风险识别方法、装置、计算机设备、存储介质与流程

本技术涉及大数据，特别是涉及一种风险识别方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、随着信息技术的快速发展，在不同领域中，用户的数据量和数据种类也呈现指数型上升的趋势，但是，随着用户数据的指数型上升，数据中的风险数据也随之增加，从而该用户成为风险用户的可能性也随之增加。对用户进行风险识别能够提高对用户进行数据处理时的安全性。因此，需要具备对用户进行风险识别的能力。

2、以银行对用户进行风险识别为例，目前，对银行数据进行风险识别一般是对用户的消费流水数据来进行的，即对用户的消费流水数据来进行分析，判断用户的消费流水数据是否存在异常，若存在异常，则认为该用户的数据为风险数据，该用户也为异常用户。然而，目前的这种风险识别方式，并不能够准确进行风险识别。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种准确的风险识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种风险识别方法。所述方法包括：

3、获取前端配置的目标对象的信息、所述目标对象之间的第一关系标签、所述目标对象与初始风险知识图谱中实体节点之间的第二关系标签；

4、以所述目标对象作为所述初始风险知识图谱中的实体，将所述目标对象、所述第一关系标签、及所述第二关系标签更新至所述初始风险知识图谱；

5、获取更新后的初始风险知识图谱中各实体节点的风险标签及结构特征；

6、在存在待更新风险标签的候选实体节点的情况下，更新所述候选实体节点以及所述候选实体节点的关联节点的风险标签，获得风险知识图谱，候选实体节点包括风险标签发生变化或结构特征表征异常的实体节点；

7、对所述风险知识图谱进行社区划分，并计算社区划分后的社区风险数据；

8、根据所述社区风险数据，对所述目标对象进行风险识别。

9、在其中一个实施例中，所述获取前端配置的目标对象的信息、所述目标对象之间的第一关系标签、所述目标对象与初始风险知识图谱中实体节点之间的第二关系标签包括：

10、获取前端配置的原始信息、字段筛选配置信息、及数据清洗配置信息；

11、基于所述字段筛选配置信息，对所述原始信息进行字段筛选，得到所述原始数据中目标对象的信息、所述目标对象之间的第一关系标签、所述目标对象与所述初始风险知识图谱中实体节点之间的第二关系标签；

12、基于所述数据清洗配置信息，对所述目标对象的信息、所述第一关系标签、所述第二关系标签进行数据清洗，更新所述目标对象的信息、所述第一关系标签、所述第二关系标签。

13、在其中一个实施例中，所述以所述目标对象作为所述初始风险知识图谱中的实体，将所述目标对象、所述第一关系标签、及所述第二关系标签更新至所述初始风险知识图谱包括：

14、确定所述初始风险知识图谱中所需实体字段、所需实体属性字段、所需关系字段；

15、从所述目标对象的信息中获取所述目标对象的属性标签；

16、基于所述所需实体字段、所述所需属性字段、及所述所需关系字段，分别对所述目标对象、所述属性标签、所述第一关系标签、及所述第二关系标签进行筛选，并对筛选后的数据进行规范化处理；

17、以所述目标对象作为所述初始风险知识图谱中的实体，将数据规范处理后的所述目标对象、所述属性标签、所述第一关系标签、及所述第二关系标签更新至所述初始风险知识图谱。

18、在其中一个实施例中，所述以所述目标对象作为所述初始风险知识图谱中的实体，将数据规范处理后的所述目标对象、所述属性标签、所述第一关系标签、及所述第二关系标签更新至初始风险知识图谱包括：

19、以所述目标对象作为所述初始风险知识图谱中的实体，将数据规范处理后的所述目标对象、及数据规范处理后的所述属性标签更新至所述初始风险知识图谱，以更新所述初始风险知识图谱的实体节点及所述实体节点的属性标签；

20、基于更新后的实体节点，将数据规范处理后的所述第一关系标签、及数据规范处理后的所述第二关系标签更新至所述初始风险知识图谱，以更新所述初始风险知识图谱的实体节点之间的关系标签。

21、在其中一个实施例中，所述在存在待更新风险标签的候选实体节点的情况下，更新所述候选实体节点以及所述候选实体节点的关联节点的风险标签，获得风险知识图谱包括：

22、当存在待更新风险标签的所述风险标签发生变化的候选实体节点时，基于所述第一关系标签、及所述第二关系标签，获取各所述实体节点与所述候选实体节点的关系密切度，并基于所述关系密切度，确定所述候选实体节点的关联节点；更新所述候选实体节点以及所述候选实体节点的关联节点的风险标签，获得风险知识图谱；

