CN109102303B - 风险检测方法和相关装置 - Google Patents
风险检测方法和相关装置 Download PDFInfo
- Publication number
- CN109102303B CN109102303B CN201810687379.6A CN201810687379A CN109102303B CN 109102303 B CN109102303 B CN 109102303B CN 201810687379 A CN201810687379 A CN 201810687379A CN 109102303 B CN109102303 B CN 109102303B
- Authority
- CN
- China
- Prior art keywords
- address
- verified
- hierarchical
- existing
- cluster
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims description 21
- 230000011218 segmentation Effects 0.000 claims description 15
- 238000012163 sequencing technique Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 5
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 4
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004884 risky behavior Effects 0.000 description 1
Images
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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0609—Buyer or seller confidence or verification
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Small-Scale Networks (AREA)
Abstract
本发明实施例公开了一种风险检测方法和相关装置,其中方法包括:获取第一用户的待验证地址;将待验证地址与已有地址分团进行匹配,并根据匹配结果对待验证地址的进行实时分团,已有地址分团中包含多个分级地址;根据待验证地址的地址分团结果,确定第一用户是否为风险用户。本发明实施例通过将用户的待验证地址与已有地址分团进行匹配,进而对用户的待验证地址进行实时分团,提升了对用户待验证地址的分团效率,进而提升了风险判定的效率。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及一种风险检测方法和相关装置。
背景技术
随着科技和经济的快速发展,手机、平板电脑和智能可穿戴设备等电子产品已经成为人们工作和生活中不可获取的一部分,人们也越来越习惯通过电子产品进行线上金融活动和交易活动。在线上金融或交易活动中,通过用户的历史数据对用户风险性进行识别,是非常有效的手段。其中,利用用户填写的收货地址对地址进行分团,是一种判断非法中介团体或欺诈团伙的常用方式。但是,在对用户的地址进行分团的过程中,由于实时性和灵活性低,使得这种风险判断方法的有效性大大降低,如何从海量的对海量的用户地址数据进行处理,使得服务器能够实时地、快速有效地判定用户的风险性,是一个值得研究的问题。
发明内容
本发明实施例提供了一种风险检测方法及相关装置,以期通过将用户的待验证地址与已有地址分团进行匹配,进而对用户的待验证地址进行实时分团,提升了对用户待验证地址的分团效率,进而提升了风险判定的效率。
第一方面,本发明实施例提供一种风险检测方法,所述风险检测方法包括:
获取第一用户的待验证地址;
将待验证地址与已有地址分团进行匹配,并根据匹配结果对所述待验证地址的进行实时分团,所述已有地址分团中包含多个分级地址;
根据所述待验证地址的地址分团,确定所述第一用户是否为风险用户。
