CN107688997A - 一种基于通话记录实现微贷用户风险评分的算法 - Google Patents
一种基于通话记录实现微贷用户风险评分的算法 Download PDFInfo
- Publication number
- CN107688997A CN107688997A CN201710732407.7A CN201710732407A CN107688997A CN 107688997 A CN107688997 A CN 107688997A CN 201710732407 A CN201710732407 A CN 201710732407A CN 107688997 A CN107688997 A CN 107688997A
- Authority
- CN
- China
- Prior art keywords
- risk
- user
- contact person
- scoring
- value
- 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
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5061—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the interaction between service providers and their network customers, e.g. customer relationship management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种基于通话记录实现微贷用户风险评分的算法。它具体包括如下步骤:对在平台上贷过款的用户进行打标签,如果正常还款就设置标签为1,如果逾期还款就设置标签为0;数据预处理,读取所有通话数据:读取有标签记录的用户数据,以及每条详细通话记录,删除干扰通讯数据;对和有标签用户有联系的朋友进行打分:遍历查询所有标签用户的每个联系人,对每个联系人分别进行打分,构建基于社交的风险评分网络;待评分数据预处理:对待预测用户A的通话详细记录进行预处理;对待预测用户打分:查询待预测用户A的所有通讯联系的联系人的风险评分,计算用户的风险评分值。本发明的有益效果是:评分具有很强的可靠性;能够识别团队欺诈。
Description
技术领域
本发明涉及互联网金融微额贷款、现金贷款平台的风险控制相关技术领域,尤其是指一种基于通话记录实现微贷用户风险评分的算法。
背景技术
互联网金融微额贷款平台有别于传统的银行贷款,微额贷款的特点是金额小而分散,数量众多,天然符合大数原理,往往采用信用贷款的形式,无任何抵押物。如何提高信贷资产的质量,有效的防范金融风险,成了微额贷款平台的核心问题之一。
微额贷款业务的目标客户一般是急需短期拆借的中低收入人群,贷款金额一般在500-5000间,用来满足他们微额信贷的消费需求。多数的微额贷款用户无法通过央行的征信记录进行有效区分,传统银行信用评分机制无法适用微额贷款平台。相对于其它传统的借贷模式,微额贷款的风控更加重视借款人的还款意愿而不是还款能力,适度的逾期不会影响平台的运营,反而可以有效的增加收入。
现在,越来越多的微额贷款平台尝试通过建立大数据风控模型来控制风险,一方面是通过对客户进行画像,并分类,从而降低坏帐率。另一方面也可以对不同风险的客户推出差异化的风险定价。目前来看,总体上来说反欺诈是微额贷款的重要任务,欺诈行为总体上有中介代办、团伙作案、机器行为、账户盗用、身份冒用和串联交易等。针对这些欺诈行为,常用的反欺诈规则包括黑名单、勾稽比对、交叉检验。黑名单往往存在覆盖群体较小的问题,勾稽比对经常受到信息复杂程度的限制,部分信息难量化。交叉检验则存在信息不容易匹配等问题。
发明内容
本发明是为了克服现有技术中存在上述的不足,提供了一种评分可靠性高的基于通话记录实现微贷用户风险评分的算法。
为了实现上述目的,本发明采用以下技术方案:
一种基于通话记录实现微贷用户风险评分的算法,具体包括如下步骤:
(1)初始化,对在平台上贷过款的用户进行打标签,如果正常还款就设置标签为1,如果逾期还款就设置标签为0;
(2)数据预处理,读取所有通话数据:读取有标签记录的用户数据,以及每条详细通话记录,删除干扰通讯数据;
(3)对和有标签用户有联系的朋友进行打分:遍历查询所有标签用户的每个联系人,对每个联系人分别进行打分,构建基于社交的风险评分网络;
(4)待评分数据预处理:对待预测用户A的通话详细记录进行预处理;
(5)对待预测用户打分:查询待预测用户A的所有通讯联系的联系人的风险评分,计算用户的风险评分值。
