【技术实现步骤摘要】
本专利技术实施例涉及数据处理，具体而言，涉及一种异常节点的确定方法、装置、存储介质及电子装置。
技术介绍
1、随着银行信用卡业务的飞速发展，信用卡业务的异常行为检测也成为关注的重点，例如，信用卡团队欺诈也成为银行面临的严重问题之一，通常信用卡业务涉及到几种不同类型节点，如信用卡、还款人、商户等。反欺诈是一项识别服务，其核心是对大数据信息进行采集、分析和处理，采用反欺诈评价指标来判定用户的欺诈行为，建立反欺诈模型，解决不同场景下的风险问题。相关技术中，主要是通过neo4j构建图数据库，根据图结构如连通性、邻居节点等使用机器学习算法来识别欺诈客户群，并计算客群的article rank评分、逾期客户数等指标来分析客群，然后定位可疑客群，确定有欺诈嫌疑的客户、还款人和商户，最后将有欺诈风险客户的信息账单导出以供人工排查。
2、相关技术中的方法由于neo4j是在内存中存储图形结构的，这意味着当数据量增加时，需要更多的硬件资源来支撑高性能的处理，增加了成本和复杂性；在进行信用卡业务异常检测时，需要检测是否存在异常节点，相关技术主要考虑图的结构性，使用机器学习算法将图数据建模为同质图，通常将节点和边视为同一种类型，利用节点的邻居信息进行图上的节点分类、预测链接等任务，实际它们只建模了交互系统中的部分信息，或者没有区分实体和关系的异质性，从而造成不可逆的信息损失；同时传统的机器学习算法通常需要依赖人工进行特征工程，即提取和选择特征。在信用卡异常行为(或节点异常)检测中，特征工程可能是一项复杂且耗时的任务，需要领域专家的知识和经验。
3、针对相关技术中存在的异常节点的确定效率较低的技术问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一种异常节点的确定方法、装置、存储介质及电子装置，以至少解决相关技术中存在的异常节点的确定效率较低的技术问题。
2、根据本专利技术的一个实施例，提供了一种异常节点的确定方法，包括：在目标关系图中存在第一节点类型的n个节点的情况下，从所述目标关系图中分别确定所述n个节点中的每个节点对应的子图，得到n个子图，其中，所述n个子图中的第i个子图包括所述n个节点中的第i个节点以及在所述目标关系图中与所述第i个节点之间的跳数小于或等于m的节点，n和m为大于或等于2的正整数，i为大于或等于1、且小于或等于n的正整数，所述目标关系图包括所述n个节点、第二节点类型的节点、第三节点类型的节点以及第一边类型的边和第二边类型的边，所述第一边类型的边是所述第一节点类型的节点与所述第二节点类型的节点之间的边，所述第二边类型的边是所述第二节点类型的节点与所述第三节点类型的节点之间的边，所述第一边类型的边上的参数包括第一事件类型的事件的事件参数，所述第一事件类型的事件表示所述第一节点类型的节点所表示的第一账号类型的账号对所述第二节点类型的节点所表示的第二账号类型的账号执行的事件，所述第二边类型的边上的参数包括第二事件类型的事件的事件参数，所述第二事件类型的事件表示所述第二节点类型的节点所表示的所述第二账号类型的账号对所述第三节点类型的节点所表示的第三账号类型的账号执行的事件；根据所述n个子图中的每个子图中的各个节点的节点信息和各条边上的参数，确定用于表示所述n个节点中的每个节点的嵌入表征向量，得到n个嵌入表征向量；根据所述n个嵌入表征向量和所述n个子图，确定所述n个节点中的每个节点是否出现异常。
3、在一个示例性实施例中，所述根据所述n个子图中的每个子图中的各个节点的节点信息和各条边上的参数，确定用于表示所述n个节点中的每个节点的嵌入表征向量，得到n个嵌入表征向量，包括：通过以下步骤确定所述第i个节点的嵌入表征向量，得到第i个嵌入表征向量，其中，所述第i个节点对应的子图为所述n个子图中的所述第i个子图：在所述第i个子图中包括所述第一节点类型的k个节点的情况下，根据所述k个节点对应的k个节点信息以及连接所述k个节点中的每个节点的所述第一边类型的边上的参数，确定用于表示所述k个节点中的每个节点的特征向量，得到k个特征向量，其中，所述k个节点信息包括所述k个节点中的每个节点表示的所述第一账号类型的账号的账号信息，其中，k为大于或等于1、且小于n的正整数；在所述第i个子图中包括所述第二节点类型的p个节点的情况下，根据所述p个节点对应的p个节点信息以及连接所述p个节点中的每个节点的边上的参数，确定用于表示所述p个节点中的每个节点的特征向量，得到p个特征向量，其中，连接所述p个节点中的每个节点的边包括所述第一边类型的边，和/或，所述第二边类型的边，所述p个节点信息包括所述p个节点中的每个节点表示的所述第二账号类型的账号的账号信息，p为大于或等于1的正整数；在所述第i个子图中包括所述第三节点类型的q个节点的情况下，根据所述q个节点对应的q个节点信息以及连接所述q个节点中的每个节点的所述第二边类型的边上的参数，确定用于表示所述q个节点中的每个节点的特征向量，得到q个特征向量，其中，所述q个节点信息包括所述q个节点中的每个节点表示的所述第三账号类型的账号的账号信息，q为大于或等于1的正整数；根据所述k个特征向量、所述p个特征向量及所述q个特征向量，确定所述第i个嵌入表征向量。
