[发明专利]风险识别方法、装置、计算机设备及存储介质

说明书

本发明公开了一种风险识别方法，该方法包括获取用户的行为数据图；行为数据图包括与用户对应的目标节点以及与用户关联的节点；获取风险识别模型，通过风险识别模型中采样层对行为数据图进行随机采样，得到至少一个邻居节点；通过风险识别模型中聚合层对所有邻居节点的特征向量和目标节点的目标向量进行聚合，得到与目标节点对应的聚合特征；根据聚合特征，确定与目标节点对应的离群点，并根据与同一用户对应的所有离群点，确定与用户对应的风险识别结果。本发明通过图神经网络对用户进行风险识别，提高了数据维度，学习到更深层次的行为关系，进而提高了风控链路整合能力，提高了风险识别能力。

技术领域

本发明涉及数据分析技术领域，尤其涉及一种风险识别方法、装置、计算机设备及存储介质。

背景技术

随着大数据时代的发展，从海量数据中提取有价值的信息成为研究的重点。通过海量数据的分析，对用户或企业进行风险识别是极其重要的，如：风险识别可以作为银行评估企业客户信用不可或缺的一部分。

现有技术中，风险识别算法往往是基于大量的用户行为特征，通过聚类等算法筛选出异常行为数据，提示出现异常行为的风险。此类算法在对一些解释性相对较差的图结构数据时，需要算法工程师进行大量的特征工程以及数据分析，在人工处理的过程中可能会造成数据信息的损失，以至于算法无法学习到深层次的特征，导致风险识别的准确率较低。

发明内容

本发明实施例提供一种风险识别方法、装置、计算机设备及存储介质，以解决现有技术中无法学习到深层次的特征，导致风险识别的准确率较低的问题。

一种风险识别方法，包括：

获取用户的行为数据图；所述行为数据图包括与所述用户对应的目标节点以及与所述用户关联的节点；

获取风险识别模型，通过所述风险识别模型中采样层对所述行为数据图进行随机采样，得到与所述目标节点对应的至少一个邻居节点；

通过所述风险识别模型中聚合层对所有所述邻居节点的特征向量和所述目标节点的目标向量进行聚合，得到与所述目标节点对应的聚合特征；

根据所述聚合特征，确定与所述目标节点对应的离群点，并根据与同一所述用户对应的所有所述离群点，确定与所述用户对应的风险识别结果。

一种风险识别装置，包括：

数据获取模块，用于获取用户的行为数据图；所述行为数据图包括与所述用户对应的目标节点以及与所述用户关联的节点；

节点采样模块，用于获取风险识别模型，通过所述风险识别模型中采样层对所述行为数据图进行随机采样，得到与所述目标节点对应的至少一个邻居节点；

特征聚合模块，用于通过所述风险识别模型中聚合层对所有所述邻居节点的特征向量和所述目标节点的目标向量进行聚合，得到与所述目标节点对应的聚合特征；

风险识别模块，用于根据所述聚合特征，确定与所述目标节点对应的离群点，并根据与同一所述用户对应的所有所述离群点，确定与所述用户对应的风险识别结果。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中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风险识别方法。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述风险识别方法。