[发明专利]一种发掘潜在风险词的方法、装置及设备

说明书

本说明书实施例公开了一种发掘潜在风险词的方法、装置及设备。在本说明实施例中，建立包含的各顶点与各目标文本中的各词一一对应的点图，然后根据已知风险词的词向量与其他词的词向量的距离，确定所述点图中每个顶点的入边和/或出边，得到有向图。进而，可以根据所述有向图中每个顶点的入边和/或出边，计算各顶点分别对应的评分，针对每个顶点，根据所述有向图所能确定出的以该顶点为起点的各路径中包含的其他顶点的数量越多，该顶点对应的评分越高。可以根据评分大于指定阈值的顶点对应的词，确定潜在风险词。

技术领域

本说明书涉及信息技术领域，尤其涉及一种发掘潜在风险词的方法、装置及设备。

背景技术

在诸多行业，风险控制(简称风控)工作的重要性不言而喻。例如，电子支付平台的风控工作可以是从受理的转账业务中识别出涉嫌洗钱的转账业务。

实践中，业务相关文本(如业务的附言)可以为风险识别工作提供线索。以业务的附言为例，业务的附言是用户发送业务请求时，附带发送的消息。例如，张三向电子支付平台发送向李四转账1000元的转账请求，并附言“请收米”，该附言即是张三向李四发送的消息。

具体地，工作人员可以对已知存在风险的业务的业务相关文本进行分析，发掘出若干风险词，然后根据发掘出的风险词，对业务进行风险识别。以反洗钱的场景为例，电子支付平台的工作人员可以对已知涉嫌洗钱的转账业务的附言进行分析，将附言中包含的某些与洗钱较为相关的词，作为风险词(例如，上文中的“收米”是赌博犯罪分子进行洗钱时习惯使用的词，表达“收钱”的意思)，并将之交由电子支付平台的业务系统进行保存。业务系统当受理一笔转账业务时，可以判断该转账业务的附言中是否包含自身保存的至少一个风险词，若是，则确定该转账业务涉嫌洗钱。

实际上，人工所发掘出的风险词(本文将之称为已知风险词)往往较少。对于大量认定为无风险却实际存在风险的业务而言，这些业务的业务相关文本中包含大量的风险词未被发掘(本文将未被发掘的风险词称为潜在风险词)，这些潜在风险词所表达的含义与已知风险词所表达的含义相近。例如，赌博犯罪分子在进行洗钱时，为了避开业务系统的风险识别，可以在的附言中使用“接水”一词，表达与“收米”相近的含义。为了使业务系统能够依据更多的风险词对受理的业务进行更为准确的风险识别，可以将已知风险词作为样本，训练模型，训练得到的模型可以判断一个词是否与已知风险词的含义相近，可以将所述模型认定的与已知风险词含义相近的词作为潜在风险词。

基于现有技术，需要一种更为准确的发掘潜在风险词的方法。

发明内容

本说明书实施例提供一种发掘潜在风险词的方法、装置及设备，以解决现有的发掘潜在风险词的方法存在的准确性较低的问题。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的一种发掘潜在风险词的方法，包括：

获取若干目标文本，各目标文本中的部分词为已知风险词；

对各目标文本进行处理，得到各目标文本中的各词的词向量；

确定包含的各顶点与各词一一对应的点图；

根据已知风险词的词向量与其他词的词向量的距离，确定所述点图中每个顶点的入边和/或出边，得到有向图；

根据所述有向图中每个顶点的入边和/或出边，计算各顶点分别对应的评分；针对每个顶点，根据所述有向图所能确定出的以该顶点为起点的各路径中包含的其他顶点的数量越多，该顶点对应的评分越高；

根据评分大于指定阈值的顶点对应的词，确定潜在风险词。

本说明书实施例提供的一种发掘潜在风险词的装置，包括：

获取模块，获取若干目标文本，各目标文本中的部分词为已知风险词；