[发明专利]一种基于知识图谱挖掘风险对象的方法及装置

说明书

本说明书实施例涉及一种基于知识图谱挖掘风险对象的方法及装置，方法包括：加载预先形成的知识图谱数据，知识图谱中的部分用户和/或部分交易被标定为风险对象，使用M个知识图谱规则挖掘算法分别对知识图谱进行规则挖掘，得到M个规则集合，将这M个规则集合合并之后得到包含N条风险规则的集合，这些规则用于推导出涉及风险对象的知识点。然后利用这些规则在原知识图谱上进行知识推理，得到假定涉及风险对象的多个假定知识点。根据假定知识点与各条风险规则的交叉验证结果，确定相应的标注数据，利用这些标注数据训练目标模型，训练好的目标模型用于挖掘风险对象。

技术领域

本说明书一个或多个实施例涉及知识图谱领域，尤其涉及一种基于知识图谱挖掘风险对象的方法及装置。

背景技术

近年来，知识图谱在搜索推荐、金融风控等多种业务下得到了广泛的应用。特别是，在电子支付平台进行交易风险评估的场景中，单个用户或单笔交易的信息往往不足以对交易风险进行准确评估，因此，常常借助于知识图谱所涵盖的关联信息，发现电子支付平台中的风险用户和风险交易。虽然常用的图深度学习模型具有很好的效果，但是由于其缺乏直观的可解释性，因此在风险分析的场景中仍然需要具体的风险分析规则作为辅助。当前，风险规则常常通过专家总结经验得出，效率较低，为此相关人员提出了很多风险规则挖掘方法，尝试从已有数据中自动挖掘出可用的风险规则。但是现有的规则挖掘方法普遍存在着准确率低，规则格式简单等问题，无法很好地挖掘风险对象。

发明内容

本说明书一个或多个实施例描述了一种基于知识图谱挖掘风险对象的方法及装置，旨在提升规则挖掘的准确率和覆盖率，以更加准确高效地发现电子支付中潜在的风险对象。

第一方面，提供了一种基于知识图谱挖掘风险对象的方法，包括：

获取预先形成的知识图谱，其中包含与用户和交易相关的若干知识点；所述知识图谱中部分用户和/或部分交易被标定为风险对象；

使用若干种知识图谱规则挖掘算法，以得到所述风险对象为目标对所述知识图谱分别进行规则挖掘，得到N条风险规则，其中任意一条风险规则用于推导出涉及风险对象的知识点；

分别利用所述N条风险规则，在所述知识图谱上进行推理，得到假定涉及风险对象的多个假定知识点；

对于任意的第一假定知识点，确定其对应的标注数据，其中包括，指示所述N条风险规则能否推理出所述第一假定知识点的第一标注数据，以及指示该第一假定知识点与所述知识图谱是否相符的第二标注数据；

利用所述多个假定知识点对应的多条标注数据训练目标模型；训练好的目标模型用于挖掘风险对象。

在一种可能的实施方式中，所述目标模型为概率图模型；利用所述多个假定知识点对应的多条标注数据训练目标模型，包括：

基于所述任意的第一假定知识点所对应的第一标注数据和第二标注数据，确定第一假定知识点对应于多个预设因子的因子值，所述多个预设因子用于反映假定知识点与各风险规则的关联；

基于权重参数，和所述多个假定知识点各自的因子值，确定所述多条标注数据的联合概率分布；

以所述联合概率分布最大化为目标，调整所述权重参数，得到所述概率图模型的优化参数。

在一种可能的实施方式中，所述多个预设因子包括以下中的至少两项：

指示所述风险规则能否推理出所述第一假定知识点的第一类因子；

指示所述第一标注数据与所述第二标注数据是否一致的第二类因子；

指示任意两条所述风险规则对于所述第一假定知识点的推理结果是否一致的第三类因子。

在一种可能的实施方式中，确定所述多条标注数据的联合概率分布，包括：