申请/专利权人：平安银行股份有限公司

申请日：2021-11-29

公开（公告）日：2024-06-25

公开（公告）号：CN114048330B

主分类号：G06F16/36

分类号：G06F16/36;G06F16/33;G06F16/34;G06Q40/03;G06N3/0442;G06N3/049;G06N3/045;G06N3/048;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2022.03.04#实质审查的生效;2022.02.15#公开

摘要：本申请涉及人工智能技术领域，揭露了一种风险传导概率知识图谱生成方法、装置、设备及存储介质，所述方法包括：获取企业数据；对企业数据进行三元组提取，根据图数据库以及三元组构建知识图谱，并根据三元组构建企业关系对；利用风险计算模型计算企业关系对间的风险传导概率，得到各企业关系对间的第一概率；基于企业数据中的企业名称，将带有第一概率的企业关系对结合到知识图谱中，得到带有风险传导概率的知识图谱；当企业出现异常情况时，基于带有风险传导概率的知识图谱，利用异常判断条件进行判断，得到知识图谱中符合异常判断条件的企业名称并输出。本申请还涉及区块链技术，企业数据存储于区块链中。本申请提高了风险的识别能力及准确性。

主权项：1.一种风险传导概率知识图谱生成方法，其特征在于，所述方法包括：获取企业数据；对所述企业数据进行三元组提取，根据图数据库以及所述三元组构建知识图谱，并根据所述三元组构建企业关系对；利用风险计算模型计算所述企业关系对间的风险传导概率，得到各所述企业关系对间的第一概率，所述风险计算模型由逻辑回归模型训练得到；基于所述企业数据中的企业名称，将带有所述第一概率的所述企业关系对结合到所述知识图谱中，得到带有所述风险传导概率的知识图谱；当企业出现异常情况时，基于带有所述风险传导概率的知识图谱，利用异常判断条件进行判断，得到所述知识图谱中符合所述异常判断条件的企业名称并输出；其中，所述对所述企业数据进行三元组提取包括：将所述企业数据输入关系抽取模型进行关系抽取，得到所述三元组，所述关系抽取模型为基于Bert-LSTM-Crf模型训练得到的；其中，所述将所述企业数据输入关系抽取模型进行关系抽取，得到所述三元组包括：将所述企业数据输入所述关系抽取模型中的Bert层进行编码，得到企业数据对应的文本向量，所述Bert层中包括掩码多头注意力结构；所述文本向量经所述关系抽取模型中的LSTM层，得到所述企业数据中各字词对应的类型分布概率；所述企业数据中各字词对应的类型分布概率经所述关系抽取模型中的Crf层，得到所述企业数据中的所述三元组；其中，所述当企业出现异常情况时，基于带有所述风险传导概率的知识图谱，利用异常判断条件进行判断包括：获取出现异常情况的所述企业在所述带有所述风险传导概率的知识图谱中的第一位置；基于所述第一位置，通过所述异常判断条件中的预设传导概率和预设传导路径长度，来对所述带有所述风险传导概率的知识图谱中的企业进行筛选判断；其中，所述基于所述第一位置，通过所述异常判断条件中的预设传导概率和预设传导路径长度，来对所述带有所述风险传导概率的知识图谱中的企业进行筛选判断包括：将所述第一位置为中心，预设传导路径为距离的范围内的企业，作为待判断企业；获取所述待判断企业在所述带有所述风险传导概率的知识图谱中的第二位置，并依次将所述第一位置至第二位置路径上的企业关系对对应的第一概率相乘，得到第二概率；将所述第二概率与所述预设传导概率进行判断，当所述第二概率大于等于所述预设传导概率时，则确定所述待判断企业异常并输出对应的企业名称；当所述第二概率小于所述预设传导概率时，判断下一所述待判断企业是否异常，直至所有所述待判断企业都判断完成。

全文数据：

权利要求：

百度查询： 平安银行股份有限公司 风险传导概率知识图谱生成方法、装置、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD