本发明涉及金融风险领域，具体为一种基于知识图谱的个人信贷风险预警方法及系统。
背景技术：
1、在金融领域，信贷分析预警是一项关键的任务，涉及对信用状况的评估以及在贷款周期中及时发现可能导致违约的风险因素，通过将知识图谱应用于信贷分析预警，可以更好地理解复杂的信用关系，提高信贷评估的准确性和时效性，为金融机构提供更可靠的风险管理工具。
2、现阶段传统的个人信贷风险预警系统在对用户行为的分析上存在一些不足之处，以往的方法依赖于有限的个人信息和历史信用记录，难以全面深入地了解用户的行为模式，同时传统的信贷风险评估通常是静态的，难以动态地跟踪和识别个人信用状况的变化，并且传统的信贷风险评估系统，不易于根据评估结果，快速响应生成相对的预警信息，对核实员提供智能化的操作提示。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本发明提供了一种基于知识图谱的个人信贷风险预警方法及系统，解决了背景技术中提到的问题。
3、技术方案
4、为实现以上目的，本发明通过以下技术方案予以实现：包括知识图谱模块、实体采集模块、数据计算模块、评估模块和预警模块；
5、所述知识图谱模块通过与酒店订购平台合作，获取酒店订购平台个人使用行为构建知识图谱模型，并收集历史订购信息将个人平台行为定义为实体，并从平台数据中抽取实体之间关系后，使用建模工具构建知识图谱模型，并设置用户授权功能，由用户授权后，访问知识图谱模型，对知识图谱模型所提取的酒店操作数据和支付数据；
6、所述实体采集模块用于对平台数据中抽取的实体进行采集，进行分类汇总，生成第一数据集和第二数据集，并进行预处理后进行采集；
7、所述数据计算模块包括第一计算单元、第二计算单元和第三相关计算单元，所述第一计算单元用于依据第一数据集，提取酒店订购数据集，进行分析计算获取酒店订购系数dgxs，并依据第一数据集，提取评论数据集，分析计算获取评论系数plxs；并且依据第一数据集，提取酒店服务数据集，分析计算获取酒店服务系数fwxs，所述第二计算单元用于依据第二数据集，提取支付数据集，进行分析计算获取支付系数zfxs；所述第三相关计算单元用于将酒店订购系数dgxs、评论系数plxs和酒店服务系数fwxs进行汇总计算，生成综合操作系数czxs，并将综合操作系数czxs与支付系数zfxs进行相关联，生成综合信誉系数xyxs；
8、所述综合操作系数czxs和支付系数zfxs通过以下公式获取：
9、
10、
11、式中，a1、a2和a3表示酒店订购系数dgxs、评论系数plxs和酒店服务系数fwxs的比例系数，且a1+a2+a3≠1，0.01＜a1＜0.98，0＜a2＜0.89，0＜a3＜0.88其具体值由用户调整设置，a表示第一修正常数；
12、ztk表示退款次数，zyq表示逾期次数，ztq表示拖欠次数，zcq表示延期次数，zjf表示信用卡拒付次数，i表示计算起始位置；
13、所述评估模块用于预设评估阈值f与第三相关计算单元所获取的综合信誉系数xyxs进行评估，并获取相应的评估结果，再由预警模块根据评估结果生成相关预警方案。
14、优选的，所述知识图谱模块包括实体关系抽取单元、知识图谱建模单元和前端授权单元；
15、所述实体关系抽取单元通过与酒店订购平台进行合作，收集酒店订购平台个人的操作行为和支付行为，并将操作行为和支付行为定义为模型实体数据，并通过自然语言处理nlp技术，从实体数据中抽取出实体之间的关系，所述实体关系包括平台操作数据和支付数据；
16、所述知识图谱建模单元通过定义好的实体关系建立知识图谱模型，并通过neo4j图数据库将知识图谱模型导入数据库，并对实体关系数据进行清洗和归一化处理，同时利用知识图谱进行关系推理，通过推理机制挖掘实体之间的隐藏关系，所述隐藏关系包括酒店订购数据、评论数据和酒店服务数据；
17、所述前端授权单元用于前端集成前端编程语言，通过与酒店订购平台合作所获取的应用程序接口api，采用webauthn api计算编制前端用户生物识别界面，生物识别界面包括语音识别和面部识别，并采用加密传输和存储生物特征信息，同时设置前端账户密码进行二次验证后获取个人酒店订购平台实体关系数据。
18、优选的，所述实体采集模块用于用户授权后，采集用户在酒店订购平台的操作行为和支付行为的实体关系数据，并将采集的实体关系数据进行分类，生成第一数据集和第二数据集；
19、所述第一数据集用于依据操作行为实体关系，获取操作数据生成，所述第一数据集包括酒店订购数据集、评论数据集和酒店服务数据集；
20、所述酒店订购数据集包括三星及以上酒店订购次数dgd、二星及以下酒店订购次数ddd、频繁预定次数dpf、频繁取消次数dqx和更改入住日期次数drq；
