[发明专利]一种风控变量识别方法、装置、电子设备及存储介质

说明书

本公开实施例公开了一种风控变量识别方法、装置、电子设备及存储介质，其中，该方法包括：获取贷款申请人的多源异构数据和欺诈人员信息；基于所述申请人的多源异构数据，生成知识图谱，所述知识图谱包括多种申请人以及多种边，以及每个申请人的多个属性；基于所述欺诈人员信息和所述多种边，更新所述知识图谱中的所有申请人的一个或多个属性；从所述一个或多个属性中，确定一个或多个风控变量。

技术领域

本公开涉及风控变量识别领域，具体涉及一种基于知识图谱的风控变量识别方法、装置、电子设备及存储介质。

背景技术

利用知识图谱进行金融反欺诈是新型的金融大数据应用方向，知识图谱的优势在于能够建立以人为中心的关系型数据。知识图谱中包含节点，边以及相关的属性。通过利用知识图谱，可以得到不同的金融反欺诈应用，例如通过标签传播算法来识别潜在的欺诈人，通过社群发现来识别欺诈团伙等方法已经在具体的操作中得到了广泛的应用。除此之外，知识图谱还具有便于增加数据的优势，在金融大数据领域，数据多为不同来源的异构数据，并保持持续的更新。例如，一个初级的金融知识图谱可能仅包含一些贷款申请人或企业的基本信息，而其他数据源的数据，例如个人健康数据、企业专利数据等则可能在后续不断的增加到知识图谱之中。

在一种应用场景里，金融知识图谱可以作为一种金融技术，输出给其他的金融机构。一种常规的输入为向贷款机构提供申请人欺诈风险评估、欺诈团伙识别。然而，传统的贷款机构往往仍然使用人工信用审核的方法来完成贷款的审批。其中风控变量是人工审核需要参考的重要变量。在传统上，风控变量一般包括申请人薪资、任职单位、固定资产等少数传统风控变量。

然而，尽管金融大数据系统已经存储了大量的数据，但是信审人员要么依赖于知识图谱自动计算得到的结果，要么仍然只能依赖于传统的少数风控变量来审核贷款申请。因此，需要识别出新的风控变量来帮助信审人员来评估贷款申请人的金融风险。而当前的知识图谱可以自动确定欺诈概率，但却不能确定申请人的某个属性是否可以用来判断贷款申请人的金融风险。

发明内容

针对现有技术中的上述技术问题，本公开实施例提出了一种风控变量识别方法、装置、电子设备及计算机可读存储介质，以解决当前信审人员用于评估贷款申请人风险的风控变量较少的问题。

本公开实施例的第一方面提供了一种风控变量识别方法，包括：

获取贷款申请人的多源异构数据和欺诈人员信息；

基于所述申请人的多源异构数据，生成知识图谱，所述知识图谱包括多种申请人以及多种边，以及每个申请人的多个属性；

基于所述欺诈人员信息和所述多种边，更新所述知识图谱中的所有申请人的一个或多个属性；

从所述一个或多个属性中，确定一个或多个风控变量。

在一些实施例中，所述基于所述欺诈人员信息和所述多种边，更新所述知识图谱中的所有申请人的一个或多个属性，包括：

基于所述欺诈人员信息，更新所述知识图谱中的所述欺诈人员的一个或多个属性；

基于所述更新的欺诈人员的一个或多个属性和多种边，采用标签传播算法更新知识图谱中其他申请人的所述一个或多个属性。

在一些实施例中，所述从所述一个或多个属性中，确定一个或多个风控变量，包括：

针对所述一个或多个属性中的一个属性，确定预测模型，所述模型为机器学习模型；

基于所述预测模型，确定该属性的预测准确率；

当该属性的预测准确率高于或不低于预设阈值时，将该属性确定为风控变量。

在一些实施例中，所述预设阈值基于一个或多个传统风控变量确定，所述基于一个或多个传统风控变量确定预设阈值，包括：