CN105701704A - 用户可信度社交网络数据的处理方法 - Google Patents
用户可信度社交网络数据的处理方法 Download PDFInfo
- Publication number
- CN105701704A CN105701704A CN201511032501.9A CN201511032501A CN105701704A CN 105701704 A CN105701704 A CN 105701704A CN 201511032501 A CN201511032501 A CN 201511032501A CN 105701704 A CN105701704 A CN 105701704A
- Authority
- CN
- China
- Prior art keywords
- user
- social
- data
- credit
- information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000004140 cleaning Methods 0.000 claims abstract description 7
- 238000003672 processing method Methods 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 12
- 238000007477 logistic regression Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 6
- 230000003997 social interaction Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000002790 cross-validation Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000013479 data entry Methods 0.000 abstract 1
- 230000011273 social behavior Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000000452 restraining effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Technology Law (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供的用户可信度社交网络数据的处理方法,设置包括微信的社交网络平台,包括用户注册生成对应的社交关系判定请求的步骤;在用户发起借款请求的同时,获取不同层级与类型的社交数据网络信息的步骤;数据录入、清洗和梳理并输出用户社交数据的步骤;在用户社交圈内进行用户信用评估,获取用户信用数据的步骤;进行二次授信评级的步骤和进行可信度评估,并评判该用户的借贷违约率与授信风险的步骤。其优点是:通过用户的逾期率预估,用以区别用户优劣的模型评估值能达到40以上,而传统模型的评估值只在35左右,用户评估的识别率能达到70%以上,即通过模型能够准确识别70%用户的还款结果。这在实际应用中相较于传统模式的授信取得了显著的效果。
Description
技术领域
本发明涉及互联网应用领域,特别涉及一种用户可信度社交网络数据的处理方法。
背景技术
目前,产品采用全线上的模式对用户进行质量评估,包含但不限于监测用户的真实性、还款能力和还款意愿。由于全线上的模式进行数据采集时面临用户数据真实性无法把控,用户还款意愿和还款能力无法通过用户上传的简单的身份信息和资产信息进行评估和确定。与此同时国内没有健全的用户信用档案数据,借款用户中的绝大多数无法通过信用接口查询历史信用情况,致使线上评估用户的真实性、还款能力和还款意愿存在极大困难。
面对国内的征信体系不够健全,用户的信用意识较为淡薄,如何解决在用户基本信息不够完全,资产数据不够完整时的用户信用评分问题,是我们面对的一个崭新课题。
发明内容
本发明的目的在于克服现有技术的不足之处,提供一种用户可信度社交网络数据的处理方法,通过社交信息抓取系统,允许用户在系统中进行指定的操作产生社交关系请求,用户在经授权并允许的社交网络中传播该社交信息请求以达成社交信息的收集,构建围绕该用户的不同层级与类型的社交数据网络,给出该用户的信用评级与风险定价,对用户风险进行清晰明确的刻画,进行二次授信。
为了达到上述目的,本发明提供的用户可信度社交网络数据的处理方法,该方法设置包括微信的社交网络平台,该方法执行的步骤包括:
1)用户通过手机号码注册的形式实现用户准入,用户填写基本资料作为待审条件,系统根据所述待审条件给出判断并执行接受或拒绝操作,之后系统对被接受用户的资料进行信息量化处理生成对应的社交关系判定请求;
2)所述判定请求生成后,在用户发起借款请求的同时,对该用户社交关系判定请求在不同层级与类型的社交网络平台上进行分享传播,获取不同层级与类型的社交数据网络信息;
