图网络中节点的属性信息以及边的特征信息，节点的属性信息包括节点对应对象的目标业务的软件安装数量，边的特征信息包括边连接的两个节点之间关联关系的建立结果；根据第一图网络中节点的属性信息以及边的特征信息，从第一图网络中确定出与目标业务相关的第二图网络；确定第二图网络中各个节点的正向影响参数和反向影响参数；根据各个节点的正向影响参数和反向影响参数，从第二图网络中确定出目标节点，目标节点包括异常服务节点以及异常服务节点相关的异常对象节点中的一种或两种。采用本申请，能够提升目标业务中异常对象的识别准确度。确度。确度。

【技术实现步骤摘要】
数据处理方法、装置、智能设备、存储介质及产品


[0001]本申请涉及计算机应用
，尤其涉及一种数据处理方法、装置、智能设备、存储介质及产品。

技术介绍

[0002]近年来，随着互联网金融业务的爆发式增长，通过不当方式获取资源(如资金)等异常行为层出不穷，其中最典型的是通过服务中间商包装申请资料，使得申请人获得审批通过资质。目前人工审核只能识别出申请资料有明显异常的申请人，而经过服务中间商包装的申请资料很难发现异常，导致一些不具有审批通过资质的申请人也能通过人工审核，因此有必要提升金融业务中异常对象的识别准确度。

技术实现思路

[0003]本申请实施例提供了一种数据处理方法、装置、智能设备、存储介质及产品，能够提升目标业务中异常对象的识别准确度。
[0004]一方面，本申请实施例提供了一种数据处理方法，所述方法包括：
[0005]获取第一图网络中节点的属性信息以及边的特征信息，所述节点的属性信息包括所述节点对应对象的目标业务的软件安装数量，所述边的特征信息包括所述边连接的两个节点之间关联关系的建立结果；
[0006]根据所述第一图网络中节点的属性信息以及边的特征信息，从所述第一图网络中确定出与所述目标业务相关的第二图网络；
[0007]确定所述第二图网络中各个节点的正向影响参数和反向影响参数，每个节点的正向影响参数是基于与所述每个节点主动建立关联关系的节点数量确定的，所述每个节点的反向影响参数是基于与所述每个节点被动建立关联关系的节点数量确定的；
[0008]根据所述各个节点的正向影响参数和反向影响参数，从所述第二图网络中确定出目标节点，所述目标节点包括异常服务节点以及所述异常服务节点相关的异常对象节点中的一种或两种。
[0009]一方面，本申请实施例提供了一种数据处理装置，所述装置包括：
[0010]获取单元，用于获取第一图网络中节点的属性信息以及边的特征信息，所述节点的属性信息包括所述节点对应对象的目标业务的软件安装数量，所述边的特征信息包括所述边连接的两个节点之间关联关系的建立结果；
[0011]处理单元，用于根据所述第一图网络中节点的属性信息以及边的特征信息，从所述第一图网络中确定出与所述目标业务相关的第二图网络；
[0012]所述处理单元，还用于确定所述第二图网络中各个节点的正向影响参数和反向影响参数，每个节点的正向影响参数是基于与所述每个节点主动建立关联关系的节点数量确定的，所述每个节点的反向影响参数是基于与所述每个节点被动建立关联关系的节点数量确定的；
[0013]所述处理单元，还用于根据所述各个节点的正向影响参数和反向影响参数，从所述第二图网络中确定出目标节点，所述目标节点包括异常服务节点以及所述异常服务节点相关的异常对象节点中的一种或两种。
[0014]一方面，本申请实施例提供了一种智能设备，该智能设备包括处理器、通信接口和存储器，该处理器、通信接口和存储器相互连接，其中，该存储器存储有计算机程序，该处理器用于调用该计算机程序，执行上述任一可能实现方式的数据处理方法。
[0015]一方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现该任一可能实现方式的数据处理方法。
[0016]一方面，本申请实施例还提供了一种计算机程序产品，上述计算机程序产品包括计算机程序或计算机指令，上述计算机程序或计算机指令被处理器执行实现本申请实施例提供的数据处理方法的步骤。
[0017]一方面，本申请实施例还提供了一种计算机程序，上述计算机程序包括计算机指令，上述计算机指令存储在计算机可读存储介质中，智能设备的处理器从上述计算机可读存储介质读取上述计算机指令，上述处理器执行上述计算机指令，实现本申请实施例提供的数据处理方法。
[0018]在本申请实施例中，可获取第一图网络中节点的属性信息以及边的特征信息，节点的属性信息包括节点对应对象的目标业务的软件安装数量，边的特征信息包括边连接的两个节点之间关联关系的建立结果，再根据第一图网络中节点的属性信息以及边的特征信息，从第一图网络中确定出与目标业务相关的第二图网络，进而确定第二图网络中各个节点的正向影响参数和反向影响参数，每个节点的正向影响参数是基于与每个节点主动建立关联关系的节点数量确定的，每个节点的反向影响参数是基于与每个节点被动建立关联关系的节点数量确定的，最终根据各个节点的正向影响参数和反向影响参数，从第二图网络中确定出目标节点，目标节点包括异常服务节点以及异常服务节点相关的异常对象节点中的一种或两种。采用本申请的方法，能通过与目标业务相关的第二网络图准确地确定出目标业务中的各个对象，进而可以从正向影响参数和反向影响参数这两个维度出发，自动化地识别目标业务中的异常对象，有利于提升目标业务中异常对象的识别准确度。
附图说明
[0019]为了更清楚地说明本申请实施例技术方法，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]图1为本申请实施例提供的一种数据处理系统的架构示意图；
[0021]图2为本申请实施例提供的一种数据处理方法的流程示意图；
[0022]图3为本申请实施例提供的另一种数据处理方法的流程示意图；
[0023]图4为本申请实施例提供的一种第二图网络的结构示意图；
[0024]图5为本申请实施例提供的一种正向关系图网络的结构示意图；
[0025]图6为本申请实施例提供的一种带有边权重的正向关系图网络的结构示意图；
[0026]图7为本申请实施例提供的一种反向关系图网络的结构示意图；
[0027]图8为本申请实施例涉及的确定异常服务节点的示意图；
[0028]图9为本申请实施例提供的一种异常识别的标识示意图；
[0029]图10为本申请实施例提供的另一种数据处理方法的流程示意图；
[0030]图11为本申请实施例提供的一种数据处理装置的结构示意图；
[0031]图12为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
[0032]下面将结合本申请实施例中的附图，对本申请实施例中的技术方法进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0033]随着互联网技术的不断发展，人工智能(Artificial Intelligence，AI)技术也随之得到更好的发展。所谓的人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个本文档来自技高网...

