CN101493913A - 一种评估网上用户信用的方法及系统 - Google Patents

一种评估网上用户信用的方法及系统 Download PDF

Info

Publication number
CN101493913A
CN101493913A CNA2008100041805A CN200810004180A CN101493913A CN 101493913 A CN101493913 A CN 101493913A CN A2008100041805 A CNA2008100041805 A CN A2008100041805A CN 200810004180 A CN200810004180 A CN 200810004180A CN 101493913 A CN101493913 A CN 101493913A
Authority
CN
China
Prior art keywords
data
credit
user
behavior
influence factor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA2008100041805A
Other languages
English (en)
Inventor
陆兆禧
邱昌恒
蒋萃林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CNA2008100041805A priority Critical patent/CN101493913A/zh
Publication of CN101493913A publication Critical patent/CN101493913A/zh
Pending legal-status Critical Current

Links

Images

Abstract

本发明公开了一种评估网上用户信用的方法及系统，解决网上交易诚信的问题，从而减少不诚信给用户造成的损失。所述方法包括：从各业务系统收集用户在网上的原始行为数据，并进行ETL处理，然后存储到数据仓库；分析确定影响信用评估的因素，并从数据仓库获取影响因素数据；利用所述影响因素数据建立信用评估模型；利用所述模型计算用户的信用得分。本发明由于该体系进行评估的数据来自于网站记录的各种用户行为数据，这些数据是用户在网上进行交易时产生的数据，用户无法随意修改，所以能够客观、真实地反映用户的信用度。本发明大大改进了目前的网上信用评估方法，解决了网上交易的诚信问题，最大限度地减少了交易的风险性。

