[发明专利]异常业务行为识别方法、装置、电子设备及存储介质

权利要求书

1.一种异常业务行为识别方法，其特征在于，所述方法包括：

接收预设业务系统传送的用户基本信息及用户交易数据，对所述用户交易数据进行数据清洗，得到标准交易数据；

提取出所述标准交易数据对应的数据标签并根据所述标准交易数据构建数据关系图谱；

利用预设逻辑回归算法对所述数据关系图谱进行向量化处理，得到图谱特征向量，并根据所述图谱特征向量和所述数据标签对预设半监督机器学习模型进行训练处理，得到异常识别模型；

获取待识别行为数据，将所述待识别行为数据输入至所述异常识别模型中，得到异常业务识别结果。

2.如权利要求1所述的异常业务行为识别方法，其特征在于，所述接收预设业务系统传送的用户基本信息及用户交易数据，包括：

获取所述预设业务系统中的开户回答问卷，并提取出所述开户回答问卷中的信息作为用户基本信息；

提取所述预设业务系统中的用户交易数据，并利用开源工具将所述用户基本信息和所述用户交易信息抽取出来。

3.如权利要求1所述的异常业务行为识别方法，其特征在于，所述对所述用户交易数据进行数据清洗，得到标准交易数据，包括：

对所述用户交易数据进行异常值识别及缺失值填充，得到初始交易数据；

根据预设交易时间将所述初始交易数据进行时间配置处理，得到配置交易数据；

将所述配置交易数据进行落表处理，得到标准交易数据。

4.如权利要求1所述的异常业务行为识别方法，其特征在于，所述提取出所述标准交易数据对应的数据标签，包括：

获取预设的标签参考库，所述标签参考库中包含不同的参考标签及所述参考标签对应的交易数据；

将所述标准交易数据与所述标签参考库中的参考标签对应的交易数据进行数据比对，将所述数据比对一致的交易数据对应的参考标签作为数据标签。

5.如权利要求1所述的异常业务行为识别方法，其特征在于，所述根据所述标准交易数据构建数据关系图谱，包括：

抽取所述标准交易数据中的不同数据源的用户特征数据；

对所述用户特征数据中的预设数据进行拓扑关联，得到关系网络；

将所述用户特征数据按照所述关系网络存入图数据库中，得到数据关系图谱。

6.如权利要求1所述的异常业务行为识别方法，其特征在于，所述根据所述图谱特征向量和所述数据标签对预设半监督机器学习模型进行训练处理，得到异常识别模型，包括：

将所述图谱特征向量和所述数据标签输入至所述预设半监督机器学习模型中，得到初始识别结果；

判断所述初始识别结果与预设标准识别结果是否一致；

若所述初始识别结果与所述预设标准识别结果一致，则将所述预设半监督机器学习模型输出为异常识别模型；

若所述初始识别结果与所述预设标准识别结果不一致，则调整所述预设半监督机器学习模型的模型参数并进行再次训练处理，直至再次训练的识别结果与所述预设标准识别结果一致，则将调整模型参数后的预设半监督机器学习模型输出为异常识别模型。

7.如权利要求1所述的异常业务行为识别方法，其特征在于，所述获取待识别行为数据，包括：

基于预设的埋点数据采集方法从业务平台中获取待识别行为数据。

8.一种异常业务行为识别装置，其特征在于，所述装置包括：

数据清洗模块，用于接收预设业务系统传送的用户基本信息及用户交易数据，对所述用户交易数据进行数据清洗，得到标准交易数据；

图谱构建模块，用于提取出所述标准交易数据对应的数据标签并根据所述标准交易数据构建数据关系图谱；

模型训练模块，用于利用预设逻辑回归算法对所述数据关系图谱进行向量化处理，得到图谱特征向量，并根据所述图谱特征向量和所述数据标签对预设半监督机器学习模型进行训练处理，得到异常识别模型；

异常识别模块，用于获取待识别行为数据，将所述待识别行为数据输入至所述异常识别模型中，得到异常业务识别结果。