CN107945016B - 变量的取值升维方法、装置及计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种变量的取值升维方法，包括：获取所述变量的取值；根据所述取值利用第一预设算法和第二预设算法分别确定第一维度数值和第二维度数值，其中第一预设算法和第二预设算法包括不同的计算公式；根据所述第一维度数值和所述第二维度数值确定所述取值的升维结果。本发明还公开了一种变量的取值升维装置、计算机可读存储介质。本发明能够通过上述方式，可以将变量的取值通过两个维度的数据来表示，使得变量的取值包含更多的信息量。

Description

变量的取值升维方法、装置及计算机可读存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种变量的取值升维方法、装置及计算机可读存储介质。

背景技术

在金融实时风控领域中，经常会通过对用户交易时间变化的侦测，以刻画用户的行为轨迹，其对于判断此交易是否异常扮演着重要的角色。为了应对该需求，传统上一般有两种处理方式。第一种处理方法是将一天二十四小时划分成若干段，然后统计用户经常进行交易的时间区间，将最常发生交易的时间区间作为该用户的常用交易时间段。第二种处理方法是直接将用户所有的交易时间取平均值，将平均值作为用户经常进行交易的时间。在实时风控中，第一种处理方法操作简单但是太模糊，时间段的阈值选取需要考量，第二种处理方法可能存在逻辑上的错误，因为时间的表示具有周期性，并且时间的取值范围的端值具有相同逻辑意义，即表示深夜的同个时间，因此简单的平均可能会得到错误的结果，比如23点和1点的数值均值是12，但是从时间角度上看，两者的均值在0点，在统计数据侦测用户行为习惯时，将12点作为用户经常交易的时间明显不符合实际情况。类似地，同样的情况也存在于极坐标定位中的角度变量，0°和360°在数值上不同，但实际上的逻辑意义是一致的，表示同个方向。在上述情况中，无论是时间变量还是极坐标的角度变量，在其取值范围内的最大值和最小值这两个端值的数值不同，逻辑上的实际意义是同样的，变量接近端值的取值在数值上相差较大，但在逻辑上的意义是相近的，对于这类数据，数据直接的统计结果不能得出正确的逻辑结论。

发明内容

本发明的主要目的在于提供一种变量的取值升维方法、装置及计算机可读存储介质，旨在解决现有技术中取值范围内端值逻辑意义一致的变量的取值不宜直接统计处理的问题。

为实现上述目的，本发明提供一种变量的取值升维方法，包括：

获取所述变量的取值；

根据所述取值利用第一预设算法和第二预设算法分别确定第一维度数值和第二维度数值，其中第一预设算法和第二预设算法包括不同的计算公式；

根据所述第一维度数值和所述第二维度数值确定所述取值的升维结果。

优选地，所述第一预设算法包括第一计算公式，所述第一计算公式包括第一维度数值X、所述取值范围中最大值与最小值的差值T、所述变量的当前取值H及第一预设常数值X₀，所述第一计算公式为：X＝|0.5*T-|H-X₀||；所述第二预设算法包括第二计算公式，所述第二计算公式包括第二维度数值Y、所述变量的取值范围的中点T、所述变量的当前取值H及第二预设常数值Y₀，所述第二计算公式为：Y＝|0.5*T-|H-Y₀||，其中，所述X₀不等于所述Y₀，且所述X₀与所述Y₀的差的绝对值不等于0.5*T的值，X₀与Y₀的取值方位与H的取值范围一致。

优选地，所述根据所述第一维度数值和所述第二维度数值确定所述取值的升维结果的步骤之后包括：

将所述升维结果存储在预设位置。

优选地，所述将所述升维结果存储在预设位置的步骤之后包括：

从所述预设位置中获取所有升维结果；

计算所有升维结果的第一维度数值的平均值和第二维度数值的平均值，分别获得第一维度平均值和第二维度平均值；

根据所述第一维度平均值和第二维度平均值确定所述变量的取值特征。

优选地，根据所有升维结果、第一维度平均值计算第一维度数据的标准差，获得第一维度标准差，并根据所有升维结果、第二维度平均值计算第二维度数据的标准差，获得第二维度标准差；

