[发明专利]一种二手车融资担保信息识别方法、系统及介质

说明书

本发明属于金融信息及数据处理技术领域，公开了一种二手车融资担保信息识别方法、系统及介质，所述二手车融资担保信息识别方法收集贷款申请人基础信息数据和关系数据，运用信息网络技术对贷款申请人的信息进行分析，构建关系知识图谱；并利用图卷积神经网络建立贷款申请的欺诈识别模型，对是否属于欺诈贷款申请进行识别。所述贷款申请人基础信息数据包括：申请用户提供的基本信息、征信信息、本机构和其他机构的历史信息，构建每个申请用户的综合数据集。本发明降低了对特征选择的敏感性，提高了实施的容易性，同时此方法具有更高的准确性，从而帮助金融更快更准的识别欺诈贷款申请。

技术领域

本发明属于金融信息及数据处理技术领域，尤其涉及一种二手车融资担保信息识别方法、系统、介质、设备及终端。

背景技术

目前，在二手车融资担保行业中，担保机构通过收集客户的基本信息、贷款产品信息、车辆信息、三方征信数据、客户紧急联系人信息以及担保人信息，来为银行提供助贷服务，为客户提供担保服务。在这一过程中，担保机构承担了客户逾期代偿的责任，也就是说，如果客户存在欺诈骗贷行为，这将会给担保机构造成重大的资产损失。所以，在发放贷款之前，对这些欺诈行为进行准确识别，对有欺诈嫌疑的贷款加强审批措施或者拒绝发放贷款，能降低贷款资产不良率水平，提升担保机构风险管理水平，具有非常重大的意义。

二手车金融的风险防范，主要在于解决欺诈骗贷问题。既要识别恶意骗贷行为，也要剔除很可能没有还款能力的客户。其本质上是一个对客户的分类问题，同时由于风险识别的特殊性，该分类问题的数据分布极度不平衡，且一个优质客户带来的收益往往远低于一个风险客户所造成的损失，因此对模型的识别能力有着更高的要求。此外在实际的风险业务场景中，往往对风险的识别有着可解释性的要求，模型在判别时能否给出判定的依据具有十分重要的意义。在这种背景下，为了实现快速且准确的贷款审批流程，对风险识别模型的要求越来越高。

现有针对二手车融资担保欺诈识别的技术主要分为两种，一种是基于特征工程的分析方法，其主要技术方案是：收集申请用户的综合信息数据，对数据进行特征探索和特征设计，利用如逻辑回归等机器学习的方法对特征进行学习，然后利用学习到的模型计算出每个用户的信用分数，设定特定的分数来识别欺诈用户。但由于此类方法，过分依赖于设计的特征和特征分析方法，对从业人员具有很高的业务和技术双重要求，导致此类方法落地实施困难且效果很难得到保障。还有一种是基于规则的方法，其主要技术方案是：通过预先设定的规则对申请用户进行筛选，识别欺诈用户，比如黑名单规则，将出现在黑名单中的用户定义为欺诈用户。但此类方法，完全依赖于设定的规则，需要实时更新和维护大量的规则数据库，且需要大量依赖于人力，导致此类方法存在规则数据维护难，实时更新难，实施成本高的问题。

通过上述分析，现有技术存在的问题及缺陷为：

(1)现有针对二手车融资担保欺诈识别的技术在面对新用户时，经常会遇到信息缺失的问题，无法进行准确评估，同时此类方法对特征的选择十分敏感，具有很高的业务和技术双重要求。

(2)现有针对二手车融资担保欺诈识别的技术需要实时更新和维护大量的规则数据库，存在维护难，实时更新难和方案实施成本高的问题。

解决以上问题及缺陷的难度为：降低特征设计对模型效果的影响以及设计新的数据信息提取的模型方法。

发明内容

针对现有技术存在的问题，本发明提供了一种二手车融资担保信息识别方法、系统、介质、设备及终端。

本发明是这样实现的，一种二手车融资担保信息识别方法，根据收集到的贷款申请人基础信息数据、关系数据和车辆信息数据进行关系知识图谱的本体设计，构建关系知识图谱，并利用图卷积神经网络建立关系知识图谱中图节点的向量表示学习模型，基于图节点的向量表示定义贷款申请的欺诈识别规则，对是否属于欺诈贷款申请进行识别。

进一步，所述贷款申请人基础信息数据包括：申请用户提供的基本信息、征信信息、本机构和其他机构的历史信息，构建每个申请用户的综合数据集。