[发明专利]一种基于自然语言处理技术的反欺诈方法、系统、设备及存储介质

说明书

本发明公开了一种基于自然语言处理技术的反欺诈方法、系统、设备及存储介质，从金融反欺诈转账交易数据集中获取处理所需的样本数据，并标签化处理；解析每条交易数据的转账备注信息，并进行处理；从中解析每条样本所需用户关联特征，并结合转账备注信息处理结果和样本标签化处理结果建立目标样本数据集，进行预处理后对训练神经网络；将经过训练的神经网络部署至在线反欺诈决策服务器；在线决策时，融合用户关联特征信息进行反欺诈转账交易决策，并返回反欺诈交易决策结果。本发明考虑了电子银行业务中辅助业务场景的操作特征数据，使用辅助业务场景辅助目标业务场景下的欺诈操作请求的识别，使反欺诈模型的欺诈识别准确率得到了大幅度的提升。

技术领域

本发明涉及金融风险监控技术领域，尤其涉及一种基于自然语言处理技术的反欺诈方法、系统、设备及存储介质。

背景技术

随着互联网的快速发展以及智能设备的普及，人们在使用手机银行和网银办理查询余额和转账交易等业务时获得了更大的便捷，但同时伴随的则是电子银行面临的安全隐患和遭到金融欺诈带来的风险。

相关研究表明，网络欺诈与网络犯罪已变得日益复杂并向不同行业渗透，每年给全球用户带来高额的经济损失。金融欺诈行为已发展成为一个组织严密、专业分工明确的黑色产业链条，为银行发展网络金融业务带来了严峻挑战。

目前业内已有的电子银行金融反欺诈系统防控策略一般使用两种实现方案：一是基于专家系统的方法，单纯的专家系统难以适应现在的电子银行反欺诈系统的需求，二是采用机器学习和神经网络算法对业务全流程的风险特征进行学习以及对历史数据进行离线分析。现有的基于机器学习和神经网络的方法是把反欺诈模型不加改造的直接应用到当前的场景中来，虽然相对于专家系统在一定程度上避免了人为主观性，但是忽略了转账备注信息的重要特征以及不同业务场景的电子银行业务系统在操作流程和操作特征数据上的复杂性和多样性，不区分业务场景而直接进行反欺诈模型训练将会给反欺诈系统的判断带来困难。

发明内容

为解决上述问题，本发明提出了一种基于自然语言处理技术的反欺诈方法、系统及存储介质。本发明通过引入转账备注信息和自然语言处理技术，考虑了电子银行业务中辅助业务场景的操作特征数据，使用辅助业务场景辅助目标业务场景下的欺诈操作请求的识别，使反欺诈模型的欺诈识别准确率得到了大幅度的提升。

本发明的目的是通过以下技术方案来实现的：一种基于自然语言处理技术的反欺诈方法，该方法包括以下步骤：

(1)从金融反欺诈转账交易数据集中获取每条交易数据的转账备注信息，并进行处理；具体如下：

(1.1)将每条转账备注信息拆分为单字，在每个单字结尾添加后缀，并统计转账备注信息中每个单字的出现频率；

(1.2)按照频率对单字进行排序，依次选择频率排名前m的单字与其在转账备注信息中的邻居单字合并为字符串，放入子词词表中；

(1.3)对子词词表进行去重操作，并计算子词的单字之间的互信息量，删除互信息量小于阈值的子词；

(1.4)使用上述子词词表对转账交易备注信息进行分词，并通过Word2Vec方法训练中文词嵌入向量，将中文词嵌入向量经过长短期记忆网络进行特征提取后作为后续神经网络的输入；

(2)从金融反欺诈转账交易数据集中获取每条交易数据所需的用户关联特征信息和从步骤(1)得到的转账备注信息处理结果，并对金融反欺诈转账交易数据集中每条交易数据进行标签化处理，建立多维度用户特征数据以形成目标样本数据集，对所述目标样本数据集进行特征工程和数据预处理并划分为训练集和测试集，利用所述训练集训练神经网络，得到后续用于预测实时转账交易请求发生欺诈可能性的神经网络模型；