Description

一种评估网上用户信用的方法及系统
技术领域
本发明涉及数据评估领域，特别是涉及一种评估网上用户信用的方法及系统。
背景技术
目前在网上交易系统中，由于用户在交易过程中，不知道交易对方的真实目的，因此经常存在一些欺诈和不诚信的问题。而且，网上交易欺诈行为越来越多，欺诈手段也来越来越高明，很难从一些表面现象看透交易的真实性。
现有的大多数网站评估用户信用的方法是：把注册时间、交易量和用户评价等指标通过简单的加权处理，得到一个简单而又不能真实反映网上用户的信用现状。
这种评估网上信用的技术手段由于比较简单，很难识破一些不真实的、故意炒作的交易，因此一些不法分子充分利用这些漏洞进行网上欺诈。例如，通过相互转账来提高自己的总交易量，通过两个账户相互好评等种种不诚信的手段来提高自己的伪信用，交易对象可以在很短的时间内提高自己的级别或假信用，从而给其他客户提供一种虚假的信息。这种不真实的信用评价，给交易对方带来不可估量的损失。
如何解决互联网上交易双方的诚信问题，即客户在交易之间就能看到对方的真实信用状况，同时也能达成网上交易，成为第三方互联网(如网站)支付亟待解决的问题。同时随着互联网的高速发展，也需要建设一个诚信安全、和谐的交易环境。
发明内容
本发明所要解决的技术问题是提供一种评估网上用户信用的方法及系统，以解决网上交易诚信的问题，从而减少不诚信给用户造成的损失。
为解决上述技术问题，根据本发明提供的具体实施例，本发明公开了以下技术方案：
一种评估网上用户信用的方法，包括：
从各业务系统收集用户在网上的原始行为数据；
将所述网上行为数据进行ETL处理，并存储到数据仓库；
分析确定影响信用评估的因素，然后从数据仓库获取影响因素数据；
利用所述影响因素数据建立信用评估模型；
利用所述模型计算用户的信用得分。
所述方法还包括数据仓库的调整步骤：如果数据仓库中没有对应影响因素的数据，或者数据仓库中的数据不符合要求，则重新对网上行为数据进行ETL处理，并存储到数据仓库。
其中，所述影响因素包括网站点击行为、用户交易数据及行为、资金变动数据及行为。
优选的，所述信用评估模型采用C5.0决策树和LOGISTIC回归相结合的组合模型，对每个用户分别采用C5.0决策树和LOGISTIC回归进行分析计算，然后根据两者结果进行加权处理，求出加权综合评分。
所述方法还包括：根据用户的历史信用记录，生成信用变化趋势图，并显示。
一种评估网上用户信用的系统，包括：
数据收集单元，用于从各业务系统收集用户在网上的原始行为数据，并进行ETL处理，然后进行存储；
模型建立单元，用于分析确定影响信用评估的因素，然后从数据收集单元获取影响因素数据；利用所述影响因素数据建立信用评估模型；
信用评估单元，用于利用所述模型计算用户的信用得分。
所述系统还包括：建模分析单元，用于对影响因素数据进行初步分析，删除对建模无用的变量。
所述系统还包括：业务调用单元，用于调用用户的历史信用记录，生成信用变化趋势图，并显示。
优选的，所述信用评估模型采用C5.0决策树和LOGISTIC回归相结合的组合模型，信用评估单元对每个用户分别采用C5.0决策树和LOGISTIC回归进行分析计算，然后根据两者结果进行加权处理，求出加权综合评分。
其中，所述影响因素包括网站点击行为、用户交易数据及行为、资金变动数据及行为。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明实施例充分利用用户在网上的点击行为数据、历史交易数据、资金变动数据等网上行为数据，通过数据仓库的ETL(Extract-数据抽取，Transform-数据转换，Load-数据装载)过程从各业务系统收集数据，然后利用C5.0决策树和LOGISTIC回归相结合的组合模型等数据挖掘技术，建立了一套客观的信用评估体系，大大改进了目前的网上信用评估方法，解决了网上交易的诚信问题，最大限度地减少了交易的风险性。
所述信用评估体系能够更加客观地评估用户的网上信用度，因为该体系进行评估的数据来自于网站记录的各种用户行为数据，这些数据是用户在网上进行交易时产生的数据，用户无法随意修改，所以能够客观、真实地反映用户的信用度。因此，利用这些客观数据建立的评估模型和计算得到的信用得分也更加客观、真实。
而且，本发明实施例中建立的信用评估模型采用的是组合模型的方式，即同时采用C5.0决策树和LOGISTIC回归模型，进行信用评估时，对每个用户分别采用C5.0决策树和LOGISTIC回归进行分析计算，然后根据两者结果进行加权处理，求出加权综合评分，这样得出来的信用分值就是两种方法的综合加权处理得分，从而减少了采用一种方式评分的误差。
附图说明
图1是本发明实施例所述一种评估网上用户信用的步骤流程图；
图2是本发明优选实施例所述进行网上信用评估的方法流程图；
图3是本发明实施例所述一种评估网上用户信用的系统结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
为解决目前网上交易日益突出的诚信问题，本发明实施例提供了一种信用评估方法，该方法充分利用用户在网上的行为属性、交易属性、资金变动等影响用户信用的指标，通过C5.0决策树和LOGISTIC回归组合模型等数据挖掘技术，计算和评估网上用户的信用。
参照图1，是本发明实施例所述一种评估网上用户信用的步骤流程图。
步骤101，从各业务系统收集用户在网上的原始行为数据，并进行ETL处理，然后存储到数据仓库。
网上行为数据是指用户登录网站、浏览网页、通过网络进行交易等各种网上操作的详细数据记录，例如用户点击网页的行为、点击交易控件的行为，等等信息，网站后台系统都会记录下来。在实际应用中，网站后台可能由几个业务处理系统分别负责不同的业务功能，因此收集大量的原始数据时就需要从各业务系统获取相应数据。