3)对已获取的所述社交数据网络信息进行录入、清洗和梳理;
4)所述判定请求生成后,同时在用户社交圈内进行用户信用评估,获取用户信用数据;
5)所述用户社交数据协同所述用户信用数据进行二次授信评级;
6)根据所述二次授信评级进行可信度评估,并评判该用户的借贷违约率与授信风险;
7)结束。
本发明用户可信度社交网络数据的处理方法,在其中所述步骤3)中,所述用户社交数据至少包括时间、PV、UV、单次停留时长的信息;所述社交数据的录入、清洗和整理至少包括:
(1)数据录入:用户基本资料和用户社交圈交叉比对信息;
(2)数据整理:采用R语言数据清洗与整理信息;
(3)数据分析:采用Logistic回归建模;
(4)模型检验:多重共线性、残差分析、正态性检验、独立性检验、VIF检验、D-W检验和异常值检验;
(5)网络图谱:a.社交关系交叉验证图谱;b.用户社交层级划分图谱。
本发明用户可信度社交网络数据的处理方法,在其中步骤4)中,在用户社交圈内进行用户信用评估至少包括:
(1)弱关系获取:好友点击链接进行点赞操作,发生点赞关系的人数、时间点、时间差、点击数的信息;
(2)强关系获取:好友回答若干关于用户借款的询问,回答正确则认证成功,发生认证关系人数、时间点、时间差、点击数的信息;
(3)用户社交圈闭合度:用户社交圈在不同纬度之间重合情况的信息;
(4)投资关系获取:好友对用户资金使用进行投资担保中投资金额、投资时间地点的信息;
(5)用户筹满资金额,可以提现的信息。
本发明用户可信度社交网络数据的处理方法,在其中所述步骤5)中,系统通过下式计算评估用户借贷违约率,并输出用户社交数据:
p=Exp(b0+b1*X1+b2*X2+b3*X3+b4*X4)/(1+Exp(b0+b1*X1+b2*X2+b3*X3+b4*X4))
其中:X1为社交平台完成对该用户的答题认证中用户被认证数据;X2为社交平台完成对该用户的信用投资中用户被投资数据;X3为社交平台完成对该用户的点赞中用户被点赞数据;X4为用户社交圈闭合度数据;b0、b1、b2、b3、b4为系统计算所得参数。
本发明用户可信度社交网络数据的处理方法,在其中所述步骤6)中,信用评级采用基于Logistic回归模型建立的评分卡系统,系统首先计算用户借贷违约率P1,
当满足P1<K1时自动进入下一步验证,当P1>K2时自动驳回,当K1<P1<K2时进入人工审核;然后系统计算用户借贷违约率,在满足信用差值条件|P1-P2|<K3时,用户被通过,否则进入人工审核,其中:P1为参与社交互动用户的借贷违约率,P2为参与社交互动用户借贷违约率的加权平均值,K1、K2、K3为信用评级系数。
本发明用户可信度社交网络数据的处理方法的优点和积极效果是:通过对用户在平台进行一系列的社交行为采集,基于采集数据对用户进行建模与分析,给出了用户的逾期率预估,实现了基于用户的社交数据给用户一个的评估作为用户授信的标准。通过用户的逾期率预估,用以区别用户优劣的模型评估值能达到40以上,而传统模型的评估值只在35左右,用户评估的识别率能达到70%以上,即通过模型能够准确识别70%用户的还款结果。这在实际应用中相较于传统模式的授信取得了显著的效果。
为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图对本发明进一步详细说明。
附图说明
图1为本发明用户可信度社交网络数据的处理方法的流程图;
图2为用户借款的界面图;
图3为用户生成借款详情的界面截图;
图4为网络分享的界面截图;
图5为朋友圈点赞互动截图;
图6为朋友圈收到分享截图;
图7为用户点赞互动截图;
图8为投资确认截图;
图9为投资成功截图;
图10为授信完成截图;
图11为社交关系交叉验证的示意图;
图12为用户社交层级划分的示意图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明是基于用户个人资料生成一套评估社交关系的方法,并以此收集用户社交行为中的各项数据进而评估用户在社交行为中的各项表现。通过用户社交行为数据给出用户一次授信,在此基础上依据与被授信用户发生关联的社交圈的授信情况对被授信用户进行二次授信。
参照图1,本发明用户可信度社交网络数据的处理方法,该方法设置包括微信的社交网络平台,该方法执行的步骤包括:
1)用户注册:用户通过手机号码注册的形式实现用户准入,用户填写基本资料作为待审条件,系统根据待审条件给出判断并执行接受或拒绝操作,之后系统对被接受用户的资料进行信息量化处理生成对应的社交关系判定请求;
2)判定请求生成后,在用户发起借款请求的同时,对该用户社交关系判定请求在不同层级与类型的社交网络平台上进行分享传播,获取不同层级与类型的社交数据网络信息;
3)已获取的社交数据网络信息进行录入、清洗和梳理。
在步骤3)中,用户社交数据至少包括时间、PV、UV、单次停留时长的信息;社交数据的录入、清洗和整理至少包括:
(1)数据录入:用户基本资料和用户社交圈交叉比对信息;
(2)数据整理:采用R语言数据清洗与整理信息;
(3)数据分析:采用Logistic回归建模;
(4)模型检验:多重共线性、残差分析、正态性检验、独立性检验、VIF检验、D-W检验和异常值检验;
