CN109063967A - 一种风控场景特征张量的处理方法、装置及电子设备 - Google Patents

一种风控场景特征张量的处理方法、装置及电子设备 Download PDF

Info

Publication number
CN109063967A
CN109063967A CN201810720145.7A CN201810720145A CN109063967A CN 109063967 A CN109063967 A CN 109063967A CN 201810720145 A CN201810720145 A CN 201810720145A CN 109063967 A CN109063967 A CN 109063967A
Authority
CN
China
Prior art keywords
air control
control scene
tensor
completion
characteristic tensor
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.)
Granted
Application number
CN201810720145.7A
Other languages
English (en)
Other versions
CN109063967B (zh
Inventor
董子钰
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.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co 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 CN201810720145.7A priority Critical patent/CN109063967B/zh
Publication of CN109063967A publication Critical patent/CN109063967A/zh
Application granted granted Critical
Publication of CN109063967B publication Critical patent/CN109063967B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/409—Device specific authentication in transaction processing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Computer Security & Cryptography (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请公开了一种风控场景特征张量的处理方法，所述方法包括：获取第一风控场景的特征张量和待补全的第二风控场景的特征张量；基于所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量，确定稀疏张量，所述稀疏张量用于表征所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量之间的关联关系；基于所述待补全的第二风控场景的特征张量的平铺矩阵、所述稀疏张量以及所述第一风控场景的特征张量，补全所述第二风控场景的特征张量。