本方法基于用户通讯记录来构建用户通讯社交网,再依据所构建出来的社交网络和标签数据,对社交网络中的每个用户进行打分,打分规则利用了数学统计方法。当新用户来申请贷款时,则通过在已构建好的社交网中查询和他有通话联系的朋友的风险评分值,再做平均处理,从而达到给此用户间接打分的目的。随着有标签数据的积累,定期更新完善通讯社交网络,社交网络的风险评分值也会越来越可靠。本方法主要思想是互相有紧密联系的人之间有较高置信度可认为存在类似的信用特征,即如果张三90%的朋友都是信用良好的人,那就有90%的把握认为张三也是个信用良好的人。
本方法通过以上步骤的分析,利用了历史的有标签数据,提出了一种新的对贷款新用户的评分方法,极大程度上提升了欺诈用户识别的速度和确认率,在以下几个方面解决了原来传统反欺诈方式无法解决的困难:
(1)本方法提出了间接打分的方法,解决由于单一平台数据量不够而无法直接对用户有效打分的方法。
(2)本方法的评分基于统计数据获得,使得评分具有很强的可靠性。
(3)本方法通过标签数据,把弱特征加强为了强特征,改变了传统微额贷款平台用户评价特征中缺乏强特征变量的尴尬局面。
(4)本方法对识别团队欺诈具有非常明显的效果。
作为优选,在步骤(2)中,将通话时间小于10秒的联系记录进行删除,删除干扰通讯数据,剔除骚扰电话。
作为优选,在步骤(3)中,具体打分方法如下:
(a)判断每个联系人是否在本平台贷过款,若贷过款,则计算该联系人的风险值Risk(i),如果正常还款则该联系人的风险值Risk(i)为1,如果逾期还款则该联系人的风险值Risk(i)为0,即Risk(i)=该联系人B(i)的实际贷款结果,评分结束,进入到步骤(3)中;若没有贷过款,则进入到步骤(b)中;
(b)若该联系人没有在本平台贷过款,则在本平台的通讯记录库中查询与联系人B(i)有过联系的所有有标签用户,假设一共有m个联系人,将其标记为C1,C2,...,Cm;
(c)计算这m个联系人中,每个联系人的风险值Risk(j),如果正常还款则该联系人的风险值Risk(j)为1,如果逾期还款则该联系人的风险值Risk(j)为0,即Risk(j)=该联系人C(j)的实际贷款结果;
(d)计算m个联系人的总风险值,即
(e)计算在本平台贷过款的用户和联系人B(i)发生过联系的总人数Count(B)=m;
(f)计算联系人B(i)的风险值Risk(i)=SumRisk(i)/Count(B),评分结束,进入到步骤(3)中。
作为优选,在步骤(b)中,在本平台的通讯记录库中查询与联系人B(i)有过联系的所有有标签用户,其中不包括待预测用户A。
作为优选,在步骤(4)中,所述预处理的方式与步骤(2)中数据预处理的方式一致。
作为优选,在步骤(5)中,计算用户的风险评分值具体方法如下:
(i)查询该待预测用户A的所有通讯联系人的风险评分Risk值,假设一共有n个联系人,将其标记为B1,B2,...,Bn;
(ii)计算待预测用户A的通讯录中共有多少个有风险值的联系人Count;
(iii)计算待预测用户A的风险值
本发明的有益效果是:(1)本方法提出了间接打分的方法,解决由于单一平台数据量不够而无法直接对用户有效打分的算法;(2)本方法的评分基于统计数据获得,使的评分具有很强的可靠性;(3)本方法通过标签数据,把弱特征加强为了强特征,改变了传统微额贷款平台用户评价特征中缺乏强特征变量的尴尬局面;(4)本方法对识别团队欺诈具有非常明显的效果。
附图说明
图1是本发明的方法流程图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的描述。
如图1所述的实施例中,一种基于通话记录实现微贷用户风险评分的算法,具体包括如下步骤:
(1)初始化,对在平台上贷过款的用户进行打标签,如果正常还款就设置标签为1,如果逾期还款就设置标签为0。
(2)数据预处理,读取所有通话数据:读取有标签记录的用户数据,以及每条详细通话记录,删除干扰通讯数据;其中:将通话时间小于10秒的联系记录进行删除,删除干扰通讯数据,剔除骚扰电话,如房产中介、快递、外卖等。
(3)对和有标签用户有联系的朋友进行打分:遍历查询所有标签用户的每个联系人,对每个联系人分别进行打分,构建基于社交的风险评分网络;
具体打分方法如下:
(a)判断每个联系人是否在本平台贷过款,若贷过款,则计算该联系人的风险值Risk(i),如果正常还款则该联系人的风险值Risk(i)为1,如果逾期还款则该联系人的风险值Risk(i)为0,即Risk(i)=该联系人B(i)的实际贷款结果,评分结束,进入到步骤(3)中;若没有贷过款,则进入到步骤(b)中;
(b)若该联系人没有在本平台贷过款,则在本平台的通讯记录库中查询与联系人B(i)有过联系的所有有标签用户,其中不包括待预测用户A,假设一共有m个联系人,将其标记为C1,C2,...,Cm;
(c)计算这m个联系人中,每个联系人的风险值Risk(j),如果正常还款则该联系人的风险值Risk(j)为1,如果逾期还款则该联系人的风险值Risk(j)为0,即Risk(j)=该联系人C(j)的实际贷款结果;
(d)计算m个联系人的总风险值,即
(e)计算在本平台贷过款的用户和联系人B(i)发生过联系的总人数Count(B)=m:
