[发明专利]异常交易实体的识别方法、装置、设备及可读存储介质

说明书

本发明公开了一种异常交易实体的识别方法，包括：获取交易数据集，并基于交易数据集构建初始交易图谱；利用基于复合特征向量训练得到的异常交易数据预测模型对交易数据集中各交易数据进行预测；当预测结果为交易数据集中存在异常交易数据时，确定并标记初始交易图谱中的初始异常交易实体集，得到目标交易图谱；利用Louvian社区发现算法对目标交易图谱进行交易社区划分，得到社区交易图谱；结合社区交易图谱和初始异常交易实体集进行异常交易实体排查，得到目标异常交易实体集。本发明提升了对异常交易数据监测的准确性和有效性，降低了对异常交易实体识别遗漏的概率。本发明还公开了一种装置、设备及存储介质，具有相应技术效果。

技术领域

本发明涉及人工智能技术领域，特别是涉及一种异常交易实体的识别方法、装置、设备及计算机可读存储介质。

背景技术

近年来，异常交易的数额不断增加，交易风险管理的压力越来越大。对此，金融机构需要加大对异常交易的监管投入。

现有的异常交易实体识别方法为创建多个交易监测标准规则模型；获取当前交易信息，基于目标实体的实体标识，调用目标实体的账户历史信息，根据当前交易信息和账户历史信息生成多个监测数据组；将监测数据组输入至相对应的交易监测标准规则模型中，输出监测数据组是否命中与之对应的交易监测标准规则模型设置的异常交易判断规则，进而确定目标实体是否为异常交易实体。

但是，异常交易的类型特点变化快，金融机构信息采集滞后，导致监测标准难以及时优化，现有的异常交易实体识别方法，监测标准的准确性、有效性难以保证，易造成对异常交易实体的识别遗漏。

综上所述，如何有效地解决现有的异常交易实体识别方法，监测标准的准确性、有效性难以保证，易造成对异常交易实体的识别遗漏等问题，是目前本领域技术人员急需解决的问题。

发明内容

本发明的目的是提供一种异常交易实体的识别方法，该方法较大地提升了对异常交易数据监测的准确性和有效性，扩大了对异常交易实体的识别范围，降低了对异常交易实体识别遗漏的概率；本发明的另一目的是提供一种异常交易实体的识别装置、设备及计算机可读存储介质。

为解决上述技术问题，本发明提供如下技术方案：

一种异常交易实体的识别方法，包括：

获取交易数据集，并基于所述交易数据集构建初始交易图谱；

利用基于复合特征向量训练得到的异常交易数据预测模型对所述交易数据集中各交易数据进行预测，得到预测结果；其中，所述复合特征向量由基于Louvian社区发现算法提取到的第一特征向量、基于专家经验特征提取算法提取到的第二特征向量以及基于时序特征提取算法提取到的第三特征向量进行向量合并得到；

当所述预测结果为所述交易数据集中存在异常交易数据时，确定并标记所述初始交易图谱中的初始异常交易实体集，得到目标交易图谱；

利用所述Louvian社区发现算法对所述目标交易图谱进行交易社区划分，得到社区交易图谱；

结合所述社区交易图谱和所述初始异常交易实体集进行异常交易实体排查，得到目标异常交易实体集。

在本发明的一种具体实施方式中，结合所述社区交易图谱和所述初始异常交易实体集进行异常交易实体排查，得到目标异常交易实体集，包括：

查找与所述初始异常交易实体集中的初始异常交易实体有关联关系的其他实体，并将查找到的实体添加到所述社区交易图谱；其中，所述关联关系包括身份关联关系、通信关联关系以及地址关联关系中的任意一项或几项组合；

对添加到所述社区交易图谱中与所述初始异常交易实体有关联关系的其他实体进行标记；

将所述社区交易图谱中标记的各实体构成的实体集合确定为所述目标异常交易实体集。