[发明专利]一种基于文本相似度的资料虚假识别系统及方法

说明书

本发明公开了一种基于文本相似度的资料虚假识别系统及方法，属于大数据技术领域。解决了现有技术中难以判断客户填写的资料信息的真实性，存在欺诈风险的问题。本发明包括用于汇总所有客户文本信息的数据采集模块、用于将数据采集模块采集到的文本信息进行同质聚类的同质聚类模块；用于对同类的文本信息进行相似度计算，并构造相似度特征的相似度计算模块；用于根据相似度特征构建资料虚假模型并输出模型结果的资料虚假模型模块和用于根据模型结果对客户风险进行评估并进行决策的决策模块。本发明结合了自然语言处理的相似度计算方法和机器学习算法，实现了深度挖掘文本蕴含信息的目的，为信贷业务行业提供了一种识别资料真实性的量化方法。

技术领域

本发明属于大数据技术领域，具体涉及一种基于文本相似度的资料虚假识别系统及方法。

背景技术

互联网的快速发展，带动了金融信贷行业的发展，互联网金融迅猛兴起。客户通过移动手机端，进行身份识别、填写联系人、工作单位等资料信息之后，便完成了一笔贷款的申请。互联网金融给客户带来便捷性的同时，也给金融机构的欺诈风控工作带来了严峻的挑战。其中最难的是，如何判断客户填写的资料信息的真实性，如工作单位、工作地址、联系人等信息。这些信息都是文本类信息。当前行业中，对于文本信息的应用研究还比较少，一般的方法是进行文本间全相等或包含的简单运算，如何量化处理一直是行业的难题。经查，也未发现类似的专利或文献研究。

基于此，为充分挖掘文本中蕴含的信息，本文提出了一种基于文本相似度的资料虚假识别方法、系统，通过对用户填写的资料信息、金融机构采集的资料信息以及征信机构查询的资料信息进行同质聚类，并进行同簇间任意两个文本信息的相似度计算，然后基于相似度特征分别构建联系人虚假模型、姓名虚假模型、公司虚假模型、家庭地址虚假模型等资料虚假模型，以量化资料虚假的风险可能性，直接达到在信贷业务贷前拦截识别的目的。

发明内容

针对现有技术中难以判断客户填写的资料信息的真实性，存在欺诈风险的问题，本发明提供一种基于文本相似度的资料虚假识别系统及方法，其目的在于：量化资料虚假风险可能性，在信贷业务贷前进行拦截识别。

本发明采用的技术方案如下：

一种基于文本相似度的资料虚假识别系统，包括：

数据采集模块：用于汇总所有客户文本信息；

同质聚类模块：用于将数据采集模块采集到的文本信息进行同质聚类；

相似度计算模块：用于对同类的文本信息进行相似度计算，并构造相似度特征；

资料虚假模型模块：用于根据相似度特征构建资料虚假模型并输出模型分析的结果；

决策模块：用于根据模型分析的结果对客户风险进行评估并进行决策。

本发明还公开了一种基于文本相似度的资料虚假识别方法，包括以下步骤：

步骤1：当客户发起一笔授信时，数据采集模块汇总来自于各个来源的客户文本信息；

步骤2：同质聚类模块对步骤1中采集到的文本信息进行同质聚类；

步骤3：基于同质聚类后的文本信息，进行同簇间文本信息的两两相似度计算，并构造同簇类相似度特征；

步骤4：基于相似度特征，构建资料虚假模型，输出模型分析的结果；

步骤5：当客户发起一笔授信申请时，根据资料虚假模型输出的结果对客户风险进行评估，输出风险结果，并根据风险结果进行决策。

优选的，步骤1中所述的客户文本信息包括客户提交的资料信息、金融机构采集的信息和征信机构查询的信息，客户提交的资料信息包括公司名称、公司地址、联系人电话、联系人姓名和身份证号，金融机构采集的信息包括客户的IP地址、GPS经纬度，征信机构查询的信息包括手机号列表和工作地址列表。