(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 202211508342.5 (22)申请日 2022.11.29 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 赵闻飙　朱亮　田胜　但家旺　 李金膛　孟昌华　 (74)专利代理 机构 北京博思佳知识产权代理有 限公司 1 1415 专利代理师 李威 (51)Int.Cl. G06Q 40/04(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06F 16/901(2019.01) (54)发明名称 一种执行风险识别业务的方法、 装置、 存储 介质及设备 (57)摘要 本说明书公开了一种执行风险识别业务的 方法、 装置、 存储介质及设备， 通过将历史全图数 据拆为各子图数据， 通过训练后的解释模型确定 各子图数据中主体的权重， 根据各子图数据中主 体的权重确定历史全图数据中主体的权重， 作为 历史全图数据的标注， 根据历史全图数据及历史 全图数据的标注训练预降噪模型。 当确定满足更 新条件时确定当前全图数据， 将当前全图数据输 入训练后的预降噪模型， 得到当前全图数据中各 主体的权重， 根据得到的权重， 裁剪当前全图数 据中的主体得到可信图。 可在执行业务前基于预 降噪模型输出的权重对当前全图数据进行裁剪， 得到降噪后的可信图， 接收到携带业务数据的风 控业务请求时则可根据可信图确定业务数据对 应的风险识别结果。 权利要求书3页 说明书14页 附图4页 CN 115545938 A 2022.12.30 CN 115545938 A 1.一种执 行风险识别业 务的方法， 所述方法包括： 将历史全图数据拆分为各子图数据； 通过训练后的解释模型， 确定各子 图数据中各主体的权重， 所述解释模型以历史风控 业务对应的子图数据为训练样本， 所述历史风控业务的业务结果为标注训练得到， 所述权 重表征作为输入的子图数据的主体对得 出所述标注的业 务结果的贡献度； 根据各子 图数据中各主体的权重， 确定所述历史全图数据中各主体的权重， 作为所述 历史全图数据的标注； 根据所述历史全图数据以及所述历史全图数据的标注， 训练预降噪模型； 所述预降噪 模型用于 输出待降噪的全图数据中各主体的权 重； 当确定满足更新条件时， 确定当前全图数据， 并将所述当前全图数据输入训练后的所 述预降噪模型， 得到所述当前全图数据中各主体的权 重； 根据所述当前全图数据中各主体的权重， 裁剪所述当前全图数据中的主体， 得到可信 图； 当接收到携带业务数据的风控业务请求时， 根据所述业务数据以及所述可信图， 识别 所述业务数据对应业 务的风险识别结果。 2.如权利要求1所述的方法， 将历史全图数据拆分为各子图数据， 具体包括： 确定历史全图数据包 含的各节点， 分别作为各目标节点； 针对每个目标节点， 根据 所述历史全图数据， 确定与该目标节点一阶连接的节点， 作为 第一节点； 针对每个第一节点， 确定与该第一节点 一阶连接的节点， 作为第二节点； 根据所述第 一节点以及所述第 二节点， 从所述历史全图数据中确定该目标节点对应的 子图数据。 3.如权利要求2所述的方法， 采用下述方法训练所述 解释模型， 其中： 确定各子图数据作为各第一样本； 针对每个第一样本， 根据该第一样本中目标节点执行的各历史风控业务的业务结果， 确定该第一样本对应的标注； 将该第一样本作为输入， 输入待训练的解释模型， 得到该第一样本中各主体分别对应 的权重， 并根据确定出 的各权重对该第一样本进行加权， 基于加权后的第一样本输出该第 一样本对应的业 务的预测结果； 以最小化该第 一样本的标注与所述解释模型输出的预测结果间的差异为目标， 对所述 解释模型进行训练。 4.如权利要求2所述的方法， 采用下述方法训练所述 解释模型， 其中： 确定不同历史时刻对应的历史全图数据； 针对每个历史时刻对应的历史全图数据， 将该历史全图数据拆分为若干子 图数据， 作 为该历史时刻对应的各第一样本； 针对该历史时刻对应的每个第 一样本， 根据 该第一样本中目标节点截止该历史时刻执 行的各历史风控业 务的业务结果， 确定该第一样本对应的标注； 将该第一样本作为输入， 输入待训练的解释模型， 得到该第一样本中各主体分别对应 的权重， 并根据确定出 的各权重对该第一样本进行加权， 基于加权后的第一样本输出该第权　利　要　求　书 1/3 页 2 CN 115545938 A 2一样本对应的业 务的预测结果； 确定该第一样本的标注与所述 解释模型输出的该第一样本的预测结果间的差异； 以最小化该历史时刻的第 一样本的标注， 与所述解释模型输出的该第 一样本的预测结 果间的差异为目标， 对所述 解释模型进行训练。 5.如权利要求1所述的方法， 权重用于表示保留主体的操作与裁剪主体的操作中的一 种； 根据各子图数据中各主体的权 重， 确定所述历史全图数据中各主体的权 重， 具体包括： 针对所述历史全图数据的每个主体， 当该主体对应基于多个子 图数据确定的权重， 且 该主体对应的各权重表示的操作不同时， 将表示保留主体的操作对应的权重， 作为所述历 史全图数据中， 该主体的权 重。 6.如权利要求1所述的方法， 确定当前全图数据之前， 所述方法还 包括： 确定不同历史时刻对应的历史全图数据， 作为各第二样本； 针对每个历史时刻对应的第二样本， 将该历史时刻的第二样本拆分为若干 子图数据； 针对该历史时刻的每个子 图数据， 将该子 图数据输入预先训练的解释模型， 得到该子 图数据中各主体分别对应的权 重， 作为各第一权 重； 根据基于各子图数据确定的该第 二样本中各主体的第 一权重， 确定该历史时刻对应的 第二样本的标注； 将该第二样本输入待训练的预降噪模型， 得到该第二样本中各主体分别对应的权重， 作为各第二权 重； 确定该第二样本的各第二权 重与该第二样本的标注间的差异； 以最小化确定出的各历史时刻的第 二样本对应的差异为目标， 对所述预降噪模型进行 训练。 7.如权利要求1所述的方法， 确定当前全图数据之前， 所述方法还 包括： 当历史全图数据为对应多种类型业务的异质图数据时， 针对所述历史全图数据中每种 类型的业务， 根据所述历史全图数据确定该类型业务对应的第三样本， 并确定所述第三样 本对应的若干 子图数据； 将各子图数据分别输入训练后的解释模型， 得到各子图数据中各主体分别对应的权 重， 作为各第一权 重； 根据各子图数据中各主体的第一权 重， 确定所述第三样本的标注； 将所述第三样本输入待训练 的预降噪模型， 确定所述待训练的预降噪模型输出的所述 第三样本中各主体分别对应的权 重， 作为各第二权 重； 确定所述第三样本的标注与所述第三样本的各主体的第二权 重间的差异； 以最小化所述差异为目标， 对所述预降噪模型进行训练， 得到该类型的业务对应的预 降噪模型。 8.一种执 行风险识别业 务的装置， 所述装置包括： 拆分模块， 用于将历史全图数据拆分为各子图数据； 第一确定模块， 用于通过训练后的解释模型， 确定各子图数据中各主体的权重， 所述解 释模型以历史风控业务对应的子图数据为训练样本， 所述历史风控业务的业务结果为标注 训练得到， 所述权重表征作为输入的子图数据的主体对得出所述标注的业务结果的贡献权　利　要　求　书 2/3 页 3 CN 115545938 A 3