基于金融知识图谱的会计欺诈风险识别方法

陈强; 代仕娅

doi:10.11959/j.issn.2096-0271.2021029

您当前的位置：

首页 >

文章列表页 >

基于金融知识图谱的会计欺诈风险识别方法

专题：基于大数据的知识图谱及其应用 | 更新时间：2024-06-03

- 基于金融知识图谱的会计欺诈风险识别方法
- Recognition method of accounting fraud risk based on financial knowledge graph
- 大数据 2021年7卷第3期页码：2021029
- 作者机构：
  
  1. 兴业银行信息科技部，上海 201201
  2. 蚂蚁科技国际事业群数据算法技术部，上海 200120
- 作者简介：
  
  [ "陈强（1976- ），男，博士，兴业银行信息科技部创新技术总监、高级工程师、高级经济师，厦门大学统计学与数据科学系兼职教授，中国计算机学会（CCF）会员，北京金融科技产业联盟人工智能专业委员会委员，兴业银行集团科技架构专家委员会常任委员。主要研究方向为数据科学，人工智能算法在金融风险控制、财富管理、理财投资等业务领域的应用研发及系统落地。" ]
  [ "代仕娅（1990- ），女，蚂蚁科技国际事业群数据算法技术部数据产品专家，主要研究方向为数据科学、人工智能相关产品在金融领域的研发及落地应用。" ]
- 基金信息：
  
  2018年上海市人工智能创新发展专项资金资助项目;2018 Shanghai Artificial Intelligence Innovation and Development Project Supported by Special Fundation(XX-RGZN-01-18-9814);2020年中国计算机用户协会金融信息科技风险管理及审计领域最佳实践入库项目;2020 Best Practice Project in Financial Information Technology Risk Management and Audit Field Sponsored by China Computer Users Association;2019年国家互联网数据中心产业技术创新战略联盟（NIISA）技术创新二等奖项目;2019 Second Prize of Technology Innovation Sponsored by National Internet Data Center Industrial Technology Innovation Strategic Alliance（NIISA）
- DOI：10.11959/j.issn.2096-0271.2021029
  中图分类号： TP311，F832
- 网络首发：2021-05，
  
  纸质出版：2021-05-15
- 稿件说明：
移动端阅览
陈强, 代仕娅. 基于金融知识图谱的会计欺诈风险识别方法[J]. 大数据, 2021,7(3):2021029.

Qiang CHEN, Shiya DAI. Recognition method of accounting fraud risk based on financial knowledge graph[J]. Big data research, 2021, 7(3): 2021029.
陈强, 代仕娅. 基于金融知识图谱的会计欺诈风险识别方法[J]. 大数据, 2021,7(3):2021029. DOI： 10.11959/j.issn.2096-0271.2021029.

Qiang CHEN, Shiya DAI. Recognition method of accounting fraud risk based on financial knowledge graph[J]. Big data research, 2021, 7(3): 2021029. DOI： 10.11959/j.issn.2096-0271.2021029.

摘要

针对商业银行会计案件日益复杂且频发的问题，将会计案防领域的行业知识与金融知识图谱技术结合，以更精准地识别与防范商业银行会计风险。采用图分析、图挖掘等技术，提取深层关联风险特征，并与行业经验知识相结合，构建了249条单点规则及425条组合规则，形成了丰富、可灵活配置的反欺诈策略体系。将该智能化反欺诈方法应用于银行活期账户的风险排查，与传统规则策略相比，识别精准度大幅提升，且对于筛选出的高度可疑账户，识别精准度达到85%左右，极大提升了会计案件核查的效率。

Abstract

Since the accounting risk events exhibit complexity increasingly and occur frequently

a method merged by industrial knowledge and financial knowledge graph was proposed to recognize and prevent commercial bank's accounting risk more precisely.Based on the financial knowledge graph of account transaction

deep graph connected risk features were extracted via various graph analysis and mining technologies.Combining the graph features with industrial knowledge

249 single rules and 425 assembled rules were constructed to form a more affluent and flexibly configurable anti-fraud strategy system

which was then applied to verify commercial bank's current accounts and select the high suspicious ones.The experimental results show that the risk recognition accuracy rate of the intelligent strategy is much higher than the traditional one and reaches up to 85% above

which significantly promotes the efficiency of the accounting risk verification.