针对实际应用中大量的网上行为数据需要处理，本实施例采用数据仓库的方式，利用ETL过程对各业务系统中的网上行为数据进行抽取并进行清洗和转化，然后建立一张以用户为中心的包含多个属性的大表存储到数据仓库，以便后续的建模分析使用。上述数据仓库是一个相对稳定的、反映历史变化的数据集合，用于支持管理决策。数据仓库的ETL过程是指数据抽取(Extract)、转换(Transform)、装载(Load)的过程。其中，所述数据抽取指从源系统中提取数据；所述数据转换指开发者将提取的数据，按照业务需要转换为目标数据结构，并实现汇总；所述数据装载指加载经转换和汇总的数据到目标数据仓库中。
步骤102，通过穷举方式分析确定可能影响信用评估的因素，然后从数据仓库获取影响因素数据。
本实施例中，进行信用评估的数据都来源于用户的网上行为数据，在网上交易的应用中，影响因素主要包括网站点击行为、用户交易数据及行为、资金变动数据及行为这三个方面。当然，本实施例也不限定其他能够影响信用评估的网上因素。
所述网站点击行为主要包括页面停留时间、点击网页的路径，是否异地登录，访问页面的MAC(Media Access Control，介质访问控制)地址等。所述用户交易数据及行为主要包括创建交易的时间、数量、金额、商品类型、交易双方的MAC变化，付款的时间、数量、金额、MAC变化，是否确认收货、是否延迟发货、有无发生交易纠纷等等，以及这些指标随着时间的变化情况。所述资金变动数据及行为主要包括资金来源、大小、变化方向、去处，以及资金在第三方支付系统(例如支付宝)的停留时间，以及这些资金随时间变化的变动情况等。
上述影响因素是通过客观地分析进行大量穷举，并参照业务专家、建模专家等相关专业意见而初步确定下来的，这些因素对于信用评估的影响比较突出。
确定可能的影响因素后，从数据仓库中获取对应影响因素的网上行为数据。在实际应用中，由于影响因素的调整或其他原因，最初的数据仓库并没有存储信用评估需要的数据，即没有对应影响因素的网上行为数据，或者原始存储的影响因素数据不符合建模要求。例如，通过分析重新确定出一个影响因素是“用户在页面的停留时间”，如果原来的数据仓库中并没有这个字段的数据，这时，就需要对数据仓库进行调整，即重新对原始网上行为数据进行ETL处理，得到符合建模要求的影响因素数据。
优选步骤103，对获取到的影响因素数据进行初步的数据分析。
本步骤是对建模数据的预处理，主要是把大量的影响因素数据转化为模型变量，并查看每个变量的分布、缺失值和缺失值替换，以及与结果变量之间的关系和对结果变量的影响强度，初步删除一些无用的变量。其中，上述列举的三个影响因素中包含的每个具体因素都可作为变量，这些变量影响着信用评估的结果；结果变量是可用于评价信用的变量。
步骤104，利用所述影响因素数据建立信用评估模型。
信用评估模型是一种通过数据挖掘技术建立起来的评估框架，本实施例采用CRISP_DM的数据挖掘方法论，CRISP-DM分成如下六个迭代的阶段：业务理解(Business Understanding)，数据理解(Data Understanding)，数据准备(DataPreparation)，挖掘建模(Modeling)，模型评估(Evaluation)，模型部署(Deployment)。当然，本发明并不限定采用其他可行的数据挖掘算法。
模型建立的过程是对样本数据进行分组(一般为2组)，一组数据用来建立各种各样的模型，另一组数据用来测试各种模型的效果，如果测试效果不符合评估要求，则需要重新建立模型或调整模型。具体过程包括：首先是抽样建立初步模型，例如随机抽取1％的用户数据来建立模型；进行模型变量的转化与清洗等处理；然后模型采用数据挖掘算法，将各种影响因素作为自变量，并将抽样用户数据输入模型计算，得到抽样计算结果；然后利用测试数据测试模型的评估准确率等各项指标，并不断调整模型的各项变量或参数设置，最终得到一个符合评估要求的模型。
本实施例中，主要采用C5.0决策树和LOGISTIC回归相结合的组合模型来计算用户信用得分。决策树是一种用于数据分析和作预测的技术，本模型采用的算法是C5.0，建立决策树的过程，即树的生长过程是不断地把数据进行切分的过程，每次切分对应一个问题，也对应着一个节点，对每次切分都要求分成的组之间的″差异″最大，决策树的生长和修建以“熵”(Entropy)的改变为基础。Logistic回归是普通线性回归的一种特殊形式，采用MLE(MaximumLikelihood Estimate，极大似然估计)算法进行参数估计，一个随机事件的发生与否往往与多个影响因素有关，Logistic回归分析能从众多的影响该事件发生的可疑因素中筛选出对事件发生概率有影响的因素，并建立用这些因素估计该事件在某段时间内发生概率的回归模型，该方法主要用于分类和预测等。
步骤105，模型建立后，利用所述模型计算用户的信用得分，从而评估出用户的信用等级。
具体的计算过程是：对每个用户分别采用C5.0决策树和LOGISTIC回归进行分析计算，然后根据两者结果进行加权处理，求出加权综合评分，这样得出来的信用分值就是两种方法的综合加权处理得分，从而减少了采用一种方式评分的误差。其中，权重是对所输入资料的重要性的一个指标。
上述网上信用评估过程中，由于用于计算的各种用户行为数据是用户在网上进行交易时产生的数据，用户无法随意修改，所以能够客观、真实地反映用户的信用度。上述信用评估体系大大改进了目前网上交易真实交易评估、网上交易风险评估以及网上交易对方信用评价的方式，最大限度地减少了客户在交易中由不诚信而产生的损失，并营造出一个良好的互联网交易环境。而且，上述实施例建立的信用评估模型采用的是组合模型的方式，即同时采用两种或两种以上的方法进行评估，这样得出来的信用分值就是多种方法的综合加权处理得分，从而减少了通常采用一种方式评分的误差。