Description

一种风控场景特征张量的处理方法、装置及电子设备
技术领域
本申请涉及计算机技术领域，尤其涉及一种风控场景特征张量的处理方法、装置及电子设备。
背景技术
随着移动互联网的快速发展，人们可以通过手机、平板电脑等终端设备进行在线支付、转账、购物等基于互联网的服务业务。这为人们的生活带来了极大地便利的同时，也带来了风险，为不法分子盗用用户信息进行交易欺诈，盗刷信用卡等不法行为提供了机会，因此，风险控制(下文简称风控)也越来越重要。
在风控领域当中，在对许多新的风控场景进行管控时，往往会囿于缺失针对这些新的风控场景的数据和经验，从而无法实现对这些新的风控场景的风险的管控并给出对应的策略。
因此，急需一种解决方案来实现对这些新的风控场景的风险的管控。
发明内容
本申请实施例提供了一种风控场景特征张量的处理方法、装置及电子设备，以解决现有技术中无法实现对新的风控场景的风险的管控并给出对应的策略的问题。
为解决上述技术问题，本申请实施例是这样实现的：
第一方面，提出了一种风控场景特征张量的处理方法，包括：
获取第一风控场景的特征张量和待补全的第二风控场景的特征张量；
基于所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量，确定稀疏张量，所述稀疏张量用于表征所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量之间的关联关系；
基于所述待补全的第二风控场景的特征张量的平铺矩阵、所述稀疏张量以及所述第一风控场景的特征张量，补全所述第二风控场景的特征张量。
第二方面，提出了一种风控场景特征张量的处理装置，包括：
获取单元，获取第一风控场景的特征张量和待补全的第二风控场景的特征张量；
确定单元，基于所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量，确定稀疏张量，所述稀疏张量用于表征所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量之间的关联关系；
补全单元，基于所述待补全的第二风控场景的特征张量的平铺矩阵、所述稀疏张量以及所述第一风控场景的特征张量，补全所述第二风控场景的特征张量。
第三方面，提出了一种电子设备，该电子设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
获取第一风控场景的特征张量和待补全的第二风控场景的特征张量；
基于所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量，确定稀疏张量，所述稀疏张量用于表征所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量之间的关联关系；
基于所述待补全的第二风控场景的特征张量的平铺矩阵、所述稀疏张量以及所述第一风控场景的特征张量，补全所述第二风控场景的特征张量。
第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：
获取第一风控场景的特征张量和待补全的第二风控场景的特征张量；
基于所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量，确定稀疏张量，所述稀疏张量用于表征所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量之间的关联关系；
基于所述待补全的第二风控场景的特征张量的平铺矩阵、所述稀疏张量以及所述第一风控场景的特征张量，补全所述第二风控场景的特征张量。
本申请实施例采用上述技术方案至少可以达到下述技术效果：
在对数据量较少的第二风控场景中的业务进行处理之前，由于能够获取第一风控场景的特征张量和待补全的第二风控场景的特征张量，然后基于第一风控场景的特征张量和待补全的第二风控场景的特征张量，确定用于表征第一风控场景的特征张量和待补全的第二风控场景的特征张量之间关联关系的稀疏张量，最后便可以基于待补全的第二风控场景的特征张量的平铺矩阵、稀疏张量以及第一风控场景的特征张量，补全第二风控场景的特征张量，这样在对第二风控场景中的业务进行处理，比如对交易业务进行处理时，能够基于补全后的第二风控场景的特征张量，准确地做出相应的风险评估和相应的决策。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书一个实施例提供的一种风控场景特征张量的处理方法的实现流程示意图；