关键词

Keywords

references

吴建光 . 金融科技与会计管理数字化转型 [J ] . 金融会计 , 2020 ( 1 ): 36 - 38 .

WU J G . Financial technology and digital transformation of accounting management [J ] . Financial Accounting , 2020 ( 1 ): 36 - 38 .

刘瑞霞 . 打造基于大数据的智能化风控体系 [J ] . 金融电子化 , 2018 ( 8 ): 57 - 58 .

LIU R X . Configuration of intelligent risk management system based on big data [J ] . Financial Computerizing , 2018 ( 8 ): 57 - 58 .

姜增明 , 陈剑锋 , 张超 . 金融科技赋能商业银行风险管理转型 [J ] . 当代经济管理 , 2019 , 41 ( 1 ): 85 - 90 .

JIANG Z M , CHEN J F , ZHANG C . The empowerment of financial technology on the risk management transformation of commercial banks [J ] . Contemporary Economy＆ Management , 2019 , 41 ( 1 ): 85 - 90 .

柴洪峰 , 王帅 , 涂晓军 , 等 . 智能化金融科技创新监管工具:理念、平台框架和展望 [J ] . 智能科学与技术学报 , 2020 , 2 ( 3 ): 214 - 226 .

CHAI H F , WANG S , TU X J , et al . Intelligent innovative regulatory tools on financial technology:concept,platform framework,and prospects [J ] . Chinese Journal of Intelligent Science and Technology , 2020 , 2 ( 3 ): 214 - 226 .

陶睿 , 吴继春 , 谢胜强 , 等 . 深度学习和知识图谱在智能监管中的应用研究 [J ] . 金融纵横 , 2019 ( 8 ): 56 - 66 .

TAO R , WU J C , XIE S Q , et al . Applied research on deep learning and knowledge graph in intelligent regulation [J ] . Financial Perspectives Journal , 2019 ( 8 ): 56 - 66 .

陶士贵 , 相瑞 . 基于大数据技术的商业银行反洗钱风险识别“穿透”研究 [J ] . 金融发展研究 , 2020 ( 7 ): 73 - 78 .

TAO S G , XIANG R . Research on penetration of anti-money laundering risk identification of commercial banks based on big data technology [J ] . Journal of Financial Development Research , 2020 ( 7 ): 73 - 78 .

金磐石 , 万光明 , 沈丽忠 . 基于知识图谱的小微企业贷款申请反欺诈方案 [J ] . 大数据 , 2019 , 5 ( 4 ): 100 - 112 .

JIN P S , WAN G M , SHEN L Z . Knowledge graph-based fraud detection for small and micro enterprise loans [J ] . Big Data Research , 2019 , 5 ( 4 ): 100 - 112 .

王成 , 舒鹏飞 . WEB:一种基于网络嵌入的互联网借贷欺诈预测方法 [J ] . 大数据 , 2019 , 5 ( 6 ): 85 - 100 .

WANG C , SHU P F . WEB:a fraud prediction method of Internet lending using network embedding [J ] . Big Data Research , 2019 , 5 ( 6 ): 85 - 100 .

凡友荣 , 杨涛 , 孔华锋 , 等 . 基于知识图谱的电信欺诈通联特征挖掘方法 [J ] . 计算机应用与软件 , 2019 , 36 ( 11 ): 182 - 187 .

FAN Y R , YANG T , KONG H F , et al . Calling features mining method of telecom fraud based on knowledge graph [J ] . Computer Applications and Software , 2019 , 36 ( 11 ): 182 - 187 .