根据所述第一维度标准差和所述第二维度标准差确定所述变量的取值离散度。

优选地，所述根据所有升维结果、第一维度平均值计算第一维度数据的标准差，获得第一维度标准差，并根据所有升维结果、第二维度平均值计算第二维度数据的标准差，获得第二维度标准差的步骤之后包括：

获取所述变量新的取值；

根据新的取值利用所述第一预设算法和所述第二预设算法分别确定新的取值的第一维度数值和新的取值的第二维度数值；

根据新的取值的第一维度数值、所述第一维度标准差及所述第一维度平均值计算第一维度偏离值，并根据新的取值的第二维度数值，所述第二维度标准差及所述第二维度平均值计算第二维度偏离值；

根据所述第一维度偏离值和第二维度偏离值确定新的取值的偏离度。

优选地，所述变量的取值的升维方法应用于金融交易领域，所述变量包括：

交易客户的交易时间信息。

优选地，所述根据所述第一维度偏离值和第二维度偏离值确定新的取值的偏离度的步骤之后包括：

根据所述偏离度确定变量新的取值是否满足进行预警的预设条件；

当变量新的取值满足进行预警的预设条件时，对当前交易进行预警。

为实现上述目的，本发明还提供一种变量的取值升维装置，其中，所述变量的取值升维装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的变量的取值升维程序，所述变量的取值升维程序被所述处理器执行时实现如上所述的变量的取值升维方法的步骤。

此外，为实现上述目的，本发明还提供一种变量的取值升维计算机可读存储介质，其中，所述计算机可读存储介质上存储有变量的取值升维程序，所述变量的取值升维程序被处理器执行时实现如上所述的变量的取值升维方法的步骤。

本发明提供一种变量的取值升维方法、装置及计算机可读存储介质，所述变量的取值升维方法包括：获取所述变量的取值；

根据所述取值利用第一预设算法和第二预设算法分别确定第一维度数值和第二维度数值，其中第一预设算法和第二预设算法包括不同的计算公式；根据所述第一维度数值和所述第二维度数值确定所述取值的升维结果。通过上述方式，可以将变量的取值通过两个维度的数据来表示，使得变量的取值包含更多的信息量，避免直接对变量取值进行数据统计处理时，由于取值的信息量少而造成的逻辑错误。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图；

图2为本发明变量的取值升维方法第一实施例的流程示意图；

图3为本发明变量的取值升维方法第二实施例的流程示意图；

图4为本发明变量的取值升维方法第三实施例的流程示意图；

图5为本发明变量的取值升维方法第四实施例的流程示意图；

图6为本发明变量的取值升维方法第五实施例的流程示意图；

图7为本发明变量的取值升维方法第六实施例的流程示意图。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

现有技术中，取值范围内端值逻辑意义一致的变量的取值的数据处理结果不能正确的反映取值在逻辑意义上的规律，变量的取值不宜直接用于数据统计处理的问题。

为了解决上述技术问题，本发明提供一种变量的取值升维方法，在本方法中，先获取所述变量的取值，再根据所述取值利用第一预设算法和第二预设算法分别确定第一维度数值和第二维度数值，其中第一预设算法和第二预设算法包括不同的计算公式，然后根据所述第一维度数值和所述第二维度数值确定所述取值的升维结果。从而将变量的取值通过两个维度的数据来表示，使得变量的取值包含更多的信息量，并适合用来统计处理。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图。

本发明实施例终端可以是PC，也可以是智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、便携计算机等具有显示功能的可移动式终端设备。

如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可选地，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及变量的取值升维程序。