23、或；

24、当存在待更新风险标签的所述结构特征表征异常的候选实体节点时，确定候选实体节点对应的结构特征中的各实体节点，并基于所述候选实体节点对应的结构特征中的各实体节点，确定所述候选实体节点的关联节点；更新所述候选实体节点以及所述候选实体节点的关联节点的风险标签，获得风险知识图谱。

25、在其中一个实施例中，所述对所述风险知识图谱进行社区划分，并计算社区划分后的社区风险数据包括：

26、对所述风险知识图谱进行社区划分，得到不同社区；

27、获取不同社区中实体节点数量、关系标签数量、所述实体节点对应的风险标签表征异常的节点数量、及所述实体节点对应的最大出度入度数量；

28、根据所述实体节点数量、所述关系标签数量、所述风险标签表征异常的节点数量、及所述最大出度入度数量，计算社区划分后的不同社区风险数据。

29、在其中一个实施例中，所述根据所述社区风险数据，对所述目标对象进行风险识别包括：

30、获取社区风险指标阈值数据；

31、基于所述社区风险指标阈值数据，对所述社区风险数据进行比较，得到比较结果，并根据所述比较结果，对所述目标对象进行风险识别。

32、第二方面，本技术还提供了一种风险识别装置。所述装置包括：

33、目标数据获取模块，用于获取前端配置的目标对象的信息、所述目标对象之间的第一关系标签、所述目标对象与初始风险知识图谱中实体节点之间的第二关系标签；

34、初始图谱更新模块，用于以所述目标对象作为所述初始风险知识图谱中的实体，将所述目标对象、所述第一关系标签、及所述第二关系标签更新至所述初始风险知识图谱；

35、标签及结构获取模块，用于获取更新后的初始风险知识图谱中各实体节点的风险标签及结构特征；

36、风险标签更新模块，用于在存在待更新风险标签的候选实体节点的情况下，更新所述候选实体节点以及所述候选实体节点的关联节点的风险标签，获得风险知识图谱，候选实体节点包括风险标签发生变化或结构特征表征异常的实体节点；

37、图谱社区划分模块，用于对所述风险知识图谱进行社区划分，并计算社区划分后的社区风险数据；

38、目标风险识别模块，用于根据所述社区风险数据，对所述目标对象进行风险识别。

39、在一个实施例中，所述目标数据获取模块用于获取前端配置的原始信息、字段筛选配置信息、及数据清洗配置信息；基于所述字段筛选配置信息，对所述原始信息进行字段筛选，得到所述原始数据中目标对象的信息、所述目标对象之间的第一关系标签、所述目标对象与所述初始风险知识图谱中实体节点之间的第二关系标签；基于所述数据清洗配置信息，对所述目标对象的信息、所述第一关系标签、所述第二关系标签进行数据清洗，更新所述目标对象的信息、所述第一关系标签、所述第二关系标签。

40、在一个实施例中，所述初始图谱更新模块用于确定所述初始风险知识图谱中所需实体字段、所需实体属性字段、所需关系字段；从所述目标对象的信息中获取所述目标对象的属性标签；基于所述所需实体字段、所述所需属性字段、及所述所需关系字段，分别对所述目标对象、所述属性标签、所述第一关系标签、及所述第二关系标签进行筛选，并对筛选后的数据进行规范化处理；以所述目标对象作为所述初始风险知识图谱中的实体，将数据规范处理后的所述目标对象、所述属性标签、所述第一关系标签、及所述第二关系标签更新至所述初始风险知识图谱。

41、在一个实施例中，所述初始图谱更新模块还用于以所述目标对象作为所述初始风险知识图谱中的实体，将数据规范处理后的所述目标对象、及数据规范处理后的所述属性标签更新至所述初始风险知识图谱，以更新所述初始风险知识图谱的实体节点及所述实体节点的属性标签；基于更新后的实体节点，将数据规范处理后的所述第一关系标签、及数据规范处理后的所述第二关系标签更新至所述初始风险知识图谱，以更新所述初始风险知识图谱的实体节点之间的关系标签。

42、在一个实施例中，所述风险标签更新模块用于当存在待更新风险标签的所述风险标签发生变化的候选实体节点时，基于所述第一关系标签、及所述第二关系标签，获取各所述实体节点与所述候选实体节点的关系密切度，并基于所述关系密切度，确定所述候选实体节点的关联节点；更新所述候选实体节点以及所述候选实体节点的关联节点的风险标签，获得风险知识图谱；或；当存在待更新风险标签的所述结构特征表征异常的候选实体节点时，确定候选实体节点对应的结构特征中的各实体节点，并基于所述候选实体节点对应的结构特征中的各实体节点，确定所述候选实体节点的关联节点；更新所述候选实体节点以及所述候选实体节点的关联节点的风险标签，获得风险知识图谱。