(f)计算联系人B(i)的风险值Risk(i)=SumRisk(i)/Count(B),评分结束,进入到步骤(3)中。
(4)待评分数据预处理:对待预测用户A的通话详细记录进行预处理;其中:预处理的方式与步骤(2)中数据预处理的方式一致,删除通话时间小于10秒钟的数据。
(5)对待预测用户打分:查询待预测用户A的所有通讯联系的联系人的风险评分,计算用户的风险评分值;
具体方法如下:
(i)查询该待预测用户A的所有通讯联系人的风险评分Risk值,假设一共有n个联系人,将其标记为B1,B2,...,Bn;
(ii)计算待预测用户A的通讯录中共有多少个有风险值的联系人Count;
(iii)计算待预测用户A的风险值
本方法基于用户通讯记录来构建用户通讯社交网,再依据所构建出来的社交网络和标签数据,对社交网络中的每个用户进行打分,打分规则利用了数学统计方法。当新用户来申请贷款时,则通过在已构建好的社交网中查询和他有通话联系的朋友的风险评分值,再做平均处理,从而达到给此用户间接打分的目的。随着有标签数据的积累,定期更新完善通讯社交网络,社交网络的风险评分值也会越来越可靠。本方法主要思想是互相有紧密联系的人之间有较高置信度可认为存在类似的信用特征,即如果张三90%的朋友都是信用良好的人,那就有90%的把握认为张三也是个信用良好的人。
本方法通过以上步骤的分析,利用了历史的有标签数据,提出了一种新的对贷款新用户的评分方法,极大程度上提升了欺诈用户识别的速度和确认率,在以下几个方面解决了原来传统反欺诈方式无法解决的困难:
(1)本方法提出了间接打分的方法,解决由于单一平台数据量不够而无法直接对用户有效打分的方法。
(2)本方法的评分基于统计数据获得,使得评分具有很强的可靠性。
(3)本方法通过标签数据,把弱特征加强为了强特征,改变了传统微额贷款平台用户评价特征中缺乏强特征变量的尴尬局面。
(4)本方法对识别团队欺诈具有非常明显的效果。
Claims (6)
1.一种基于通话记录实现微贷用户风险评分的算法,其特征是,具体包括如下步骤:
(1)初始化,对在平台上贷过款的用户进行打标签,如果正常还款就设置标签为1,如果逾期还款就设置标签为0;
(2)数据预处理,读取所有通话数据:读取有标签记录的用户数据,以及每条详细通话记录,删除干扰通讯数据;
(3)对和有标签用户有联系的朋友进行打分:遍历查询所有标签用户的每个联系人,对每个联系人分别进行打分,构建基于社交的风险评分网络;
(4)待评分数据预处理:对待预测用户A的通话详细记录进行预处理;
(5)对待预测用户打分:查询待预测用户A的所有通讯联系的联系人的风险评分,计算用户的风险评分值。
2.根据权利要求1所述的一种基于通话记录实现微贷用户风险评分的算法,其特征是,在步骤(2)中,将通话时间小于10秒的联系记录进行删除,删除干扰通讯数据,剔除骚扰电话。
3.根据权利要求1或2所述的一种基于通话记录实现微贷用户风险评分的算法,其特征是,在步骤(3)中,具体打分方法如下:
(a)判断每个联系人是否在本平台贷过款,若贷过款,则计算该联系人的风险值Risk(i),如果正常还款则该联系人的风险值Risk(i)为1,如果逾期还款则该联系人的风险值Risk(i)为0,即Risk(i)=该联系人B(i)的实际贷款结果,评分结束,进入到步骤(3)中;若没有贷过款,则进入到步骤(b)中;
(b)若该联系人没有在本平台贷过款,则在本平台的通讯记录库中查询与联系人B(i)有过联系的所有有标签用户,假设一共有m个联系人,将其标记为C1,C2,...,Cm;
(c)计算这m个联系人中,每个联系人的风险值Risk(j),如果正常还款则该联系人的风险值Risk(j)为1,如果逾期还款则该联系人的风险值Risk(j)为0,即Risk(j)=该联系人C(j)的实际贷款结果;
(d)计算m个联系人的总风险值,即
(e)计算在本平台贷过款的用户和联系人B(i)发生过联系的总人数Count(B)=m;
(f)计算联系人B(i)的风险值Risk(i)=SumRisk(i)/Count(B),评分结束,进入到步骤(3)中。
4.根据权利要求3所述的一种基于通话记录实现微贷用户风险评分的算法,其特征是,在步骤(b)中,在本平台的通讯记录库中查询与联系人B(i)有过联系的所有有标签用户,其中不包括待预测用户A。
5.根据权利要求1所述的一种基于通话记录实现微贷用户风险评分的算法,其特征是,在步骤(4)中,所述预处理的方式与步骤(2)中数据预处理的方式一致。
6.根据权利要求1所述的一种基于通话记录实现微贷用户风险评分的算法,其特征是,在步骤(5)中,计算用户的风险评分值具体方法如下:
(i)查询该待预测用户A的所有通讯联系人的风险评分Risk值,假设一共有n个联系人,将其标记为B1,B2,...,Bn;
(ii)计算待预测用户A的通讯录中共有多少个有风险值的联系人Count;
(iii)计算待预测用户A的风险值
