一种生成风险规则的方法及装置与流程

本说明书一个或多个实施例涉及知识图谱领域，尤其涉及一种生成风险规则的方法及装置。

背景技术：

1、风险控制，简称风控，是许多服务平台面临的问题。风控是通过对各类风险进行评估和管理，以确保服务平台的运行和/或用户资产安全的一系列措施和方法。随着互联网的发展，风控的范围也在不断增加，其中，一个重要的方向是在电子支付/电子交易平台对潜在的风险用户/风险交易进行识别，并采取相应的风控措施。

2、目前一些主流的方法是使用机器学习模型进行预测和识别，但是机器学习模型生成的结果的可解释性往往较差，无法满足用户、专家的具体需求。而知识图谱中的知识则具有十分直观的可解释性，因此，需要一种更好的方法，基于知识图谱生成解释性强且种类丰富的风险识别规则。

技术实现思路

1、本说明书一个或多个实施例描述了一种生成风险规则的方法及装置，旨在生成高可解释性且种类更加丰富的风险规则，同时基于预设的评价标准，从诸多生成的风险规则中筛选出更加可靠的风险规则。

2、第一方面，提供了一种生成风险规则的方法，包括：

3、从预先形成的与交易相关的知识图谱中采样出多个目标节点对，任一目标节点对的两个节点所代表的用户和/或交易之间具有特定的风险类别；

4、生成符合目标规则范式的多个候选风险规则，所述目标规则范式包括属性规则范式，所述属性规则范式用于定义基于头节点和/或尾节点的属性值的约束规则；

5、对于任一目标节点对，将所述多个候选风险规则应用于所述目标节点对，得到各个候选风险规则是否命中所述目标节点对的匹配结果集；

6、基于所述匹配结果集，从所述多个候选风险规则中选择若干目标风险规则；所述目标风险规则用于判断待预测的两个节点所代表的用户和/或交易之间是否具有所述风险类别。

7、在一种可能的实施方式中，所述属性规则范式包括第一子范式和第二子范式；所述第一子范式用于定义约束所述头节点或尾节点的属性值的规则；所述第二子范式用于定义比较所述头节点和尾节点之间的属性值的规则。

8、在一种可能的实施方式中，所述目标规则范式还包括单边悬挂规则范式，所述单边悬挂规则范式用于定义一端为所述头节点或尾节点，另一端为任意实体的规则。

9、在一种可能的实施方式中，所述目标规则范式还包括：

10、路径规则范式，用于定义两端分别为所述头节点和尾节点的规则；单边实例规则范式，用于定义一端为所述头节点或尾节点，另一端为特定实体的规则。

11、在一种可能的实施方式中，所述目标规则范式还包括交叉规则范式，所述交叉规则范式用于定义，符合其它任意规则范式的组合的规则。

12、在一种可能的实施方式中，所述其它任意规则范式的组合，包括：

13、将其它任意规则范式之间进行合取和/或析取所生成的组合。

14、在一种可能的实施方式中，基于所述匹配结果集，从所述多个候选风险规则中选择若干目标风险规则，包括：

15、将所述匹配结果集中的匹配结果转化为匹配结果向量，所述匹配结果向量中任意位置的值指示其对应的候选风险规则是否命中对应的目标节点对；

16、至少基于所述匹配结果集中的多个匹配结果向量，对各个候选规则进行拟合，其中，所述各个匹配结果向量对应的标签为真；

17、基于拟合结果中各个候选风险规则所对应的权重值与预设的权重阈值之间的关系，选择出若干目标风险规则。

18、在一种可能的实施方式中，所述拟合基于逻辑回归或机器学习模型。

19、在一种可能的实施方式中，基于所述匹配结果集，从所述多个候选风险规则中选择若干目标风险规则，包括：

20、基于所述匹配结果集中的匹配结果，分别计算各个候选风险规则的置信度和覆盖度；

21、基于各个候选风险规则的置信度和覆盖度与预设的置信度阈值和覆盖度阈值之间的关系，选择出若干目标风险规则。

22、第二方面，提供了一种生成风险规则的装置，包括：

23、采样单元，配置为，从预先形成的与交易相关的知识图谱中采样出多个目标节点对，任一目标节点对的两个节点所代表的用户和/或交易之间具有特定的风险类别；

24、规则生成单元，配置为，生成符合目标规则范式的多个候选风险规则，所述目标规则范式包括属性规则范式，所述属性规则范式用于定义基于头节点和/或尾节点的属性值的约束规则；

25、规则匹配单元，配置为，对于任一目标节点对，将所述多个候选风险规则应用于所述目标节点对，得到各个候选风险规则是否命中所述目标节点对的匹配结果集；

26、规则筛选单元，配置为，基于所述匹配结果集，从所述多个候选风险规则中选择若干目标风险规则；所述目标风险规则用于判断待预测的两个节点所代表的用户和/或交易之间是否具有所述风险类别。

27、第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面的方法。

28、第四方面，提供了一种计算设备，包括存储器和处理器，其中，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面的方法。

29、本说明书实施例提出的一种生成风险规则的方法及装置，通过增加多种新的规则范式，可以生成形式更加丰富的规则。在经过筛选后，能够生成种类丰富且高效可靠的风险规则，以更好地发现潜在的风险，提升风控的效果。

技术特征：

1.一种生成风险规则的方法，包括：

2.根据权利要求1所述的方法，其中，所述属性规则范式包括第一子范式和第二子范式；所述第一子范式用于定义约束所述头节点或尾节点的属性值的规则；所述第二子范式用于定义比较所述头节点和尾节点之间的属性值的规则。

3.根据权利要求1所述的方法，其中，所述目标规则范式还包括单边悬挂规则范式，所述单边悬挂规则范式用于定义一端为所述头节点或尾节点，另一端为任意实体的规则。

4.根据权利要求1所述的方法，其中，所述目标规则范式还包括：

5.根据权利要求1-4任一项所述的方法，其中，所述目标规则范式还包括交叉规则范式，所述交叉规则范式用于定义，符合其它任意规则范式的组合的规则。

6.根据权利要求5所述的方法，其中，所述其它任意规则范式的组合，包括：

7.根据权利要求1所述的方法，基于所述匹配结果集，从所述多个候选风险规则中选择若干目标风险规则，包括：

8.根据权利要求7所述的方法，其中，所述拟合基于逻辑回归或机器学习模型。

9.根据权利要求1所述的方法，基于所述匹配结果集，从所述多个候选风险规则中选择若干目标风险规则，包括：

10.一种生成风险规则的装置，包括：

11.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-9中任一项所述的方法。

12.一种计算设备，包括存储器和处理器，其中，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-9中任一项所述的方法。

技术总结
本说明书实施例涉及一种生成风险规则的方法及装置，所述方法包括：首先，从预先形成的与交易相关的知识图谱中采样出多个目标节点对，任一目标节点对的两个节点所代表的用户和/或交易之间具有特定的风险类别。然后，生成符合目标规则范式的多个候选风险规则，其中包括属性规则范式，用于定义基于头节点和/或尾节点的属性值的约束规则。接下来，对于任一目标节点对，将所述多个候选风险规则应用于所述目标节点对，得到各个候选风险规则是否命中所述目标节点对的匹配结果集。最后，基于所述匹配结果集，从所述多个候选风险规则中选择若干目标风险规则，用于判断待预测的两个节点所代表的用户和/或交易之间是否具有所述风险类别。

技术研发人员：胡彬,赵登,何建杉
受保护的技术使用者：支付宝（杭州）信息技术有限公司
技术研发日：
技术公布日：2024/4/7