在可选情况下,将待验证地址与已有地址分团进行匹配之前,包括建立已有地址分团,具体包括:
获取多个地址信息;
将所述多个地址信息进行分词处理,获得多个不重复的分级地址;
将所述分级地址按照范围由大到小进行地址排序,同一范围的地址为同一地址排序;
根据所述地址排序生成地址范围由大到小的树形结构,将所述多级地址存储在弹性搜索ES框架中,并根据所述多个地址信息建立索引;
每一个索引路径中的分级地址对应生成一个已有地址分团。
在可选情况下,所述将待验证地址与已有地址分团进行匹配,并根据匹配结果对所述待验证地址的进行实时分团,包括:
将所述待验证地址进行所述分词处理,获得待验证分级地址;
按照所述索引路径将所述待验证分级地址与所述已有地址分团的分级地址进行同一分级的匹配;
获取所述待验证分级地址与所述已有地址分团的分级地址匹配成功率,当所述匹配成功率大于第一预设阈值,则确定所述待验证分级地址与所述已有地址分团的分级地址匹配成功;
当所述待验证地址的分级地址与所述已有地址分团的分级地址匹配成功率大于第二预设阈值时,确定所述待验证地址属于所述已有地址分团。
在可选情况下,所述将所述待验证分级地址与所述已有地址分团的分级地址进行同一分级的匹配后,还包括:
确定所述待验证分级地址的分级数量少于所述已有地址分团的分级地址的分级数量;
当所述待验证分级地址与所述已有地址分团的后序分级地址匹配成功时,将所述已有地址分团中与所述后序分级地址唯一关联的前序分级地址补充入所述待验证分级地址对应的待验证地址,获得补全的待验证地址;
获取所述补全的待验证地址与所述已有地址分团的匹配成功率,若所述匹配成功率大于第二预设阈值,则确定所述待验证地址属于所述已有地址分团。
在可选情况下,在获取所述待验证分级地址与所述已有地址分团的分级地址匹配成功率后,所述方法还包括:
确定所述匹配成功率小于第二预设阈值;
获取与所述已有地址分团的分级地址匹配失败的待验证地址的分级地址,确定为未分团分级地址;
获取所述未分团分级地址对应的地址排序;
将所述未分团分级地址按照所述地址排序存储到所述ES框架中;
建立由与所述已有地址分团匹配成功的分级地址到所述未分团分级地址的索引路径,形成新的已有地址分团。
在可选情况下,所述根据所述待验证地址的地址分团结果,确定所述第一用户是否为风险用户,包括:
获取在预设时间段内用户地址与所述待验证地址划分在同一已有地址分团中的用户数量;
当所述用户数量大于第三预设阈值时,判定所述第一用户为风险用户。
在可选情况下,所述方法还包括:
对获取到的地址信息进行预处理,包括清除重复字段,更正错误字段或填补缺失字段,所述获取到的地址信息包括所述多个地址信息和所述待验证地址。
第二方面,本申请提供一种风险检测装置,所述风险检测装置包括:
数据获取单元,用于获取第一用户的待验证地址;
地址分团单元,用于将待验证地址与已有地址分团进行匹配,并根据匹配结果确定所述待验证地址的地址分团,所述已有地址分团中包含多个分级地址;
风险判定单元,用于根据所述待验证地址的地址分团结果,确定所述第一用户是否为风险用户。
第三方面,本发明实施例提供一种电子装置,包括处理器、存储器、通信接口,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行第一方面任一方法中的步骤的指令。
第四方面,本发明实施例提供了一种计算机可读存储介质,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行第一方面任一方法所述的步骤的指令。
可以看出,本发明实施例中,电子装置首先获取第一用户的待验证地址,然后将待验证地址与已有地址分团进行匹配,并根据匹配结果对待验证地址的进行实时分团,最后根据待验证地址的地址分团结果,确定第一用户是否为风险用户。将待验证地址与已有地址分团进行匹配,并根据匹配结果获得待验证地址的分团结果,这个过程很大程度地提升了地址分团的实时性,而已有地址分团中包含多个分级地址,使得将待验证地址与已有地址分团进行匹配时,提升了匹配准确率。这也进一步提升了根据用户的待验证地址分团结果判定用户的风险性的效率和准确性。
附图说明
下面将对本发明实施例所涉及到的附图作简单地介绍。
图1A是本发明实施例提供的一种风险检测方法流程示意图;
图1B是本发明实施例提供的一种分级地址树形结构示意图;