(5)网络图谱:参照图11和图12,a.社交关系交叉验证图谱;b.用户社交层级划分图谱。
4)判定请求生成后,同时在用户社交圈内进行用户信用评估,获取用户信用数据。
在步骤4)中,在用户社交圈内进行用户信用评估至少包括:
(1)弱关系获取:参照图5至图7,好友点击链接进行点赞操作,发生点赞关系的人数、时间点、时间差、点击数的信息;
(2)强关系获取:参照图2至图4,好友回答若干关于用户借款的询问,回答正确则认证成功,发生认证关系人数、时间点、时间差、点击数的信息;
(3)用户社交圈闭合度:用户社交圈在不同纬度之间重合情况的信息;
(4)投资关系获取:参照图8至图10,好友对用户资金使用进行投资担保中投资金额、投资时间地点的信息;
(5)用户筹满资金额,可以提现的信息。
5)用户社交数据协同用户信用数据进行二次授信评级。信用评级采用基于Logistic回归模型建立的评分卡系统。
在步骤5)中,系统通过下式计算评估用户借贷违约率,并输出用户社交数据:
p=Exp(b0+b1*X1+b2*X2+b3*X3+b4*X4)/(1+Exp(b0+b1*X1+b2*X2+b3*X3+b4*X4))
其中:X1:社交平台完成对该用户的答题认证中用户被认证数据;X2:社交平台完成对该用户的信用投资中用户被投资数据;X3:社交平台完成对该用户的点赞中用户被点赞数据;X4:用户社交圈闭合度数据;b0、b1、b2、b3、b4为系统计算所得参数。
6)根据二次授信评级进行可信度评估,并评判该用户的借贷违约率与授信风险。
在步骤6)中,信用评级采用基于Logistic回归模型建立的评分卡系统,系统首先计算用户借贷违约率P1,当满足P1<K1时自动进入下一步验证,当P1>K2时自动驳回,当K1<P1<K2时进入人工审核;然后系统计算用户借贷违约率,在满足信用差值条件|P1-P2|<K3时,用户被通过,否则进入人工审核,其中:P1为参与社交互动用户的借贷违约率,P2为参与社交互动用户借贷违约率的加权平均值,K1、K2、K3为信用评级系数。
7)结束。
实施例1:
用户A通过手机号注册进入社交平台并且完成身份认证后发起一笔借款,用户执行平台要求将该笔借款请求分享到社交圈。A的朋友A1、A2…A6点击了该链接,记录这6个用户的点击时间和对应的页面刷新次数。然后这6个朋友中的A1、A2离开页面,剩下A3、A4、A5、A6这4个人被页面引导进入下一步操作,也即回答了关于用户A身份的相关问题,A3回答错误,A4、A5、A6回答正确并对用户A进行了投资。用户A筹集满金额,数据收集完毕。
对于用户A,基于A1-A6点击链接在时间、地域、设备匹配上无异常值,被点赞关系数值为6;基于A4-A6回答正确和A3部分回答正确,其认证关系数值为3.3;基于A4-A6投资成功且无异常值出现,其投资关系数值为3。同时,基于用户A本身,历史至今A被5个人进行过认证,同时A认证过6个人,这11个人次中,有4个是重合的,因此社交圈闭合度为4/7=0.57。用户A的个人信用评估值为:
P1=Exp(b0+b1*3.5+b2*3+b3*6+b4*0.57)/(1+Exp(b0+b1*3.5+b2*3+b3*6+b4*0.57))=0.268
由于P1<K1,因此该用户进入下一轮信用值差别判断:
P2=a1*PA4+a2*PA5+a3*PA6=0.317
根据用户表现调整确定的预设值为K1=0.35,K2=0.65,K3=0.13,由于|P1-P2|=0.049<K3,用户A通过审核。
实施例2:
用户B通过手机号注册进入社交平台并且完成身份认证后发起一笔借款,用户执行平台要求的将该笔借款请求分享到社交圈。B的朋友B1、B2、B3点击了该链接,记录这3个用户的点击时间和对应的页面刷新次数。然后这3个朋友全部进入下一步操作也即回答了关于该用户身份的相关问题,全部回答正确并都对B用户进行了投资,B用户筹集满金额,数据收集完毕。对于用户B,基于B1-B3点击链接在时间、地域、设备匹配上无异常值,其被点赞关系数值为3;基于B1-B3回答正确,其认证关系数值为3;基于B1-B3投资成功且无异常值出现,其投资关系数值为3。同时基于用户B本身,历史至今B被9个人进行过认证,同时B认证过10个人,这19个人次中有9个是重合的,因此社交圈闭合度为9/10=0.9。用户B的个人信用评估值为:
P1=Exp(b0+b1*3+b2*3+b3*3+b4*0.9)/(1+Exp(b0+b1*3+b2*3+b3*3+b4*0.9))=0.632
由于K1<P1<K2,因此该用户在人工审核后进入下一轮信用值差别判断:
P2=a1*PA4+a2*PA5+a3*PA6=0.472
根据用户表现调整确定的预设值为K1=0.35,K2=0.65,K3=0.13,由于|P1-P2|=0.160>K3,用户被拒绝。
目前,在互联网金融时代,用户群体的朋友圈十分丰富,每个用户都有对应活跃的社交圈,与此同时,国内现状决定了社交环境对用户的约束力也在加强,人群的群体化现象较为显著。聚集在一起的用户群个体更倾向于拥有相似的消费能力和还款能力,以户社交信息丰富性和社交约束力为基础,结合用户的群体聚集性来对用户进行征信与授信,本发明实现了基于用户的社交数据给用户一个的评估作为用户授信的标准。对用户在平台进行一系列的社交行为采集后,基于采集数据对用户进行建模与分析,给出用户的逾期率预估,用来区别用户能力优劣的模型评估值能达到40以上,而传统模型的评估值只在35左右,用户评估的识别率能达到70%以上,通过模型能够准确识别70%用户的还款结果。在实际应用中相较于传统模式的授信取得了显著的效果。