在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的变量的取值升维程序，并执行以下操作：

获取所述变量的取值；

根据所述取值利用第一预设算法和第二预设算法分别确定第一维度数值和第二维度数值，其中第一预设算法和第二预设算法包括不同的计算公式；

根据所述第一维度数值和所述第二维度数值确定所述取值的升维结果。

进一步地，处理器1001可以调用存储器1005中存储的变量的取值升维程序，还执行以下操作：

将所述升维结果存储在预设位置。

进一步地，处理器1001可以调用存储器1005中存储的变量的取值升维程序，还执行以下操作：

从所述预设位置中获取所有升维结果；

计算所有升维结果的第一维度数值的平均值和第二维度数值的平均值，分别获得第一维度平均值和第二维度平均值；

根据所述第一维度平均值和第二维度平均值确定所述变量的取值特征。

进一步地，处理器1001可以调用存储器1005中存储的变量的取值升维程序，还执行以下操作：

根据所有升维结果、第一维度平均值计算第一维度数据的标准差，获得第一维度标准差，并根据所有升维结果、第二维度平均值计算第二维度数据的标准差，获得第二维度标准差；

根据所述第一维度标准差和所述第二维度标准差确定所述变量的取值离散度。

进一步地，处理器1001可以调用存储器1005中存储的变量的取值升维程序，还执行以下操作：

获取所述变量新的取值；

根据新的取值利用所述第一预设算法和所述第二预设算法分别确定新的取值的第一维度数值和新的取值的第二维度数值；

根据新的取值的第一维度数值、所述第一维度标准差及所述第一维度平均值计算第一维度偏离值，并根据新的取值的第二维度数值，所述第二维度标准差及所述第二维度平均值计算第二维度偏离值；

根据所述第一维度偏离值和第二维度偏离值确定新的取值的偏离度。

进一步地，处理器1001可以调用存储器1005中存储的变量的取值升维程序，还执行以下操作：

根据所述偏离度确定变量新的取值是否满足进行预警的预设条件；

当变量新的取值满足进行预警的预设条件时，对当前交易进行预警。

参照图2，图2为本发明变量的取值升维方法第一实施例流程示意图。

本发明应用于数据处理领域，例如，在金融领域中对用户交易时间和地理位置参数信息的处理和监控。在金融实时风控领域中，经常会通过对用户交易时间变化的侦测，以刻画用户的行为轨迹，其对于判断此交易是否异常扮演着重要的角色。为了应对该需求，传统上一般有两种处理方式。第一种处理方法是将一天二十四小时划分成若干段，然后统计用户经常进行交易的时间区间，将最常发生交易的时间区间作为该用户的常用交易时间段。第二种处理方法是直接将用户所有的交易时间取平均值，将平均值作为用户经常进行交易的时间。在实时风控中，第一种处理方法操作简单但是太模糊，时间段的阈值选取需要考量，第二种处理方法可能存在逻辑上的错误，因为时间的表示具有周期性，并且时间的取值范围的端值具有相同逻辑意义，即表示深夜的同个时间，因此简单的平均可能会得到错误的结果，比如23点和1点的数值均值是12，但是从时间角度上看，两者的均值在0点，在统计数据侦测用户行为习惯时，将12点作为用户经常交易的时间明显不符合实际情况。类似地，同样的情况也存在于极坐标定位中的角度变量，0°和360°在数值上不同，但实际上的逻辑意义是一致的，表示同个方向。在上述情况中，无论是时间变量还是极坐标的角度变量，在其取值范围内的最大值和最小值这两个端值的数值不同，逻辑上的实际意义是同样的，变量接近端值的取值在数值上相差较大，但在逻辑上的意义是相近的，对于这类数据，数据直接的统计结果不能得出正确的逻辑结论。

本发明提供一种将变量的取值通过两个及以上数量维度的数值表示，以解决数据统计时出现的统计结论与实际不相符的问题。具体实施过程包括以下步骤。

步骤S10，获取所述变量的取值；特别地，所述变量的取值的升维方法应用于金融交易领域，所述变量包括：交易客户的交易时间信息。

在本实施例中，变量为数据统计的和处理的对象，本发明的实施例变量的特征为在取值范围中最大值和最小值取值的实际逻辑意义一致。本实施例以金融交易领域的交易时间信息为例，例如对于交易时间中的时钟数位的取值，交易时间时钟数位的取值范围为0至24内的整数，其中取值为0和取值为24为同样的意义，表示同个时间点。当用户需要将交易时间中的时钟数位上的数据升维时，先把交易时间中时钟数位的数据输入到预置的输入框，或者处理器每次获取到一个交易时间的信息时，都执行获取交易时间中的时钟数位上的数据的步骤。例如用户某次交易的交易时间为23：05：59，则用户获取的变量的取值为23。交易时间中除了时钟数位上的数值之外，分钟及秒钟上的数值也符合端值逻辑意义一致的特点。本实施例变量也可以是分钟数值信息或者秒钟数值信息。

