一种基于知识图谱的贷款风险识别方法及装置与流程

技术特征：
1.一种基于知识图谱的贷款风险识别方法，其特征在于，包括：从贷款客户知识图谱中获取目标客户作为头实体的各个第一三元组数据；其中，所述目标客户为风险客户，所述贷款客户知识图谱是预先建立的；根据各个第一三元组数据，获得每个第一三元组数据对应的向量；根据每个第一三元组数据对应的向量以及风险预测模型，获得每个第一三元组数据中尾实体对应的客户的风险预测结果；其中，所述风险预测模型是基于三元组风险训练数据以及对应的标签训练获得的。2.根据权利要求1所述的方法，其特征在于，所述根据各个第一三元组数据，获得每个第一三元组数据对应的向量包括：根据每个第一三元组数据包括的头实体的风险相关属性信息和尾实体的风险相关属性信息以及向量映射模型，获得每个第一三元组数据的头实体对应的向量和尾实体对应的向量；其中，所述向量映射模型是基于实体的风险相关属性信息和对应的标签训练获得的；根据每个第一三元组数据的头实体对应的向量和尾实体对应的向量、每个第一三元组数据包括的头实体和尾实体的关系以及关系向量映射模型，获得每个第一三元组数据的头实体和尾实体关系对应的向量；其中，所述关系向量映射模型是基于实体关系训练数据以及对应的标签训练获得的；根据每个第一三元组数据的头实体对应的向量和尾实体对应的向量以及头实体和尾实体关系对应的向量，获得每个第一三元组数据对应的向量。3.根据权利要求2所述的方法，其特征在于，基于实体的风险相关属性信息和对应的标签训练获得向量映射模型的步骤包括：从贷款客户知识图谱中获取第一预设数量个实体的风险相关属性信息，并获取所述第一预设数量个实体中每个实体的公司类型作为对应的标签；根据第一初始模型、所述第一预设数量个实体的风险相关属性信息以及对应的标签，训练获得所述向量映射模型。4.根据权利要求2所述的方法，其特征在于，基于实体关系训练数据以及对应的标签训练获得关系向量映射模型的步骤包括：从贷款客户知识图谱中获取第四预设数量的关系训练三元组数据；根据每个关系训练三元组数据包括的头实体的风险相关属性信息和尾实体的风险相关属性信息以及向量映射模型，获得每个关系训练三元组数据的头实体对应的向量和尾实体对应的向量；获取每个关系训练三元组数据的头实体和尾实体关系以及对应的标签，并将各个关系训练三元组数据的头实体对应的向量、尾实体对应的向量、头实体和尾实体关系以及对应的标签作为实体关系训练数据；根据第二初始模型、所述第四预设数量的关系训练三元组数据的头实体对应的向量、尾实体对应的向量、头实体和尾实体关系以及对应的标签，训练获得所述关系向量映射模型。5.根据权利要求1所述的方法，其特征在于，基于三元组风险训练数据以及对应的标签训练获得风险预测模型的步骤包括：从贷款客户知识图谱中抽取第二预设数量的三元组数据作为三元组风险训练数据，并
获取每个三元组数据中尾实体对应的风险等级作为每个三元组数据对应的标签；根据所述三元组风险训练数据包括的每个三元组数据包括的头实体的风险相关属性信息和尾实体的风险相关属性信息以及向量映射模型，获得所述三元组风险训练数据中每个三元组数据的头实体对应的向量和尾实体对应的向量；根据所述三元组风险训练数据中每个三元组数据的头实体对应的向量和尾实体对应的向量以及头实体和尾实体关系对应的向量，获得所述三元组风险训练数据中每个三元组数据对应的向量；根据第二初始模型、所述三元组风险训练数据中每个三元组数据对应的向量以及对应的标签，训练获得所述风险预测模型。6.根据权利要求1所述的方法，其特征在于，预先建立所述贷款客户知识图谱的步骤包括：基于初始三元组数据构建初始贷款客户知识图谱；其中，所述初始三元组数据是通过贷款相关数据抽取获得的；对所述初始贷款客户知识图谱进行共指消解，获得所述贷款客户知识图谱。