[发明专利]一种基于双模网络图挖掘算法的信用卡反欺诈预测方法

摘要

本发明公开了一种基于双模网络图挖掘算法的信用卡反欺诈预测方法，具体包括以下步骤：采集信用卡申请人的原始数据，将原始数据转换为图数据；从图数据中筛选出构建双模网络模型所需的结点、边、结点的属性、边的属性；构建双模网络模型；构建网络风险特征模型，获取网络欺诈概率；获取个人欺诈概率；综合网络欺诈概率和个体欺诈概率，得到信用卡申请人的欺诈预测概率。本发明通过汇聚与申请人相关的多维数据信息，构建出信用卡申请领域数据知识图谱，获得可反应客户之间关联关系的双模网络模型，精准融合了个体与群组风险对申请人欺诈概率的影响，从而有效降低身份伪造盗用、团伙欺诈、群体攻击等风险，提升金融反欺诈风控能力。

主权项

1.一种基于双模网络图挖掘算法的信用卡反欺诈预测方法,其特征在于，具体包括以下步骤：步骤1：采集信用卡申请人的原始数据，并将原始数据转换为图数据；步骤2：对图数据进行处理，筛选出构建双模网络模型所需的结点、边、结点的属性、边的属性，根据筛选结果构建出双模网络模型；步骤3：构建网络风险特征模型：具体地，首先，将所述信用卡申请人的原始数据划分为网络构建数据和建模数据，根据双模网络模型从建模数据中提取出信用卡申请人的网络风险特征；然后，根据建模数据及网络风险特征设定超参数空间，通过调优算法自动学习寻找出最佳超参数；利用最佳超参数，通过机器学习模型‑集成树模型进行数据拟合并输出信用卡申请人的网络欺诈概率，从而构建出网络风险特征模型；步骤4：根据个体风险特征模型获取信用卡申请人的个体欺诈概率，综合网络欺诈概率和个体欺诈概率，获得信用卡申请人的欺诈预测概率。