步骤S20，根据所述取值利用第一预设算法和第二预设算法分别确定第一维度数值和第二维度数值，其中第一预设算法和第二预设算法包括不同的计算公式；

在本实施例中，变量的某个取值可以用两个或者以上数量维度的数值来表示，每个维度的数值的计算对应一个算法，不同维度的数值的算法不同。在本实施例中以把变量的取值变换成两个维度的数值为例，即上述的第一维度数值和第二维度数值。其中，由变量取值获得第一维度数值的算法通过第一预设算法实现，由变量取值获得第二维度数值通过第二预设算法来实现。其中，第一预设算法和第二预设算法对应不同的计算公式，计算公式的自变量为步骤S10所提的变量，因变量对应各个维度的升维结果。计算公式可以为包括以下特征的计算公式：1)变量取值为取值范围内最大值和最小值的对应的升维结果一致；2)可以把取值范围分为若干子范围，预设算法的计算公式的曲线在各个子范围内为轴对称图像。以变量为交易时间中的时钟信息为例，第一计算公式为X＝|12-|H-1||，第二计算公式为Y＝|12-|H-9||，其中X为变量取值对应的第一维度数值，Y为变量取值对应的第二维度数值，H为变量，即交易时间的时钟数值。具体地，当时钟数值为23时，X＝10，Y＝2；当时钟数值为1时，X＝12，Y＝4。

步骤S30，根据所述第一维度数值和所述第二维度数值确定所述取值的升维结果。

基于上述步骤，经过上述步骤，计算出变量某个取值的第一维度数值X与第二维度数值Y之后，将(X，Y)作为变量H取值的升维结果。在统计数据以(X，Y)为变量H的二位取值进行统计，可以有效避免统计产生的逻辑错误问题。例如，当H分别取值23和1时，直接计算平均数得到的结果为12，23和1对应午夜相隔两个小时的时间，而12对应白天中午的时间，统计结果存在逻辑错误。用二维结果来表示时，23对应为(10，2)，1对应为(12，4)，第一维度数值计算平均值得到11，第二维度数值计算平均值得到3，平均结果为(11，3)，而H取值为0或者24时对应的升维结果为(11，3)，则，从时间实际逻辑角度来看23点与1点的平均中心点也是0点，通过二维数据统计后的结果在换算成对应的取值不存在逻辑错误。

进一步地，当本发明的变量的数值的升维方法推广到其他任一相关领域时，包括：所述第一预设算法包括第一计算公式，所述第一计算公式包括第一维度数值X、所述取值范围中最大值与最小值的差值T、所述变量的当前取值H及第一预设常数值X₀，所述第一计算公式为：X＝|0.5*T-|H-X₀||；所述第二预设算法包括第二计算公式，所述第二计算公式包括第二维度数值Y、所述变量的取值范围的中点T、所述变量的当前取值H及第二预设常数值Y₀，所述第二计算公式为：Y＝|0.5*T-|H-Y₀||，其中，所述X₀不等于所述Y₀，且所述X₀与所述Y₀的差的绝对值不等于所述T。本实施例适用的相关领域为，变量在某个区间内取值，变量在区间端值取值数值不同，但实际的逻辑意义一致。例如，某个变量H的取值范围为区间[h_max，h_min]，即H取值为h_max与h_min之间的数值，H取值的最大值为h_max，最小值为h_min，则在本实施例中T满足h_max减去h_min得到的差值。第一计算公式中X与第二公式中的Y分别为变量的取值的第一维度数值和第二维度数值，H为变量的取值，不同H的值存在对应的X值和Y值。X₀与Y₀均为变量的取值范围内的常数，在同一升维方案中X₀不等于Y₀，且X₀与Y₀的差的绝对值不等于0.5T。

