(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211001298.9 (22)申请日 2022.08.19 (71)申请人 北京银丰新融科技 开发有限公司 地址 100098 北京市海淀区知春路51号慎 昌大厦五层5 688室 (72)发明人 贾皓立　陈庆国　梁凯鹏　粟文　 程吉辉　宋萍　 (74)专利代理 机构 北京开阳星知识产权代理有 限公司 1 1710 专利代理师 袁义科 (51)Int.Cl. G06F 16/28(2019.01) G06F 16/2458(2019.01) G06F 16/901(2019.01) G06Q 40/02(2012.01) (54)发明名称 一种基于知识图谱的异常数据识别模型构 建方法 (57)摘要 本公开涉及一种基于知识图谱的异常数据 识别模型构建方法， 该方法包括： 获取目标系统 数据； 对所述目标系统数据进行整合， 构建知识 图谱； 基于 所述知识图谱， 分析发掘异常数据。 本 公开通过对目标数据进行整合， 打通壁垒， 实现 数据共享， 构建知识图谱， 从而使目标数据关系 图形化展示， 更加便捷高效的发掘异常数据， 大 幅度提升风险识别的能力。 权利要求书1页 说明书8页 附图2页 CN 115408475 A 2022.11.29 CN 115408475 A 1.一种基于知识图谱的异常数据识别模型构建方法， 其特 征在于， 所述方法包括： 获取目标系统数据； 对所述目标系统数据进行整合， 构建知识图谱； 基于所述知识图谱， 分析发掘异常数据。 2.根据权利要求1所述的方法， 其特征在于， 获取目标系统数据， 所述目标系统数据包 括： 个人信息、 账户信息、 客户信息、 关联信息， 关系信息 。 3.根据权利要求2所述的方法， 其特征在于， 对所述目标系统数据进行整合， 构建知识 图谱， 包括： 所述知识图谱包括点和边， 其中， 个人信息、 账户信 息、 客户信息为知识图谱的点， 关联 信息、 关系信息为知识图谱的边。 4.根据权利要求1所述的方法， 其特征在于， 基于所述知识图谱， 分析发掘异常数据， 包 括： 基于所述知识图谱的图算法， 分析发掘异常数据。 5.根据权利要求 4所述的方法， 其特 征在于， 所述知识图谱的图算法， 包括： 最短路径算法、 网页排名算法、 中心性 算法、 标签传播 算法。 6.根据权利要求1所述的方法， 其特征在于， 基于所述知识图谱， 分析发掘异常数据， 包 括： 基于所述知识图谱， 分析 所述目标系统数据， 从而确定异常数据。 7.一种基于知识图谱的异常数据识别模型构建装置， 其特 征在于， 所述装置包括： 获取装置， 用于获取目标系统数据； 构建装置， 用于对所述目标系统数据进行整合， 构建知识图谱； 确定装置， 用于基于所述知识图谱， 分析发掘异常数据。 8.根据权利要求7 所述的装置， 其特 征在于， 获取目标系统数据， 包括： 个人信息、 账户信息、 客户信息、 关联信息、 关系信息 。 9.一种电子设备， 其特 征在于， 包括： 存储器； 处理器； 以及 计算机程序； 其中， 所述计算机程序存储在所述存储器中， 并被配置为由所述处理器执行以实现如 权利要求1 ‑6中任一项所述的方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现如权利要求1 ‑6中任一项所述的方法。权　利　要　求　书 1/1 页 2 CN 115408475 A 2一种基于知识图谱的异常数据 识别模型构建 方法 技术领域 [0001]本公开涉及计算机技术领域， 尤其涉及一种基于知识图谱的异常数据识别模型构 建方法。 背景技术 [0002]发掘异常数据是银行风控系统的重要任务之一， 也是金融机构的内在义务。 随着 大数据的不断发展， 银行风控等工作的重点是对客户交易行为进行异常数据的挖掘分析， 提取各类如异常数据、 审计等 业务相关的数据信息， 以便进一 步进行跟踪、 调查和核实。 [0003]在大数据和人工智能时代， 数据是非常重要的资源。 通过知识图谱， 将海量且繁杂 的数据内容整合为一个知识网络， 从而突破关系型数据库的 限制， 更精准、 迅速地攫取数据 价值， 提高数据利用的效率和精度， 打造更加高效、 专业的风险管理方案 。 [0004]在传统的银行业风险管理流程中， 多通过对目标主体的特征进行严格审核， 例如： 负债、 资产状况、 现金流水等方面， 但是这些都无法判断主体间的关联风险。 知识图谱带来 的天然关联检索的特点， 将隐含的关系网络梳理清楚， 有效地提升了工作的效率， 扩大了业 务覆盖范围， 发现了更多潜在的风险与问题， 从数据中挖掘出 更大的价值。 [0005]但是， 如何打通信息之间的屏障， 快速分析数据之间的关系， 是我们亟待解决的问 题。 发明内容 [0006]为了解决上述技术问题， 本公开提供了一种基于知识图谱的异常数据识别模型构 建方法， 以便捷高效的分析发掘异常数据， 大幅度提升风险识别的能力。 [0007]第一方面， 本公开实施例提供一种基于知识图谱的异常数据识别模型构建方法， 包括： [0008]获取目标系统数据； [0009]对所述目标系统数据进行整合， 构建知识图谱； [0010]基于所述知识图谱， 分析发掘异常数据。 [0011]在一些实施例中， 获取目标系统数据， 所述目标系统数据包括： [0012]个人信息、 账户信息、 客户信息、 关联信息， 关系信息 。 [0013]在一些实施例中， 对所述目标系统数据进行整合， 构建知识图谱， 包括： [0014]所述知识图谱包括点和边， 其中， 个人信息、 账户信息、 客户信息为知识图谱的点， 关联信息、 关系信息为知识图谱的边。 [0015]在一些实施例中， 基于所述知识图谱， 分析发掘异常数据， 包括： [0016]基于所述知识图谱的图算法， 分析发掘异常数据。 [0017]在一些实施例中， 所述知识图谱的图算法， 包括： [0018]最短路径算法、 网页排名算法、 中心性 算法、 标签传播 算法。 [0019]在一些实施例中， 基于所述知识图谱， 分析发掘异常数据， 包括：说　明　书 1/8 页 3 CN 115408475 A 3