[发明专利]风险账户的识别方法及装置

权利要求书

1.一种风险账户的识别方法，其特征在于，所述方法包括：

获取多个初始账户数据，基于图数据结构生成所述多个初始账户数据的账户数据图，所述账户数据包括：账户基本信息和账户转账信息；

将所述账户数据图输入至已训练的识别模型中，以生成每个账户的风险预测信息，所述识别模型为图卷积神经网络模型；

根据每个账户的风险预测信息确定该账户是否为风险账户。

2.根据权利要求1所述的方法，其特征在于，所述识别模型通过深度图学习框架DGL构建，所述识别模型包括：图卷积层、全连接层、激活层和输出层，其中，输出层采用归一化指数函数。

3.根据权利要求2所述的方法，其特征在于，所述识别模型通过如下方式来训练：

获取历史账户数据，所述历史账户数据包括：历史账户基本信息、历史账户转账信息、是否为风险账户信息；

基于图数据结构生成所述历史账户数据的历史账户数据图；

将所述历史账户数据图输入至识别模型、并基于损失函数和梯度下降算法训练该识别模型。

4.根据权利要求3所述的方法，其特征在于，将所述历史账户数据图输入至识别模型之前，所述方法还包括：

根据所述历史账户基本信息设置所述识别模型的初始参数。

5.根据权利要求4所述的方法，其特征在于，将所述历史账户数据图输入至识别模型、并基于损失函数和梯度下降算法训练该识别模型包括：

将所述历史账户数据图输入至所述识别模型、基于所述损失函数的值、以梯度下降算法更新所述初始参数；

将所述损失函数最小值时的参数作为最优参数，以此训练所述识别模型，其中，所述损失函数为交叉熵误差函数，梯度下降算法为适应性矩估计Adam算法。

6.根据权利要求3所述的方法，其特征在于，将所述历史账户数据图输入至识别模型包括：

将所述历史账户数据图输入至所述识别模型的图卷积层，在所述图卷积层对所述历史账户数据图执行如下操作：

根据所述历史账户数据图中各节点N_j对应的账户基本信息、节点N_j的度、以及与该节点N_j连接的其他节点的度计算N_j的图卷积层特征信息，其中，j为大于等于1的正整数，度表示与节点连接的边数量。

7.根据权利要求1所述的方法，其特征在于，所述风险预测信息通过向量(a，b)表示，其中，a+b＝1。

8.一种风险账户的识别装置，其特征在于，所述装置包括：

账户数据获取单元，用于获取多个初始账户数据，所述账户数据包括：账户基本信息和账户转账信息；

账户数据图生成单元，用于基于图数据结构生成所述多个初始账户数据的账户数据图；

预测单元，用于将所述账户数据图输入至已训练的识别模型中，以生成每个账户的风险预测信息，所述识别模型为图卷积神经网络模型；

风险确定单元，用于根据每个账户的风险预测信息确定该账户是否为风险账户。

9.根据权利要求8所述的装置，其特征在于，所述识别模型通过深度图学习框架DGL构建，所述识别模型包括：图卷积层、全连接层、激活层和输出层，其中，输出层采用归一化指数函数。

10.根据权利要求9所述的装置，其特征在于，所述装置还包括：模型训练单元，用于训练所述识别模型，

所述模型训练单元包括：

历史账户数据获取模块，用于获取历史账户数据，所述历史账户数据包括：历史账户基本信息、历史账户转账信息、是否为风险账户信息；

历史账户数据图生成模块，用于基于图数据结构生成所述历史账户数据的历史账户数据图；

模型训练模块，用于将所述历史账户数据图输入至识别模型、并基于损失函数和梯度下降算法训练该识别模型。