在本实施例中，获取所述变量的取值；根据所述取值利用第一预设算法和第二预设算法分别确定第一维度数值和第二维度数值，其中第一预设算法和第二预设算法包括不同的计算公式；根据所述第一维度数值和所述第二维度数值确定所述取值的升维结果。通过上述方式，可以将变量的取值通过两个维度的数据来表示，使得变量的取值包含更多的信息量，避免直接对变量取值进行数据统计处理时，由于取值的信息量少而造成的逻辑错误。

进一步地，参照图3，图3为本发明变量的取值升维方法第二实施例流程示意图，基于上述本发明变量的取值升维方法实施例，提出本发明的第二实施例。

基于上述实施例，在本实施例中，步骤S40之后包括：

步骤S50，将所述升维结果存储在预设位置。

基于上述实施例，处理器每次获取一交易时间的时钟数值信息后，将该数值升维，获得(X，Y)形式的二维升维结果，在本实施例中，处理器每次获得升维结果后将升维结果存储在预设的位置，本实施例中的预设位置为预设的存储空间。在本实施例中，可以对每个交易客户配置一存储位置专门用来存储用户每次发生交易动作的时间的时钟数值的升维结果，以便后续在需要的时候使用升维结果的信息。在把升维结果预存到预设位置时，可以关联用户的身份信息和其他特征信息，如年龄、所处区域等。对某个特定用户的升维结果进行统计，获得该用户交易习惯信息。同时，还可以对按照一定的分类，如交易客户的年龄或者所处的区域的按分类集合来统计升维结果，获得某个集合中用户交易的共性或者不同集合之间用户交易的交易的差异。

在本实施例中，在获得变量的升维结果之后，将升维结果存储在预设位置，便于后续在获得足够的升维结果后对升维结果进行统计分析。

进一步地，参照图4，图4为本发明变量的取值升维方法第三实施例流程示意图，基于上述本发明变量的取值升维方法实施例，提出本发明的第三实施例。

基于上述实施例，在本实施例中，步骤S40之后还包括：

步骤S50，从所述预设位置中获取所有升维结果；

步骤S60，计算所有升维结果的第一维度数值的平均值和第二维度数值的平均值，分别获得第一维度平均值和第二维度平均值；

步骤S70，根据所述第一维度平均值和第二维度平均值确定所述变量的取值特征。

在本实施例中，当预设位置的升维结果的数量累积到一定程度时，对预设位置中的升维结果计算平均值，通过升维结果的平均值来确定变量的取值特征。在本实施例中，可以每隔预设的一段时间更新一次平均值，也可以在预设位置中的升维结果累计到预设的一定数量之后更新一次平均值。本实施例第一维度平均值为预设位置中所有升维结果的第一维度数值的平均值，这里用

表示；第二维度平均值为预设位置中所有升维结果的第二维度数值的平均值，这里用

表示，例如，预设位置中存储着(X₁，Y₁)、(X₂，Y₂)……(X_n，Y_n)这n个升维结果，处理器获取了这n个升维结果后，计算X₁、X₂……X_n这n个数值的平均值，计算结果即为

的值；计算Y₁、Y₂……Y_n这n个数值的平均值，计算结果即为

的值。计算得到第一平均值和第二平均值后根据这两个值确定变量的取值特征。取值特征指的是变量的取值规律，如在某个范围内取值的频繁程度或者取值的特征值，通过取值特征可以定性估算某个取值概率的大小。在本实施例中，取值特征可以特征值来定性体现，平均值的结果可以作为特征值。在处理数据时，可以在数据处理界面设置一取值特征选项，处理器获得平均结果后，将该平均结果以

的形式预存在某个位置并显示在特征选项。当变量为交易客户的交易时间时，平均结果可以反映出交易时间的取值特征，可以把该平均结果作为交易客户习惯的经常发生交易的特征值，从而可以估测用户的交易习惯。