上面所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的构思和范围进行限定,在不脱离本发明设计方案前提下,本领域中普通工程技术人员对本发明的技术方案做出的各种变型和改进,均应落入本发明的保护范围,本发明请求保护的技术内容,已经全部记载在权利要求书中。
Claims (5)
1.一种用户可信度社交网络数据的处理方法,其特征在于:该方法设置包括微信的社交网络平台,该方法执行的步骤包括:
1)用户通过手机号码注册的形式实现用户准入,用户填写基本资料作为待审条件,系统根据所述待审条件给出判断并执行接受或拒绝操作,之后系统对被接受用户的资料进行信息量化处理生成对应的社交关系判定请求;
2)所述判定请求生成后,在用户发起借款请求的同时,对该用户社交关系判定请求在不同层级与类型的社交网络平台上进行分享传播,获取不同层级与类型的社交数据网络信息;
3)对已获取的所述社交数据网络信息进行录入、清洗和梳理;
4)所述判定请求生成后,同时在用户社交圈内进行用户信用评估,获取用户信用数据;
5)所述用户社交数据协同所述用户信用数据进行二次授信评级;
6)根据所述二次授信评级进行可信度评估,并评判该用户的借贷违约率与授信风险;
7)结束。
2.根据权利要求1所述的用户可信度社交网络数据的处理方法,其特征在于:在其中所述步骤3)中,所述用户社交数据至少包括时间、PV、UV、单次停留时长的信息;所述社交数据的录入、清洗和整理至少包括:
(1)数据录入:用户基本资料和用户社交圈交叉比对信息;
(2)数据整理:采用R语言数据清洗与整理信息;
(3)数据分析:采用Logistic回归建模;
(4)模型检验:多重共线性、残差分析、正态性检验、独立性检验、VIF检验、D-W检验和异常值检验;
(5)网络图谱:a.社交关系交叉验证图谱;b.用户社交层级划分图谱。
3.根据权利要求1所述的用户可信度社交网络数据的处理方法,其特征在于:在其中步骤4)中,在用户社交圈内进行用户信用评估至少包括:
(1)弱关系获取:好友点击链接进行点赞操作,发生点赞关系的人数、时间点、时间差、点击数的信息;
(2)强关系获取:好友回答若干关于用户借款的询问,回答正确则认证成功,发生认证关系人数、时间点、时间差、点击数的信息;
(3)用户社交圈闭合度:用户社交圈在不同纬度之间重合情况的信息;
(4)投资关系获取:好友对用户资金使用进行投资担保中投资金额、投资时间地点的信息;
(5)用户筹满资金额,可以提现的信息。
4.根据权利要求1所述的用户可信度社交网络数据的处理方法,其特征在于:在其中所述步骤5)中,系统通过下式计算评估用户借贷违约率,并输出用户社交数据:
p=Exp(b0+b1*X1+b2*X2+b3*X3+b4*X4)/(1+Exp(b0+b1*X1+b2*X2+b3*X3+b4*X4))
其中:X1为社交平台完成对该用户的答题认证中用户被认证数据;X2为社交平台完成对该用户的信用投资中用户被投资数据;X3为社交平台完成对该用户的点赞中用户被点赞数据;X4为用户社交圈闭合度数据;b0、b1、b2、b3、b4为系统计算所得参数。
5.根据权利要求1所述的用户可信度社交网络数据的处理方法,其特征在于:在其中所述步骤6)中,信用评级采用基于Logistic回归模型建立的评分卡系统,系统首先计算用户借贷违约率P1,当满足P1<K1时自动进入下一步验证,当P1>K2时自动驳回,当K1<P1<K2时进入人工审核;然后系统计算用户借贷违约率,在满足信用差值条件|P1-P2|<K3时,用户被通过,否则进入人工审核,其中:P1为参与社交互动用户的借贷违约率,P2为参与社交互动用户借贷违约率的加权平均值,K1、K2、K3为信用评级系数。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910548831.5A CN110210966A (zh) | 2015-12-31 | 2015-12-31 | 用户可信度社交网络数据的处理方法 |
CN201511032501.9A CN105701704A (zh) | 2015-12-31 | 2015-12-31 | 用户可信度社交网络数据的处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511032501.9A CN105701704A (zh) | 2015-12-31 | 2015-12-31 | 用户可信度社交网络数据的处理方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910548831.5A Division CN110210966A (zh) | 2015-12-31 | 2015-12-31 | 用户可信度社交网络数据的处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105701704A true CN105701704A (zh) | 2016-06-22 |