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710732407.7A CN107688997A (zh) | 2017-08-23 | 2017-08-23 | 一种基于通话记录实现微贷用户风险评分的算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710732407.7A CN107688997A (zh) | 2017-08-23 | 2017-08-23 | 一种基于通话记录实现微贷用户风险评分的算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107688997A true CN107688997A (zh) | 2018-02-13 |
Family
ID=61153548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710732407.7A Pending CN107688997A (zh) | 2017-08-23 | 2017-08-23 | 一种基于通话记录实现微贷用户风险评分的算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107688997A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815377A (zh) * | 2018-12-14 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 标签的建立方法、装置、计算机设备及存储介质 |
CN110111194A (zh) * | 2019-04-01 | 2019-08-09 | 北京羽乐创新科技有限公司 | 号码评估方法及装置 |
CN110245875A (zh) * | 2019-06-21 | 2019-09-17 | 深圳前海微众银行股份有限公司 | 欺诈风险评估方法、装置、设备及存储介质 |
CN110458401A (zh) * | 2019-07-05 | 2019-11-15 | 深圳壹账通智能科技有限公司 | 基于区块链的信息处理装置、方法及存储介质 |
CN112017024A (zh) * | 2020-07-23 | 2020-12-01 | 北京瓴岳信息技术有限公司 | 信贷风险评估方法、系统、计算机设备及存储介质 |
CN114285929A (zh) * | 2021-12-27 | 2022-04-05 | 中国联合网络通信集团有限公司 | 恶意反催收用户的识别方法、设备及存储介质 |
CN115034918A (zh) * | 2022-08-09 | 2022-09-09 | 太平金融科技服务(上海)有限公司深圳分公司 | 团伙案件识别方法、装置、计算机设备、存储介质和产品 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104965844A (zh) * | 2014-12-29 | 2015-10-07 | 腾讯科技(深圳)有限公司 | 信息处理方法及装置 |
CN105701704A (zh) * | 2015-12-31 | 2016-06-22 | 先花信息技术(北京)有限公司 | 用户可信度社交网络数据的处理方法 |
CN105701706A (zh) * | 2016-01-28 | 2016-06-22 | 北京量科邦信息技术有限公司 | 根据联系人的信用状况判断用户信用等级的方法 |
CN106156941A (zh) * | 2016-06-06 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 一种用户信用评分优化方法和装置 |
-
2017
- 2017-08-23 CN CN201710732407.7A patent/CN107688997A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104965844A (zh) * | 2014-12-29 | 2015-10-07 | 腾讯科技(深圳)有限公司 | 信息处理方法及装置 |
CN105701704A (zh) * | 2015-12-31 | 2016-06-22 | 先花信息技术(北京)有限公司 | 用户可信度社交网络数据的处理方法 |
CN105701706A (zh) * | 2016-01-28 | 2016-06-22 | 北京量科邦信息技术有限公司 | 根据联系人的信用状况判断用户信用等级的方法 |
CN106156941A (zh) * | 2016-06-06 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 一种用户信用评分优化方法和装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815377A (zh) * | 2018-12-14 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 标签的建立方法、装置、计算机设备及存储介质 |
