買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜同濟大學申請的專利一種基于多階段數據表征的網絡借貸欺詐預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114387092B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210111445.1，技術領域涉及：G06Q40/03；該發明授權一種基于多階段數據表征的網絡借貸欺詐預測方法是由王成;朱航宇設計研發完成，并于2022-01-29向國家知識產權局提交的專利申請。

本一種基于多階段數據表征的網絡借貸欺詐預測方法在說明書摘要公布了：本發明屬于網絡借貸欺詐預測技術領域，公開了一種基于多階段數據表征的網絡借貸欺詐預測方法，包括以下步驟：步驟S101：根據原始網絡借貸申請數據選定可用字段構建原始信息網絡，然后將節點劃分為實體和屬性，構建由實體層和屬性層組成的分層信息網絡；步驟S102：從屬性層中提取一個屬性網絡，給每個屬性附加一個預訓練的詞向量來反映屬性之間的語義相似性，利用網絡表征學習將從先驗和外部語義知識中獲取的屬性相似信息和屬性共現關聯融入屬性對應的嵌入向量中；步驟S103，實體表征；步驟S104，欺詐預測。本發明增強了網絡借貸申請事務中信息關聯的密度，提高了網絡借貸欺詐預測模型的檢測能力，對保護用戶和企業的資金安全有更好的保障。

本發明授權一種基于多階段數據表征的網絡借貸欺詐預測方法在權利要求書中公布了：1.一種基于多階段數據表征的網絡借貸欺詐預測方法，其特征在于，分為四個步驟：步驟S101，關聯表征：根據原始網絡借貸申請數據中字段缺失率選定可用字段，基于所述字段構建原始信息網絡，然后將所述原始信息網絡中的節點劃分為實體和屬性，構建由實體層和屬性層組成的分層信息網絡；提供給S102和S103；其中，缺失率是指在原始網絡借貸數據集中一個字段缺失的次數與總借貸事務數量的比值；步驟S102，屬性表征：從所述分層信息網絡中的屬性層中提取一個屬性網絡，給每個屬性附加一個預訓練的詞向量來反映屬性之間的語義相似性，利用網絡表征學習將從先驗和外部語義知識中獲取的屬性相似信息和屬性共現關聯融入屬性對應的嵌入向量中；提供給S103；步驟S103，實體表征：從所述分層信息網絡中實體層抽取實體網絡，利用層對應關聯和步驟S102中得到的嵌入向量，生成帶屬性的實體網絡，采用網絡表征學習將帶屬性的實體網絡嵌入到低維向量空間得到實體的嵌入向量；提供給S104；步驟S104，欺詐預測：在帶屬性的實體網絡中引入實體與其一階鄰居的相似性作為微觀特征，采用借貸申請交易與屬于實體網絡中的二階鄰居之間的相似性作為宏觀特征，將不同實體的嵌入向量的相似性喂入常見分類器模型實現欺詐預測功能；所述步驟S101，其過程如下：獲取原始網絡借貸申請數據，基于測試需求設置訓練集時間窗口和測試集時間窗口，以用于在原始網絡借貸申請數據中劃分出訓練集數據和測試集數據，使得訓練集數據和測試集數據構成可用于后續模型的網絡借貸數據；對原始網絡借貸數據進行字段選擇；對所述選定的初始網絡借貸數據的字段進行關聯抽取，采用圖結構描述網絡借貸數據之間的關聯，對所述的原始網絡借貸數據中一筆申請的所選擇的字段，使用星形拓撲結構構建原始信息網絡：將其標識符和所有字段的取值表示為節點，將標識符和相應字段取值分別記為組成邊的兩個節點，不同的借貸申請標識符通過其共享的字段連接；將所述原始信息網絡中的節點劃分為實體和屬性；實體集合V分為Vt和Vd兩個部分，對于每一筆借貸申請，將其標識符記為vt∈Vt，將所述申請中的其他實體記為vd∈Vd；實體vd和標識符vt的共現關聯被記為e＝vt，vd，r∈E，其中類型r∈R，R為對原始數據中所有實體的描述的集合，為原始數據中對于實體vd的描述，集合所有屬性θv的集合Θ記為分層信息網絡中的屬性層；從借貸申請中提取出實體和屬性的對應關聯，在所述原始信息網絡中，屬性θv和實體vd都連接到實體vt，將屬性θv和實體vd之間的公共連接記為層對應關聯vd，θv，即實體和屬性的對應關聯；在所述屬性層中，將每個實體v∈V的對應的屬性記為其中i表示屬性的類型，通過對所述原始信息網絡的處理，得到實體層、屬性層和層對應關聯，進而由實體層和屬性層兩層以及層對應關聯構建一個分層信息網絡；所述步驟S102，屬性表征，其過程如下：從所述分層信息網絡中的屬性層中提取一個屬性網絡G′Θ＝Θ，EΘ，RΘ來反映屬性之間的共現關聯，將兩個屬性對應于實體層中的同一實體的共現記為所述屬性網絡中的邊，將共現的次數作為屬性之間關聯的權重ω，邊被記為其中r′∈RΘ取決于兩個屬性和的類型，給每個屬性附加一個預訓練的詞向量來反映屬性之間的語義相似性，進一步地，使用預訓練的詞向量作為屬性的向量化，并將預訓練的詞向量記為而后，將記為帶語義的屬性網絡，其中為詞向量集合；利用網絡表征學習來學習帶語義的屬性網絡GΘ中節點的嵌入向量，基于所述的嵌入向量，每個屬性θv記為向量所述步驟S103，實體表征，其過程如下：從所述分層信息網絡中實體層抽取實體網絡GV＝V，E，R，基于步驟S102中所述的屬性嵌入向量，將每個屬性θv轉換為對應的向量然后結合實體網絡和屬性與實體層之間的層對應關聯來連接每個實體的屬性向量進而，將帶屬性的實體網絡記為其中是屬性θv對應的向量；在帶屬性的實體網絡GV上應用網絡表征學習算法，得到每個實體v對應的實體表示其中保留了數據中所有的關聯；所述步驟S104，欺詐預測，其過程如下：首先設計兩種自動的嵌入特征來反映借貸申請之間的關聯，所述自動的嵌入特征為：從微觀角度觀察申請標識符與各個連接的實體之間的相似性，從宏觀角度觀察申請標識符與其他間接連接的標識符之間的相似性；在所述帶屬性的實體網絡中引入實體vt與其一階鄰居實體vd的相似性作為微觀特征，對實體vt對應的嵌入向量和實體vd對應的嵌入向量計算相似度進一步地，采用所述實體網絡中vt的二階鄰居實體v′t之間的相似性作為宏觀特征，給定所述實體vt對應的嵌入向量和實體v′t對應的嵌入向量計算相似度在具有先驗知識的前提下，設計手工的統計特征；而后，將自動的嵌入特征和手工的統計特征喂入常用的分類器進行訓練樣本擬合得到欺詐預測模型，對于輸入的測試樣本，經過所述的特征生成后，將其輸入到欺詐預測模型中，進行判斷，得到測試樣本為欺詐的概率。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人同濟大學，其通訊地址為：200092 上海市楊浦區四平路1239號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。