Family
ID=56226900
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511032501.9A Pending CN105701704A (zh) | 2015-12-31 | 2015-12-31 | 用户可信度社交网络数据的处理方法 |
CN201910548831.5A Pending CN110210966A (zh) | 2015-12-31 | 2015-12-31 | 用户可信度社交网络数据的处理方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910548831.5A Pending CN110210966A (zh) | 2015-12-31 | 2015-12-31 | 用户可信度社交网络数据的处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN105701704A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644098A (zh) * | 2017-09-29 | 2018-01-30 | 马上消费金融股份有限公司 | 一种欺诈行为识别方法、装置、设备及存储介质 |
CN107680602A (zh) * | 2017-08-24 | 2018-02-09 | 平安科技(深圳)有限公司 | 语音欺诈识别方法、装置、终端设备及存储介质 |
CN107688997A (zh) * | 2017-08-23 | 2018-02-13 | 浙江天悦信息技术有限公司 | 一种基于通话记录实现微贷用户风险评分的算法 |
CN108197208A (zh) * | 2017-12-28 | 2018-06-22 | 百度在线网络技术(北京)有限公司 | 一种数据可信度的确定方法、装置、设备和介质 |
CN108494660A (zh) * | 2018-02-27 | 2018-09-04 | 北京安云世纪科技有限公司 | 朋友圈中金融业务信息的处理方法、装置及移动终端 |
CN108537653A (zh) * | 2018-03-07 | 2018-09-14 | 天津大学 | 一种用于担保网络贷款中欺诈模式检测的方法 |
CN109087195A (zh) * | 2018-08-20 | 2018-12-25 | 新疆玖富万卡信息技术有限公司 | 一种基于职业社交信息的授信方法、用户终端和服务器 |
CN109800363A (zh) * | 2018-12-13 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 构建资信关系网络的方法、装置、设备及存储介质 |
CN110163515A (zh) * | 2019-05-27 | 2019-08-23 | 苏州嘉展科技有限公司 | 一种基于互联网平台应用的医疗应急救助系统和方法 |
CN110599329A (zh) * | 2019-09-09 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 信用评估方法、信用评估装置及电子设备 |
CN111127103A (zh) * | 2019-12-24 | 2020-05-08 | 北京阿尔山区块链联盟科技有限公司 | 数字资产的价值评估方法及系统 |
CN111967983A (zh) * | 2020-09-04 | 2020-11-20 | 支付宝(杭州)信息技术有限公司 | 信用评估方法以及装置 |
-
2015
- 2015-12-31 CN CN201511032501.9A patent/CN105701704A/zh active Pending
- 2015-12-31 CN CN201910548831.5A patent/CN110210966A/zh active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107688997A (zh) * | 2017-08-23 | 2018-02-13 | 浙江天悦信息技术有限公司 | 一种基于通话记录实现微贷用户风险评分的算法 |
CN107680602A (zh) * | 2017-08-24 | 2018-02-09 | 平安科技(深圳)有限公司 | 语音欺诈识别方法、装置、终端设备及存储介质 |
CN107644098A (zh) * | 2017-09-29 | 2018-01-30 | 马上消费金融股份有限公司 | 一种欺诈行为识别方法、装置、设备及存储介质 |
CN108197208A (zh) * | 2017-12-28 | 2018-06-22 | 百度在线网络技术(北京)有限公司 | 一种数据可信度的确定方法、装置、设备和介质 |