43、在一个实施例中，所述图谱社区划分模块用于对所述风险知识图谱进行社区划分，得到不同社区；获取不同社区中实体节点数量、关系标签数量、所述实体节点对应的风险标签表征异常的节点数量、及所述实体节点对应的最大出度入度数量；根据所述实体节点数量、所述关系标签数量、所述风险标签表征异常的节点数量、及所述最大出度入度数量，计算社区划分后的不同社区风险数据。

44、在一个实施例中，所述目标风险识别模块用于获取社区风险指标阈值数据；基于所述社区风险指标阈值数据，对所述社区风险数据进行比较，得到比较结果，并根据所述比较结果，对所述目标对象进行风险识别。

45、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

46、获取前端配置的目标对象的信息、所述目标对象之间的第一关系标签、所述目标对象与初始风险知识图谱中实体节点之间的第二关系标签；

47、以所述目标对象作为所述初始风险知识图谱中的实体，将所述目标对象、所述第一关系标签、及所述第二关系标签更新至所述初始风险知识图谱；

48、获取更新后的初始风险知识图谱中各实体节点的风险标签及结构特征；

49、在存在待更新风险标签的候选实体节点的情况下，更新所述候选实体节点以及所述候选实体节点的关联节点的风险标签，获得风险知识图谱，候选实体节点包括风险标签发生变化或结构特征表征异常的实体节点；

50、对所述风险知识图谱进行社区划分，并计算社区划分后的社区风险数据；

51、根据所述社区风险数据，对所述目标对象进行风险识别。

52、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

53、获取前端配置的目标对象的信息、所述目标对象之间的第一关系标签、所述目标对象与初始风险知识图谱中实体节点之间的第二关系标签；

54、以所述目标对象作为所述初始风险知识图谱中的实体，将所述目标对象、所述第一关系标签、及所述第二关系标签更新至所述初始风险知识图谱；

55、获取更新后的初始风险知识图谱中各实体节点的风险标签及结构特征；

56、在存在待更新风险标签的候选实体节点的情况下，更新所述候选实体节点以及所述候选实体节点的关联节点的风险标签，获得风险知识图谱，候选实体节点包括风险标签发生变化或结构特征表征异常的实体节点；

57、对所述风险知识图谱进行社区划分，并计算社区划分后的社区风险数据；

58、根据所述社区风险数据，对所述目标对象进行风险识别。

59、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

60、获取前端配置的目标对象的信息、所述目标对象之间的第一关系标签、所述目标对象与初始风险知识图谱中实体节点之间的第二关系标签；

61、以所述目标对象作为所述初始风险知识图谱中的实体，将所述目标对象、所述第一关系标签、及所述第二关系标签更新至所述初始风险知识图谱；

62、获取更新后的初始风险知识图谱中各实体节点的风险标签及结构特征；

63、在存在待更新风险标签的候选实体节点的情况下，更新所述候选实体节点以及所述候选实体节点的关联节点的风险标签，获得风险知识图谱，候选实体节点包括风险标签发生变化或结构特征表征异常的实体节点；

64、对所述风险知识图谱进行社区划分，并计算社区划分后的社区风险数据；

65、根据所述社区风险数据，对所述目标对象进行风险识别。

66、上述风险识别方法、装置、计算机设备、存储介质和计算机程序产品，获取前端配置的目标对象的信息、目标对象之间的第一关系标签、目标对象与初始风险知识图谱中实体节点之间的第二关系标签；以目标对象作为初始风险知识图谱中的实体，将目标对象、第一关系标签、及第二关系标签更新至初始风险知识图谱；获取更新后的初始风险知识图谱中各实体节点的风险标签及结构特征；在存在待更新风险标签的候选实体节点的情况下，更新候选实体节点以及候选实体节点的关联节点的风险标签，获得风险知识图谱，候选实体节点包括风险标签发生变化或结构特征表征异常的实体节点；对风险知识图谱进行社区划分，并计算社区划分后的社区风险数据；根据社区风险数据，对目标对象进行风险识别。整个过程中，通过前端配置的目标对象的信息、及与目标对象相关的关系标签来更新初始风险知识图谱，并且能够基于初始风险知识图谱中各实体节点的风险标签、结构特征对初始风险知识图谱中实体节点的风险标签进行准确更新，从而更准确的获取风险知识图谱的社区风险数据，以实现对目标对象进行更准确的风险识别。