[发明专利]基于图特征的企业间隐性关联关系挖掘方法、设备及介质

权利要求书

1.一种基于图特征的企业间隐性关联关系挖掘方法，其特征在于，该方法包括以下步骤：

步骤1：针对数据库中现存数据进行超级节点识别及剔除操作后生成关联关系图；

步骤2：基于现存数据和关联关系图进一步提取生成股权树，针对所有股权树通过进一步处理得到股权树对以及股权树对根节点的对应数据信息；

步骤3：基于关联关系图、股权树对以及股权树对根节点的对应数据信息，结合Y变量标识规则构建分别采用股权树对和股权树根节点两个维度的特征变量体系；

步骤4：针对股权树对和股权树根节点两个维度的特征变量体系中的所有股权树指标进行指标聚合及模型宽表整合操作后得到用于模型训练的最终数据；

步骤5：利用最终数据对LightGBM算法模型训练，得到训练完毕的LightGBM算法模型，即隐性关联关系挖掘模型，并利用其对实际数据进行企业间隐性关联关系挖掘。

2.根据权利要求1所述的一种基于图特征的企业间隐性关联关系挖掘方法，其特征在于，所述的步骤1具体包括：针对数据库中现存数据根据中心度、入度、出度、页面排名、紧密中心度指标结果进行初步划分识别得到超级节点，进行剔除操作后生成关联关系图，所述数据库为TigerGraph数据库。

3.根据权利要求1所述的一种基于图特征的企业间隐性关联关系挖掘方法，其特征在于，所述的步骤2包括以下分步骤：

步骤201：针对现存数据提取时点末全量法人有贷户数据，基于有贷户数据通过股权穿透规则进一步生成股权树；

步骤202：基于股权树对应数据整合去重，并限定股权树层级；

步骤203：基于关联关系图获取连通分量，并生成每个步骤1中节点的连通分量编号；

步骤204：剔除股权树对应数据中的根节点同层非根节点的节点数据、超节点数据、连通分量编号为空的节点数据；

步骤205：基于步骤204，剔除只包含孤立节点、树内每个节点都隶属不同的连通体的股权树、树间孤立股权树；

步骤206：基于步骤202至步骤205生成的股权树数据和连通分量编号结果，同一连通分量编号内的，两两组合生成控股股权树对，剔除根节点均为个人的股权树对，不同连通分量编号间的股权树，不组对；

步骤207：组对完毕后得到股权树对以及股权树对根节点的对应数据信息。

4.根据权利要求1所述的一种基于图特征的企业间隐性关联关系挖掘方法，其特征在于，所述的步骤3中分别采用股权树对和股权树根节点两个维度的特征变量体系包括股权树特征变量和股权树根节点对特征变量，其中，所述股权树特征变量包括股权树内图指标、股权树间图指标、股权树间资金交易以及股权树对图模式指标，所述股权树根节点对特征变量包括股权树根节点对图指标和股权树根节点对图模式指标。

5.根据权利要求1所述的一种基于图特征的企业间隐性关联关系挖掘方法，其特征在于，该挖掘方法还包括步骤6：采用两阶段PU-Learning建模法对开发样本进行正负样本数据平衡处理，利用经过正负样本数据平衡处理的开发样本对隐性关联关系挖掘模型进行模型评价。

6.根据权利要求1所述的一种基于图特征的企业间隐性关联关系挖掘方法，其特征在于，所述的步骤5具体包括：将最终数据设定为LightGBM算法模型入模数据，设定评估目标、训练关键超参数以及模型训练策略后，最终获得模型超参数和模型结果，即对应为训练完毕的LightGBM算法模型，也即隐性关联关系挖掘模型，并利用其对实际数据进行企业间隐性关联关系挖掘。

7.根据权利要求6所述的一种基于图特征的企业间隐性关联关系挖掘方法，其特征在于，所述的评估目标采用AUC和binary_logloss，所述的关键超参数包括通用参数、booster参数和模型学习参数。

8.根据权利要求6所述的一种基于图特征的企业间隐性关联关系挖掘方法，其特征在于，所述的模型训练策略采用留出法评估或K折交叉验证。