图1C是本发明实施例提供的一种分级地址匹配过程示意图;
图1D是本发明实施例提供的一种未分团分级地址处理示意图;
图2是本发明实施例提供的一种待验证地址匹配方法流程示意图;
图3是本发明实施例提供的一种更新已有地址分团的方法流程示意图;
图4是本发明实施例提供的另一种风险检测方法流程示意图;
图5是本发明实施例提供的一种电子装置示意图;
图6是本发明实施例提供的一种风险检测装置的功能单元组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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作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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明实施例所涉及到的电子装置可以包括各种具有无线通信功能的手持设备、车载设备、计算设备或连接到无线调制解调器的其他处理设备,以及各种形式的用户设备(User Equipment,UE),移动台(Mobile Station,MS),终端设备(Terminal Device)等等。为方便描述,上面提到的设备统称为电子装置。当然,本发明实施例中的电子装置可以配置一些外围配件,例如,屏幕保护膜、保护套等等。本发明实施例中的电子装置至少可以包括处理器,以及与处理器连接的电池。上述处理器可以集成Sensor Hub模块,或者,电子装置可以包含Sensor Hub模块,可以通过处理器控制Sensor Hub模块完成下述本发明实施例。
下面对本发明实施例进行详细介绍。
请参阅图1A,图1A是本发明实施例提供的一种风险检测方法流程示意图,如图1A所示,该风险检测方法包括如下步骤:
步骤101、获取第一用户的待验证地址。
在互联网时代,人们的许多交易活动都在网络上进行。例如购物活动或礼物兑换活动等,在这个过程中,需要注册用户填写地址。但是,网络中有一些风险行为,例如网店刷单行为、中介公司套现行为,或者有组织的诈骗活动,这些注册用户在注册地址时,有很大可能填写相同或相近的地址,因此,通过识别用户群体的地址分团,可以有助于判断该用户群体是否是风险用户。
获取到的用户地址是一串字符,如果用户是手写输入或键盘输入,都有可能输入有误的地址。在可选的实施例中,对获取到的地址信息进行预处理,包括清除重复字段,更正错误字段或填补缺失字段,获取到的地址信息包括多个地址信息和待验证地址。
例如获取到的第一用户的待验证地址为“北京市海定区万寿路翠微路社区”,对该待验证地址进行预处理,将待验证地址字段与正确的地址数据库进行对比,并根据正确的数据库对待验证地址字段进行更正,其中“海定区”更正为“海淀区”,“万寿路”补充为“万寿路街道”,最后获得处理后的待验证地址为“北京市海淀区万寿路街道翠微路社区”。
步骤102、将待验证地址与已有地址分团进行匹配,并根据匹配结果对所述待验证地址的进行实时分团,所述已有地址分团中包含多个分级地址。
具体地,分团原本是指图论中的非确定性多项式完备问题(Non-deterministicPolynomialComplete,NPC),表现中图论中为列举图中所有k个点的子集合。在本申请中,分团是指所有地址组成的树形结构中,实际地址形成的连接方式。将待验证地址与已有地址分团进行匹配,如果匹配成功,则获得该待验证地址的分团结果,这种实时分团过程使得通过地址进行用户风险判断的效率大大提高。因为地址通常是范围从小到大进行描述的,例如“XX省XX市XX区XX街道”,那么地址分团中也会包含多个分级地址,在将待验证地址进行分团的时候,与多个分级地址进行一一匹配,可以提升匹配的准确度。
可选的,在将待验证地址与已有地址分团进行匹配之前,需要建立已有地址分团,具体过程包括:获取多个地址信息;将多个地址信息进行分词处理,获得多个不重复的分级地址;将分级地址按照范围由大到小进行地址排序,同一范围的地址为同一地址排序;根据地址排序生成地址范围由大到小的树形结构,将多级地址存储在ES框架中,并根据多个地址信息建立索引;每一个索引路径中的分级地址对应生成一个已有地址分团。
