[发明专利]风险用户识别方法、装置、计算机设备及存储介质

权利要求书

1.一种风险用户识别方法，其特征在于，包括：

根据用户数据样本构建图，所述用户数据样本包括多个用户数据，所述图的顶点为所述用户数据样本的其中一用户数据；

获取所述图的各顶点的节点向量；

获取所述图的各顶点的节点向量之间的距离；

根据所述图的各顶点的节点向量之间的距离以及预设的距离阈值确定关联顶点组作为群体，其中，若两用户对应的顶点的节点向量之间的距离小于所述距离阈值，则确认该两个用户属于同一关联顶点组；

根据所述群体的用户存储表以及预存的风险用户存储表确定所述群体中预设的风险用户的占比，其中，所述用户存储表用于存储所述群体的用户的名单，所述风险用户存储表用于存储预设的风险用户的名单；

根据所述群体中预设的风险用户的占比判断所述群体是否为风险群体；

若所述群体为风险群体，获取所述风险群体中预设的风险用户之外的用户作为目标用户；

将所述目标用户标记为可疑风险用户。

2.根据权利要求1所述的方法，其特征在于，所述获取所述图的各顶点的节点向量，包括：

从所述图的一顶点出发，根据该顶点与其它顶点之间的边进行随机游走，得到预设长度的顶点序列；

将所述顶点序列输入到预设的词向量训练模型中进行学习以得到节点向量。

3.根据权利要求1所述的方法，其特征在于，所述获取所述图的各顶点的节点向量，包括：

从所述图的一顶点出发，根据该顶点与其它顶点之间的边进行游走，得到预设长度的顶点序列，其中，在游走过程中，返回到原来顶点的概率为预设的返回概率参数，不返回到原来顶点的概率为预设的离开概率参数；

将所述顶点序列输入到预设的词向量训练模型中进行学习以得到节点向量。

4.根据权利要求1所述的方法，其特征在于，所述获取所述图的各顶点的节点向量之间的距离，包括：

通过以下公式计算两节点向量之间的距离，其中x₁₁，x₁₂，…，x_1n为节点向量a的分量；x₂₁，x₂₂，…，x_2n为节点向量b的分量。

5.根据权利要求1所述的方法，其特征在于，所述根据所述群体中预设的风险用户的占比判断所述群体是否为风险群体，包括：

判断所述群体中预设的风险用户的占比是否大于预设的占比阈值；

若所述群体中预设的风险用户的占比大于预设的占比阈值，判定所述群体为风险群体。

6.根据权利要求5所述的方法，其特征在于，所述根据所述群体中预设的风险用户的占比判断所述群体是否为风险群体，还包括：

若所述群体中预设的风险用户的占比不大于预设的占比阈值，判定所述群体为非风险群体。

7.一种风险用户识别装置，其特征在于，包括：

构建单元，用于根据用户数据样本构建图，所述用户数据样本包括多个用户数据，所述图的顶点为所述用户数据样本的其中一用户数据；

第一获取单元，用于获取所述图的各顶点的节点向量；

第二获取单元，用于获取所述图的各顶点的节点向量之间的距离；

第一确定单元，用于根据所述图的各顶点的节点向量之间的距离以及预设的距离阈值确定关联顶点组作为群体，其中，若两用户对应的顶点的节点向量之间的距离小于所述距离阈值，则确认该两个用户属于同一关联顶点组；

第二确定单元，用于根据所述群体的用户存储表以及预存的风险用户存储表确定所述群体中预设的风险用户的占比，其中，所述用户存储表用于存储所述群体的用户的名单，所述风险用户存储表用于存储预设的风险用户的名单；

第一判断单元，用于根据所述群体中预设的风险用户的占比判断所述群体是否为风险群体；

第三获取单元，用于若所述群体为风险群体，获取所述风险群体中预设的风险用户之外的用户作为目标用户；

标记单元，用于将所述目标用户标记为可疑风险用户。