交易数据检测方法、交易数据检测模型的训练方法及装置与流程

本公开涉及人工智能领域和金融领域，更具体地涉及一种交易数据检测方法、交易数据检测模型的训练方法、装置、设备、介质和程序产品。

背景技术：

1、贷款数据检测对于虚假贷款的发现发挥着重要的作用，相关技术中的贷款数据检测方法一般由人员通过业务经验总结出相关特征，通过海量的数据分析和清洗，实现对一手或二手的贷款数据进行检测。

2、在实现本公开发明构思的过程中，发明人发现相关技术中至少存在以下问题：相关技术的贷款数据检测方法由于数据量较大，使得人工工作量大，且在资金流转次数较多的情况下难以准确识别虚假贷款数据。

技术实现思路

1、鉴于上述问题，本公开提供了一种交易数据检测方法、交易数据检测模型的训练方法、装置、设备、介质和程序产品。

2、根据本公开的第一个方面，提供了一种交易数据检测方法，包括：

3、响应于针对预设时间段内的交易数据检测请求，获取在上述预设时间段内产生的贷款交易数据，其中，上述贷款交易数据包括至少一个交易字段；

4、根据上述至少一个交易字段和预设目标字段，确定第一待增强字段，其中，上述第一待增强字段为上述贷款交易数据中未包含的字段；

5、利用预设信息增强方式针对上述第一待增强字段进行信息增强，得到第一增强数据；

6、基于知识图谱的构建信息，根据上述贷款交易数据和上述第一增强数据，构建待检测知识图谱；以及

7、利用交易数据检测模型对上述待检测知识图谱进行异常贷款检测，输出异常贷款账户。

8、根据本公开的实施例，上述利用预设信息增强方式针对上述第一待增强字段进行信息增强，得到第一增强数据包括：

9、针对上述第一待增强字段中的每个第一待增强字段，根据当前的上述第一待增强字段和预设输出格式生成与当前的上述第一待增强字段对应的第一提示词；

10、将上述第一提示词输入预先训练好的大语言模型中，输出与当前的上述第一待增强字段对应的第一增强数据。

11、根据本公开的实施例，上述构建信息包括节点信息、边信息、节点属性信息和边属性信息。

12、根据本公开的实施例，上述基于知识图谱的构建信息，根据上述贷款交易数据和上述第一增强数据，构建待检测知识图谱包括：

13、根据上述节点属性信息和边属性信息，从上述贷款交易数据和上述第一增强数据中，提取节点属性值和边属性值，其中，上述节点属性值与上述节点属性信息对应，上述边属性值与上述边属性信息对应；

