用于基于关系图生成风险特征的方法及装置.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CN110851541A(43)申请公布日2020.02.28(21)申请号201911046463.0(22)申请日2019.10.30(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)发明人张天翼叶捷明(74)专利代理机构北京永新同创知识产权代理有限公司11376代理人林锦辉(51)Int.Cl.G06F16/28(2019.01)G06Q10/06(2012.01)G06N20/00(2019.01)权利要求书2页说明书12页附图5页(54)发明名称用于基于关系图生成风险特征的方法及装置(57)摘要本说明书实施例提供了一种用于基于关系图生成风险特征的方法及装置。在该方法中，在获取事件级数据后，执行以下循环过程，直至满足指定循环结束条件：按照构图模板和当前边参数来将事件级数据构建成关系图，对关系图进行特征生成处理以生成当前风险特征，输出满足指定特征效能条件的风险特征。其中，在不满足指定循环结束条件时对当前边参数进行参数调整处理，调整后的边参数被确定为下一循环中的当前边参数。CN110851541ACN110851541A权利要求书1/2页1.一种用于基于关系图生成风险特征的方法，包括：获取事件级数据；对所述事件级数据执行下述循环过程，直到满足指定循环结束条件：按照构图模板和当前边参数来将所述事件级数据构建成关系图；对所述关系图进行特征生成处理，以生成当前风险特征；输出所生成的当前风险特征中的满足指定特征效能条件的风险特征，其中，在不满足所述指定循环结束条件时，对所述当前边参数进行参数调整处理，所述调整后的边参数被确定为下一循环中的当前边参数。2.如权利要求1所述的方法，还包括：当所构建的关系图不小于指定尺寸时，基于预定关系图拆分策略对该关系图进行拆分，以得到小于所述指定尺寸的子关系图；以及对所述关系图进行特征生成处理，以生成当前风险特征包括：分别对各个子关系图进行特征生成处理，以生成当前风险特征。3.如权利要求2所述的方法，其中，所述预定关系图拆分策略使得所述关系图被拆分导致的图信息损失量小于损失阈值。4.如权利要求1所述的方法，其中，对所述关系图进行特征生成处理以生成当前风险特征包括：采用下述算法中的至少一种来对所述关系图进行特征生成处理以生成当前风险特征：社群发现算法；图结构匹配算法；和深度学习算法。5.如权利要求1所述的方法，其中，所述指定特征效能条件包括：风险特征对应的特征信息量大于指定阈值。6.如权利要求1所述的方法，其中，所述指定特征效能条件包括：风险特征对应的风控模型的模型性能增益大于增益阈值。7.如权利要求1所述的方法，其中，参数调整处理的方式包括遗传算法。8.如权利要求1所述的方法，其中，所输出的风险特征用于训练风控模型。9.一种用于基于关系图生成风险特征的装置，包括：数据获取单元，获取事件级数据；关系图构建单元，按照构图模板和当前边参数来将所述事件级数据构建成关系图；特征生成单元，对所述关系图进行特征生成处理，以生成当前风险特征；特征输出单元，输出所生成的当前风险特征中的满足指定特征效能条件的风险特征；以及参数调整单元，在满足指定循环结束条件时，对所述当前边参数进行参数调整处理，所述调整后的边参数被确定为下一循环中的当前边参数，并触发所述关系图构建单元。10.如权利要求9所述的装置，还包括：关系图拆分单元，当所构建的关系图不小于指定尺寸时，基于预定关系图拆分策略对该关系图进行拆分，以得到小于所述指定尺寸的子关系图；以及所述特征生成单元：2CN110851541A权利要求书2/2页分别对各个子关系图进行特征生成处理，以生成当前风险特征。11.如权利要求9所述的装置，其中，所述特征生成单元：采用下述算法中的至少一种来对所述关系图进行特征生成处理以生成当前风险特征：社群发现算法；图结构匹配算法；和深度学习算法。12.如权利要求9所述的装置，其中，所述指定特征效能条件包括：风险特征对应的特征信息量大于指定阈值。13.如权利要求9所述的装置，其中，所述指定特征效能条件包括：风险特征对应的风控模型的模型性能增益大于增益阈值。14.一种电子设备，包括：至少一个处理器，以及与所述至少一个处理器耦合的存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如权利要求1到8中任一所述的方法。15.一种机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述机器执行如权利要求1到8中任一所述的方法。3CN110851541A说明书1/12页用于基于关系图生成风险特征的方法及装置技术领域[0001]本说明书实施例涉及机器学习技术领域，具体地，