[发明专利]一种基于机器学习的数字资源处理方法、装置和系统

说明书

本发明公开了一种基于机器学习的数字资源处理方法、装置和系统，其中方法包括：获取项目、项目组织者以及项目参与者的信息；以项目组织者为顶点，以项目以及项目参与者为节点构建项目组织者关系图谱；对所述项目组织者关系图谱进行特征提取，输入欺诈判断模型，所述欺诈判断模型输出项目欺诈评分。采用该技术方案，融合关系图谱和语义信息，通过欺诈判断模型能够将快速识别出存在欺诈行为的项目，能够减轻项目管理平台的管理和维护成本。

技术领域

本发明涉及计算机信息处理领域，具体而言，涉及一种基于机器学习 的数字资源处理方法、装置和系统。

背景技术

随着互联网技术的发展，很多传统的领域发生了改变和创想。传统的 项目资金往往需要由一个或几个出资人负责，出资人要承担的资金压力和 风险都比较大。

互联网以及互联网金融的出现，项目的资金可以通过众筹的方式筹集， 由项目发起人发起项目，由项目组织者对项目进行维护和推广，项目参与 者在自己能力承受范围内参与项目。采用众筹的方式，每个人所承担的资 金压力和风险都大幅度降低。

但不可避免的项目发起者、项目组织者以及项目参与者当中有些人出 于增加曝光度、增加流量、完成任务等等各种各样的目的在项目存在欺诈 行为。这些欺诈行为会导致项目管理平台增加大量管理和维护成本，因此 需要对这些欺诈行为进行识别，但通过人工识别的方法会增加项目管理平 台的开销而且效率较低。

发明内容

本发明旨在解决现有众筹项目中有的项目存在欺诈行为，使用人工识 别欺诈行为开销大并且效率低的问题。

为了解决上述技术问题，本发明第一方面提出一种基于机器学习的 数字资源处理方法，用于资源筹集平台对基于该平台发起的项目进行欺 诈概率的预测，所述项目是由项目组织者发起的由项目发起者向项目参 与者筹集资源的项目；方法包括：

获取项目、项目组织者以及项目参与者的信息；

以项目组织者为顶点，以项目以及项目参与者为节点构建项目组织 者关系图谱；

建立基于机器自学习的欺诈判断模型，对所述项目组织者关系图谱 进行特征提取，输入欺诈判断模型，所述欺诈判断模型输出项目欺诈评 分。

根据本发明的一种优选实施方式，项目节点为分支节点，包括项目 的属性信息；项目参与者节点为叶子节点，包括项目参与者的属性信 息。

根据本发明的一种优选实施方式，所述项目的属性信息包括项目创 建时间，项目截止时间，项目目标金额。

根据本发明的一种优选实施方式，所述项目参与者的属性信息包括 已参与项目名称、参与额度以及参与时间。

根据本发明的一种优选实施方式，对所述项目组织者关系图谱进行 特征提取进一步包括：

将所述项目组织者关系图谱输入图神经网络模型，所述图神经网络 模型进行特征提取，输出图向量。

根据本发明的一种优选实施方式，所述欺诈判断模型为基于深度学 习的RNN-LSTM神经网络模型。

根据本发明的一种优选实施方式，所述欺诈判断模型包括输入层、 编码层以及输出层，其中，所述编码层采用双向长短记忆网络LSTM编 码器，所述输出层采用序列化标注算法CRF。

本发明第二方面提出一种基于机器学习的数字资源处理装置，用于 资源筹集平台对基于该平台发起的项目进行欺诈概率的预测，所述项目 是由项目组织者发起的由项目发起者向项目参与者筹集资源的项目；装 置包括：

信息获取模块，用于获取项目、项目组织者以及项目参与者的信 息；

图谱构建模块，用于以项目组织者为顶点，以项目以及项目参与者 为节点构建项目组织者关系图谱；