需要说明的是，在信用评估体方法中，还可以通过神经网络、判别分析、聚类分析等方法来评估用户的信用。所述神经网络法是通过模拟生物的神经结构以及其处理信息的方式来进行计算的一种算法，每个神经元有特定数量的输入，也会为每个神经元设定权重(weight)。然后，神经元会计算出权重合计值(net value)，而权重合计值就是将所有输入乘以它们的权重的合计。每个神经元都有它们各自的临界值(threshold)，而当权重合计值大于临界值时，神经元会输出1；相反，则输出0。最后，输出会被传送给与该神经元连接的其它神经元继续剩余的计算，其主要作用是用来分类和预测。
聚类分析和判别分析方法有相似的作用，都是起到分类的作用。但是，判别分析是已知分类然后总结出判别规则，是一种有指导的学习；而聚类分析则是有了一批样本，不知道它们的分类，甚至连分成几类也不知道，希望用某种方法把观测进行合理的分类，使得同一类的观测比较接近，不同类的观测相差较多，这是无指导的学习。
下面将列举该信用评估方法在实际应用中的情况来说明。
参照图2，是本发明优选实施例所述进行网上信用评估的方法流程图。
步骤201，信用评估体系首先确定出影响因素，如用户行为数据、用户历史交易数据、用户资金数据等；
步骤202，从数据仓库中搜集出这些影响因素数据，并进行初步的数据分析，删除无用的变量；
步骤203，建立信用评估模型，该模型采用C5.0决策树和LOGISTIC回归的组合模型方式，计算用户的信用得分；
步骤204，用户如果对某一个用户的产品或商品感兴趣，则可以点击查看对方的信用；例如，A用户对B用户的某一商品感兴趣，则可以查看B用户的信用得分；
优选步骤205，A用户还可以在前台业务中调用B用户的信用历史记录，然后在用户界面上生成一张历史信用变化趋势图。
针对上述信用评估方法，本发明还提供了一种信用评估系统实施例。参照图3，是所述一种评估网上用户信用的系统结构框图。所述系统主要包括数据收集单元301、模型建立单元302和信用评估单元303。
其中，所述数据收集单元301负责从各业务系统收集用户在网上的原始行为数据，并进行ETL处理，然后进行存储。所述模型建立单元302负责分析确定影响信用评估的因素，然后从数据收集单元301获取影响因素数据，再利用所述影响因素数据建立信用评估模型。本实施例中，该模型采用C5.0决策树和LOGISTIC回归相结合的组合模型方式，这样得出来的信用分值就是两种方法的综合加权处理得分，从而减少了采用一种方式评分的误差。所述信用评估单元303负责利用所述模型计算用户的信用得分。
优选的，所述系统还包括建模分析单元304，用于对数据收集单元301搜集到的影响因素数据进行初步分析，将大量的影响因素数据转化为模型变量，并删除对建模无用的变量。
优选的，所述系统还包括业务调用单元305，用于根据前台业务需要，调用信用评估单元303生成的用户信用得分；或者调用用户的历史信用记录，生成信用变化趋势图；并将信用得分或信用变化趋势在前台显示。
图3所示系统中未详述的部分可以参见图1、图2所示方法的相关部分，为了篇幅考虑，在此不再详述。
以上对本发明所提供的一种评估网上用户信用的方法及系统，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1、一种评估网上用户信用的方法，其特征在于，包括：
从各业务系统收集用户在网上的原始行为数据；
将所述网上行为数据进行ETL处理，并存储到数据仓库；
分析确定影响信用评估的因素，然后从数据仓库获取影响因素数据；
利用所述影响因素数据建立信用评估模型；
利用所述模型计算用户的信用得分。
2、根据权利要求1所述的方法，其特征在于，还包括数据仓库的调整步骤：如果数据仓库中没有对应影响因素的数据，或者数据仓库中的数据不符合要求，则重新对网上行为数据进行ETL处理，并存储到数据仓库。
3、根据权利要求1所述的方法，其特征在于：所述影响因素包括网站点击行为、用户交易数据及行为、资金变动数据及行为。
4、根据权利要求1所述的方法，其特征在于：所述信用评估模型采用C5.0决策树和LOGISTIC回归相结合的组合模型，对每个用户分别采用C5.0决策树和LOGISTIC回归进行分析计算，然后根据两者结果进行加权处理，求出加权综合评分。
5、根据权利要求1所述的方法，其特征在于，还包括：根据用户的历史信用记录，生成信用变化趋势图，并显示。
6、一种评估网上用户信用的系统，其特征在于，包括：
数据收集单元，用于从各业务系统收集用户在网上的原始行为数据，并进行ETL处理，然后进行存储；
模型建立单元，用于分析确定影响信用评估的因素，然后从数据收集单元获取影响因素数据；利用所述影响因素数据建立信用评估模型；
信用评估单元，用于利用所述模型计算用户的信用得分。
7、根据权利要求6所述的系统，其特征在于，还包括：建模分析单元，用于对影响因素数据进行初步分析，删除对建模无用的变量。
8、根据权利要求6所述的系统，其特征在于，还包括：业务调用单元，用于调用用户的历史信用记录，生成信用变化趋势图，并显示。
9、根据权利要求6所述的系统，其特征在于：所述信用评估模型采用C5.0决策树和LOGISTIC回归相结合的组合模型，信用评估单元对每个用户分别采用C5.0决策树和LOGISTIC回归进行分析计算，然后根据两者结果进行加权处理，求出加权综合评分。
10、根据权利要求6所述的系统，其特征在于：所述影响因素包括网站点击行为、用户交易数据及行为、资金变动数据及行为。
CNA2008100041805A 2008-01-23 2008-01-23 一种评估网上用户信用的方法及系统 Pending CN101493913A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CNA2008100041805A CN101493913A (zh) 2008-01-23 2008-01-23 一种评估网上用户信用的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CNA2008100041805A CN101493913A (zh) 2008-01-23 2008-01-23 一种评估网上用户信用的方法及系统

