[发明专利]一种基于多阶段数据表征的网络借贷欺诈预测方法

权利要求书

1.一种基于多阶段数据表征的网络借贷欺诈预测方法，其特征在于，分为四个步骤：

步骤S101，关联表征：

根据原始网络借贷申请数据中字段缺失率选定可用字段，基于所述字段构建原始信息网络，然后将所述原始信息网络中的节点划分为实体和属性，构建由实体层和属性层组成的分层信息网络；提供给S102和S103；

其中，缺失率是指在原始网络借贷数据集中一个字段缺失的次数与总借贷事务数量的比值；

步骤S102，属性表征：

从所述分层信息网络中的属性层中提取一个属性网络，给每个属性附加一个预训练的词向量来反映属性之间的语义相似性，利用网络表征学习将从先验和外部语义知识中获取的属性相似信息和属性共现关联融入属性对应的嵌入向量中；提供给S103；

步骤S103，实体表征：

从所述分层信息网络中实体层抽取实体网络，利用层对应关联和步骤S102中得到的嵌入向量，生成带属性的实体网络，采用网络表征学习将带属性的实体网络嵌入到低维向量空间得到实体的嵌入向量；提供给S104；

步骤S104，欺诈预测：

在带属性的实体网络中引入实体与其一阶邻居(实体)的相似性作为微观特征，采用借贷申请交易与属于实体网络中的二阶邻居之间的相似性作为宏观特征，将不同实体的嵌入向量的相似性喂入常见分类器模型实现欺诈预测功能。

2.如权利要求1所述一种基于多阶段数据表征的网络借贷欺诈预测方法，其特征在于，所述步骤S101，其过程如下：

获取原始网络借贷申请数据，基于测试需求设置训练集时间窗口和测试集时间窗口，以用于在原始网络借贷申请数据中划分出训练集数据和测试集数据，使得训练集数据和测试集数据构成可用于后续模型的网络借贷数据；

对原始网络借贷数据进行字段选择；

对所述选定的初始网络借贷数据的字段进行关联抽取，采用图结构描述网络借贷数据之间的关联，对所述的原始网络借贷数据中一笔申请的所选择的字段，使用星形拓扑结构构建原始信息网络：将其标识符和所有字段的取值表示为节点，将标识符和相应字段取值分别记为组成边的两个节点，不同的借贷申请标识符通过其共享的字段连接；

将所述原始信息网络中的节点划分为实体和属性；

实体集合V分为V_t和V_d两个部分，对于每一笔借贷申请，将其标识符记为v_t∈V_t，将所述申请中的其他实体记为v_d∈V_d；实体v_d和标识符v_t的共现关联被记为e＝(v_t，v_d，r)∈E，其中类型r∈R(R为对原始数据中所有实体的描述的集合)为原始数据中对于实体v_d的描述，集合

所有属性θ_v的集合Θ记为分层信息网络中的属性层；

从借贷申请中提取出实体和属性的对应关联，在所述原始信息网络中，属性θ_v和实体v_d都连接到实体v_t，将属性θ_v和实体v_d之间的公共连接记为层对应关联(v_d，θ_v)，即实体和属性的对应关联；

在所述属性层中，将每个实体v∈V的对应的属性记为其中i表示属性的类型，通过对所述原始信息网络的处理，可以得到实体层、属性层和层对应关联，进而由实体层和属性层两层以及层对应关联构建一个分层信息网络。

3.如权利要求2所述一种基于多阶段数据表征的网络借贷欺诈预测方法，其特征在于，对原始网络借贷数据进行字段选择时，选取缺失率低于50％的字段作为可用字段。