7.根据权利要求1至6任一项所述的方法，其特征在于，确定所述目标客户为风险客户的步骤包括：从贷款客户知识图谱中获取所述目标客户作为头实体并且具有资金流向关系的各个第二三元组数据；根据所述目标客户的各个第二三元组数据，获得所述目标客户的子图特征；根据所述目标客户的子图特征以及资金流向异常检测模型，获得所述目标客户的资金流向检测结果；其中，所述资金流向异常检测模型是基于资金流向异常检测训练数据以及对应的标签训练获得的；若获知所述目标客户的资金流向检测结果为资金流向异常，则确定所述目标客户为风险客户。8.根据权利要求7所述的方法，其特征在于，基于资金流向异常检测训练数据以及对应的标签训练获得所述资金流向异常检测模型的步骤包括：从贷款客户知识图谱中获取具有资金流向关系的各个三元组数据；根据具有资金流向关系的各个三元组数据中的各个头实体构造第三预设数量的子图特征，作为所述资金流向异常检测训练数据，并获得所述第三预设数量的子图特征中每个子图特征对应的标签；根据第三初始模型、所述资金流向异常检测训练数据包括的各个子图特征以及对应的标签，训练获得所述资金流向异常检测模型。9.一种基于知识图谱的贷款风险识别装置，其特征在于，包括：第一获取模块，用于从贷款客户知识图谱中获取目标客户作为头实体的各个第一三元组数据；其中，所述目标客户为风险客户，所述贷款客户知识图谱是预先建立的；第一获得模块，用于根据各个第一三元组数据，获得每个第一三元组数据对应的向量；预测模块，用于根据每个第一三元组数据对应的向量以及风险预测模型，获得每个第一三元组数据中尾实体对应的客户的风险预测结果；其中，所述风险预测模型是基于三元组风险训练数据以及对应的标签训练获得的。
10.根据权利要求9所述的装置，其特征在于，所述第一获得模块包括：第一获得单元，用于根据每个第一三元组数据包括的头实体的风险相关属性信息和尾实体的风险相关属性信息以及向量映射模型，获得每个第一三元组数据的头实体对应的向量和尾实体对应的向量；其中，所述向量映射模型是基于实体的风险相关属性信息和对应的标签训练获得的；第二获得单元，用于根据每个第一三元组数据的头实体对应的向量和尾实体对应的向量、每个第一三元组数据包括的头实体和尾实体的关系以及关系向量映射模型，获得每个第一三元组数据的头实体和尾实体关系对应的向量；其中，所述关系向量映射模型是基于实体关系训练数据以及对应的标签训练获得的；第三获得单元，用于根据每个第一三元组数据的头实体对应的向量和尾实体对应的向量以及头实体和尾实体关系对应的向量，获得每个第一三元组数据对应的向量。11.根据权利要求10所述的装置，其特征在于，所述获得模块还包括：第一获取单元，用于从贷款客户知识图谱中获取第一预设数量个实体的风险相关属性信息，并获取所述第一预设数量个实体中每个实体的公司类型作为对应的标签；第一训练单元，用于根据第一初始模型、所述第一预设数量个实体的风险相关属性信息以及对应的标签，训练获得所述向量映射模型。12.根据权利要求10所述的装置，其特征在于，所述获得模块还包括：第二获取单元，用于从贷款客户知识图谱中获取第四预设数量的关系训练三元组数据；第四获得单元，用于根据每个关系训练三元组数据包括的头实体的风险相关属性信息和尾实体的风险相关属性信息以及向量映射模型，获得每个关系训练三元组数据的头实体对应的向量和尾实体对应的向量；第三获取单元，用于获取每个关系训练三元组数据的头实体和尾实体关系以及对应的标签，并将各个关系训练三元组数据的头实体对应的向量、尾实体对应的向量、头实体和尾实体关系以及对应的标签作为实体关系训练数据；第二训练单元，用于根据第二初始模型、所述第四预设数量的关系训练三元组数据的头实体对应的向量、尾实体对应的向量、头实体和尾实体关系以及对应的标签，训练获得所述关系向量映射模型。