具体地,对获取到的多个地址信息进行分团,地址信息可以来自交易平台注册用户,或者网络地址收集,或者标准地址数据库等,将获取到的多个地址信息进行分词处理,分词时可以采用贪心算法,获得局部最优解,尽可能多的获得完整的分级地址,然后将分级地址按照范围由大到小进行排序,这个过程如表1所示:
表1地址分级排序表
获得如表1的地址分级和排序后,构建地址树形图,请参阅图1B,图1B为本发明实施例提供的一种分级地址树形结构示意图,如图1B所示,根据地址排序生成地址范围由大到小的树形结构,并按照原获取到的地址信息建立索引,即按照已有地址信息形成树形连接关系。每一个索引路径连接的分级地址对应一个已有地址分团,对应为图1B中的已有地址分团1、已有地址分团2、已有地址分团3和已有地址分团4。弹性搜索(Elastic search,ES)框架是一个分布式多用户能力的全文搜索引擎,它的索引分片可以把一个完整的索引分成多个分片,这样的好处是可以把一个大的索引拆分成多个,分布到不同的节点上,形成分布式索引,大大提升索引的效率。因此将形成的树形结构和索引都存储到ES框架中。
可见,在本申请实施例中,根据地址范围从大到小进行排序,并根据排序结果建立已有地址分团树形结构,可以提升后续待验证地址与已有地址分团进行分级地址匹配的效率和准确性,并且由于ES框架是分布式框架,可以极大地提升交互效率,有助于提升用户待验证地址进行分团的实时性。
可选的,将待验证地址与已有地址分团进行匹配,并根据匹配结果对待验证地址的进行实时分团,包括:将待验证地址进行分词处理,获得待验证分级地址;按照索引路径将待验证分级地址与已有地址分团的分级地址进行同一分级的匹配;若待验证分级地址与已有地址分团的分级地址的匹配率大于第一预设阈值,则确定待验证分级地址与已有地址分团的分级地址匹配成功;获取所述待验证分级地址与所述已有地址分团的分级地址匹配成功率,当所述匹配成功率大于第二预设阈值时,确定待验证地址属于已有地址分团。
具体地,当获取到用户的待验证地址后,也需要进行与建立已有地址分团是同样的分词处理,获得待验证分级地址,如表2所示:
表2待验证地址的分级表
将待验证分级地址按照索引路径与已有地址分团的分级地址进行同一分级的匹配,即表2中的四个分级与表1中的四个分级进行匹配,匹配路径请参阅图1C,图1C为本发明实施例提供的一种分级地址匹配过程示意图,如图1C所示,待验证分级地址与已有地址分团按照①-②-③的索引路径进行匹配,且在排序一、排序二和排序三的分级时,两者的匹配率分别为100%,在排序四时,表2中的“社区/楼/单元”包含三个参数,社区、楼栋和单元,其中社区和楼栋匹配成功,单元匹配失败,两者的匹配率为:参数匹配成功个数/待验证分级中的参数个数*100%=2/3*100%=66.6%,设置第一预设阈值为60%,由于66.6%>60%,那么可确定在排序四对应的分级中,待验证分级地址与已有地址分团的分级地址匹配成功。表2中的待验证分级地址总共有4个,与表1中的已有地址分团的分级地址匹配成功的为4个,那么待验证地址的分级地址与已有地址分团的分级地址匹配成功率为:匹配成功的分级个数/待验证的分级个数*100%=100%,设置第二预设阈值为90%,因为100%>90%,则确定待验证地址属于已有地址分团。
可选的,从上述实施例可以推论,如果表1中的社区与表2中的社区匹配失败,那么楼栋单元的匹配实际上已经失去了意义,而如果社区匹配成功,那么基本可以判定两个分级地址匹配成功。因为在这一分级中,社区的参数属于决定性参数,因此,为该参数设置更大的权重值。那么:待验证分级的匹配率=(α.参数一的匹配值+β.参数二的匹配值+…+γ.参数N的匹配值)/(α+β+…γ),
可选的,将待验证分级地址与已有地址分团的分级地址进行同一分级的匹配后,还包括:确定所述待验证分级地址的分级数量少于所述已有地址分团的分级地址的分级数量;当待验证分级地址与已有地址分团的后序分级地址匹配成功时,将已有地址分团中与所述后序分级地址唯一关联的前序分级地址补充入待验证分级地址对应的待验证地址,获得补全的待验证地址;获取补全的待验证地址与已有地址分团的匹配成功率,若匹配成功率大于第二预设阈值,则确定待验证地址属于已有地址分团。
例如接收到的待验证地址为“北京市AA街道BB社区”,与表1中序列一已经匹配成功,与表1中序列三也匹配成功,在北京市-AA街道这一索引路径中,只有海淀区有AA街道,即海淀区与AA街道唯一关联,那么可以补全该条待验证地址,为“北京市海淀区AA街道BB社区”,然后根据这个地址计算待验证地址与所述已有地址分团的匹配成功率。