图2为本说明书一个实施例提供的一个三阶张量的示意图；
图3为本说明书一个实施例提供的风控场景特征张量的处理方法应用在一种实际场景中的流程示意图；
图4为本说明书一个实施例提供的一种风控场景特征张量的处理装置的结构示意图；
图5为本说明书一个实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
为解决现有技术中无法实现对新的风控场景的风险的管控并给出对应的策略的问题，本说明书实施例提供一种风控场景特征张量的处理方法。本说明书实施例提供的风控场景特征张量的处理方法的执行主体可以但不限于服务器、个人电脑等能够被配置为执行本发明实施例提供的该方法终端中的至少一种。
为便于描述，下文以该方法的执行主体为能够执行该方法的服务器为例，对该方法的实施方式进行介绍。可以理解，该方法的执行主体为服务器只是一种示例性的说明，并不应理解为对该方法的限定。
具体地，本说明书一个或多个实施例提供的一种风控场景特征张量的处理方法的实现流程示意图如图1所示，包括：
步骤110，获取第一风控场景的特征张量和待补全的第二风控场景的特征张量；
在风控领域当中，在对新的风控场景中的业务进行管控时，往往会由于缺失对新的风控场景的业务数据和业务处理经验，而无法实现对新的风控场景的业务的管控，也就在业务风险指数较大时无法给出应对的策略。然而，从另一角度来看，对于许多传统的风控场景，这些传统的风控场景则已积累了大量的业务数据、业务处理经验以及业务风险指数较大时对应的风控策略。
目前，对于如何实现对新的风控场景的风险的管控并给出对应的策略，往往有如下两种方式：第一种方式，完全利用与之相似的传统的风控场景的业务数据、业务处理经验和业务风险指数较大时的应对策略；第二种方式，完全基于新的风控场景中的业务数据进行分析，进而给出应对策略。然而，第一种方式由于会忽略新的风控场景的业务数据，从而可能会造成新的风控场景中的风险的管控以及作出的对应的策略存在一些偏差；第二种方式则会由于数据量太少，使得作出的应对策略不可信，且还会导致对与之类似的传统的风控场景中的业务数据和业务处理经验的极大浪费。
在这种情况下，本说明书一个或多个实施例则可以考虑将这些传统的风控场景中大量的业务数据、业务处理经验以及业务风险指数较大时对应的风控策略迁移到新的风控场景中，以解决新的风控场景中因缺失业务数据和业务处理经验而无法实现对业务的风险管控的问题。
应理解，在风控领域当中，对于传统的风控场景，通常可以首先基于该传统的风控场景中所积累的历史交易数据来提炼出有效的特征变量，然后基于这些有效特征变量确定出这些特征变量所对应的交易是否为安全交易的条件概率，最后再基于确定出的条件概率去判断一个交易是否安全。在实际应用中，可以基于从风控场景中提取出的有效特征变量构建特征张量，由于张量是一个高维数组，张量的各个维度可以表征风控场景中的一种特征类型的变量。
以三阶张量为例，三阶张量的三个维度可以分别用来表征风控场景中三个不同特征类型的变量，而该三阶张量中的一个元素则可以表示该元素在三个特征类型维度下所对应的交易为坏交易的条件概率。如图2所示，为一个三阶张量的示意图，该三阶张量包含三个维度的特征变量，这些变量具体可以分布在X、Y和Z轴三个维度上。假设分布在X轴上的特征变量j为买家所在的省份(j＝1，…，J，其中，每个数值对应一个省份)、分布在Y轴上的特征变量k为交易的金额(k＝1，…，K，每个数值对应一个金额)，分布在Z轴上的特征变量i为交易存在冲突的概率(i＝1，…，I，每个数值对应一个概率)，那么对应的元素的数值，则表征在这三个维度的特征变量下交易为坏交易的条件概率。
可选地，在一种具体的实现方式中，获取第一风控场景的特征张量和待补全的第二风控场景的特征张量的步骤可以包括：首先，获取第一风控场景的历史交易数据和待补全的第二风控场景的历史交易数据；然后，基于第一风控场景的历史交易数据，构建第一风控场景的特征张量；最后，基于待补全的第二风控场景的历史交易数据，构建待补全的第二风控场景的特征张量。
应理解，这里所述的第一风控场景即为上文所述的传统的风控场景，具备大量的历史交易数据，而第二风控场景即为上文所述的新的风控场景，具备的历史交易数据量较少。那么，基于第一风控场景的历史交易数据所构建的第一风控场景的特征张量中的元素则较为密集，而基于第二风控场景的历史交易数据所构建的第二风控场景的特征张量中的元素则较为稀疏。