【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：获取第一图网络中节点的属性信息以及边的特征信息，所述节点的属性信息包括所述节点对应对象的目标业务的软件安装数量，所述边的特征信息包括所述边连接的两个节点之间关联关系的建立结果；根据所述第一图网络中节点的属性信息以及边的特征信息，从所述第一图网络中确定出与所述目标业务相关的第二图网络；确定所述第二图网络中各个节点的正向影响参数和反向影响参数，每个节点的正向影响参数是基于与所述每个节点主动建立关联关系的节点数量确定的，所述每个节点的反向影响参数是基于与所述每个节点被动建立关联关系的节点数量确定的；根据所述各个节点的正向影响参数和反向影响参数，从所述第二图网络中确定出目标节点，所述目标节点包括异常服务节点以及所述异常服务节点相关的异常对象节点中的一种或两种。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一图网络中节点的属性信息以及边的特征信息，从所述第一图网络中确定出与所述目标业务相关的第二图网络，包括：从所述第一图网络包括的节点中获取对应的所述目标业务的软件安装数量未达到预设数量的第一节点；从所述第一图网络包括的边中获取对应的所述关联关系的建立结果为建立失败的第一边；对所述第一图网络中的所述第一节点以及所述第一边进行裁剪处理，得到所述第二图网络。3.根据权利要求1或2所述的方法，其特征在于，确定所述第二图网络中各个节点的正向影响参数的步骤包括：生成所述第二图网络的正向关系图网络，所述正向关系图网络中边的方向由发起关联关系建立邀请的节点指向接收所述关联关系建立邀请的节点；根据网页排名算法和所述正向关系图网络，确定所述正向关系图网络的节点的网页排名值；将所述正向关系图网络的节点的网页排名值，确定为所述第二图网络的节点的正向影响参数。4.根据权利要求3所述的方法，其特征在于，所述根据网页排名算法和所述正向关系图网络，确定所述正向关系图网络的节点的网页排名值，包括：根据所述正向关系图网络的边所连接的两个节点对应的所述目标业务的软件安装数量，确定所述边的边权重；针对所述正向关系图网络的任一节点，根据所述任一节点的邻居节点在上一次迭代对应的网页排名值、所述正向关系图网络的节点数量、以及连接所述邻居节点和所述任一节点的边的边权重，确定所述任一节点在本次迭代对应的网页排名值，所述邻居节点为指向所述任一节点的边所连接的节点，所述邻居节点在初次迭代对应的网页排名值是根据所述节点数量确定的；当所述正向关系图网络的各个节点在本次迭代对应的网页排名值与上一次迭代对应
的网页排名值之间的差值均低于第一阈值时，将所述任一节点在本次迭代对应的网页排名值确定为所述任一节点的网页排名值。5.根据权利要求1或2所述的方法，其特征在于，确定所述第二图网络中各个节点的反向影响参数的步骤包括：...

【专利技术属性】
技术研发人员：周鹏飞，张凯，杨泽，郝立扬，李靖，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：