21、所述评论数据集包括争议次数pzy、差评次数pcp、批量评论次数ppl、投诉次数pts和频繁投诉次数ppf；
22、所述酒店服务数据集包括酒店升级次数jsj、呼叫服务次数jhj、客房升级次数jkf、客房不匹配次数jpp；
23、所述第二数据集用于依据支付行为，获取支付数据生成，所述第一数据集包括退款次数ztk、逾期次数zyq、拖欠次数ztq、延期次数zcq和信用卡拒付次数zjf。
24、优选的，所述第一计算单元包括订购计算单元、评论计算单元和酒店服务计算单元；
25、所述订购计算单元用于依据所述第一数据集中的酒店订购数据集，进行无量纲处理后，汇总计算获得酒店订购系数dgxs；
26、所述酒店订购系数dgxs通过以下公式获取：
27、
28、优选的，所述评论计算单元用于依据第一数据集中的评论数据集，进行无量纲处理后，汇总计算获得评论系数plxs；
29、所述评论系数plxs通过以下公式获取：
30、
31、式中，b1、b2、b3、b4和b5分别表示争议次数pzy、差评次数pcp、批量评论次数ppl、投诉次数pts和频繁投诉次数ppf的比例系数，且b1+b2+b3+b4+b5≠1，0＜b1＜1，0＜b2＜1，0＜b3＜1，0＜b4＜1，0＜b5＜1其具体值由用户调整设置，b表示第二修正常数。
32、优选的，所述酒店服务计算单元用于依据第一数据集中的酒店服务数据集，进行无量纲处理后，汇总计算获取酒店服务系数fwxs；
33、所述酒店服务系数fwxs通过以下公式获取：
34、
35、优选的，所述第三相关计算单元用于对所第一计算单元分析计算所获取的，酒店订购系数dgxs、评论系数plxs和酒店服务系数fwxs进行汇总计算，生成综合操作系数czxs，再将综合操作系数czxs与支付系数zfxs进行相关联计算分析，获取综合信誉系数xyxs；
36、所述综合信誉系数xyxs通过以下公式获取：
37、xyxs＝[(czxs*c1)+(zfxs*c2)]+c；
38、式中，c1和c2表示综合操作系数czxs和支付系数zfxs的比例系数，且，0＜c1＜0.86，0＜c2＜0.79其具体值由用户调整设置，c表示第三修正常数。
39、优选的，所述评估模块用于预设评估阈值f与第三相关计算单元所获取的综合信誉系数xyxs进行评估，并获取评估结果，具体评估内容如下；
40、若综合信誉系数xyxs＞评估阈值f，则标记为异常，表示当前用户在酒店订购平台的操作存在异常操作，并生成第一评估结果；
41、若综合信誉系数xyxs＝评估阈值f，则标记为临界异常，表示当前用户在酒店订购平台的操作存在潜在异常行为，并生成第二评估结果；
42、若综合信誉系数xyxs＝评估阈值f，则标记为正常，表示当前用户在酒店订购平台的操作行为不存在异常状况，并生成第三评估结果。
43、优选的，所述评估模块将所生成的第一评估结果、第二评估结果和第三评估结果，进行汇总发送至预警模块，由预警模块对所生成的第一评估结果、第二评估结果和第三评估结果进行分析，并生成相应的信贷提示方案；
44、当接收到第一评估结果时，表示当前用户在酒店订购平台上存在异常操作，此时生成第一预警信息，提示核实员通知当前用户进行保持3个月正常操作后再进行申请，并对当前用户信息进行存储，为后期提供历史数据，再次申请时执行一级审核机制；
45、当接收到第二评估结果时，表示当前用户在酒店订购平台上存在潜在异常操作，此时生成第二预警信息，提示核实员进行进一步的审核，并通知当前用户，进行再次授权系统，查阅酒店订购平台5年内的使用记录，同时执行二级审核机制；
46、当接收到第三评估结果时，表示当前用户在酒店订购平台上存在操作正常，此时生成第二预警信息，提示核实员当前用户操作正常，对当前用户实行三级审核机制。
47、一种基于知识图谱的个人信贷风险预警方法，包括以下步骤：
48、s1、首先通过知识图谱模块通过与酒店订购平台合作，获取酒店订购平台个人使用行为构建知识图谱模型，并收集历史订购信息将个人平台行为定义为实体，并从平台数据中抽取实体之间关系后，使用建模工具构建知识图谱模型，并设置用户授权功能，由用户授权后，访问知识图谱模型，对知识图谱模型所提取的酒店操作数据和支付数据；
49、s2、通过所述实体采集模块用于对平台数据中抽取的实体进行采集，进行分类汇总，生成第一数据集和第二数据集，并进行预处理后进行采集；
50、s3、再由所述数据计算模块通过第一计算单元分析计算所获取的，酒店订购系数dgxs、评论系数plxs和酒店服务系数fwxs进行汇总计算，生成综合操作系数czxs，再将综合操作系数czxs与支付系数zfxs进行相关联计算分析，获取综合信誉系数xyxs；