步骤120，基于第一风控场景的特征张量和待补全的第二风控场景的特征张量，确定稀疏张量，稀疏张量用于表征第一风控场景的特征张量和待补全的第二风控场景的特征张量之间的关联关系；
假设第一风控场景的特征张量为F，待补全的第二风控场景的特征张量为X，那么用于表征第一风控场景的特征张量和待补全的第二风控场景的特征张量之间的关联关系的稀疏张量Z＝F-X。
步骤130，基于待补全的第二风控场景的特征张量的平铺矩阵、稀疏张量以及第一风控场景的特征张量，补全第二风控场景的特征张量。
基于上述将传统的风控场景(即第一风控场景)中大量的业务数据、业务处理经验以及业务风险指数较大时对应的风控策略迁移到新的风控场景(即第二风控)中，以解决新的风控场景中因缺失业务数据和业务处理经验而无法实现对业务的风险管控的问题的出发点，可以考虑将机器学习以及优化工具定制化地应用于将第一风控场景迁移到第二风控场景的过程中。这种方法不仅能够保留新的风控场景中的少量历史交易数据，还能够借鉴与之类似的传统的风控场景中的大量历史交易数据和对应的风控决策。
可选地，可以考虑通过公式s.t.X+Z＝F对第二风控场景的特征张量X进行最优化求解，即在条件为X+Z＝F的前提下，求出使得第二风控场景的特征张量X的秩与λ倍的稀疏张量Z的零范数之和为最小值的最优解X*。其中，rankcp(X)为第二风控场景的特征张量X的秩，||Z||0为Z的零范数。
应理解，根据实际的业务处理经验，风险指数高于一定阈值的交易的风险特征在不同的维度上往往会具有模型相似性，因此，往往会希望待补全的第二风控场景的特征张量X是一个低秩的张量。此外，由于第一风控场景和第二风控场景的基础逻辑往往是一样的，因此，第一风控场景和第二风控场景之间的相似度也很高，也就是说用于表征两者之间的关联关系的稀疏张量Z也在一定的预设范围内。
在实际求解公式s.t.X+Z＝F的过程中，由于其是一个非确定性多项式(non-deterministic polynomial-hard，NP-hard)的问题，即并不能够在短时间内能够被求出在X+Z＝F的前提条件下，使得rankcp(X)+λ||Z||0为最小值的最优解X*。为了解决这个问题，本说明书一个或多个实施例基于此进一步地提出使用张量的平铺矩阵的核范数和来近似张量的秩，从而避免上述NP-hard的问题。
可选地，在一种具体实施方式中，基于待补全的第二风控场景的特征张量的平铺矩阵、稀疏张量以及第一风控场景的特征张量，补全第二风控场景的特征张量，包括：在满足稀疏张量在预设范围内，且第二风控场景的特征张量的秩小于预设值的条件下，基于待补全的第二风控场景的特征张量的平铺矩阵、稀疏张量以及第一风控场景的特征张量，补全第二风控场景的特征张量。其中,稀疏张量在预设范围内，可选地则是稀疏张量中的值为0的元素数量较多。
进一步地，在满足稀疏张量在预设范围内，且第二风控场景的特征张量的秩小于预设值的条件下，基于待补全的第二风控场景的特征张量的平铺矩阵、所述稀疏张量以及第一风控场景的特征张量，补全第二风控场景的特征张量，包括：首先，将待补全的第二风控场景的特征张量平铺；然后，获取平铺后的待补全的第二风控场景的特征张量的核范数、以及稀疏张量的零范式；最后，在第二风控场景的特征张量的核范数和预设倍数的稀疏张量的零范数之和最小的条件下，补全第二风控场景的特征张量。
更进一步地，在第二风控场景的特征张量的核范数和预设倍数的稀疏张量的零范式之和最小的条件下，补全第二风控场景的特征张量，包括：首先，在X+Z＝F的条件下，确定满足公式的最优解X*；然后，基于最优解X*，补全第二风控场景的特征张量；其中，X为待补全的第二风控场景的特征张量，F(X)*为平铺后的待补全的第二风控场景的特征张量的核范数，λ为预设倍数，Z为稀疏张量，F为第一风控场景的特征张量。
可选地，在补全第二风控场景的特征张量之后，此时第二风控场景的特征张量中的元素已足够多，在这种情况下，便可以基于补全后的第二风控场景的特征张量对第二风控场景中的交易业务进行判断。可选地，在补全第二风控场景的特征张量之后，便可以基于第二风控场景的特征张量对第二风控场景的业务进行处理。
进一步地，基于第二风控场景的特征张量对第二风控场景的业务进行处理，包括：首先，获取第二风控场景的待识别的交易业务的数据；然后，基于第二风控场景的特征张量对待识别的交易业务进行识别，确定出待识别的交易业务的风险分值；最后，若确定待识别的交易业务的风险分值大于或等于预设阈值，则对待识别的交易业务进行风险控制。
下面结合具体例子进行说明。