Publications (1)

Publication Number Publication Date
CN101493913A true CN101493913A (zh) 2009-07-29

Family

ID=40924501

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2008100041805A Pending CN101493913A (zh) 2008-01-23 2008-01-23 一种评估网上用户信用的方法及系统

Country Status (1)

Country Link
CN (1) CN101493913A (zh)

Cited By (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110265A (zh) * 2009-12-23 2011-06-29 深圳市腾讯计算机系统有限公司 一种预估网络广告效果的方法及系统
CN102436622A (zh) * 2011-12-28 2012-05-02 浙江汇信科技有限公司 一种网络市场经营者信用评价方法
CN102510400A (zh) * 2011-10-31 2012-06-20 百度在线网络技术（北京）有限公司 一种用于确定用户的可疑度信息的方法、装置和设备
CN103166920A (zh) * 2011-12-13 2013-06-19 腾讯科技（深圳）有限公司 一种限制恶意信息传播的方法和系统
CN103235828A (zh) * 2013-05-13 2013-08-07 中科数据技术(苏州)有限公司 一种信息数据评分卡的指标的档位分析及调整方法
CN103514566A (zh) * 2013-10-15 2014-01-15 国家电网公司 一种风险控制系统及方法
CN103577190A (zh) * 2013-11-07 2014-02-12 中科信息安全共性技术国家工程研究中心有限公司 基于反射算法技术的动态可扩展智能测评系统
CN103607319A (zh) * 2013-11-14 2014-02-26 福建伊时代信息科技股份有限公司 网络风险处理方法及系统
CN103795697A (zh) * 2012-11-01 2014-05-14 腾讯科技（深圳）有限公司 一种网络媒介信息投放效果模拟方法和系统
CN104424572A (zh) * 2013-08-28 2015-03-18 国家广播电影电视总局广播科学研究院 一种数字家庭购物商户信用评价方法
CN104679777A (zh) * 2013-12-02 2015-06-03 中国银联股份有限公司 一种用于检测欺诈交易的方法及系统
CN104866969A (zh) * 2015-05-25 2015-08-26 百度在线网络技术（北京）有限公司 个人信用数据处理方法和装置
CN105354313A (zh) * 2015-11-11 2016-02-24 南京安讯科技有限责任公司 一种利用大数据进行信用评估的方法
CN105354210A (zh) * 2015-09-23 2016-02-24 深圳市爱贝信息技术有限公司 移动游戏支付账户行为数据处理方法和装置
CN105490823A (zh) * 2015-12-24 2016-04-13 原肇 一种数据处理方法及装置
CN105528465A (zh) * 2016-02-03 2016-04-27 天弘基金管理有限公司 信用状况评估方法及装置
CN106056444A (zh) * 2016-05-25 2016-10-26 腾讯科技（深圳）有限公司 数据处理方法和装置
CN106095939A (zh) * 2016-06-12 2016-11-09 腾讯科技（深圳）有限公司 账户权限的获取方法和装置
WO2017045551A1 (zh) * 2015-09-15 2017-03-23 阿里巴巴集团控股有限公司 换货信息处理方法及装置
CN106874295A (zh) * 2015-12-11 2017-06-20 腾讯科技（深圳）有限公司 一种确定业务参数的方法及装置
WO2017133456A1 (zh) * 2016-02-01 2017-08-10 腾讯科技（深圳）有限公司 一种确定风险评估参数的方法及装置
WO2017133615A1 (zh) * 2016-02-03 2017-08-10 腾讯科技（深圳）有限公司 一种业务参数获取方法及装置
CN107301577A (zh) * 2016-04-15 2017-10-27 阿里巴巴集团控股有限公司 信用评估模型的训练方法、信用评估方法以及装置
CN107563588A (zh) * 2017-07-25 2018-01-09 北京拓明科技有限公司 一种个人信用的获取方法和获取系统
WO2018014786A1 (zh) * 2016-07-21 2018-01-25 阿里巴巴集团控股有限公司 评价模型的建模方法及装置
CN107633030A (zh) * 2017-09-04 2018-01-26 深圳市华傲数据技术有限公司 基于数据模型的信用评估方法及装置
CN107633455A (zh) * 2017-09-04 2018-01-26 深圳市华傲数据技术有限公司 基于数据模型的信用评估方法及装置
WO2018036397A1 (zh) * 2016-08-26 2018-03-01 阿里巴巴集团控股有限公司 换货信息处理方法及装置
CN107885754A (zh) * 2016-09-30 2018-04-06 阿里巴巴集团控股有限公司 基于lda模型从交易数据中提取信用变量的方法和装置
CN108074095A (zh) * 2016-11-18 2018-05-25 腾讯科技（深圳）有限公司 一种票务处理方法和装置
CN108196830A (zh) * 2017-12-22 2018-06-22 山东浪潮通软信息科技有限公司 一种评分方法及装置
CN108446291A (zh) * 2017-12-27 2018-08-24 深圳萨摩耶互联网金融服务有限公司 用户信用的实时评分方法及评分系统
WO2018188543A1 (zh) * 2017-04-14 2018-10-18 腾讯科技（深圳）有限公司 征信分实时调整处理方法、装置及处理服务器
CN108846743A (zh) * 2018-06-12 2018-11-20 北京京东金融科技控股有限公司 用于生成信息的方法和装置
WO2018214935A1 (zh) * 2017-05-26 2018-11-29 阿里巴巴集团控股有限公司 确定用户风险偏好的方法、信息推荐方法及装置
CN109325883A (zh) * 2017-07-31 2019-02-12 深圳市珍爱网信息技术有限公司 一种双向匹配的推荐方法及装置
WO2019076040A1 (zh) * 2017-10-16 2019-04-25 平安科技（深圳）有限公司 银行风险数据处理方法、装置、计算机设备和存储介质
RU2691830C1 (ru) * 2018-02-28 2019-06-18 Павел Сергеевич Большаков Система и способ работы проверки данных онлайн пользователей и создания скоринговой модели с использованием неперсональных данных пользователей
CN110309840A (zh) * 2018-03-27 2019-10-08 阿里巴巴集团控股有限公司 风险交易识别方法、装置、服务器及存储介质
RU2723679C1 (ru) * 2019-12-09 2020-06-17 Павел Сергеевич Большаков Способ и система динамической аутентификации и оценки риска пользователя
CN111815439A (zh) * 2020-07-23 2020-10-23 睿智合创(北京)科技有限公司 一种基于云平台的信用评分系统
CN112270547A (zh) * 2020-10-27 2021-01-26 上海淇馥信息技术有限公司 基于特征构造的金融风险评估方法、装置和电子设备
CN112348660A (zh) * 2020-10-21 2021-02-09 上海淇玥信息技术有限公司 生成风险警示信息的方法、装置及电子设备
CN112818899A (zh) * 2021-02-22 2021-05-18 招联消费金融有限公司 人脸图像处理方法、装置、计算机设备和存储介质
CN113793007A (zh) * 2021-09-06 2021-12-14 深圳市数聚湾区大数据研究院 数据交易权限控制方法、装置和设备

