[发明专利]银行信贷风险识别知识图谱构建方法、装置、计算机设备及计算机可读存储介质

说明书

本发明提供了一种银行信贷风险识别知识图谱构建方法、装置、计算机设备及计算机可读存储介质，涉及大数据技术领域，该方法包括：采集银行客户的信贷风险数据；构建信贷风险本体数据，定义实体、属性和关系；将信贷风险数据输入至预先训练好的深度学习网络模型中，获得多个信贷风险实体，确定每个信贷风险实体的属性；提取信贷风险实体的属性之间的关系，基于定义的属性，确定多个信贷风险关系；对多个信贷风险实体、信贷风险实体的属性和多个信贷风险关系进行数据融合；基于数据融合后的信贷风险实体、信贷风险实体的属性和信贷风险关系，构建银行信贷风险识别知识图谱。本发明可以构建银行信贷风险识别知识图谱。

技术领域

本发明涉及大数据技术领域，尤其涉及一种银行信贷风险识别知识图谱构建方法、装置、计算机设备及计算机可读存储介质。

背景技术

近年来，商业银行主动适应互联网信息化浪潮，积极发展线上信贷业务。线上信贷优势明显：一是金融信贷规模较大，商业银行普遍具有良好的信任度，拥有完整的信贷产品体系，客户资源丰富；二是数据资源丰富，可靠性高，拥有大量真实客户金融业务数据；三是银行网点分布范围广，具有竞争优势，能有效满足客户个性化、定制化的金融信贷业务需求。商业银行依据其自身优势利用互联网技术发展信贷业务能够高效经营管理，同时也增加了商业银行信贷业务风险识别的复杂性与全面性。

同时，随着信息技术的发展，人们经历了以网页链接为核心的Web 1.0时代和以数据链接为核心的Web 2.0时代，目前正迈向以知识相互关联为主要特征的“Web3.0”时代。然而目前互联网信息数据规模庞大，数据来源丰富，并且很多数据都是以无序的半结构化或非结构化形式存在，传统的数据管理方式受到了一定的制约。知识图谱(Knowledge Graph)的出现，为解决这些问题提供了新的思路。知识图谱(Knowledge Graph)概念于2012年由Google正式提出。目前知识图谱相关技术得到大力发展，从模型定义到构建技术再到实用环境都有了彻头彻尾的改变，知识图谱已被广泛应用于个性化推荐、个人语音助手、社区问答等领域。国内外互联网公司纷纷推出了自己的知识图谱产品，如微软的Satori、百度的“知心”、搜狗的“知立方”等。

目前，越来越多的金融机构开始探索构建自己的金融知识图谱。金融知识图谱已应用于反欺诈、精准营销等领域。例如，在反欺诈场景中，通过将与贷款人相关的多源数据整合到知识图谱中，可以对贷款人可能存在的风险进行全面分析和评估，从而有效防范金融欺诈；在精准营销场景中，企业可以利用知识图谱分析用户行为，为潜在客户构建精准的用户画像，从而对其进行精准推送。尽管大量的知识图谱日益涌现，但面向金融企业领域的知识图谱还相对匮乏。此外，大多数工作都只关注知识图谱构建过程中的某一环节，如数据表示、存储和抽取等。同时，在商业银行的实际经营过程中，对于信贷风险的识别问题始终是一个核心问题。互联网信贷的不断发展使得信贷风险普遍存在，导致信贷风险呈现出多样化趋势，增加了商业银行信贷风险识别的难度，传统的信贷风险管理多通过对拟授信主体特征如负债、资产状况、现金流水等方面进行严格的准入审核，但这些都无法判断主体间的关联风险。因此，研究金融领域知识图谱的构建具有重要的意义和价值。

发明内容

本发明实施例提出一种银行信贷风险识别知识图谱构建方法，用以构建银行信贷风险识别知识图谱，该方法包括：

采集银行客户的信贷风险数据；

基于所述信贷风险数据，构建信贷风险本体数据，定义实体、属性和关系；

将信贷风险数据输入至预先训练好的深度学习网络模型中，获得多个信贷风险实体，确定每个信贷风险实体的属性，所述预先训练好的深度学习网络模型是以信贷风险数据为输入，以定义的实体为输出进行训练获得的；

提取信贷风险实体的属性之间的关系，基于定义的属性，确定多个信贷风险关系；

对多个信贷风险实体、信贷风险实体的属性和多个信贷风险关系进行数据融合，获得数据融合后的信贷风险实体、信贷风险实体的属性和信贷风险关系；