[发明专利]数值属性挖掘方法、装置、计算机设备和存储介质

说明书

本申请涉及一种基于机器学习的数值属性挖掘方法、装置、计算机设备和存储介质。方法包括：获取待定对象的全连通子网路图；全连通子网络图包括待定对象节点、参考对象节点以及参考对象节点与待定对象节点之间的关系类型；获取参考对象节点对应的身份属性信息，并在身份属性信息中提取相应参考对象的数值属性值；根据身份属性信息确定多个数值属性的枚举值；获取多种预设关系类型，基于预设关系类型、枚举值以及参考对象的数值属性值生成参考特征矩阵；将参考特征矩阵输入预设的数值属性预测模型，得到待定对象的数值属性值。采用本方法能够准确预测资源拥有者数值属性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种数值属性挖掘方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的不断发展，通过计算机实现资源转移越来越来越普遍。资源，包括虚拟物品以及实体物品，虚拟物品比如账户数值、积分或者电子代金券等，实体物品比如房产、车辆等。计算机通常采用数值来表征资源的经济价值。在信用风险评估等多种场景中，常需要计算该数值大小，以挖掘资源拥有者的数值属性。因而，在互联网金融场景下，如何准确预测资源拥有者的数值属性，对风控管理和应用至关重要。

发明内容

基于此，有必要针对上述技术问题，提供一种能够准确预测资源拥有者的数值属性的数值属性挖掘方法、装置、计算机设备和存储介质。

一种数值属性挖掘方法，所述方法包括：获取待定对象的全连通子网路图；所述全连通子网络图包括待定对象节点、参考对象节点以及所述参考对象节点与所述待定对象节点之间的关系类型；获取所述参考对象节点对应的身份属性信息，并在所述身份属性信息中提取相应参考对象的数值属性值；根据所述身份属性信息确定多个数值属性的枚举值；获取多种预设关系类型，基于预设关系类型、所述枚举值以及所述参考对象的数值属性值生成参考特征矩阵；将所述参考特征矩阵输入预设的数值属性预测模型，得到所述待定对象的数值属性值。

在一个实施例中，所述获取待定对象的全连通子网路图，包括：获取关系网络图谱；所述关系网络图谱包括多个对象节点及每个对象节点连接的属性节点；识别每个对象节点对应兴趣属性的属性值是否缺失；根据识别结果将所述关系网络图谱中多个对象节点区分为确定对象节点和待定对象节点；在所述关系网络图谱中划取每个所述待定对象节点的全连通子网络图；将所述全连通子网络图中与待定对象节点存在目标关联关系的确定对象节点标记为参考对象节点。

在一个实施例中，所述在所述关系网络图谱中划取每个所述待定对象节点的全连通子网络图，包括：获取所述待定对象节点的社交网络信息；根据所述社交网络信息计算所述待定对象节点与一度关联的每个对象节点之间的综合关联度；识别所述综合关联度超过阈值的对象节点是否至少一个为确定对象节点；若否，根据所述社交网络信息在所述关系网路图中查找与所述待定对象节点二度关联的一个或多个对象节点，在所述关系网路图中划取包含待定对象节点以及与所述待定对象节点一度关联或二度关联的多个对象节点的图谱区域，得到全连通子网络图。

在一个实施例中，所述基于预设关系类型、所述枚举值以及所述参考对象的数值属性值生成参考特征矩阵包括：计算每个参考对象节点与所述待定对象节点的综合关联度；根据所述综合关联度及所述数值属性值，计算得到多个参考属性值；基于预设关系类型、所述枚举值以及所述参考属性值生成参考特征矩阵。

在一个实施例中，所述方法还包括：基于所述数值属性值对所述待定对象的初始属性信息进行补充，得到目标属性信息；将所述目标属性信息发送至业务终端，使所述业务终端根据所述目标属性信息向所述待定对象对应的用户终端发送产品推荐信息，并在接收到所述用户终端基于不同业务服务平台根据所述产品推荐信息触发的产品获取请求时生成待处理数值数据，将所述待处理数值数据上传至相应业务服务平台对应的子数据库；将多个子数据库中的待处理数值数据同步至目标数据库进行综合处理。