Cited By (63)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110265A (zh) * 2009-12-23 2011-06-29 深圳市腾讯计算机系统有限公司 一种预估网络广告效果的方法及系统
CN102510400A (zh) * 2011-10-31 2012-06-20 百度在线网络技术（北京）有限公司 一种用于确定用户的可疑度信息的方法、装置和设备
CN102510400B (zh) * 2011-10-31 2015-09-30 百度在线网络技术（北京）有限公司 一种用于确定用户的可疑度信息的方法、装置和设备
CN103166920A (zh) * 2011-12-13 2013-06-19 腾讯科技（深圳）有限公司 一种限制恶意信息传播的方法和系统
CN103166920B (zh) * 2011-12-13 2016-01-20 腾讯科技（深圳）有限公司 一种限制恶意信息传播的方法和系统
CN102436622A (zh) * 2011-12-28 2012-05-02 浙江汇信科技有限公司 一种网络市场经营者信用评价方法
CN103795697A (zh) * 2012-11-01 2014-05-14 腾讯科技（深圳）有限公司 一种网络媒介信息投放效果模拟方法和系统
CN103795697B (zh) * 2012-11-01 2018-09-28 腾讯科技（深圳）有限公司 一种网络媒介信息投放效果模拟方法和系统
CN103235828A (zh) * 2013-05-13 2013-08-07 中科数据技术(苏州)有限公司 一种信息数据评分卡的指标的档位分析及调整方法
CN103235828B (zh) * 2013-05-13 2016-08-17 中科数据技术(苏州)有限公司 一种信息数据评分卡的指标的档位分析及调整方法
CN104424572A (zh) * 2013-08-28 2015-03-18 国家广播电影电视总局广播科学研究院 一种数字家庭购物商户信用评价方法
CN103514566A (zh) * 2013-10-15 2014-01-15 国家电网公司 一种风险控制系统及方法
CN103577190A (zh) * 2013-11-07 2014-02-12 中科信息安全共性技术国家工程研究中心有限公司 基于反射算法技术的动态可扩展智能测评系统
CN103607319A (zh) * 2013-11-14 2014-02-26 福建伊时代信息科技股份有限公司 网络风险处理方法及系统
CN104679777A (zh) * 2013-12-02 2015-06-03 中国银联股份有限公司 一种用于检测欺诈交易的方法及系统
CN104679777B (zh) * 2013-12-02 2018-05-18 中国银联股份有限公司 一种用于检测欺诈交易的方法及系统
CN104866969A (zh) * 2015-05-25 2015-08-26 百度在线网络技术（北京）有限公司 个人信用数据处理方法和装置
WO2017045551A1 (zh) * 2015-09-15 2017-03-23 阿里巴巴集团控股有限公司 换货信息处理方法及装置
CN105354210A (zh) * 2015-09-23 2016-02-24 深圳市爱贝信息技术有限公司 移动游戏支付账户行为数据处理方法和装置
CN105354313A (zh) * 2015-11-11 2016-02-24 南京安讯科技有限责任公司 一种利用大数据进行信用评估的方法
CN106874295A (zh) * 2015-12-11 2017-06-20 腾讯科技（深圳）有限公司 一种确定业务参数的方法及装置
CN105490823A (zh) * 2015-12-24 2016-04-13 原肇 一种数据处理方法及装置
WO2017133456A1 (zh) * 2016-02-01 2017-08-10 腾讯科技（深圳）有限公司 一种确定风险评估参数的方法及装置
CN107040397B (zh) * 2016-02-03 2020-12-11 腾讯科技（深圳）有限公司 一种业务参数获取方法及装置
WO2017133615A1 (zh) * 2016-02-03 2017-08-10 腾讯科技（深圳）有限公司 一种业务参数获取方法及装置
CN107040397A (zh) * 2016-02-03 2017-08-11 腾讯科技（深圳）有限公司 一种业务参数获取方法及装置
CN105528465A (zh) * 2016-02-03 2016-04-27 天弘基金管理有限公司 信用状况评估方法及装置
CN107301577A (zh) * 2016-04-15 2017-10-27 阿里巴巴集团控股有限公司 信用评估模型的训练方法、信用评估方法以及装置
WO2017202006A1 (zh) * 2016-05-25 2017-11-30 腾讯科技（深圳）有限公司 数据处理方法和装置、计算机存储介质
CN106056444A (zh) * 2016-05-25 2016-10-26 腾讯科技（深圳）有限公司 数据处理方法和装置
CN106095939A (zh) * 2016-06-12 2016-11-09 腾讯科技（深圳）有限公司 账户权限的获取方法和装置
WO2018014786A1 (zh) * 2016-07-21 2018-01-25 阿里巴巴集团控股有限公司 评价模型的建模方法及装置
TWI673669B (zh) * 2016-07-21 2019-10-01 香港商阿里巴巴集團服務有限公司 評價模型的建模方法及裝置
WO2018036397A1 (zh) * 2016-08-26 2018-03-01 阿里巴巴集团控股有限公司 换货信息处理方法及装置
