[发明专利]一种基于社交网络的逃废债行为识别方法及系统

说明书

本发明涉及人工智能与软件系统技术领域，尤其是一种基于社交网络的逃废债行为识别方法及系统。本发明通过挖掘用户关联的QQ/微信群相关信息，分别构建基于AUC的XGBoost二分类模型和基于多分类logloss损失函数的XGBoost多分类模型，即逃废债群判别模型和逃废债等级，并通过模型系统部署双重模型，在风控系统贷前实时调用，“事前判断”用户逃废债等级，将逃废债高风险用户拦之门外，真正做到防范于未然，大大的降低了逃废债带来的资金损失。

技术领域

本发明涉及人工智能与软件系统技术领域,尤其是一种基于社交网络的逃废债行为识别方法及系统。

背景技术

逃废债是一种民事违约行为，不是所有的欠债都是逃废债，它强调债务 人的主观故意，确切地说，有履行能力而不尽力履行债务的行为就是逃废债。 逃废债的主要特征有：第一，逾期时间超过6个月，甚至更长；第二，贷款 额比较大，相关法律条款中没有明确规定这较大到底有多大，但我们可以参 考信用卡的相关条款，制定了5万元的法律界定线；第三，已进行了合法催 收环节和必要的催收，违法的催收行为不再此范畴，有证据表明借款人有能 力还款，但拒绝还款。

受逃废债产业链的影响，金融机构资产端受创严重，逾期和不良情况激增。在令人堪忧的不良率指标背后，无论是银行、持牌消费金融公司，还是小贷公司、互金机构，都面临着逃废债产业链的侵扰。

当前行业关于逃废债问题的解决方案，主要是通过事后司法打击的方式进行。对于金融机构来说，“事前预防”远比“事后治理”来得更为重要。通过深入研究逃废债用户行为，发现逃废债用户一般都会通过微信或QQ与逃废债黑产中介联系，进而加入逃废债群。

综上所述，本发明提出了一种基于社交网络的逃废债行为识别方法及系统，可以起到“事前预防”逃废债的问题。

发明内容

针对上述现有技术中存在的不足，本发明的目的在于提供一种基于社交网络的逃废债行为识别方法及系统，解决当前行业关于逃废债无法做到“事前预防”的问题。

为解决上述问题，本发明公开了一种基于社交网络的逃废债行为识别方法，包括以下步骤：

步骤1：种子样本挖掘

通过爬虫技术获取各类群相关信息，最终由案件调查员对群及群成员进行案件定性，形成种子样本；

步骤2：社交网络构建

采用开源的Neo4j图形数据库，构建基于社交网络的逃废债群关系图谱；

步骤3：基于社交网络的特征挖掘

从社交网络基础属性、网络节点群的统计属性、一度关联特征、二度关联特征和社交网络关联特征5个维度构建社交网络的特征体系；

步骤4：构建基于XGBoost的逃废债群二分类模型

基于人工标记的“是否逃废债群”标签及基于社交网络加工的群特征，采用XGBoost算法，构建逃废债群二分类模型，以AUC为度量方法，生成最优的逃废债群判别模型；

步骤5：构建基于XGBoost的逃废债等级多分类模型

基于人工标记的“群用户逃废债等级”标签及基于社交网络加工的用户特征，采用XGBoost算法，构建用户逃废债等级多分类模型，以多分类logloss损失函数为度量方法，生成最优的逃废债等级模型；

步骤6：模型部署

通过模型系统配置模型入参和模型出参，导入逃废债群判别模型的PMML文件和逃废债等级模型的PMML文件，并生成API接口供风控系统调用；模型系统主要包括模型属性模块、模型入参模块、模型文件模块、模型出参4个模块内容；

步骤7：策略应用