在本实施例中，从所述预设位置中获取所有升维结果；计算所有升维结果的第一维度数值的平均值和第二维度数值的平均值，分别获得第一维度平均值和第二维度平均值；根据所述第一维度平均值和第二维度平均值确定所述变量的取值特征。通过上述方式，对变量的升维结果进行数据处理获取其平均结果，并根据平均结果确定变量的取值特征，避免直接通过变量取值的平均值来确定变量的取值特征，从而避免获得错误的取值特征分析结果。

进一步地，参照图5，图5为本发明变量的取值升维方法第四实施例流程示意图。基于上述实施例，提出本发明的第四实施例。

在本实施例中，步骤S60之后还包括：

步骤S80，根据所有升维结果、第一维度平均值计算第一维度数值的标准差，获得第一维度标准差，并根据所有升维结果、第二维度平均值计算第二维度数值的标准差，获得第二维度标准差；

步骤S90，根据所述第一维度标准差和所述第二维度标准差确定所述变量的取值离散度。

在实际的情景中，变量的取值可能有规律的集中在取值范围内的某个子范围，也可能无规律的分散在取值范围内。以交易客户的交易时间为例，交易客户甲可能习惯在白天九点至十二点这一时间段进行交易，则根据升维结果的平均结果作为交易客户经常交易时间的特征值，可以比较准确的反映交易客户的交易习惯。交易客户乙的交易时间无规律的分布在二十四小时中的各个时间点，则升维结果的平均结果不适合作为用户经常交易时间的特征值，无法准确的反映交易客户的交易习惯。

本实施例通过升维结果的标准差计算结果来衡量变量取值的离散程度。在本实施例中，第一维度标准差为根据所有升维结果中的第一维度数值和第一维度平均值计算得到的第一维度数值的标准差；第二维度标准差为根据所有升维结果中的第二维度数值和第二维度平均值计算得到的第二维度数值的标准差。具体的，基于上述实施例，第一维度标准差根据X₁、X₂……X_n以及

通过标准差的计算公式计算得到，第二维度标准差根据Y₁、Y₂……Y_n以及

通过标准差的计算公式计算得到，这里分别用σ₁和σ₂来表示第一维度标准差和第二维度标准差，以(σ₁，σ₂)为变量二维数值的标准差。标准差是一组数据平均值分散程度的一种度量。一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。在本实施例中，σ₁和σ₂的值越大，说明交易客户的交易时间越分散，交易客户没有规律的交易习惯；σ₁和σ₂的值越小，说明交易客户的交易时间越集中，交易客户保持规律的交易习惯。

计算了σ₁和σ₂的值后，根据σ₁和σ₂的值确定变量取值的离散度。本实施例离散度可以直接以(σ₁，σ₂)来定量体现，也可以根据实际的应用情况把离散度分为几个等级，对应不同范围的(σ₁，σ₂)，在计算出σ₁和σ₂的值后，根据(σ₁，σ₂)确定对应的离散度等级。

在本实施例中，根据所有升维结果、第一维度平均值计算第一维度数值的标准差，获得第一维度标准差，并根据所有升维结果、第二维度平均值计算第二维度数值的标准差，获得第二维度标准差；根据所述第一维度标准差和所述第二维度标准差确定所述变量的取值离散度。通过上述方式，可以确定变量取值的离散度，从而定性的判断变量的取值的是否具有规律性。

进一步地，参照图6，图6为本发明变量的取值升维方法第五实施例流程示意图，基于上述本发明变量的取值升维方法实施例，提出本发明的第五实施例。

基于上述实施例，在本实施例中，步骤S80之后还包括：

步骤S100，获取所述变量新的取值；

步骤S110，根据新的取值利用所述第一预设算法和所述第二预设算法分别确定新的取值的第一维度数值和新的取值的第二维度数值；

步骤S120，根据新的取值的第一维度数值、所述第一维度标准差及所述第一维度平均值计算第一维度偏离值，并根据新的取值的第二维度数值，所述第二维度标准差及所述第二维度平均值计算第二维度偏离值；

