[发明专利]基于关系图谱的用户分组方法、装置及电子设备

说明书

本公开涉及一种基于关系图谱的用户分组方法、装置、电子设备及计算机可读介质。该方法包括：基于多个用户的金融数据构建关系图谱，所述关系图谱中的多个节点为多个用户，所述关系图谱中的边为所述多个用户之间的关联关系；在所述关系图谱中基于随机游走算法生成所述多个节点的近邻矩阵；基于所述多个节点的近邻矩阵生成所述多个用户的多个用户向量；以及根据所述多个用户向量确定所述多个用户的用户分组。本公开涉及的基于关系图谱的用户分组方法、装置、电子设备及计算机可读介质，能够从深层次挖掘用户之间的关联关系，并生成能够体现用户之间关联关系的用户向量，还能够根据用户向量将用户进行分组，确定用户之间的属性特征。

技术领域

本公开涉及计算机信息处理领域，具体而言，涉及一种基于关系图谱的用户分组方法、装置、电子设备及计算机可读介质。

背景技术

金融风险防范是指金融市场主体在对相关分析的基础上运用一定的方法合规性地防范风险发生或规避风险以实现预期目标的行为。在当前的环境中，随着个人信贷需求的增加，涌现了越来越多的提供给个人用户的金融服务的公司，对于这些金融类的服务公司而言，提前预防用户个人的金融风险，从而在用户的金融风险发生之前，制定合理的策略防范由用户带来的金融风险，是一个热门技术领域。

关系图谱是描述个体及个体之间关系的图，在各个行业均得到了广泛的应用。关系图谱中的节点类型可以包括IP地址、设备、支付账户、账户联系人等，节点之间也可以存在不同的关系，比如IP登录行为、设备登录行为、联系人登记行为等。目前关系图谱在金融服务行业可应用在如下方面：在欺诈检测系统中可通过共用设备、共用联系人信息、共用IP等就可以作为可疑特征用于识别欺诈事件；关系图谱也可以基于现有黑名单，为可疑个体打上相应标签，用于反欺诈规则和风险提示。但是由于用户关系图谱中的用户节点数据量巨大(超过10亿个节点)，目前对用户图谱的分析也仅能对用户节点和其关联节点之间的关系进行挖掘，对于更深层次的用户之间的关联关系暂时未有解决方案。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本公开提供一种基于关系图谱的用户分组方法、装置、电子设备及计算机可读介质，能够从深层次挖掘用户之间的关联关系，并生成能够体现用户之间关联关系的用户向量，还能够根据用户向量将用户进行分组，确定用户之间的属性特征。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提出一种基于关系图谱的用户分组方法，该方法包括：基于多个用户的金融数据构建关系图谱，所述关系图谱中的多个节点为多个用户，所述关系图谱中的边为所述多个用户之间的关联关系；在所述关系图谱中基于随机游走算法生成所述多个节点的近邻矩阵；基于所述多个节点的近邻矩阵生成所述多个用户的多个用户向量；以及根据所述多个用户向量确定所述多个用户的用户分组。

可选地，还包括：根据所述用户分组生成所述多个用户的用户画像；和/或根据所述用户分组对所述多个用户进行违约风险分析。

可选地，基于多个用户的金融数据构建关系图谱，包括：根据用户的通讯数据和/或社交数据和/或设备数据和/或基础数据和/或行为数据生成所述金融数据；将用户作为顶点；由金融数据中提取用户之间的关联关系，并将所述关联关系作为边；将关联关系之间的紧密程度作为权重；以及通过所述顶点、所述边、所述权重构建所述关系图谱。

可选地，在所述关系图谱中基于随机游走算法生成所述多个节点的近邻矩阵，包括：确定随机游走次数n，n为大于1的整数；在所述关系图谱中进行n次随机游走；以及根据所述n次随机游走结果生成所述多个节点的近邻矩阵；其中所述近邻矩阵的维度为n。