CN107784540A (zh) * 2016-08-26 2018-03-09 阿里巴巴集团控股有限公司 换货信息处理方法及装置
CN107885754A (zh) * 2016-09-30 2018-04-06 阿里巴巴集团控股有限公司 基于lda模型从交易数据中提取信用变量的方法和装置
CN107885754B (zh) * 2016-09-30 2021-06-22 创新先进技术有限公司 基于lda模型从交易数据中提取信用变量的方法和装置
CN108074095B (zh) * 2016-11-18 2021-12-14 腾讯科技（深圳）有限公司 一种票务处理方法和装置
CN108074095A (zh) * 2016-11-18 2018-05-25 腾讯科技（深圳）有限公司 一种票务处理方法和装置
WO2018188543A1 (zh) * 2017-04-14 2018-10-18 腾讯科技（深圳）有限公司 征信分实时调整处理方法、装置及处理服务器
US10783457B2 (en) 2017-05-26 2020-09-22 Alibaba Group Holding Limited Method for determining risk preference of user, information recommendation method, and apparatus
WO2018214935A1 (zh) * 2017-05-26 2018-11-29 阿里巴巴集团控股有限公司 确定用户风险偏好的方法、信息推荐方法及装置
CN107563588A (zh) * 2017-07-25 2018-01-09 北京拓明科技有限公司 一种个人信用的获取方法和获取系统
CN109325883A (zh) * 2017-07-31 2019-02-12 深圳市珍爱网信息技术有限公司 一种双向匹配的推荐方法及装置
CN107633030A (zh) * 2017-09-04 2018-01-26 深圳市华傲数据技术有限公司 基于数据模型的信用评估方法及装置
CN107633455A (zh) * 2017-09-04 2018-01-26 深圳市华傲数据技术有限公司 基于数据模型的信用评估方法及装置
WO2019076040A1 (zh) * 2017-10-16 2019-04-25 平安科技（深圳）有限公司 银行风险数据处理方法、装置、计算机设备和存储介质
CN108196830A (zh) * 2017-12-22 2018-06-22 山东浪潮通软信息科技有限公司 一种评分方法及装置
CN108446291A (zh) * 2017-12-27 2018-08-24 深圳萨摩耶互联网金融服务有限公司 用户信用的实时评分方法及评分系统
WO2019168442A1 (ru) * 2018-02-28 2019-09-06 Павел Сергеевич БОЛЬШАКОВ Способ и система создания скоринговой модели
RU2691830C1 (ru) * 2018-02-28 2019-06-18 Павел Сергеевич Большаков Система и способ работы проверки данных онлайн пользователей и создания скоринговой модели с использованием неперсональных данных пользователей
CN110309840A (zh) * 2018-03-27 2019-10-08 阿里巴巴集团控股有限公司 风险交易识别方法、装置、服务器及存储介质
CN110309840B (zh) * 2018-03-27 2023-08-11 创新先进技术有限公司 风险交易识别方法、装置、服务器及存储介质
US11087180B2 (en) 2018-03-27 2021-08-10 Advanced New Technologies Co., Ltd. Risky transaction identification method and apparatus
CN108846743A (zh) * 2018-06-12 2018-11-20 北京京东金融科技控股有限公司 用于生成信息的方法和装置
RU2723679C1 (ru) * 2019-12-09 2020-06-17 Павел Сергеевич Большаков Способ и система динамической аутентификации и оценки риска пользователя
CN111815439A (zh) * 2020-07-23 2020-10-23 睿智合创(北京)科技有限公司 一种基于云平台的信用评分系统
CN112348660A (zh) * 2020-10-21 2021-02-09 上海淇玥信息技术有限公司 生成风险警示信息的方法、装置及电子设备
CN112348660B (zh) * 2020-10-21 2023-09-26 上海淇玥信息技术有限公司 生成风险警示信息的方法、装置及电子设备
CN112270547A (zh) * 2020-10-27 2021-01-26 上海淇馥信息技术有限公司 基于特征构造的金融风险评估方法、装置和电子设备
CN112818899A (zh) * 2021-02-22 2021-05-18 招联消费金融有限公司 人脸图像处理方法、装置、计算机设备和存储介质
CN113793007A (zh) * 2021-09-06 2021-12-14 深圳市数聚湾区大数据研究院 数据交易权限控制方法、装置和设备
CN113793007B (zh) * 2021-09-06 2024-02-27 深圳市数聚湾区大数据研究院 数据交易权限控制方法、装置和设备