以补全后的第二风控场景的特征张量为四阶张量为例，该四阶张量所包含的四个维度的特征变量分别为交易业务中买家的地理位置、交易金额、交易的商品类型以及交易存在冲突的概率。当第二风控场景中实时产生了一条交易业务的数据之后，首先获取该交易业务的数据，所获取的交易业务的数据可以包括该交易业务买家的地理位置(比如为广西南宁)、交易金额(比如200元)、交易的商品类型(比如为假发)以及交易存在冲突的概率(比如为0.6)；然后，基于第二风控场景的特征张量，以及获取到的交易业务数据，对该交易业务进行识别，确定出该交易业务的风险分值，假设确定的该交易业务的风险分值为0.9，预设阈值为0.7，由于0.9>0.7，即该交易业务的风险分值大于预设阈值，那么就可以对该交易业务进行风险控制。
下面结合图3中具体实施流程示意图，来对本说明书一个或多个实施例提供的风控场景的特征张量的处理方法的实施过程进行说明。如图3所示，具体实施过程可以包括下述主要步骤：
步骤310，构建第一风控场景的特征张量F；
其中，第一风控场景为传统的风控场景，具备大量的历史交易业务数据，该第一风控场景的特征张量F可以基于其大量的历史交易业务数据来进行构建，具体可以首先从历史交易业务数据中提取出有效的特征变量，比如交易双方的地理位置、交易金额、交易商品类型、以及交易是否存在冲突等特征变量；然后基于这些特征变量确定出对应的交易为坏交易的条件概率；最后以提取出的不同的特征变量分布在特征张量F的不同维度上，确定出的条件概率为特征张量F的元素，即特征张量F中的各个元素表示在多个维度的特征变量下的交易为坏交易的条件概率。
步骤320，构建待补全的第二风控场景的特征张量X；
其中，待补全的第二风控场景为新的风控场景，所具备的历史交易业务数据量较少。该待补全的第二风控场景的特征张量X即基于这些少量的历史交易业务数据来构建的，构建过程与步骤310类似，这里不再赘述。应理解，由于待补全的第二风控场景中的历史交易业务数据量较少，因此，所构建的第二风控场景的特征张量X中的元素也较为稀疏。
步骤330，确定稀疏张量Z；
基于上述第一风控场景的特征张量F和待补全的第二风控场景的特征张量X，确定用于表征第一风控场景的特征张量F与待补全的第二风控场景的特征张量之间的关联关系的稀疏张量Z＝F-X。
步骤340，将F、X和Z输入优化模型中；
将F、X和Z输入优化模型中，即输入公式中，求得最优解X*。
步骤350，利用张量X的展开矩阵的核范数来近似张量X的秩；
步骤340中的F(X)*为张量X的展开矩阵的核范数，可以用该F(X)*来近似张量X的秩，以解决现有技术中直接求得张量X的秩而导致NP-hard的问题，使得上述公式能够在有限时间内可解。
步骤360，判断交易业务的风险分值。
在通过步骤350求得公式的最优解X*之后，便可以基于该最优解X*对第二风控场景中实时的交易业务进行风险分值的判断，并在确定第二风控场景中的交易业务的风险分值大于预设阈值时，对该风险分值进行控制，并作出对应的应对策略。
在对数据量较少的第二风控场景中的业务进行处理之前，由于能够获取第一风控场景的特征张量和待补全的第二风控场景的特征张量，然后基于第一风控场景的特征张量和待补全的第二风控场景的特征张量，确定用于表征第一风控场景的特征张量和待补全的第二风控场景的特征张量之间关联关系的稀疏张量，最后便可以基于待补全的第二风控场景的特征张量的平铺矩阵、稀疏张量以及第一风控场景的特征张量，补全第二风控场景的特征张量，这样在对第二风控场景中的业务进行处理，比如对交易业务进行处理时，能够基于补全后的第二风控场景的特征张量，准确地做出相应的风险评估和相应的决策。
图4是本说明书提供的风控场景特征张量的处理装置400的结构示意图。请参阅图4，在一种软件实施方式中，风控场景特征张量的处理400可以包括获取单元401、确定单元402和补全单元403，其中：
获取单元401，获取第一风控场景的特征张量和待补全的第二风控场景的特征张量；
确定单元402，基于所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量，确定稀疏张量，所述稀疏张量用于表征所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量之间的关联关系；
补全单元403，基于所述待补全的第二风控场景的特征张量的平铺矩阵、所述稀疏张量以及所述第一风控场景的特征张量，补全所述第二风控场景的特征张量。