步骤S130，根据所述第一维度偏离值和第二维度偏离值确定新的取值的偏离度。

在金融交易领域，交易客户在交易前一般需要通过身份验证，身份验证一般通过帐号密码或者手机动态密码的方式来实现。对于这种方式，交易客户可以在移动终端的APP中绑定帐号并设置免输入直接登录，当用户的移动终端丢失后会存在交易客户身份被盗用的风险。在本实施例中，交易客户在交易前对根据当前交易时间判断是否与其平常的交易时间是否相符，再确定进行交易或者采取预警措施。

在本实施例中，先获取变量的新的取值，例如交易客户在触发交易时，处理器先获取当前交易的交易时间。获取了交易时间后在基于上述实施例的方法步骤对当前交易时间的取值进行升维，获得第一维度数值X₁与第二维度数值Y₁，再根据当前交易时间的第一维度数值X₁与之前算得的第一维度平均值

计算当前交易时间的第一维度数值的偏离值，即第一维度偏离值；并根据当前交易时间的的第二维度数值Y₁与之前算得的第二维度平均值

计算当前交易时间的第二维度数值的偏离值，即第二维度偏离值。其中，本实施例的偏离值是衡量交易客户当前交易时间与历史交易时间的偏离程度的值，偏离值越大，则偏离程度越大，交易客户当前的交易时间与历史交易习惯越不相符。处理器计算出第一维度偏离值与第二维度偏离值后，根据第一维度偏离值与第二维度偏离值确定变量新的取值的偏离度。在本实施例中，偏离度的可以直接以偏离值计算结果(第一维度偏离值，第二维度偏离值)的形式来反映，也可以按照偏离的取值范围预先划分偏离程度等级不同的的偏离等级，每个等级对应不同偏离值范围，偏离度通过偏离等级来体现。在本实施例中，获得偏离值的计算结果(第一维度偏离值，第二维度偏离值)后，根据偏离值的计算结果确定对应的偏离等级。

在本实施例中，获取所述变量新的取值；根据新的取值利用所述第一预设算法和所述第二预设算法分别确定新的取值的第一维度数值和新的取值的第二维度数值；根据新的取值的第一维度数值、所述第一维度标准差及所述第一维度平均值计算第一维度偏离值，并根据新的取值的第二维度数值，所述第二维度标准差及所述第二维度平均值计算第二维度偏离值；根据所述第一维度偏离值和第二维度偏离值确定新的取值的偏离度。通过上述方式，可以确定变量新的取值对历史取值的偏离程度。

进一步地，参照图7，图7为本发明变量的取值升维方法第六实施例流程示意图，基于上述本发明变量的取值升维方法实施例，提出本发明的第六实施例。

在本实施例中，步骤S130之后包括：

步骤S140，根据所述偏离度确定变量新的取值是否满足进行预警的预设条件；

步骤S150，当变量新的取值满足进行预警的预设条件时，对当前交易进行预警。

基于上述实施例，在本实施例中，交易系统管理员，即交易机构的相关工作人员可以根据偏离值设置触发预警的条件，例如当偏离度为某一偏离等级时便触发预警，或者当偏离度中的第一维度偏离值或第二维度偏离值在某个取值范围时触发预警。处理器获得变量新的取值的偏离度后，根据偏离度判断是否满足上述的预设条件，当满足上述预设条件，对当前交易进行预警。对当前交易进行预警可以包括但不限于执行以下程序：1)终止交易客户当前的交易；2)显示提示信息至交易管理终端，提示交易机构相关工作人员跟进该异常事项，例如跟客户联系确认异常情况；3)通过交易客户绑定的所有联系方式发送该异常情况的提示信息。

在本实施例中，根据所述偏离度确定变量新的取值是否满足进行预警的预设条件；当变量新的取值满足进行预警的预设条件时，对当前交易进行预警。通过上述方式，可以根据变量升维后的数据处理实现对金融交易的监管。

此外，本发明还提供一种变量的取值升维装置。

本发明变量的取值升维装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的变量的取值升维程序，所述变量的取值升维程序被所述处理器执行时实现如上所述变量的取值升维方法的步骤。

