[发明专利]基于互联网数据的金融欺诈行为的识别方法

权利要求书

1.基于互联网数据的金融欺诈行为的识别方法，其特征包括：

A．对互联网上的数据进行实时采集，至少包括新闻门户网站、金融论坛和金融社区的数据；

B．对采集的数据进行清洗，将异构多源的脏数据进行归一化处理，得到结构化数据；

C．通过基于深度学习的情感分析方法，识别出所述结构化数据中的负面舆情；

D．根据配置信息计算舆情指数；

E．根据舆情指数识别互联网上的金融欺诈行为，并进行预警；

步骤D包括：

D1．设置与金融欺诈相关的关键词列表，当采集的数据中有与关键词列表中的关键词相同的，标记出该数据对应的文章；

D2．计算当前文章的舆情指数：当前文章的舆情指数=截距+评分，所述的截距为当前文章通过步骤C的基于深度学习的情感分析方法得到的情感指数，评分为将当前文章的各种属性经预定的计算方式得到的数值；

D3．计算平台的舆情指数：在设定的时间范围内循环的计算平台的舆情指数，计算该时间范围内在该平台搜索到的n篇文章各自的舆情指数A_i，i为文章编号，i≤n，舆情指数A_i最高的文章设置权重为n，舆情指数A_i最低的文章设置权重为1，则平台的舆情指数=sum([n－top(A_i)]×A_i)/(1+2+…+n)，其中top(A_i)为当前第i篇文章的舆情指数A_i的排序值。

2.如权利要求1所述的基于互联网数据的金融欺诈行为的识别方法，其特征为：步骤A中在对互联网上的数据进行实时采集时，先对互联网上的动态网页进行分布式抓取，在抓取时，由分布式架构中的主节点负责调度，从节点负责抓取；然后对抓取得到的HTML代码进行结构化数据提取，将半结构化的HTML代码转化为需要的结构化数据。

3.如权利要求2所述的基于互联网数据的金融欺诈行为的识别方法，其特征为：对动态网页进行分布式抓取是通过JS引擎渲染动态网页，从而获取最终展现页面的HTML代码。

4.如权利要求1所述的基于互联网数据的金融欺诈行为的识别方法，其特征为：步骤B中在进行数据清洗时，将非结构化数据转化为结构化数据，并进行数据去重和数据清洗。

5.如权利要求4所述的基于互联网数据的金融欺诈行为的识别方法，其特征为：所述的数据去重是通过基于Bloom Filter的数据结构实现基于URL的去重；所述的数据清洗是基于配置，将json格式数据转换为格式化的数据。

6.如权利要求1所述的基于互联网数据的金融欺诈行为的识别方法，其特征为：步骤E中，当单篇文章的舆情指数或平台的舆情指数达到设定阈值后，通过短信和/或邮件方式通知相关管理人员。