基于大语言模型的异常程度识别方法、装置、介质及设备制造方法及图纸

本发明专利技术涉及数据处理领域，尤其涉及一种基于大语言模型的异常程度识别方法、装置、介质及设备，包括：将异常事件文本和后续事件文本输入至预设的大语言模型中，获取到初始主体、第一异常程度和初始主体对应的主体角色类型，根据主体角色类型和第一异常程度，获取到每个异常源主体对应的第三异常程度，并结合预设的主体关联图谱获取到目标主体与异常源主体之间的关联路径，以及每个关联路径对应的关联类型集合、关联程度集合、第一异常传导程度集合和第三异常程度集合，来衡量关联路径上除目标主体之外的其他初始主体传导至目标主体的异常，并结合目标主体自身的第三异常程度，获取到目标主体对应的目标异常程度，提高了目标异常程度的准确性。

【技术实现步骤摘要】

本专利技术涉及数据处理领域，特别是涉及一种基于大语言模型的异常程度识别方法、装置、介质及设备。

技术介绍

1、主体的异常程度识别可以对主体潜在的异常因素进行辨识、定性和定量分析，能够帮助组织和个人了解可能面临的各种风险，从而更好地进行异常规避和控制，也可以帮助组织和个人进行信用异常的排序和优先处理，对有限的资源进行合理配置，在银行业务领域、企业管理领域、医疗和卫生领域、信息安全领域等多个领域中具有重要的意义。例如，在银行业务领域中，对客户主体进行风险识别，判断申请贷款的客户是否有违约风险，从而帮助银行工作人员决定是否向客户放贷，在减少运营成本的前提下，降低坏账风险，提高银行的业务安全性。

2、在现有的异常程度识别方法中，主要对主体在各个信用维度的异常概率进行衡量，结合各个信用维度对应的重要性权值，综合多个信用维度的异常概率，获取到主体的整体信用异常等级。但是，上述方法忽略了主体之间的关联关系对主体异常的影响，导致难以对主体的信用异常等级进行合理评估，使得目标主体的识别准确性较低。例如，在银行业务领域中，客户风险不仅源于自身，亦可通过股权链、供应本文档来自技高网...

【技术保护点】

1.一种基于大语言模型的异常程度识别方法，其特征在于，所述异常程度识别方法包括如下步骤：

2.根据权利要求1所述的基于大语言模型的异常程度识别方法，其特征在于，所述关联类型包括第一股权关系和第二股权关系、第一担保关系和第二担保关系、第一交易关系和第二交易关系、诉讼关系和专利关系，S1还包括如下步骤：

3.根据权利要求1所述的基于大语言模型的异常程度识别方法，其特征在于，所述主体角色类型包括执行主体角色和被影响主体角色，S4还包括如下步骤：

4.根据权利要求3所述的基于大语言模型的异常程度识别方法，其特征在于，S5还包括如下步骤：p>

5.根据权...

【技术特征摘要】

1.一种基于大语言模型的异常程度识别方法，其特征在于，所述异常程度识别方法包括如下步骤：

2.根据权利要求1所述的基于大语言模型的异常程度识别方法，其特征在于，所述关联类型包括第一股权关系和第二股权关系、第一担保关系和第二担保关系、第一交易关系和第二交易关系、诉讼关系和专利关系，s1还包括如下步骤：

3.根据权利要求1所述的基于大语言模型的异常程度识别方法，其特征在于，所述主体角色类型包括执行主体角色和被影响主体角色，s4还包括如下步骤：

4.根据权利要求3所述的基于大语言模型的异常程度识别方法，其特征在于，s5还包括如下步骤：

5.根据权利要求1所述的基于大语言模型的异常程度识别方法，其特征在于，s6还包括如下步骤...

【专利技术属性】
技术研发人员：江潇俊，方旭杰，
申请(专利权)人：浙江有数数智科技有限公司，
类型：发明
国别省市：