[发明专利]基于关联网络的风险评估方法、装置、设备以及存储介质

权利要求书

1.一种基于关联网络的风险评估方法，其特征在于，所述方法包括：

获取目标节点在关联网络中的目标社区，所述目标节点为待评估的目标对象在所述关联网络中对应的节点，所述目标社区由多个关联程度大于预设值的节点组成；

获取所述目标社区的社区特征，所述社区特征为基于所述目标社区中每个节点的特征确定的；

将所述社区特征和第一特征，输入风险评估模型，得到所述目标对象的风险评估结果，所述风险评估模型为基于神经网络模型训练得到的，所述第一特征为基于所述目标节点的n阶邻居节点的特征确定的，n≥1。

2.根据权利要求1所述的方法，其特征在于，所述获取目标节点在关联网络中的目标社区，包括：

确定所述目标节点是否属于所述关联网络；

若所述目标节点属于所述关联网络，则获取包含所述目标节点的社区作为目标社区；

否则，基于所述目标节点和所述目标节点的多个1阶邻居节点的关联关系的权重，确定所述目标社区。

3.根据权利要求2所述的方法，其特征在于，所述基于所述目标节点和所述目标节点的多个1阶邻居节点的关联关系的权重，确定所述目标社区，包括：

对包含至少一个1阶邻居节点的社区中的每个1阶邻居节点和所述目标节点的关联关系的权重求和，得到所述社区与所述目标节点的权重；

将权重的值最大的社区作为所述目标社区。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

获取所述目标对象在所述关联网络中的网络子图，所述网络子图包括与所述目标对象对应的目标节点以及所述目标节点的n阶邻居节点；

基于所述n阶邻居节点，得到所述第一特征。

5.根据权利要求4所述的方法，其特征在于，若所述第一特征包括邻居特征，所述邻居特征为所述目标节点的n阶邻居节点中每阶邻居节点在多个评估维度上的特征，则所述基于所述n阶邻居节点，得到所述第一特征，包括：

基于所述n阶邻居节点中每个邻居节点的特征，得到每阶邻居节点的特征。

6.根据权利要求4所述的方法，其特征在于，若所述第一特征包括图卷积特征，所述图卷积特征为所述目标节点的n阶邻居节点通过图卷积得到的特征，则所述基于所述n阶邻居节点，得到所述第一特征，包括：

对任一第n-1阶邻居节点连接的至少一个第n阶邻居节点的特征进行卷积运算，得到所述第n-1阶邻居节点的图卷积特征，并将所述图卷积特征合入所述第n-1阶邻居节点的特征；

重复上述过程，直至对所述目标节点连接的至少一个第1阶邻居节点的特征进行卷积运算，得到所述目标节点的图卷积特征。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

将所述目标节点的图卷积特征和所述目标节点在多个评估维度上的特征，输入卷积网络模型，得到图卷积风险分，将所述图卷积风险分作为最终的图卷积特征，所述卷积网络模型为预先基于神经网络模型训练得到的。

8.一种风险评估装置，其特征在于，包括：

获取单元，用于获取目标节点在关联网络中的目标社区，所述目标节点为待评估的目标对象在所述关联网络中对应的节点，所述目标社区由多个关联程度大于预设值的节点组成；

所述获取单元还用于获取所述目标社区的社区特征，所述社区特征为基于所述目标社区中每个节点的特征确定的；

处理单元，用于将所述社区特征和第一特征，输入风险评估模型，得到所述目标对象的风险评估结果，所述风险评估模型为基于神经网络模型训练得到的，所述第一特征为基于所述目标节点的n阶邻居节点的特征确定的，n≥1。

9.一种电子设备，其特征在于，包括：存储器和处理器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如权利要求1至7任一项所述的方法。

10.一种存储介质，其特征在于，包括：

可读存储介质和计算机程序，计算机程序用于实现如权利要求1至7任一项所述的方法。