摘要
本发明提供一种基于关系数据的社区发现团伙欺诈预测方法、系统,涉及人工智能技术领域,方法包括:对获取到的原始关系数据进行预处理,构建关键关系数据集;采用图嵌入算法将关键关系数据集映射到低维矢量空间,得到嵌入关系数据集;融合嵌入关系数据集中的节点属性特征,识别多个潜在欺诈团伙;将每个潜在欺诈团伙与预先构建的欺诈团伙模型进行相似度计算,获得疑似欺诈团伙;根据疑似欺诈团伙的行为特征,获得疑似欺诈团伙行为的异常度,若疑似欺诈团伙行为的异常度超过预设异常度阈值,则确定疑似欺诈团伙为欺诈团伙。本发明通过多维度特征分析和多模型融合,有效识别复杂的欺诈团伙,显著提高欺诈风险防控的准确率和效率。
技术关键词
网络结构特征
社区发现算法
拓扑结构信息
欺诈团伙识别
关系网络分析
集成学习方法
特征选择算法
画像
度计算方法
异构
人工智能技术
节点
预测系统
存储器
处理器
冗余度
模块
可读存储介质
系统为您推荐了相关专利信息
联动控制策略
传输路径
排放特征
化学反应动力学
实时监测数据
数据融合方法
识别系统
度量
轮廓系数
实体关系模型
分析方法
节点
斯皮尔曼相关系数
脑网络技术
社区发现算法
辅助诊断方法
阿尔茨海默病
卷积神经网络模型
轻度认知功能障碍
网络节点属性信息