(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 20221040743 0.X (22)申请日 2022.04.19 (65)同一申请的已公布的文献号 申请公布号 CN 114510650 A (43)申请公布日 2022.05.17 (73)专利权人 湖南三湘银行股份有限公司 地址 410000 湖南省长 沙市岳麓区滨江路 53号湖南湘江新区滨江金融中心楷林 国际D座 (72)发明人 陈德泉　 (74)专利代理 机构 北京中誉至诚知识产权代理 事务所(普通 合伙) 11858 专利代理师 张平力 (51)Int.Cl. G06F 16/9536(2019.01)G06Q 40/02(2012.01) G06Q 50/00(2012.01) (56)对比文件 CN 113674079 A,2021.1 1.19 CN 112925989 A,2021.0 6.08 CN 113011990 A,2021.0 6.22 US 2011161478 A1,201 1.06.30 CN 111783875 A,2020.10.16 CN 106355405 A,2017.01.25 CN 111062808 A,2020.04.24 审查员 王彩勤 (54)发明名称 一种异构社交网络风控处 理方法及系统 (57)摘要 本公开涉及一种异构社交网络风控处理方 法及系统， 其中该方法包括： 获取多个用户数据， 所述多个用户数据包括不同社交网络的用户数 据； 基于预设聚合指标对多个所述用户数据进行 聚类处理， 得到多个数据集； 其中每个所述数据 集包括多个所述用户数据中的部分用户数据， 且 每个所述数据集中的用户数据互不重合； 基于多 个所述数据集中的用户数据分别构建对应的多 个用户关系子网络， 基于多个所述用户关系子网 络构建用户关系网络； 基于所述用户关系网络构 建风控模型， 以基于所述风控模 型处理用户金融 交易数据。 权利要求书3页 说明书12页 附图3页 CN 114510650 B 2022.07.12 CN 114510650 B 1.一种异构社交网络风控处 理方法， 其特 征在于， 该 方法包括： 获取多个用户数据， 所述多个用户数据包括 不同社交网络的用户数据； 基于预设聚合指标对多个所述用户数据进行聚类处理， 得到多个数据集； 其中每个所 述数据集包括多个所述用户数据中的部 分用户数据， 且每个所述数据集中的用户数据互不 重合； 基于多个所述数据集中的用户数据分别构建对应的多个用户关系子网络， 基于多个所 述用户关系子网络串联构建用户关系网络， 基于所述用户关系网络构建风控 模型； 获取不同社交网络的用户特征数据， 基于所述不同社交网络的用户特征数据确定对应 的用户画像片段数据； 将所述不同社 交网络对应的用户画像片段数据关联融合形成用户画 像数据； 基于所述用户画像数据以及所述 风控模型处理用户金融交易数据， 具体包括： 基于训练得到的第一预测模型和第二预测模型对目标用户的用户画像数据分别进行 处理， 得到目标用户的第一预测值和第二预测 值， 在所述第一预测值和第二预测值均大于 预设预测值时， 基于所述风控模 型处理目标用户的用户金融交易数据； 其中， 所述第一预测 模型和第二预测模型的训练过程如下： 获取多个用户画像数据以及用户画像数据对应的标签信息； 基于所述多个用户画像数据以及对应的标签信 息， 对第一预测模型和第 二预测模型进 行训练， 获得所述第一预测模型输出的第一预测值和所述第二预测模型输出的第二预测 值； 其中所述第一预测模型和 第二预测模型用于用户画像风险识别且具有不同的模型性能 同时具有关联性； 根据所述用户画像数据对应的标签信息、 第一预测值以及第二预测值， 对所述第一预 测模型和 第二预测模型的模型参数进 行更新， 获得所述第一预测模型对应的第一模型参数 以及所述第二预测模型对应的第二模型参数； 基于所述第一模型参数以及第二模型参数对所述第一预测模型和第二预测模型同时 进行训练。 2.