风险识别方法、系统及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112541669A(43)申请公布日2021.03.23(21)申请号202011432613.4(22)申请日2020.12.10(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人陈晓娟(74)专利代理机构北京亿腾知识产权代理事务所(普通合伙)11309代理人陈霁周良玉(51)Int.Cl.G06Q10/06(2012.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书7页附图4页(54)发明名称风险识别方法、系统及装置(57)摘要本说明书实施例提供一种针对用户的风险识别方法，包括：先获取第一用户的多视图数据，其中包括用户画像信息，含有第一用户节点的关系网络图，以及针对特定行为的行为数据；接着，将多视图数据输入风险识别系统，其中画像表征网络处理用户画像信息，得到画像表征向量；图神经网络处理对关系网络图进行图嵌入处理，得到第一用户节点的图嵌入向量；行为表征网络处理行为数据，得到行为表征向量；表征融合网络至少对画像表征向量、图嵌入向量和行为表征向量进行处理，得到其中各个向量对应的权重，并利用该权重进行对应向量的加权融合，得到融合表征向量；风险识别网络处理融合表征向量，得到风险识别结果。CN112541669ACN112541669A权利要求书1/2页1.一种针对用户的风险识别方法，包括：获取第一用户的多视图数据，其中包括用户画像信息，含有第一用户节点的关系网络图，以及针对特定行为的行为数据；将所述多视图数据输入风险识别系统，该风险识别系统中包括画像表征网络、图神经网络、行为表征网络、表征融合网络和风险识别网络；其中，所述画像表征网络处理所述用户画像信息，得到画像表征向量；所述图神经网络处理对所述关系网络图进行图嵌入处理，得到所述第一用户节点的图嵌入向量；所述行为表征网络处理所述行为数据，得到行为表征向量；所述表征融合网络，至少对所述画像表征向量、图嵌入向量和行为表征向量进行处理，得到其中各个向量对应的权重，并且，利用该权重进行对应向量的加权融合，得到融合表征向量；所述风险识别网络处理所述融合表征向量，得到风险识别结果。2.根据权利要求1所述的方法，其中，所述关系网络图中包括多个用户节点，以及节点之间存在关联关系而形成的连接边；所述关联关系包括以下中的至少一种：社交关系、设备关系、交易关系和内容交互关系。3.根据权利要求1所述的方法，其中，所述特定行为包括内容发布行为或信用行为。4.根据权利要求1所述的方法，其中，所述行为数据包括按时间顺序排列的行为统计特征，所述行为表征网络实现为时序网络。5.根据权利要求4所述的方法，其中，所述特定行为包括内容发布行为；其中，获取第一用户的多视图数据，包括：获取所述第一用户发布的多篇内容；将所述多篇内容分别输入预先训练的内容评估模型中，得到多个内容评估结果；将基于所述多个内容评估结果确定的统计特征，归入所述行为统计特征。6.根据权利要求4所述的方法，其中，在获取所述第一用户发布的多篇内容后，所述方法还包括：按照预定时间间隔对所述多篇内容进行分组，统计各组中所包含内容的重复率，归入所述行为统计特征。7.根据权利要求1所述的方法，其中，所述风险识别系统还包括表征交叉网络；所述表征交叉网络，对所述画像表征向量、图嵌入向量和行为表征向量进行交叉组合处理，得到若干交叉表征向量；其中，所述表征融合网络，对所述画像表征向量、图嵌入向量、行为表征向量和若干交叉表征向量进行处理，得到其中各个向量对应的权重。8.根据权利要求7所述的方法，其中，所述交叉组合处理包括向量间相加，和/或，向量间对位相乘。9.根据权利要求1所述的方法，其中，所述表征融合网络包括重要度打分层和softmax层；所述重要度打分层，对所述各个向量进行打分，得到多个重要度分数；所述softmax层对所述多个重要度分数进行归一化处理，得到所述各个向量对应的权重。10.一种风险识别系统，包括：输入层，用于获取第一用户的多视图数据，其中包括用户画像信息，含有第一用户节点2CN112541669A权利要求书2/2页的关系网络图，以及针对特定行为的行为数据；画像表征网络，用于处理所述用户画像信息，得到画像表征向量；图神经网络，用于处理对所述关系网络图进行图嵌入处理，得到所述第一用户节点的图嵌入向量；行为表征网络，用于处理所述行为数据，得到行为表征向量；表征融合网络，用于至少对所述画像表征向量、图嵌入向量和行为表征向量进行处理，得到其中各个向量对应的权重，并且，利用该权重进行对应向量的加权融合，得到融合表征向量；风险识别网络，用于处理所述融合表征向量，得到风险识