[发明专利]一种基于BFS和LPA的知识图谱反欺诈特征提取方法

摘要

本发明一种基于BFS和LPA的知识图谱反欺诈特征提取方法：步骤一、对原始数据标准化，将原始数据转化为不同维度下的标注数据，进行清洗、转换，形成符合知识图谱建模的数据；步骤二、知识图谱模型构建，包含本体构建、语义标注和信息抽取。本发明优点：(1)将单纯的社交关系转为知识关系，使不同本体知识注入图谱，提供面向消费金融领域的知识图谱表示方法；(2)引入广度优先搜索寻找实体触黑阶层，改进后可提炼不同遍历长度的触黑信息，增强了特征层次，多样化了特征表示方式；(3)对消费金融反欺诈领域的欺诈团案问题，使用基于标签传播的实体子团挖掘方法，挖掘实体子团信息，提取对应的特征变量，表现出较好的区分特性。

主权项

1.一种基于BFS和LPA的知识图谱反欺诈特征提取方法，其特征在于：该方法包括如下步骤：步骤一、对原始数据标准化将用户在APP端授权的原始数据转化为不同维度下的标注数据，将数据整体划分为行为数据、消费数据、基本信息数据的维度，通过对这些数据进行清洗，转换，最终形成符合知识图谱建模的数据；步骤二、知识图谱模型的构建知识图谱模型构建主要包含本体构建、语义标注和信息抽取三个过程；S2.1构建本体环节包括构建用户本体及围绕用户生成的联系本体、地址本体和公司本体；S2.2针对消费公司提供的文本中记录的数据进行语义标注和语义校准，最终形成图谱实体与实体之间的可解析的信息；S2.3信息抽取包括实体抽取、关系抽取和属性抽取三个步骤；步骤三、基于BFS和LPA的知识图谱特征提取引入知识图谱从关系表示扩展到知识表示，在经过上述步骤之后，将用户数据表示成知识图谱数据形式，引入改进的广度优先搜索算法即BFS和标签传播算法即LPA对知识图谱数据进行进一步提取，提炼出不同知识层次下的特征；两种算法为串行处理逻辑，首先提取n阶遍历长度的触黑信息，之后提取知识图谱条件下的子团结构。