[发明专利]一种可信子图的挖掘方法、装置以及设备

说明书

本说明书实施例公开了一种可信子图的挖掘方法、装置以及设备。所述方法包括：基于目标点的业务行为和/或业务关系构边，获得待处理的图数据对应的子图；基于元可信召回策略遍历所述子图，获得备择子图；基于第一模型，对所述备择子图进行分类，获得所述备择子图的表征向量、所述备择子图的整体表征及所述备择子图的第一分值，其中，所述第一分值用于对所述备择子图进行子图分类，以表示所述备择子图是否可信；基于所述备择子图的表征向量、所述备择子图的整体表征，采用第二模型获得所述备择子图的第二分值，其中，所述第二分值表示所述备择子图的风险概率；基于所述第一分值和所述第二分值，对所述备择子图进行子图沉淀，获得可信子图。

技术领域

本说明书涉及计算机技术领域，尤其涉及一种可信子图的挖掘方法、装置以及设备。

背景技术

随着互联网的发展，电商平台的广告、业务处理过程中的交易、网页信息等等，均可以以图数据的形式进行表达，总之，各种场景下的信息都能转换成图来进行表示。基于图数据的子图，可用于可信数据的沉淀。可信数据的沉淀可以助益低风险交易事件的放行，减少识别层的分析量，对于交易事件的可信关系的识别具有重要意义。对于低风险交易事件或者可信数据的挖掘，寻求一种稳健的方式快速放行，不仅能够提升普通用户的体验，而且能够预留更多资源识别可能涉及的其它案件。

现有技术中，可信数据的沉淀往往限定于某些固定的关系对，缺乏扩展性，或者可信数据的沉淀过程中会丢失很多信息，或者无法刻画关系对的常用信息，在应用以子图为代表的多主体关系对时容易造成维度爆炸问题。

因此，需要一种可信子图的挖掘方法，以实现可信数据的挖掘。

发明内容

本说明书实施例提供一种可信子图的挖掘方法、装置以及设备，用于解决以下技术问题：可信数据的沉淀往往限定于某些固定的关系对，缺乏扩展性，或者可信数据的沉淀过程中会丢失很多信息，或者无法刻画关系对的常用信息，在应用以子图为代表的多主体关系对时容易造成维度爆炸问题。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的一种可信子图的挖掘方法，包括：

基于目标点的业务行为和/或业务关系构边，获得待处理的图数据对应的子图；

基于元可信召回策略遍历所述子图，获得备择子图，其中，所述元可信召回策略是基于业务特点预先定义的进行子图沉淀的格式；

基于第一模型，对所述备择子图进行分类，获得所述备择子图的表征向量、所述备择子图的整体表征及所述备择子图的第一分值，其中，所述第一模型是基于图神经网络预先训练获得的模型，所述第一分值用于对所述备择子图进行子图分类，以表示所述备择子图是否可信；

基于所述备择子图的表征向量、所述备择子图的整体表征，采用第二模型获得所述备择子图的第二分值，其中，所述第二模型是基于树模型预先训练获得的模型，所述第二分值表示所述备择子图的风险概率；

基于所述第一分值和所述第二分值，对所述备择子图进行子图沉淀，获得可信子图。

本说明书实施例还提供一种可信子图的挖掘装置，包括：

构图模块，基于目标点的业务行为和/或业务关系构边，获得待处理的图数据对应的子图；

召回模块，基于元可信召回策略遍历所述子图，获得备择子图，其中，所述元可信召回策略是基于业务特点预先定义的进行子图沉淀的格式；

第一计算模块，基于第一模型，对所述备择子图进行分类，获得所述备择子图的表征向量、所述备择子图的整体表征及所述备择子图的第一分值，其中，所述第一模型是基于图神经网络预先训练获得的模型，所述第一分值用于对所述备择子图进行子图分类，以表示所述备择子图是否可信；