14、根据上述节点信息和边信息构建图谱框架，基于上述图谱框架，根据上述贷款交易数据、上述第一增强数据、上述节点属性值和上述边属性值生成上述待检测知识图谱。

15、根据本公开的实施例，在获取预设时间段内产生的贷款交易数据之后，还包括：

16、按照预设清洗规则，对上述贷款交易数据进行清洗，得到处理后的贷款交易数据。

17、根据本公开的实施例，上述至少一个交易字段包括贷款综合账户；

18、上述预设清洗规则包括以下至少之一：去除上述贷款综合账户为空值的数据、去除备注为预设类别的数据。

19、根据本公开的实施例，上述交易数据检测方法包括：

20、根据上述预设目标字段，从上述贷款交易数据中确定目标数据；

21、根据上述目标数据确定第二待增强字段，其中，上述第二待增强字段为上述预设目标字段中缺失至少一条数据的字段；

22、利用预设信息增强方式针对上述第二待增强字段进行信息增强，得到第二增强数据；

23、其中，上述基于知识图谱的构建信息，根据上述贷款交易数据和上述第一增强数据，构建待检测知识图谱包括：

24、上述基于知识图谱的构建信息，根据上述目标数据和上述第一增强数据和上述第二增强数据，构建上述待检测知识图谱。

25、本公开的第二方面提供了一种交易数据检测模型的训练方法，上述交易数据检测模型的训练方法包括：

26、获取训练样本数据，其中，上述训练样本数据包括至少一个样本交易字段；

27、根据上述至少一个样本交易字段和预设目标字段，确定样本待增强字段，其中，上述样本待增强字段为上述训练样本数据中未包含的字段；

28、利用预设信息增强方式针对上述样本待增强字段进行信息增强，得到样本增强数据；

29、基于知识图谱的构建信息，根据上述训练样本数据和上述样本增强数据，构建样本知识图谱；以及

30、利用上述样本知识图谱对初始神经网络进行训练，得到交易数据检测模型。

31、根据本公开的实施例，上述训练样本数据包括异常贷款交易数据，上述利用上述样本知识图谱对初始神经网络进行训练，得到交易数据检测模型包括：

32、将上述样本知识图谱输入上述初始神经网络中，输出异常贷款账户；

33、根据上述异常贷款交易数据和上述异常贷款账户确定损失结果；

34、根据上述损失结果调整上述初始神经网络的网络参数，直至上述损失结果满足预设条件；以及

35、将上述损失结果满足上述预设条件时得到的神经网络作为交易数据检测模型。

36、本公开的第三方面提供了一种交易数据检测装置，上述装置包括：

37、第一获取模块，用于响应于针对预设时间段内的交易数据检测请求，获取在上述预设时间段内产生的贷款交易数据，其中，上述贷款交易数据包括至少一个交易字段；

38、第一确定模块，用于根据上述至少一个交易字段和预设目标字段，确定第一待增强字段，其中，上述第一待增强字段为上述贷款交易数据中未包含的字段；

39、第一增强模块，用于利用预设信息增强方式针对上述第一待增强字段进行信息增强，得到第一增强数据；

40、第一构建模块，用于基于知识图谱的构建信息，根据上述贷款交易数据和上述第一增强数据，构建待检测知识图谱；以及

41、异常检测模块，用于利用交易数据检测模型对上述待检测知识图谱进行异常贷款检测，输出异常贷款账户。

42、本公开的第四方面提供了一种交易数据检测模型的训练装置，上述训练装置包括：

43、第二获取模块，用于获取训练样本数据，其中，上述训练样本数据包括至少一个样本交易字段；

44、第二确定模块，用于根据上述至少一个样本交易字段和预设目标字段，确定样本待增强字段，其中，上述样本待增强字段为上述训练样本数据中未包含的字段；

45、第二增强模块，用于利用预设信息增强方式针对上述样本待增强字段进行信息增强，得到样本增强数据；

46、第二构建模块，用于基于知识图谱的构建信息，根据上述训练样本数据和上述样本增强数据，构建样本知识图谱；以及

47、训练模块，用于利用上述样本知识图谱对初始神经网络进行训练，得到交易数据检测模型。

48、本公开的第五方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个计算机程序，其中，上述一个或多个处理器执行上述一个或多个计算机程序以实现上述方法的步骤。

49、本公开的第六方面还提供了一种计算机可读存储介质，其上存储有计算机程序或指令，上述计算机程序或指令被处理器执行时实现上述方法的步骤。

50、本公开的第七方面还提供了一种计算机程序产品，包括计算机程序或指令，上述计算机程序或指令被处理器执行时实现上述方法的步骤。

51、根据本公开的实施例，通过响应于针对预设时间段内的交易数据检测请求，获取在预设时间段内产生的贷款交易数据，其中，贷款交易数据包括至少一个交易字段； 根据至少一个交易字段和预设目标字段，确定第一待增强字段，其中，第一待增强字段为贷款交易数据中未包含的字段；利用预设信息增强方式针对第一待增强字段进行信息增强，得到第一增强数据；基于知识图谱的构建信息，根据贷款交易数据和第一增强数据，构建待检测知识图谱；以及利用交易数据检测模型对待检测知识图谱进行异常贷款检测，输出异常贷款账户。本公开通过获取贷款交易数据，对贷款交易数据中不包含的信息进行数据增强，以丰富贷款交易数据，根据知识图谱构建信息和增强后的贷款交易数据构建知识图谱，将利用预先训练好的模型对知识图谱进行分析，得到贷款异常的账户，可以实现对贷款数据的自动化检测，充分利用电子设备的算力，减小资源消耗；同时，能够针对资金流转次数多的账户进行监测以及对贷款异常的账户进行预测，并提高了预测的准确性。