51、s4、在通过所述第三相关计算单元计算获取的综合信誉系数xyxs与所述评估模块预设的评估阈值f，进行分析评估后，并获取第一评估结果、第二评估结果和第三评估结果；
52、s5、最后再由预警模块根据评估模块所生成的第一评估结果、第二评估结果和第三评估结果，进行分析，生成第一预警信息、第二预警信息和第三预警信息，对核实员进行申请预警。
53、有益效果
54、本发明提供了一种基于知识图谱的个人信贷风险预警方法及系统。具备以下有益效果：
55、(1)该系统基于知识图谱创新性地融合了酒店订购平台的操作行为和支付行为，通过知识图谱模块构建了用户个人使用行为的知识图谱模型，并通过实体关系抽取单元与酒店订购平台紧密合作，收集并定义操作行为和支付行为为模型实体数据，通过自然语言处理nlp技术提取实体间关系，再通过知识图谱建模单元将定义好的实体关系建立知识图谱模型，导入neo4j图数据库并进行清洗和归一化处理，并且前端授权单元则集成前端编程语言，通过webauthn api计算生成前端用户生物识别界面，包括语音和面部识别，确保数据安全传输和存储，用户通过授权系统，获取个人酒店订购平台实体关系数据，以实现该系统，综合考虑酒店订购平台，用户的使用情况，来进行分析个人的信用记录。
56、(2)通过实体采集模块在用户授权后，采集用户在酒店订购平台的操作行为和支付行为的实体关系数据，并分类生成第一数据集和第二数据集，第一数据集包括酒店订购数据集、评论数据集和酒店服务数据集，其中酒店订购数据集包括三星及以上酒店订购次数、地段酒店订购次数等。第二数据集用于依据支付行为生成支付数据，通过建立数学公式，便于动态分析用户在酒店订购平台的操作行为和支付行为，当用户授权后，系统会自动刷新，生产最新酒店订购平台的使用情况，实时跟踪和识别个人的酒店订购平台的信誉状况变化。
57、(3)该系统通过评估模块预设评估阈值f与第三相关联计算单元进行所生成的综合信誉系数xyxs进行对比评估，生成相应的评估信息，再由预警模块更具相应的评估信息进行生成预警信息，来对核实员进行预警，为核实员提供详细分析和审核建议，为后续的信贷决策提供有力的支持。
1.一种基于知识图谱的个人信贷风险预警系统，其特征在于：包括知识图谱模块(1)、实体采集模块(2)、数据计算模块(3)、评估模块(4)和预警模块(5)；
2.根据权利要求1所述的一种基于知识图谱的个人信贷风险预警系统，其特征在于：所述知识图谱模块(1)包括实体关系抽取单元(11)、知识图谱建模单元(12)和前端授权单元(13)；
3.根据权利要求1所述的一种基于知识图谱的个人信贷风险预警系统，其特征在于：所述实体采集模块(2)用于用户授权后，采集用户在酒店订购平台的操作行为和支付行为的实体关系数据，并将采集的实体关系数据进行分类，生成第一数据集和第二数据集；
4.根据权利要求1所述的一种基于知识图谱的个人信贷风险预警系统，其特征在于：所述第一计算单元(31)包括订购计算单元(311)、评论计算单元(312)和酒店服务计算单元(313)；
5.根据权利要求4所述的一种基于知识图谱的个人信贷风险预警系统，其特征在于：所述评论计算单元(312)用于依据第一数据集中的评论数据集，进行无量纲处理后，汇总计算获得评论系数plxs；
6.根据权利要求4所述的一种基于知识图谱的个人信贷风险预警系统，其特征在于：所述酒店服务计算单元(313)用于依据第一数据集中的酒店服务数据集，进行无量纲处理后，汇总计算获取酒店服务系数fwxs；
7.根据权利要求1所述的一种基于知识图谱的个人信贷风险预警系统，其特征在于：所述第三相关计算单元(33)用于对所第一计算单元(31)分析计算所获取的，酒店订购系数dgxs、评论系数plxs和酒店服务系数fwxs进行汇总计算，生成综合操作系数czxs，再将综合操作系数czxs与支付系数zfxs进行相关联计算分析，获取综合信誉系数xyxs；
8.根据权利要求1所述的一种基于知识图谱的个人信贷风险预警系统，其特征在于：所述评估模块(4)用于预设评估阈值f与第三相关计算单元(33)所获取的综合信誉系数xyxs进行评估，并获取评估结果，具体评估内容如下；
9.根据权利要求8所述的一种基于知识图谱的个人信贷风险预警系统，其特征在于：所述评估模块(4)将所生成的第一评估结果、第二评估结果和第三评估结果，进行汇总发送至预警模块(5)，由预警模块(5)对所生成的第一评估结果、第二评估结果和第三评估结果进行分析，并生成相应的信贷提示方案；
10.一种基于知识图谱的个人信贷风险预警方法，包括上述权利要求1～9任一一项所述的一种基于知识图谱的个人信贷风险预警系统，其特征在于：包括以下步骤：