魏瑾 , 李伟华 , 潘炜 . 基于知识图谱的智能决策支持技术及应用研究 [J ] . 计算机技术与发展 , 2020 , 30 ( 1 ): 1 - 6 .

WEI J , LI W H , PAN W . Research on intelligent decision support technology and application based on knowledge graph [J ] . Computer Technology and Development , 2020 , 30 ( 1 ): 1 - 6 .

陈成 , 陈跃国 , 刘宸 , 等 . 意图知识图谱的构建与应用 [J ] . 大数据 , 2020 , 6 ( 2 ): 57 - 68 .

CHEN C , CHEN Y G , LIU C , et al . Constructing and analyzing intention knowledge graphs [J ] . Big Data Research , 2020 , 6 ( 2 ): 57 - 68 .

王昊奋 , 丁军 , 胡芳槐 , 等 . 大规模企业级知识图谱实践综述 [J ] . 计算机工程 , 2020 , 46 ( 7 ): 1 - 13 .

WANG H F , DING J , HU F H , et al . Survey on large scale enterprise-level knowledge graph practices [J ] . Computer Engineering , 2020 , 46 ( 7 ): 1 - 13 .

胡扬 , 闫宏飞 , 陈翀 . 面向金融知识图谱的实体和关系联合抽取算法 [J ] . 重庆理工大学学报(自然科学) , 2020 , 34 ( 5 ): 139 - 149 .

HU Y , YAN H F , CHEN C . Joint entity and relation extraction for constructing financial knowledge graph [J ] . Journal of Chongqing University of Technology(Natural Science) , 2020 , 34 ( 5 ): 139 - 149 .

李任之 , 李博杰 , 张国桢 , 等 . 基于CouchDB和Elastic Search的高性能化学结构搜索引擎与数据库的构建 [J ] . 化学物理学报 , 2018 , 31 ( 3 ): 341 - 349 .

LI R Z , LI B J , ZHANG G Z , et al . A highperformance and flexible chemical structure＆ data search engine built on CouchDB ＆Elastic Search [J ] . Chinese Journal of Chemical Physics , 2018 , 31 ( 3 ): 341 - 349 .

吴金全 . 有向图的强连通分量及应用 [J ] . 软件 , 2014 , 35 ( 3 ): 72 - 75 .

WU J Q . The SCC of digraph and application [J ] . Computer Engineering ＆Software , 2014 , 35 ( 3 ): 72 - 75 .

吕华揆 , 洪亮 , 马费成 . 金融股权知识图谱构建与应用 [J ] . 数据分析与知识发现 , 2020 , 4 ( 5 ): 27 - 37 .

LYU H K , HONG L , MA F C . Constructing knowledge graph for financial equities [J ] . Data Analysis and Knowledge Discovery , 2020 , 4 ( 5 ): 27 - 37 .

吴结凤 , 黄学进 , 李晋川 , 等 . 脉动流模拟系统血压波形相似度算法研究 [J ] . 医用生物力学 , 2020 , 27 ( 5 ): 515 - 520 .

WU J F , HUANG X J , LI J C , et al . Similarity measurement of blood pressure waveforms for pulsatile flow simulation system [J ] . Journal of Medical Biomechanics , 2020 , 27 ( 5 ): 515 - 520 .

藏根林 , 王亚强 , 吴庆蓉 , 等 . 知识图谱中的关系方向与强度研究 [J ] . 大数据 , 2019 , 5 ( 3 ): 96 - 103 .

ZANG G L , WANG Y Q , WU Q R , et al . Study on direction and strength of relation based on knowledge graph [J ] . Big Data Research , 2019 , 5 ( 3 ): 96 - 103 .

浏览量

1577

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

W EB：一种基于网络嵌入的互联网借贷欺诈预测方法

金融科技在互联网金融行业性风险防范领域的应用