CN108494660A (zh) * | 2018-02-27 | 2018-09-04 | 北京安云世纪科技有限公司 | 朋友圈中金融业务信息的处理方法、装置及移动终端 |
CN108537653A (zh) * | 2018-03-07 | 2018-09-14 | 天津大学 | 一种用于担保网络贷款中欺诈模式检测的方法 |
CN109087195A (zh) * | 2018-08-20 | 2018-12-25 | 新疆玖富万卡信息技术有限公司 | 一种基于职业社交信息的授信方法、用户终端和服务器 |
CN109800363A (zh) * | 2018-12-13 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 构建资信关系网络的方法、装置、设备及存储介质 |
CN110163515A (zh) * | 2019-05-27 | 2019-08-23 | 苏州嘉展科技有限公司 | 一种基于互联网平台应用的医疗应急救助系统和方法 |
CN110599329A (zh) * | 2019-09-09 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 信用评估方法、信用评估装置及电子设备 |
CN111127103A (zh) * | 2019-12-24 | 2020-05-08 | 北京阿尔山区块链联盟科技有限公司 | 数字资产的价值评估方法及系统 |
CN111127103B (zh) * | 2019-12-24 | 2023-10-24 | 北京阿尔山区块链联盟科技有限公司 | 数字资产的价值评估方法及系统 |
CN111967983A (zh) * | 2020-09-04 | 2020-11-20 | 支付宝(杭州)信息技术有限公司 | 信用评估方法以及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110210966A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105701704A (zh) | 用户可信度社交网络数据的处理方法 | |
CN110163741A (zh) | 基于信贷风控模型的信贷决策方法、装置、设备及介质 | |
CN109242673A (zh) | 鹰眼反欺诈大数据风控评估系统 | |
CN109345260A (zh) | 一种欺诈检测模型训练方法和装置及欺诈检测方法和装置 | |
CN113011973B (zh) | 基于智能合约数据湖的金融交易监管模型的方法及设备 | |
CN108492173A (zh) | 一种基于双模网络图挖掘算法的信用卡反欺诈预测方法 | |
CN105590055A (zh) | 用于在网络交互系统中识别用户可信行为的方法及装置 | |
WO2017133456A1 (zh) | 一种确定风险评估参数的方法及装置 | |
CN104809132B (zh) | 一种获取网络主体社交关系类型的方法及装置 | |
CN106302534B (zh) | 一种检测和处理非法用户的方法及系统 | |
CN108717606A (zh) | 一种基于区块链的食品安全多元利益主体信用评价方法 | |
CN106548343A (zh) | 一种非法交易检测方法及装置 | |
CN112435112A (zh) | 一种针对小微企业的银行互联网信贷风控方法 | |
Huang et al. | Using truth detection to incentivize workers in mobile crowdsourcing | |
CN108629379A (zh) | 一种个人征信评估方法及系统 | |
CN110264221A (zh) | 一种针对服务商行业的全链路安全业务联合解决方案 | |
CN109919624A (zh) | 一种基于时空集中性的网贷欺诈团伙识别与预警方法 | |
CN109859030A (zh) | 基于用户行为的风险评估方法、装置、存储介质和服务器 | |
CN107993142A (zh) | 一种金融反欺诈风险控制系统 | |
WO2022057108A1 (zh) | 基于联邦学习的个人资质评估方法、装置及系统及存储介质 | |
Ellison | Politics, power and policy transfer | |
CN104009993B (zh) | 一种基于模糊过滤的信任评估方法 | |
CN110223182A (zh) | 一种理赔风控方法、装置及计算机可读存储介质 | |
Feng et al. | Using eye aspect ratio to enhance fast and objective assessment of facial paralysis | |
CN116823442A (zh) | 信贷业务中欺诈风险的预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160622 |