其中，在所述处理器上运行的变量的取值升维程序被执行时所实现的方法可参照本发明变量的取值升维方法各个实施例，此处不再赘述。

此外，本发明实施例还提出一种计算机可读存储介质。

本发明计算机可读存储介质上存储有变量的取值升维程序，所述变量的取值升维程序被处理器执行时实现如上所述的变量的取值升维方法的步骤。

其中，在所述处理器上运行的变量的取值升维程序被执行时所实现的方法可参照本发明变量的取值升维方法各个实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种变量的取值升维方法，其特征在于，利用所述升维方法获得的升维结果至少包括两个维度的数值，所述变量的取值升维方法包括：

通过处理器获取交易时间时钟的取值；

根据所述取值利用第一预设算法和第二预设算法分别确定第一维度数值和第二维度数值，其中第一预设算法和第二预设算法包括不同的计算公式；

统计所述第一维度数值及所述第二维度数值，并根据所述第一维度数值和所述第二维度数值确定所述取值的升维结果；

将所述升维结果存储在预设位置；

从所述预设位置中获取所有升维结果；

计算所有升维结果的第一维度数值的平均值和第二维度数值的平均值，分别获得第一维度平均值和第二维度平均值；

根据所述第一维度平均值和第二维度平均值确定所述变量的取值特征，并基于所述取值特征估测用户的交易习惯；

获取所述交易时间时钟新的取值；

根据新的取值利用所述第一预设算法和所述第二预设算法分别确定新的取值的第一维度数值和新的取值的第二维度数值；

根据新的取值的第一维度数值及所述第一维度平均值计算第一维度偏离值，并根据新的取值的第二维度数值及所述第二维度平均值计算第二维度偏离值；

根据所述第一维度偏离值和第二维度偏离值确定新的取值的偏离度；

根据所述偏离度确定变量新的取值是否满足进行预警的预设条件；

当变量新的取值满足进行预警的预设条件时，对当前交易进行预警；

所述第一预设算法包括第一计算公式，所述第二预设算法包括第二计算公式，

所述第一计算公式为：X＝|0.5*T-|H-X₀||；

所述第二计算公式为：Y＝|0.5*T-|H-Y₀||；

其中，X为第一维度数值、T为所述取值范围中最大值与最小值的差值、H为所述变量的当前取值、X₀为第一预设常数值、Y为第二维度数值、Y₀为第二预设常数值，所述X₀不等于所述Y₀，且所述X₀与所述Y₀的差的绝对值不等于0.5*T的值，X₀与Y₀的取值方位与H的取值范围一致；

所述对当前交易进行预警包括以下方式中的至少一种：

终止当前交易；

显示提示信息至交易管理终端；

向交易客户绑定的联系方式发送提示信息。

2.如权利要求1所述的变量的取值升维方法，其特征在于，所述计算所有升维结果的第一维度数值的平均值和第二维度数值的平均值，分别获得第一维度平均值和第二维度平均值的步骤之后包括：

根据所有升维结果、第一维度平均值计算第一维度数值的标准差，获得第一维度标准差，并根据所有升维结果、第二维度平均值计算第二维度数值的标准差，获得第二维度标准差；

根据所述第一维度标准差和所述第二维度标准差确定所述变量的取值离散度。

3.如权利要求2所述的变量的取值升维方法，其特征在于，所述根据新的取值的第一维度数值及所述第一维度平均值计算第一维度偏离值，并根据新的取值的第二维度数值及所述第二维度平均值计算第二维度偏离值的步骤包括：

根据新的取值的第一维度数值、所述第一维度标准差及所述第一维度平均值计算第一维度偏离值，并根据新的取值的第二维度数值，所述第二维度标准差及所述第二维度平均值计算第二维度偏离值；

根据所述第一维度偏离值和第二维度偏离值确定新的取值的偏离度。

4.如权利要求3所述的变量的取值升维方法，其特征在于，所述变量的取值的升维方法应用于金融交易领域。

5.一种变量的取值升维装置，其特征在于，所述变量的取值升维装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的变量的取值升维程序，所述变量的取值升维程序被所述处理器执行时实现如权利要求1至4中的任一项所述的变量的取值升维方法的步骤。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有变量的取值升维程序，所述变量的取值升维程序被处理器执行时实现如权利要求1至4中任一项所述的变量的取值升维方法的步骤。

Images