技术特征：
1.一种风险评估方法，其特征在于，所述方法包括：获取评估时间内的目标用户，并确定所述评估时间对应的用户关联图；所述用户关联图包括所述目标用户对应的目标节点；确定与所述目标节点相邻的、位于不同层级的多个邻居节点集，并对多个所述邻居节点集进行聚合处理，得到所述目标节点的目标节点特征；确定所述评估时间对应的历史时间，并获取风险评估模型在对所述历史时间内的所述目标用户进行风险评估时所输出的历史隐藏状态；通过所述风险评估模型，并根据所述目标节点特征和所述历史隐藏状态，确定所述评估时间内的实际隐藏状态；根据所述实际隐藏状态，对所述评估时间内的所述目标用户进行风险评估，得到风险评估结果。2.根据权利要求1所述的方法，其特征在于，所述确定所述评估时间所对应的用户关联图，包括：获取初始关联图；所述初始关联图包括多个节点和多个连边；所述连边包括每个所述节点之间进行关联的关联时间；确定所述目标用户在所述初始关联图中的目标节点，并确定每个连边各自对应的关联时间是否属于所述评估时间；若属于，则根据所述连边和所述目标节点，从所述初始关联图中提取出所述评估时间所对应的用户关联图。3.根据权利要求2所述的方法，其特征在于，在所述获取初始关联图之前，所述方法还包括：获取多个待关联的节点；所述待关联的节点包括用户的属性特征；所述属性特征至少包括用户的账户特征、身份特征和设备特征；确定每个所述待关联的节点之间的关联关系；所述关联关系至少包括邀请关系、配偶关系和设备关系；根据所述关联关系对各所述待关联的节点之间进行关联，得到初始关联图。4.根据权利要求1所述的方法，其特征在于，所述对多个所述邻居节点集进行聚合处理，得到所述目标节点的目标节点特征，包括：确定多个层级中的当前层级和所述当前层级的上一个历史层级；确定所述目标节点在所述历史层级下的第一历史特征、以及所述历史层级的邻居节点集所对应的第二历史特征；将所述第一历史特征和所述第二历史特征进行聚合处理，得到所述目标节点在所述当前层级下的候选节点特征；将所述当前层级作为新的历史层级、将所述候选节点特征作为新的第一历史特征，并返回至确定所述目标节点在所述历史层级下的第一历史特征、以及所述历史层级的邻居节点集所对应的第二历史特征的步骤继续进行，直至得到所述目标节点在多个层级中的最后一个层级下的候选节点特征；将所述最后一个层级下的候选节点特征，作为所述用户关联图中的所述目标节点的目标节点特征。
5.根据权利要求4所述的方法，其特征在于，所述历史层级为一阶层级；所述确定所述目标节点在所述历史层级下的第一历史特征、以及所述历史层级的邻居节点集所对应的第二历史特征，包括：确定所述目标节点中的第一属性特征，并通过预设的编码器，对所述第一属性特征进行编码处理，得到所述目标节点在所述历史层级下的第一历史特征；针对所述历史层级的邻居节点集合中的每个邻居节点，均确定每个所述邻居节点各自对应的第二属性特征；对每个所述第二属性特征分别进行映射处理，得到每个所述邻居节点各自对应的子历史特征；综合多个所述子历史特征，得到所述历史层级的邻居节点集合所对应的第二历史特征。6.根据权利要求4所述的方法，其特征在于，所述将所述第一历史特征和所述第二历史特征进行聚合处理，得到所述目标节点在所述当前层级下的候选节点特征，包括：通过预设的均值函数，对所述第一历史特征和所述第二历史特征进行均值处理，得到均值历史特征；获取所述历史层级对应的历史权重；通过预设的激活函数，对所述均值历史特征和所述历史权重进行关联处理，得到所述目标节点在所述当前层级下的候选节点特征。7.根据权利要求1所述的方法，其特征在于，所述风险评估模型的训练步骤，包括：获取目标样本节点对应的多个样本关联图，并确定每个样本关联图对应的样本节点特征、以及所述目标样本节点的节点特征标签；确定多个样本关联图中的初始样本关联图，并根据所述初始样本关联图对应的样本节点特征和所述节点特征标签，得到首轮的评估子模型；从所述首轮之后的第二轮次起的当前轮次中，确定多个样本关联图中的轮次样本关联图，并根据历史轮次的所述评估子模型、所述轮次样本关联图对应的样本节点特征和所述节点特征标签，得到当前轮次的评估子模型；所述历史轮次为在所述当前轮次之前的至少一个轮次；将下一轮次作为当前轮次，并返回至所述从所述首轮之后的第二轮次起的当前轮次中，确定多个样本关联图中的轮次样本关联图的步骤并继续执行，直至得到当前轮次的评估子模型；综合每个当前轮次各自对应的评估子模型，得到所述目标样本节点对应的风险评估模型。8.根据权利要求7所述的方法，其特征在于，所述根据历史轮次的所述评估子模型、所述轮次样本关联图对应的样本节点特征和所述节点特征标签，得到当前轮次的评估子模型，包括：确定历史轮次的所述评估子模型所输出的第一隐藏状态；通过所述轮次样本关联图对应的样本节点特征和所述第一隐藏状态，确定所述当前轮次的第二隐藏状态；通过所述第二隐藏状态，确定当前轮次的评估子模型的预测输出特征；
根据所述预测输出特征与所述节点特征标签之间的差异，确定当前轮次的评估子模型对应的损失函数；通过所述损失函数对当前轮次的评估子模型中的模型参数进行更新，直到达到训练停止条件时停止，得到训练好的当前轮次的评估子模型。9.一种风险评估装置，其特征在于，所述装置包括：关联图确定模块，用于获取评估时间内的目标用户，并确定所述评估时间对应的用户关联图；所述用户关联图包括所述目标用户对应的目标节点；节点特征确定模块，用于确定与所述目标节点相邻的、位于不同层级的多个邻居节点集，并对多个所述邻居节点集进行聚合处理，得到所述目标节点的目标节点特征；隐藏状态确定模块，用于确定所述评估时间对应的历史时间，并获取风险评估模型在对所述历史时间内的所述目标用户进行风险评估时所输出的历史隐藏状态；通过所述风险评估模型，并根据所述目标节点特征和所述历史隐藏状态，确定所述评估时间内的实际隐藏状态；评估结果确定模块，用于根据所述实际隐藏状态，对所述评估时间内的所述目标用户进行风险评估，得到风险评估结果。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
技术总结
本申请涉及一种风险评估方法、装置和存储介质。上述方法包括：获取评估时间内的目标用户，并确定评估时间对应的用户关联图；确定与目标节点相邻的、位于不同层级的多个邻居节点集，并对多个邻居节点集进行聚合处理，得到目标节点的目标节点特征；确定评估时间对应的历史时间，并获取风险评估模型在对历史时间内的目标用户进行风险评估时所输出的历史隐藏状态；通过风险评估模型，并根据目标节点特征和历史隐藏状态，确定评估时间内的实际隐藏状态；根据实际隐藏状态，对评估时间内的目标用户进行风险评估，得到风险评估结果。采用本方法能够提高风险评估的准确性。法能够提高风险评估的准确性。法能够提高风险评估的准确性。
技术研发人员：吴嘉婧 余文佳 尹川学 郭海旭 方耀 郑子彬 梁万山
受保护的技术使用者：中山大学
技术研发日：2022.09.29
技术公布日：2023/1/2