张素子

（兴业消费金融股份公司，上海 200120）

大数据风控模型近几年在信贷业务中被广泛应用。传统的风控模型基本是对借款人个人情况的评估，而较少去评价不同申请人之间的关联关系。而信贷业务中的欺诈团伙经常体现出较强的关联关系，并伴随着较强的伪装手段，使得无法通过简单的一度关系识别不同客户是否来自同一群体。关联图谱是一种非常适合信贷业务反欺诈领域的方法，其识别欺诈客户的效果较优，同时又具有技术上的可行性。

1 研究内容

本文基于关联图谱的理论和技术，根据信贷业务的数据特征和业务要求，研究其在信贷业务大数据风控领域中的实际落地应用方案，包括关联图谱的实体与关系抽取、图谱构建、数据存储等技术，以及基于关联图谱构建大数据风控提示的具体实践。

2 关联图谱的理论基础及关键技术

2.1 关联图谱理论

关联图谱的本质是语义网络的一种，是一种基于图的数据结构。关联图谱一般由实体- 关系- 实体的三元组构成，这种三元组可以将互相独立的贷款申请之间关联起来，形成复杂而连通的网络。

图1 即是关联图谱的一个示例，申请人1、申请人2、申请人4 与公司1 是工作关系，申请人1 和申请人3 是配偶关系。虽然申请人2 和申请人3 并无直接的关联关系，但是通过关联图谱可以将两人联系起来。后续可以通过机器学习的算法识别两人是否属于同一群体。

图1 关联图谱示例

2.2 关键技术

2.2.1 实体抽取技术