CN110111194A (zh) * | 2019-04-01 | 2019-08-09 | 北京羽乐创新科技有限公司 | 号码评估方法及装置 |
CN110245875A (zh) * | 2019-06-21 | 2019-09-17 | 深圳前海微众银行股份有限公司 | 欺诈风险评估方法、装置、设备及存储介质 |
CN110458401A (zh) * | 2019-07-05 | 2019-11-15 | 深圳壹账通智能科技有限公司 | 基于区块链的信息处理装置、方法及存储介质 |
WO2021004123A1 (zh) * | 2019-07-05 | 2021-01-14 | 深圳壹账通智能科技有限公司 | 基于区块链的信息处理装置、方法及存储介质 |
CN112017024A (zh) * | 2020-07-23 | 2020-12-01 | 北京瓴岳信息技术有限公司 | 信贷风险评估方法、系统、计算机设备及存储介质 |
CN114285929A (zh) * | 2021-12-27 | 2022-04-05 | 中国联合网络通信集团有限公司 | 恶意反催收用户的识别方法、设备及存储介质 |
CN114285929B (zh) * | 2021-12-27 | 2024-05-28 | 中国联合网络通信集团有限公司 | 恶意反催收用户的识别方法、设备及存储介质 |
CN115034918A (zh) * | 2022-08-09 | 2022-09-09 | 太平金融科技服务(上海)有限公司深圳分公司 | 团伙案件识别方法、装置、计算机设备、存储介质和产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107688997A (zh) | 一种基于通话记录实现微贷用户风险评分的算法 | |
CN108681936B (zh) | 一种基于模块度和平衡标签传播的欺诈团伙识别方法 | |
CN110717816A (zh) | 一种基于人工智能技术的全域金融风险知识图谱构建方法 | |
CN110135971A (zh) | 基于弱变量数据的信用风险评估系统与方法 | |
CN107977811A (zh) | 一种基于区块链技术的物流融资管理系统及方法 | |
CN109242673A (zh) | 鹰眼反欺诈大数据风控评估系统 | |
CN106530078A (zh) | 基于跨行业数据的贷款风险预警方法及系统 | |
CN108805709A (zh) | 一种基于底层资产发行区块链数字通证的方法 | |
CN105005901A (zh) | 一种面向金融领域的交易欺诈检测系统与方法 | |
CN108230151A (zh) | 一种可疑交易监测方法、装置、设备及存储介质 | |
CN106548302B (zh) | 互联网交易的风险识别方法及系统 | |
CN109711981A (zh) | 基于人工智能确定授信额度的方法、装置及存储介质 | |
CN109948982A (zh) | 产品供应链金融系统及交易方法 | |
US20170169432A1 (en) | System and method of identifying baker's fraud in transactions | |
CN110209729B (zh) | 数据转移对象识别的方法及装置 | |
CN107230084A (zh) | 一种基于大数据的用户行为认证方法及系统 | |
CN108305166A (zh) | 一种面向金融领域的反交易欺诈方法 | |
CN110119980A (zh) | 一种用于信贷的反欺诈方法、装置、系统和记录介质 | |
CN110705988A (zh) | 受侵害行为的交互式阻断方法和系统 | |
TWM543422U (zh) | 分散式保險回饋系統 | |
CN107563884A (zh) | 一种降低资产损失率的方法 | |
CN107067254A (zh) | 一种二元体系数字币的流通方法 | |
CN107067241A (zh) | 一种二元体系数字币的运行系统 | |
CN110175904A (zh) | 商店客流量坪效的检测方法、系统、设备及存储介质 | |
CN102609876B (zh) | 用于消费信用征信的信息处理系统及其方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180213 |
|
RJ01 | Rejection of invention patent application after publication |