[发明专利]基于知识图谱的金融风险预警方法及装置

权利要求书

1.一种基于知识图谱的金融风险预警方法，其特征在于，所述方法包括：

对金融业务数据进行数据预处理并构建得到金融知识图谱；

根据预设关系图卷积神经网络模型对所述金融知识图谱进行局部邻域信息聚合操作，确定对应的拓扑特征向量；

根据预设语言模型对所述金融知识图谱进行语义特征提取，确定对应的语义特征向量；

通过多层感知深度神经网络模型对所述拓扑特征向量和所述语义特征向量进行特征融合，并根据所述特征融合结果和预设风险评分函数确定对应的金融风险。

2.根据权利要求1所述的基于知识图谱的金融风险预警方法，其特征在于，所述对金融业务数据进行数据预处理并构建得到金融知识图谱，包括：

对经过数据清洗后的金融业务数据按照业务类型进行分类处理，得到经过所述分类处理后的半结构化的金融业务数据，并根据预设抽取规则对所述金融业务数据进行知识抽取，得到金融业务知识；

根据预设图数据库和所述金融业务知识中的金融业务节点以及各所述金融业务节点之间的关联关系，构建得到金融知识图谱。

3.根据权利要求1所述的基于知识图谱的金融风险预警方法，其特征在于，所述根据预设关系图卷积神经网络模型对所述金融知识图谱进行局部邻域信息聚合操作，确定对应的拓扑特征向量，包括：

根据预设关系图卷积神经网络模型、所述金融知识图谱中各金融业务节点之间的关联关系类型和有向边方向进行局部邻域信息聚合操作，得到各金融业务节点和相应关联关系的拓扑特征向量。

4.根据权利要求1所述的基于知识图谱的金融风险预警方法，其特征在于，所述根据预设语言模型对所述金融知识图谱进行语义特征提取，确定对应的语义特征向量，包括：

根据预设自注意力模型对所述金融知识图谱中的各金融业务节点和关联关系进行映射，构建得到对应的词向量；

根据所述词向量与设定随机词向量矩阵的乘积确定对应的语义特征向量。

5.根据权利要求4所述的基于知识图谱的金融风险预警方法，其特征在于，在所述据所述词向量与设定随机词向量矩阵的乘积确定对应的语义特征向量之后，还包括：

根据预设交叉熵损失函数来对所述语义特征向量进行损失值计算，并根据计算得到的损失值和预设反向传播算法对所述随机词向量矩阵进行参数训练和参数迭代，得到经过所述参数训练和参数迭代后的随机词向量矩阵。

6.根据权利要求1所述的基于知识图谱的金融风险预警方法，其特征在于，所述通过多层感知深度神经网络模型对所述拓扑特征向量和所述语义特征向量进行特征融合，包括：

通过深度神经网络多层感知机对所述拓扑特征向量和所述语义特征向量进行线性运算，将所述拓扑特征向量和所述语义特征向量映射至同一向量空间，得到特征融合结果。

7.一种基于知识图谱的金融风险预警装置，其特征在于，包括：

知识图谱构建模块，用于对金融业务数据进行数据预处理并构建得到金融知识图谱；

拓扑特征确定模块，用于根据预设关系图卷积神经网络模型对所述金融知识图谱进行局部邻域信息聚合操作，确定对应的拓扑特征向量；

语义特征确定模块，用于根据预设语言模型对所述金融知识图谱进行语义特征提取，确定对应的语义特征向量；

特征融合风险评估模块，用于通过多层感知深度神经网络模型对所述拓扑特征向量和所述语义特征向量进行特征融合，并根据所述特征融合结果和预设风险评分函数确定对应的金融风险。

8.根据权利要求7所述的基于知识图谱的金融风险预警装置，其特征在于，所述知识图谱构建模块包括：

知识抽取单元，用于对经过数据清洗后的金融业务数据按照业务类型进行分类处理，得到经过所述分类处理后的半结构化的金融业务数据，并根据预设抽取规则对所述金融业务数据进行知识抽取，得到金融业务知识；

图谱构建单元，用于根据预设图数据库和所述金融业务知识中的金融业务节点以及各所述金融业务节点之间的关联关系，构建得到金融知识图谱。