[发明专利]一种基于混合策略的跨平台信用社区影响力度量方法

说明书

本发明涉及信用风险传递计算技术领域，具体公开了一种基于混合策略的跨平台信用社区影响力度量方法，包括如下步骤：S1：利用信用知识图谱技术构建信用主体关联结构模型；S2：分析信用风险在信用主体关联结构中的传递模式，提出不同传递模式下的影响力度量方法；S3：当信用主体发生变化时，通过广度优先算法查找多层次的信用风险传递结点，并利用信用风险传递影响力计算方法计算受影响的程度；S4：构建启发式方法对信用主体关联结构中的结点进行社区的划分；S5：利用混合策略查找各社区中具有重要影响力的关键结点及全局关键结点；本发明对信用主体关联结构中风险社区的划分和关键结点的查找，可以提前预警风险区域。

技术领域

本发明涉及信用风险传递计算技术领域，具体为一种基于混合策略的跨平台信用社区影响力度量方法。

背景技术

在当前跨平台、跨领域信用大服务模式下，信用信息来源参差不齐，信用风险无处不在。信用风险并非孤立存在，而是存在传递效应。信用主体间的关联性反映了社会生产生活中信用主体之间错综复杂的联系，信用风险的传递强度主要与信用主体关联结构的关联密度、信用主体间的关联强度有关。然而对信用风险在信用主体间传递的方式及影响力的计算，尚没有一个有效的方案，对信用主体关联结构中风险社区的划分和关键结点的查找，可以提前预警风险区域。

发明内容

本发明的目的在于提供一种基于混合策略的跨平台信用社区影响力度量方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于混合策略的跨平台信用社区影响力度量方法，包括如下步骤：

S1：利用信用知识图谱技术构建信用主体关联结构模型；

S2：分析信用风险在信用主体关联结构中的传递模式，提出不同传递模式下的影响力度量方法；

S3：当信用主体发生变化时，通过广度优先算法查找多层次的信用风险传递结点，并利用信用风险传递影响力计算方法计算受影响的程度；

S4：构建启发式方法对信用主体关联结构中的结点进行社区的划分；

S5：利用混合策略查找各社区中具有重要影响力的关键结点及全局关键结点；

其中，构建信用主体关联结构模型的过程包括：

对采集的信用主体数据进行预处理、实体识别及关系抽取、实体对齐及生成知识图谱；

依据构建的信用知识图谱，提取相关的信用主体及其关联关系；

构建深度学习模型，并利用深度学习方法得出各类关联关系强度的经验值。

优选的，所述步骤S1中，构建信用主体关联结构模型，通过有向图G＝(V,E)描述信用主体关联结构，其中V代表结点：信用主体的集合，E代表边：关联关系；该信用主体关联结构数学模型为一个N阶方阵M，具体为：

其中权值w_i,j(0＜w_i,j＜1)代表了有向图中的任一条边＜i,j＞∈E的权重，即节点i对节点j的影响强度；d_i,j表示任意的两个信用主体i和j之间是否有关联及其关联强度。

优选的，所述步骤S2中，不同传递模式下的影响力度量方法具体包括单路径连续传递结点i对结点j产生的影响力和多路径复合传递结点i对结点j产生的影响力；

其中单路径连续传递结点i对结点j产生的影响力的公式为：其中某个结点i发生信用风险，则其对自身的影响力ρ_i,i＝1；ρ_i,j为单路径连续传递结点i对结点j产生的影响力；

多路径复合传递结点i对结点j产生的影响力的公式为：