在对数据量较少的第二风控场景中的业务进行处理之前，由于获取单元401能够获取第一风控场景的特征张量和待补全的第二风控场景的特征张量，然后确定单元402基于第一风控场景的特征张量和待补全的第二风控场景的特征张量，确定用于表征第一风控场景的特征张量和待补全的第二风控场景的特征张量之间关联关系的稀疏张量，最后补全单元403便可以基于待补全的第二风控场景的特征张量的平铺矩阵、稀疏张量以及第一风控场景的特征张量，补全第二风控场景的特征张量，这样在对第二风控场景中的业务进行处理，比如对交易业务进行处理时，能够基于补全后的第二风控场景的特征张量，准确地做出相应的风险评估和相应的决策。
可选地，在一种实施方式中，所述装置还包括：
处理单元404，基于所述第二风控场景的特征张量对所述第二风控场景的业务进行处理。
可选地，在一种实施方式中，所述获取单元401，
获取所述第一风控场景的历史交易数据和所述待补全的第二风控场景的历史交易数据；
基于所述第一风控场景的历史交易数据，构建所述第一风控场景的特征张量；
基于所述待补全的第二风控场景的历史交易数据，构建所述待补全的第二风控场景的特征张量。
可选地，在一种实施方式中，所述补全单元403，
在满足所述稀疏张量在预设范围内，且所述第二风控场景的特征张量的秩小于预设值的条件下，基于所述待补全的第二风控场景的特征张量的平铺矩阵、所述稀疏张量以及所述第一风控场景的特征张量，补全所述第二风控场景的特征张量。
进一步地，在一种实施方式中，所述补全单元403，
将所述待补全的第二风控场景的特征张量平铺；
获取所述平铺后的待补全的第二风控场景的特征张量的核范数、以及所述稀疏张量的零范式；
在所述第二风控场景的特征张量的核范数和预设倍数的所述稀疏张量的零范数之和最小的条件下，补全所述第二风控场景的特征张量。
更进一步地，在一种实施方式中，所述补全单元403，
在X+Z＝F的条件下，确定满足公式的最优解X*；
基于所述最优解X*，补全所述待补全的第二风控场景的特征张量；
其中，所述X为所述待补全的第二风控场景的特征张量，所述F(X)_*为平铺后的所述待补全的第二风控场景的特征张量的核范数，所述λ为所述预设倍数，所述Z为所述稀疏张量，所述F为所述第一风控场景的特征张量。
可选地，在一种实施方式中，所述处理单元404，
获取所述第二风控场景的待识别的交易业务的数据；
基于所述第二风控场景的特征张量对所述待识别的交易业务进行识别，确定出所述待识别的交易业务的风险分值；
若确定所述待识别的交易业务的风险分值大于或等于预设阈值，则对所述待识别的交易业务进行风险控制。
风控场景特征张量的处理装置400能够实现图1～图2的方法实施例的方法，具体可参考图1所示实施例的风控场景特征张量的处理方法，不再赘述。
图5是本说明书的一个实施例电子设备的结构示意图。请参考图5，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成基于资源对象选择资源增值对象的装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取第一风控场景的特征张量和待补全的第二风控场景的特征张量；
基于所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量，确定稀疏张量，所述稀疏张量用于表征所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量之间的关联关系；
基于所述待补全的第二风控场景的特征张量的平铺矩阵、所述稀疏张量以及所述第一风控场景的特征张量，补全所述第二风控场景的特征张量。
上述如本说明书图1所示实施例揭示的风控场景特征张量的处理方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书一个或多个实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书一个或多个实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述对账方法的步骤。
该电子设备还可执行图1的风控场景特征张量的处理方法，本说明书在此不再赘述。
当然，除了软件实现方式之外，本说明书的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
总之，以上所述仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的保护范围之内。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (10)