13.根据权利要求9所述的装置，其特征在于，还包括：抽取模块，用于从贷款客户知识图谱中抽取第二预设数量的三元组数据作为三元组风险训练数据，并获取每个三元组数据中尾实体对应的风险等级作为每个三元组数据对应的标签；第二获得模块，用于根据所述三元组风险训练数据包括的每个三元组数据包括的头实体的风险相关属性信息和尾实体的风险相关属性信息以及向量映射模型，获得所述三元组风险训练数据中每个三元组数据的头实体对应的向量和尾实体对应的向量；第三获得模块，用于根据所述三元组风险训练数据中每个三元组数据的头实体对应的向量和尾实体对应的向量以及头实体和尾实体关系对应的向量，获得所述三元组风险训练数据中每个三元组数据对应的向量；第一训练模块，用于根据第二初始模型、所述三元组风险训练数据中每个三元组数据
对应的向量以及对应的标签，训练获得所述风险预测模型。14.根据权利要求9所述的装置，其特征在于，还包括：构建模块，用于基于初始三元组数据构建初始贷款客户知识图谱；其中，所述初始三元组数据是通过贷款相关数据抽取获得的；消解模块，用于对所述初始贷款客户知识图谱进行共指消解，获得所述贷款客户知识图谱。15.根据权利要求9至14任一项所述的装置，其特征在于，还包括：第二获取模块，用于从贷款客户知识图谱中获取所述目标客户作为头实体并且具有资金流向关系的各个第二三元组数据；第四获得模块，用于根据所述目标客户的各个第二三元组数据，获得所述目标客户的子图特征；异常检测模块，用于根据所述目标客户的子图特征以及资金流向异常检测模型，获得所述目标客户的资金流向检测结果；其中，所述资金流向异常检测模型是基于资金流向异常检测训练数据以及对应的标签训练获得的；确定模块，用于在获知所述目标客户的资金流向检测结果为资金流向异常之后，确定所述目标客户为风险客户。16.根据权利要求15所述的装置，其特征在于，还包括：第三获取模块，用于从贷款客户知识图谱中获取具有资金流向关系的各个三元组数据；构造模块，用于根据具有资金流向关系的各个三元组数据中的各个头实体构造第三预设数量的子图特征，作为所述资金流向异常检测训练数据，并获得所述第三预设数量的子图特征中每个子图特征对应的标签；第二训练模块，用于根据第三初始模型、所述资金流向异常检测训练数据包括的各个子图特征以及对应的标签，训练获得所述资金流向异常检测模型。17.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8任一项所述方法的步骤。18.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。19.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。

技术总结
本发明提供一种基于知识图谱的贷款风险识别方法及装置，涉及金融信息服务技术领域，所述方法包括：从贷款客户知识图谱中获取目标客户作为头实体的各个第一三元组数据；根据各个第一三元组数据，获得每个第一三元组数据对应的向量；根据每个第一三元组数据对应的向量以及风险预测模型，获得每个第一三元组数据中尾实体对应的客户的风险预测结果。所述装置用于执行上述方法。本发明实施例提供的基于知识图谱的贷款风险识别方法及装置，提高了贷款风险识别的效率。险识别的效率。险识别的效率。


技术研发人员：陈尚志 朱祖恩 陈浩欣 魏晓聪 邱馥
受保护的技术使用者：中国建设银行股份有限公司
技术研发日：2022.01.14
技术公布日：2022/4/22