(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 202210947365.X (22)申请日 2022.08.09 (71)申请人 太平金融科技 服务 （上海） 有限公司 深圳分公司 地址 518048 广东省深圳市福田区新洲路 立交桥西北侧新洲广场华丰大厦第3 层B1-A (72)发明人 武湖　吴志平　万仁俊　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 胡雪 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 40/08(2012.01)G06F 16/215(2019.01) G06F 16/28(2019.01) G06F 16/36(2019.01) (54)发明名称 风险预测方法、 装置、 设备及存 储介质 (57)摘要 本申请涉及一种风险预测方法、 装置、 设备 及存储介质， 所述方法包括： 从业务数据中获取 多个实体及多个实体之间的关联关系； 业务数据 用于表征在不同业务类型下所产生的数据； 根据 多个实体及多个实体之间的关联关系， 构建实体 关系图谱； 根据实体关系图谱计算实体的目标风 险量化值， 基于实体的目标风险量化值对实体进 行风险预测， 生成风险预测结果。 本申请提供的 技术方案可以提高风险识别的准确度。 权利要求书3页 说明书14页 附图6页 CN 115034520 A 2022.09.09 CN 115034520 A 1.一种风险预测方法， 其特 征在于， 所述方法包括： 从业务数据中获取多个实体及所述多个实体之间的关联关系； 所述业务数据用于表征 在不同业 务类型下所产生的数据； 根据所述多个实体及所述多个实体之间的关联关系， 构建实体关系图谱； 根据所述实体关系图谱计算所述实体的目标风险量化值， 基于所述实体的目标风险量 化值对所述实体进行风险预测， 生成风险预测结果。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述实体关系图谱计算所述实体 的目标风险量 化值， 包括： 基于所述业务数据获取各所述实体的风险标签； 其中， 所述风险标签用于表征所述实 体的风险类型； 根据各所述实体的风险标签以及所述实体关系图谱计算各所述实体的目标风险量化 值。 3.根据权利要求2所述的方法， 其特征在于， 所述根据各所述实体的风险标签以及所述 实体关系图谱计算各 所述实体的目标风险量 化值， 包括： 根据各所述实体的风险标签， 获取 各所述实体的初始风险量 化值； 根据各所述实体的初始风险量化值、 所述风险标签以及所述实体关系图谱， 对各所述 实体的风险量化值进行更新， 直至达到预设的迭代更新条件为止， 得到各所述实体的目标 风险量化值。 4.根据权利要求3所述的方法， 其特征在于， 所述根据各所述实体的初始风险量化值、 所述风险标签以及所述实体关系图谱， 对各所述实体的风险量化值进行更新， 直至达到预 设的迭代更新条件为止， 得到各 所述实体的目标风险量 化值， 包括： 若所述实体的风险标签为欺诈类标签， 则将所述实体的初始风险量化值作为所述实体 的目标风险量 化值。 5.根据权利要求3所述的方法， 其特征在于， 所述实体关系图谱包括各所述实体及各所 述实体之间的连接边， 所述连接边用于表征 各所述实体之间的关联关系； 所述根据各所述实体的初始风险量化值、 所述风险标签以及所述实体关系图谱， 对各 所述实体的风险量化值进行更新， 直至达到预设的迭代更新条件为止， 得到各所述实体的 目标风险量 化值， 还包括： 若所述实体的风险标签为非欺诈类标签， 则获取在所述实体关系图谱中与 所述实体存 在关联关系的目标实体， 及所述目标实体在所述实体关系图谱中的连接边的数量； 根据所述目标实体的初始风险量化值及目标实体在所述实体关系图谱中的边数量， 对 各所述实体的风险量化值进行更新， 直至达到预设的迭代更新条件为止， 得到各所述实体 的目标风险量 化值。 6.根据权利要求1所述的方法， 其特征在于， 所述根据所述实体关系图谱计算所述实体 的目标风险量 化值， 包括： 基于所述 业务数据获取 各所述实体的风险属性特 征； 从所述实体关系图谱中获取各所述实体的关联风险特征； 所述关联风险特征用于表征 所述实体与其 他实体之间的风险相关性； 根据各所述实体的风险属性特征、 各所述实体的关联风险特征， 计算各所述实体的目权　利　要　求　书 1/3 页 2 CN 115034520 A 2标风险量 化值。 7.根据权利要求6所述的方法， 其特征在于， 所述从所述实体关系图谱中获取各所述实 体的关联风险特 征， 包括： 基于随机游走算法， 从所述实体关系图谱中获取各所述实体对应的游走序列； 所述游 走序列用于表征 各所述实体在随机游走的过程中依次经 过的实体； 将各所述实体对应的游走序列输入至预设的Skip ‑Gram模型中， 计算得到各所述实体 的关联风险特 征。 8.根据权利要求6所述的方法， 其特征在于， 所述根据各所述实体的风险属性特征、 各 所述实体的关联风险特 征， 计算各 所述实体的风险量 化值， 包括： 针对各所述实体， 将所述实体的风险属性特征和所述关联风险特征进行拼接处理， 得 到所述实体的特 征向量； 将所述特 征向量输入至预设的风险预测模型中， 计算各 所述实体的目标风险量 化值。 9.根据权利要求8所述的方法， 其特征在于， 所述预设的风险预测模型的生成过程， 包 括： 基于历史业务数据获取所述实体的历史特征向量， 并获取为所述历史特征向量预先配 置的初始风险标签； 将所述实体的历史特征向量输入至初始风险预测模型中进行学习， 生成预测风险标 签； 根据所述预测风险标签与所述初始风险标签， 对所述初始风险预测模型进行更新， 生 成所述预设的风险预测模型。 10.根据权利要求1 ‑8任一项所述的方法， 其特征在于， 所述实体对应至少一个实体类 型； 所述基于所述 实体的目标风险量化值对所述 实体进行风险预测， 生成风险预测结果， 包 括： 针对各所述实体类型， 对所述实体类型下各实体的目标风险量化值按照大小关系 进行 排序生成排序结果； 从所述排序结果中选取与参考实体相邻的预设数量的实体作为目标实体， 所述参考实 体为最大的目标风险量 化值对应的实体； 或 从所述排序结果中选取大于预设风险量化阈值的实体作为目标实体， 并根据 所述目标 实体生成所述 风险预测结果。 11.一种风险预测装置， 其特 征在于， 所述装置包括： 获取模块， 用于从业务数据中获取多个实体及所述多个实体之间的关联关系； 所述业 务数据用于表征在不同业 务类型下所产生的数据； 构建模块， 用于根据所述多个实体及所述多个实体之间的关联关系， 构建实体关系图 谱； 生成模块， 用于根据所述实体关系图谱计算所述实体的目标风险量化值， 基于所述实 体的目标风险量 化值对所述实体进行风险预测， 生成风险预测结果。 12.一种计算机设备， 其特征在于， 包括存储器和处理器， 所述存储器存储有计算机程 序， 所述计算机程序被所述处 理器执行时实现如权利要求1至10任一项所述的方法的步骤。 13.一种计算机可读存储介质， 其特征在于， 其上存储有计算机程序， 所述计算机程序权　利　要　求　书 2/3 页 3 CN 115034520 A 3