根据权利要求1所述的方法， 其特 征在于， 所述获取多个用户数据， 包括： 提取不同社交网络的用户交互数据； 其中所述用户交互数据包括同一社交网络内不同 用户之间的交 互数据和/或不同社交网络之间的用户交 互数据； 所述基于预设聚合指标对多个所述用户数据进行聚类处 理， 得到多个数据集， 包括： 基于预设聚合指标对所述同一社交网络 内不同用户之间的交互数据和/或所述不同社 交网络之间的用户交 互数据进行聚类处 理以得到多个所述数据集。 3.根据权利要求1或2所述的方法， 其特征在于， 每个所述用户关系子网络表征同类型 的一组用户之间的多种关系， 不同所述用户关系子网络表征的用户类型不同。 4.根据权利要求3所述的方法， 其特征在于， 每个所述用户关系子网络包括目标节点以 及与所述目标节点具有直接交互关系的节点和/或与所述目标节点具有间接交互关系的节 点， 其中各个相邻节点之间的边具有相应的权重， 且每个边的权重基于对应的相邻节点之 间的双向交 互数据确定 。 5.根据权利要求4所述的方法， 其特征在于， 所述基于所述用户关系网络构建风控模 型， 包括：权　利　要　求　书 1/3 页 2 CN 114510650 B 2基于所述用户关系网络挖掘出用户社会关系， 基于所述用户社会关系获取用户金融交 易数据， 基于所述用户金融交易数据训练得到风控 模型； 所述基于所述 风控模型处理目标用户的用户金融交易数据， 包括： 将目标用户的用户金融交易数据输入所述风控模型， 以得到该目标用户的金融交易风 险预测值， 在所述金融交易 风险预测值大于预设值时禁止该目标用户的金融交易行为。 6.根据权利要求5所述的方法， 其特 征在于， 该 方法还包括： 获取针对所述风控模型的多个测试金融交易数据输出的测试结果， 对所述测试结果进 行统计得到 至少一个预设指标参数值； 若所述至少一个预设指标参数值满足预设条件， 则将所述风控模型确定为可用的风控 模型； 若所述至少一个预设指标参数值不满足所述预设条件， 则对所述风控模型进行优化处 理， 并返回所述获取针对所述风控模型 的多个测试金融交易数据输出 的测试结果的步骤， 直至将优化的风控 模型确定为可用的风控 模型结束。 7.一种异构社交网络风控处 理系统， 其特 征在于， 包括： 获取模块， 用于获取多个用户数据， 所述多个用户数据包括 不同社交网络的用户数据； 聚类模块， 用于基于预设聚合指标对多个所述用户数据进行聚类处理， 得到多个数据 集； 其中每个所述数据集包括多个所述用户数据中的部分用户数据， 且每个所述数据集中 的用户数据互不重合； 构建模块， 用于基于多个所述数据集中的用户数据分别构建对应的多个用户关系子网 络， 基于多个所述用户关系子网络构建用户关系网络， 基于所述用户关系网络构建风控模 型； 画像模块， 用于获取不同社交网络的用户特征数据， 基于所述不同社交网络的用户特 征数据确定对应的用户画像片段数据； 将所述不同社 交网络对应的用户画像片段数据关联 融合形成用户画像数据； 处理模块， 用于基于所述用户画像数据以及所述风控模型处理用户金融交易数据， 具 体包括： 基于训练得到的第一预测模型和第二预测模型对目标用户的用户画像数据分别进行 处理， 得到目标用户的第一预测值和第二预测 值， 在所述第一预测值和第二预测值均大于 预设预测值时， 基于所述风控模 型处理目标用户的用户金融交易数据； 其中， 所述第一预测 模型和第二预测模型的训练过程如下： 获取多个用户画像数据以及用户画像数据对应的标签信息； 基于所述多个用户画像数据以及对应的标签信 息， 对第一预测模型和第 二预测模型进 行训练， 获得所述第一预测模型输出的第一预测值和所述第二预测模型输出的第二预测 值； 其中所述第一预测模型和 第二预测模型用于用户画像风险识别且具有不同的模型性能 同时具有关联性； 根据所述用户画像数据对应的标签信息、 第一预测值以及第二预测值， 对所述第一预 测模型和 第二预测模型的模型参数进 行更新， 获得所述第一预测模型对应的第一模型参数 以及所述第二预测模型对应的第二模型参数； 基于所述第一模型参数以及第二模型参数对所述第一预测模型和第二预测模型同时权　利　要　求　书 2/3 页 3 CN 114510650 B 3