4、在一个示例性实施例中，所述根据所述k个节点对应的k个节点信息以及连接所述k个节点中的每个节点的所述第一边类型的边上的参数，确定用于表示所述k个节点中的每个节点的特征向量，得到k个特征向量，包括：通过以下步骤确定用于表示所述k个节点中的第j个节点的特征向量，得到所述k个特征向量中的第j个特征向量，其中，j为大于或等于1、且小于或等于k的正整数：在所述第j个节点对应的节点信息以及连接所述第j个节点的所述第一边类型的边上的参数共包括x个参数的情况下，将所述x个参数中的每个参数转换成对应的向量，得到x个第一向量，其中，x为大于或等于1的正整数；将所述x个第一向量分别输入全连接层，得到x个第二向量；将所述x个第二向量分别输入长短期记忆网络，得到x个编码向量；对所述x个编码向量分别执行平均池化操作，得到所述第j个特征向量。
5、在一个示例性实施例中，所述根据所述k个特征向量、所述p个特征向量及所述q个特征向量，确定所述第i个嵌入表征向量，包括：对所述k个特征向量进行处理，得到第一融合向量；对所述p个特征向量进行处理，得到第二融合向量；对所述q个特征向量进行处理，得到第三融合向量；根据所述第一融合向量、所述第二融合向量和所述第三融合向量，确定所述第i个嵌入表征向量。
6、在一个示例性实施例中，所述对所述k个特征向量进行处理，得到第一融合向量，包括：将所述k个特征向量分别输入长短期记忆网络，分别得到k个编码向量；对所述k个编码向量分别执行平均池化操作，得到所述第一融合向量。
7、在一个示例性实施例中，所述根据所述第一融合向量、所述第二融合向量和所述第三融合向量，确定所述第i个嵌入表征向量，包括：在所述k个特征向量中确定本文档来自技高网...
【技术保护点】
1.一种异常节点的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述N个子图中的每个子图中的各个节点的节点信息和各条边上的参数，确定用于表示所述N个节点中的每个节点的嵌入表征向量，得到N个嵌入表征向量，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述K个节点对应的K个节点信息以及连接所述K个节点中的每个节点的所述第一边类型的边上的参数，确定用于表示所述K个节点中的每个节点的特征向量，得到K个特征向量，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述K个特征向量、所述P个特征向量及所述Q个特征向量，确定所述第i个嵌入表征向量，包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述K个特征向量进行处理，得到第一融合向量，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一融合向量、所述第二融合向量和所述第三融合向量，确定所述第i个嵌入表征向量，包括：
7.根据权利要求1至6中任一项所述的方法，其特征在于，从所述目标关系图中分别确定所
8.根据权利要求1至6中任一项所述的方法，其特征在于，
9.根据权利要求1至6中任一项所述的方法，其特征在于，所述根据所述N个嵌入表征向量和所述N个子图，确定所述N个节点中的每个节点是否出现异常，包括：
10.根据权利要求1至6中任一项所述的方法，其特征在于，在从所述目标关系图中分别确定所述N个节点中的每个节点对应的子图，得到N个子图之前，所述方法还包括：
11.一种异常节点的确定装置，其特征在于，包括：
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现所述权利要求1至10任一项中所述的方法的步骤。
13.一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述权利要求1至10任一项中所述的方法的步骤。
...【技术特征摘要】
1.一种异常节点的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述n个子图中的每个子图中的各个节点的节点信息和各条边上的参数，确定用于表示所述n个节点中的每个节点的嵌入表征向量，得到n个嵌入表征向量，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述k个节点对应的k个节点信息以及连接所述k个节点中的每个节点的所述第一边类型的边上的参数，确定用于表示所述k个节点中的每个节点的特征向量，得到k个特征向量，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述k个特征向量、所述p个特征向量及所述q个特征向量，确定所述第i个嵌入表征向量，包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述k个特征向量进行处理，得到第一融合向量，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一融合向量、所述第二融合向量和所述第三融合向量，确定所述第i个嵌入表征向量，包括：
7.根据权利要求1至6中任一项所述...
【专利技术属性】
技术研发人员：赵禹豪，罗宏辉，
申请(专利权)人：中国建设银行股份有限公司大连市分行，
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。