Similar Documents

Publication Publication Date Title
CN101493913A (zh) 一种评估网上用户信用的方法及系统
US11423365B2 (en) Transaction card system having overdraft capability
JP2020522832A (ja) 信用力があると判定された消費者にローンを発行するシステムおよび方法
CN111476660B (zh) 一种基于数据分析的智能风控系统及方法
JP2018538587A (ja) リスク評価方法およびシステム
CN109191191B (zh) 基于代价敏感卷积神经网络的广告点击欺诈检测方法
CN111738843B (zh) 一种使用流水数据的量化风险评价系统和方法
CN114048436A (zh) 一种预测企业财务数据模型构建方法及构建装置
CN109919608B (zh) 一种高危交易主体的识别方法、装置及服务器
CN112419029B (zh) 类金融机构风险监控方法、风险模拟系统及存储介质
CN111179051A (zh) 金融目标客户确定方法、装置及电子设备
CN115545886A (zh) 逾期风险识别方法、装置、设备及存储介质
CN112950359B (zh) 一种用户识别方法和装置
CN113450004A (zh) 电力信用报告生成方法、装置、电子设备及可读存储介质
CN111833182A (zh) 识别风险对象的方法和装置
CN112581291B (zh) 风险测评异动检测方法、装置、设备及存储介质
Wu et al. Customer churn prediction for commercial banks using customer-value-weighted machine learning models
CN112508689A (zh) 一种基于多维度实现决策评估的方法
Siregar et al. Classification data for direct marketing using deep learning
CN113393328A (zh) 融资贷前审批评估方法、装置及计算机存储介质
CN112884259A (zh) 跨企业信用评等及风险评估方法与系统
Sun et al. A new perspective of credit scoring for small and medium-sized enterprises based on invoice data
Rizkyanto et al. Customer Segmentation of Personal Credit using Recency, Frequency, Monetary (RFM) and K-means on Financial Industry
CN112785414B (zh) 一种基于知识图谱和本体推理机的信贷风险预测方法
Cheng Financial Evaluation Model and Algorithm Based on Data Mining

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1132355

Country of ref document: HK

C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20090729

REG Reference to a national code

Ref country code: HK

Ref legal event code: WD

Ref document number: 1132355

Country of ref document: HK