[发明专利]一种基于用户关系网络的贷中异常行为检测方法

权利要求书

1.一种基于用户关系网络变动的贷中异常行为检测方法，其特征在于：所述的方法步骤如下：

步骤一、构建用户关系网络

参照社会网络理论，将用户个体本身定义为节点，将用户之间的通信定义为边；即将用户主动向另一用户发起的通信定义为两节点之间的有向边，从而将数据信息构建成当前用户集下的关系网络图；即，定义

G(V,E)

其中V为用户抽象点集，E为从发起通信用户指向接受通信用户的有向边集合；

步骤二、按时序拆分子图

根据关系网络图G边上附加信息，即用户间进行通信的时间，对图进行拆分；得到不同时间窗口下的用户关系子图：G₁,G₂,G₃…G_N；

步骤三、网络结构特征转化

根据图关系网络G的原邻接矩阵，以每个图中节点周围一阶子图为特征，采用衡量图结构相似度的核算法比较各个子图间结构差异以作为两点之间结构差异，从而构建结构邻接矩阵；

步骤三、网络结构特征转化

根据关系网络图的原邻接矩阵，以每个图中节点周围一阶子图为特征，采用衡量图结构相似度的核算法比较各个子图间结构差异以作为两点之间结构差异，从而构建结构邻接矩阵；

步骤四、网络结构特征提取

在步骤三种提取出来的结构邻接矩阵和原邻接矩阵上分别游走并记录两点之间游走步长，形成两个张量序列，即连接信息张量和结构信息张量；

步骤五、整合连接信息和结构信息

压缩步骤四所获得的海量连接信息张量和结构信息张量，期间通过构建梯度下降损失函数使指标最大化以尽量减少压缩过程中的信息损失；

步骤六、基于时序信息构建嵌入向量。

2.根据权利要求1所述的一种基于用户关系网络变动的贷中异常行为检测方法，其特征在于：所述的原邻接矩阵，是通过输入的图边信息转化而来：

1)构建数据全零的邻接矩阵

2)遍历边信息，修改完善相应点上的邻接矩阵权重。

3.根据权利要求1所述的一种基于用户关系网络变动的贷中异常行为检测方法，其特征在于：步骤四所述的网络结构特征提取，具体如下：

S41.输入G′∈G₁,G₂,G₃…G_N，G₁,G₂,G₃…G_N为上述不同时序下子图，G′为其中任意一个子图；

S42.对图G′中每个节点V_i进行随机游走，生成游走序列其中是从的邻居节点中随机选取的节点；这一游走序列中包含了该点周围网络的局部结构信息；

S43.对结构邻接矩阵采用同样处理方式。

4.根据权利要求1所述的一种基于用户关系网络变动的贷中异常行为检测方法，其特征在于：所述的步骤六，具体过程如下：

S61.将步骤五压缩的连接信息和结构信息整合并通过深度神经网络和infomax指标进行融合，从而获得在静态条件下图上各个节点的嵌入向量；

S62.在得到上一时刻嵌入的基础上，使用当前时刻浅入量作为未知量，与上一时刻嵌入整合，重构网络结构；通过与真实网络结构比较，得出预测值与真实值差异，并通过最小化差异的方式反推当前时刻嵌入。