1.一种风控场景特征张量的处理方法，包括：
获取第一风控场景的特征张量和待补全的第二风控场景的特征张量；
基于所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量，确定稀疏张量，所述稀疏张量用于表征所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量之间的关联关系；
基于所述待补全的第二风控场景的特征张量的平铺矩阵、所述稀疏张量以及所述第一风控场景的特征张量，补全所述第二风控场景的特征张量。
2.如权利要求1所述的方法，所述方法还包括：
基于所述第二风控场景的特征张量对所述第二风控场景的业务进行处理。
3.如权利要求1所述的方法，获取第一风控场景的特征张量和待补全的第二风控场景的特征张量，包括：
获取所述第一风控场景的历史交易数据和所述待补全的第二风控场景的历史交易数据；
基于所述第一风控场景的历史交易数据，构建所述第一风控场景的特征张量；
基于所述待补全的第二风控场景的历史交易数据，构建所述待补全的第二风控场景的特征张量。
4.如权利要求1～3中任一所述的方法，基于所述待补全的第二风控场景的特征张量的平铺矩阵、所述稀疏张量以及所述第一风控场景的特征张量，补全所述第二风控场景的特征张量，包括：
在满足所述稀疏张量在预设范围内，且所述第二风控场景的特征张量的秩小于预设值的条件下，基于所述待补全的第二风控场景的特征张量的平铺矩阵、所述稀疏张量以及所述第一风控场景的特征张量，补全所述第二风控场景的特征张量。
5.如权利要求4所述的方法，在满足所述稀疏张量在预设范围内，且所述第二风控场景的特征张量的秩小于预设值的条件下，基于所述待补全的第二风控场景的特征张量的平铺矩阵、所述稀疏张量以及所述第一风控场景的特征张量，补全所述第二风控场景的特征张量，包括：
将所述待补全的第二风控场景的特征张量平铺；
获取所述平铺后的待补全的第二风控场景的特征张量的核范数、以及所述稀疏张量的零范式；
在所述第二风控场景的特征张量的核范数和预设倍数的所述稀疏张量的零范数之和最小的条件下，补全所述第二风控场景的特征张量。
6.如权利要求5所述的方法，在所述第二风控场景的特征张量的核范数和预设倍数的所述稀疏张量的零范式之和最小的条件下，补全所述第二风控场景的特征张量，包括：
在X+Z＝F的条件下，确定满足公式的最优解X*；
基于所述最优解X*，补全所述第二风控场景的特征张量；
其中，所述X为所述待补全的第二风控场景的特征张量，所述F(X)*为平铺后的所述待补全的第二风控场景的特征张量的核范数，所述λ为所述预设倍数，所述Z为所述稀疏张量，所述F为所述第一风控场景的特征张量。
7.如权利要求2中任一所述的方法，基于所述第二风控场景的特征张量对所述第二风控场景的业务进行处理，包括：
获取所述第二风控场景的待识别的交易业务的数据；
基于所述第二风控场景的特征张量对所述待识别的交易业务进行识别，确定出所述待识别的交易业务的风险分值；
若确定所述待识别的交易业务的风险分值大于或等于预设阈值，则对所述待识别的交易业务进行风险控制。
8.一种风控场景特征张量的处理装置，包括：
获取单元，获取第一风控场景的特征张量和待补全的第二风控场景的特征张量；
确定单元，基于所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量，确定稀疏张量，所述稀疏张量用于表征所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量之间的关联关系；
补全单元，基于所述待补全的第二风控场景的特征张量的平铺矩阵、所述稀疏张量以及所述第一风控场景的特征张量，补全所述第二风控场景的特征张量。
9.一种电子设备，该电子设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
获取第一风控场景的特征张量和待补全的第二风控场景的特征张量；
基于所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量，确定稀疏张量，所述稀疏张量用于表征所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量之间的关联关系；
基于所述待补全的第二风控场景的特征张量的平铺矩阵、所述稀疏张量以及所述第一风控场景的特征张量，补全所述第二风控场景的特征张量。
10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：
获取第一风控场景的特征张量和待补全的第二风控场景的特征张量；
基于所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量，确定稀疏张量，所述稀疏张量用于表征所述第一风控场景的特征张量和所述待补全的第二风控场景的特征张量之间的关联关系；
基于所述待补全的第二风控场景的特征张量的平铺矩阵、所述稀疏张量以及所述第一风控场景的特征张量，补全所述第二风控场景的特征张量。
CN201810720145.7A 2018-07-03 2018-07-03 一种风控场景特征张量的处理方法、装置及电子设备 Active CN109063967B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810720145.7A CN109063967B (zh) 2018-07-03 2018-07-03 一种风控场景特征张量的处理方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810720145.7A CN109063967B (zh) 2018-07-03 2018-07-03 一种风控场景特征张量的处理方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN109063967A true CN109063967A (zh) 2018-12-21
CN109063967B CN109063967B (zh) 2021-08-27

