[发明专利]风险用户识别方法、装置、计算机设备及存储介质

说明书

本发明公开了风险用户识别方法、装置、计算机设备及存储介质。该方法包括：获取理赔数据对应的节点，通过图嵌入将节点转化为节点向量；通过贝叶斯非参数混合模型对所述节点向量进行聚类，得到多个聚类群；通过采样获取每一聚类群的概率分布，若根据聚类群的概率分布得到的概率值大于预设的概率阈值，将对应的聚类群所包括的节点进行风险用户的标识。该方法通过机器学习模型使得参数设置更加合理，而且提高风险客户预测的准确度。

技术领域

本发明涉及欺诈识别技术领域，尤其涉及一种风险用户识别方法、装置、计算机设备及存储介质。

背景技术

目前，基于社交网络的反欺诈分析中，传统的用户欺诈评分方法采用规则评分，其中规则设置和规则分值的设定是基于业务经验总结出来得。用户数据织成网络后，网络会触发的一定数量的规则并计算触发规则总分值，使用总分值评估用户的骗保风险。但是现有的方法存在以下不足：

1)规则特征较为简单，不能覆盖到隐性的欺诈模式；

2)规则分值凭借经验给出，不够精确；

3)传统的统计方法没有应用历史数据学习参数，误差较大。

发明内容

本发明实施例提供了一种风险用户识别方法、装置、计算机设备及存储介质，旨在解决现有技术中用户欺诈评分方法采用规则评分，其中规则设置和规则分值的设定是基于业务经验总结出来，不能覆盖到隐性的欺诈模式，而且计算结果精确度不高的问题。

第一方面，本发明实施例提供了一种风险用户识别方法，其包括：

获取理赔数据对应的节点，通过图嵌入将节点转化为节点向量；

通过贝叶斯非参数混合模型对所述节点向量进行聚类，得到多个聚类群；

通过采样获取每一聚类群的概率分布，若根据聚类群的概率分布得到的概率值大于预设的概率阈值，将对应的聚类群所包括的节点进行风险用户的标识。。

第二方面，本发明实施例提供了一种风险用户识别装置，其包括：

节点向量获取单元，用于获取理赔数据对应的节点，通过图嵌入将节点转化为节点向量；

聚类单元，用于通过贝叶斯非参数混合模型对所述节点向量进行聚类，得到多个聚类群；

风险识别单元，用于通过采样获取每一聚类群的概率分布，若根据聚类群的概率分布得到的概率值大于预设的概率阈值，将对应的聚类群所包括的节点进行风险用户的标识。

第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器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，所述处理器执行所述计算机程序时实现上述第一方面所述的风险用户识别方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的风险用户识别方法。

本发明实施例提供了一种风险用户识别方法、装置、计算机设备及存储介质。该方法包括获取理赔数据对应的节点，通过图嵌入将节点转化为节点向量；通过贝叶斯非参数混合模型对所述节点向量进行聚类，得到多个聚类群；通过采样获取每一聚类群的概率分布，若根据聚类群的概率分布得到的概率值大于预设的概率阈值，将对应的聚类群所包括的节点进行风险用户的标识。该方法通过机器学习模型使得参数设置更加合理，而且提高风险客户预测的准确度。

附图说明

为了更清楚地说明本发明实施例技术方案，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发明的一些实施例，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。