[发明专利]基于多维感知和企业数据量化的欺诈识别方法与系统

权利要求书

1.一种基于多维感知和企业数据量化的欺诈识别方法，其特征在于，该方法包括：

根据企业的历史欺诈比例和欠债事件估计所述企业的欺诈风险值、根据用户的交易数据估计所述用户的还款能力值、根据用户联系人的交易数据估计所述用户联系人的所述还款能力值、根据所述用户的收支比例估计所述用户的经济波动值、根据所述用户联系人的收支比例估计所述用户联系人的所述经济波动值；

通过CCA典型关联分析法得到所述企业与所述用户之间的第一相关性；

利用相关系数法得到所述用户与所述用户联系人之间的第二相关性；

利用所述欺诈风险值、所述用户的还款能力值和所述第一相关性得到所述用户与所述企业之间的第一边权，且利用所述用户的还款能力值和所经济波动值、所述用户联系人的还款能力值和经济波动值、以及所述第二相关性得到所述用户与所述用户联系人之间的第二边权，进而得到以所述欺诈风险值、所述还款能力值和所述经济波动值为节点，以所述第一边权和所述第二边权为边权的初始带权图；

利用图嵌入技术获取所述初始带权图的嵌入向量，进而将所述嵌入向量通过基于神经网络的监督学习方法进行所述用户的欺诈识别。

2.如权利要求1所述的方法，其特征在于，所述得到含有所述第一边权和所述第二边权的初始带权图之后，该方法进一步包括以下优化的方法：

利用所述图嵌入技术获取所述初始带权图的特征向量；

将所述特征向量通过基于神经网络的监督学习方法得到用户信息正确的概率值，利用所述概率值修正所述第一边权和所述第二边权，以得到修正后的带权图。

3.如权利要求1所述的方法，其特征在于，所述第一边权的获取方法，包括：

W1＝A*B*w1+CC1*w2

其中，W1为所述第一边权；A为所述企业的所述欺诈风险值；B为所述用户的所述还款能力值；CC1为所述第一相关性；w1为第一权重值；w2为第二权重值。

4.如权利要求2所述的方法，其特征在于，所述第二边权的获取方法，包括：

其中，W2为所述第二边权；N为所述用户联系人的数量；B′_i为第i个所述用户联系人的所述还款能力值；

C为所述用户的所述经济波动值；C′_i为第i个所述用户联系人的所述经济波动值；w3为第三权重值；w4为第四权重值；w5为第五权重值；CC2_i为所述用户与第i个所述用户联系人之间的所述第二相关性。

5.如权利要求1所述的方法，其特征在于，所述欺诈风险值的获取方法，包括：

根据所述企业的历史欠债事件的欠债总金额、所述历史欠债事件的总量得到所述历史欠债事件的平均欠债金额；

利用所述平均欠债金额和所述历史欺诈比例得到所述欺诈风险值。

6.如权利要求1所述的方法，其特征在于，所述还款能力值是根据所述用户的年龄、固定收入指标、贷款指标以及欠债指标进行评估的。

7.如权利要求1所述的方法，其特征在于，所述经济波动值根据所述用户在所述企业中历史月收入的平均变化率与历史月支出的平均变化率的比值。