Family

ID=64818556

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810720145.7A Active CN109063967B (zh) 2018-07-03 2018-07-03 一种风控场景特征张量的处理方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN109063967B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110348519A (zh) * 2019-07-12 2019-10-18 深圳众赢维融科技有限公司 金融产品欺诈团伙的识别方法和装置
CN110855773A (zh) * 2019-11-09 2020-02-28 北京工业大学 一种Web中面向服务环境中的基于张量的信任评估方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105279964A (zh) * 2015-08-07 2016-01-27 北京工业大学 一种基于低秩算法的路网交通数据的补全方法
CN106295382A (zh) * 2015-05-20 2017-01-04 阿里巴巴集团控股有限公司 一种信息风险防控方法及装置
CN107169520A (zh) * 2017-05-19 2017-09-15 济南浪潮高新科技投资发展有限公司 一种大数据缺失属性补全方法
CN107220211A (zh) * 2016-12-14 2017-09-29 北京理工大学 一种融合张量填充和张量恢复的数据重建方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295382A (zh) * 2015-05-20 2017-01-04 阿里巴巴集团控股有限公司 一种信息风险防控方法及装置
CN105279964A (zh) * 2015-08-07 2016-01-27 北京工业大学 一种基于低秩算法的路网交通数据的补全方法
CN107220211A (zh) * 2016-12-14 2017-09-29 北京理工大学 一种融合张量填充和张量恢复的数据重建方法
CN107169520A (zh) * 2017-05-19 2017-09-15 济南浪潮高新科技投资发展有限公司 一种大数据缺失属性补全方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JOHN WRIGHT等: "Robust Principal Component Analysis:Exact Recovery of Corrupted Low-Rank Matrices via Convex Optimization", 《ARXIV》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110348519A (zh) * 2019-07-12 2019-10-18 深圳众赢维融科技有限公司 金融产品欺诈团伙的识别方法和装置
CN110855773A (zh) * 2019-11-09 2020-02-28 北京工业大学 一种Web中面向服务环境中的基于张量的信任评估方法
CN110855773B (zh) * 2019-11-09 2023-03-31 北京工业大学 一种Web中面向服务环境中的基于张量的信任评估方法

Also Published As

Publication number Publication date
CN109063967B (zh) 2021-08-27

Similar Documents

Publication Publication Date Title
CN108595157B (zh) 区块链数据的处理方法、装置、设备和存储介质
CN110597730B (zh) 基于场景法的自动化测试用例生成方法及系统
CN107424069A (zh) 一种风控特征的生成方法、风险监控方法及设备
CN107644286A (zh) 工作流处理方法及装置
US20200175403A1 (en) Systems and methods for expediting rule-based data processing
CN110009365B (zh) 非正常转移电子资产的用户群体检测方法、装置和设备
CN108550046A (zh) 一种资源和营销推荐方法、装置及电子设备
CN108647075A (zh) 应用页面的Listview刷新方法、装置和电子设备
CN110363644A (zh) 异常信息识别方法、装置、计算机设备及存储介质
US11461503B2 (en) Service processing method and apparatus
CN110503435A (zh) 基于区块链的交易预警方法、装置及设备
CN109993646A (zh) 会计分录信息确定方法及装置、账务数据记录方法及装置
CN107451868A (zh) 一种物品估价的方法及装置
CN109146493A (zh) 消费数据处理方法及装置
CN110675249A (zh) 网络借贷的匹配方法、装置、服务器和存储介质
CN107070871A (zh) 一种身份验证的方法及装置
CN110874786B (zh) 虚假交易团伙识别方法、设备及计算机可读介质
TWI713019B (zh) 資料標籤產生、模型訓練、事件識別方法和裝置
CN109063967A (zh) 一种风控场景特征张量的处理方法、装置及电子设备
CN111582872A (zh) 异常账号检测模型训练、异常账号检测方法、装置及设备
CN110263816B (zh) 一种企业的分类方法以及装置
CN109598478B (zh) 一种风测结果描述文案的生成方法、装置及电子设备
CN112580915A (zh) 一种项目里程碑确定方法、装置、存储介质及电子设备
CN109542775A (zh) 一种测试脚本的生成和执行方法及装置
CN109740336A (zh) 一种图片中的验证信息的识别方法、装置及电子设备

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200922

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200922

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

GR01 Patent grant
GR01 Patent grant