可选的,在获取所述待验证分级地址与所述已有地址分团的分级地址匹配成功率后,处理方法还包括:确定匹配成功率小于第二预设阈值;获取与已有地址分团的分级地址匹配失败的待验证地址的分级地址,确定为未分团分级地址;获取未分团分级地址对应的地址排序;将未分团分级地址按照地址排序存储到ES框架中;建立由与已有地址分团匹配成功的分级地址到未分团分级地址的索引路径,形成新的已有地址分团。
例如在上述实施例中,如果表2中的待验证地址为“北京市海淀区AA街道TT社区Z栋2单元”,那么待验证地址的排序四分级地址与已有分团的排序四分级地址的匹配率为1/3*100%=33.3%,小于第一预设阈值,确定待验证地址的排序四分级地址与已有分团的排序四分级地址匹配失败,待验证地址的分级地址与已有地址分团的分级地址匹配成功率为:3/4*100%=75%,小于第二预设阈值,该待验证地址与已有地址分团匹配失败,将匹配失败的分级地址,“TT社区Z栋2单元”按照地址排序存储到ES框架中,请参阅图1D,图1D为本发明实施例提供的一种未分团分级地址处理示意图,如图1D所示,将“TT社区Z栋2单元”置于树形结构排序四的层级中,并且根据前述已匹配成功的分级地址“北京市海淀区AA街道”建立索引路径,形成新的已有分团地址5。
可见,在本申请实施例中,通过对待验证地址进行分级处理,获得待验证分级地址,然后将待验证分级地址与已有地址分团的分级地址进行同一分级的对应匹配,综合各个分级的匹配成功率,获得待验证地址与已有地址分团的匹配率,确定待验证地址的分团结果。这使得待验证地址的分团效率大大提高,增加了实时分团的效果。另外,对于获取到的不完整待验证地址,根据该待验证地址与已有地址分团的匹配结果进行补全,这极大地提升了待验证地址的分团准确率。而对于与已有地址分团匹配失败的分级地址,建立新的分级地址并按照匹配成功部分的分级地址,建立索引,形成新的已有地址分团。使得已有地址分团得到扩展和更新,提升了待验证地址分团的完整性。
步骤103、根据所述待验证地址的地址分团结果,确定所述第一用户是否为风险用户。
将待验证地址进行地址分团,其目的是为了确定待验证地址对应的第一用户是否为风险用户。获得第一用户的地址分团结果后,如果该分团是风险分团,则第一用户存在风险,或者,由于第一用户的地址加入,使得该分团显现了某种风险,则确定第一用户为风险用户。
可选的,根据待验证地址的地址分团结果,确定第一用户是否为风险用户,包括:获取在预设时间段内用户地址与待验证地址划分在同一已有地址分团中的用户数量;当用户数量大于第三预设阈值时,判定第一用户为风险用户。
具体地,例如预设时间段为1天,在一天内,与第一用户的待验证地址划分在同一已有地址分团中的用户数量为100人,而该天内其他划分在同一分团的用户数量平均值为3人,设置第三预设阈值为10,100>10,明显第一用户所在的地址分团存在问题,可以将第一用户判定为风险用户。为了进一步确认,还可获取第一用户的设备信息,例如wifi名称,物理地址,好友列表等,如果第一用户的设备信息与其划分在同一地址分团中的用户的设备信息存在关联,则可以进一步判定这是一个风险团体,将第一用户确定为风险用户。
可见,在本发明实施例中,电子装置首先获取第一用户的待验证地址,然后将待验证地址与已有地址分团进行匹配,并根据匹配结果对待验证地址的进行实时分团,最后根据待验证地址的地址分团结果,确定第一用户是否为风险用户。将待验证地址与已有地址分团进行匹配,并根据匹配结果获得待验证地址的分团结果,这个过程很大程度地提升了地址分团的实时性,而已有地址分团中包含多个分级地址,使得将待验证地址与已有地址分团进行匹配时,提升了匹配准确率。这也进一步提升了根据用户的待验证地址分团结果判定用户的风险性的效率和准确性。
请参阅图2,图2是本发明实施例提供的一种待验证地址匹配方法流程示意图,如图2所示,所述待验证地址匹配方法包括如下步骤:
步骤201、将所述待验证地址进行所述分词处理,获得待验证分级地址;
步骤202、按照所述索引路径将所述待验证分级地址与所述已有地址分团的分级地址进行同一分级的匹配;
步骤203、若所述待验证分级地址的分级数量少于所述已有地址分团的分级地址的分级数量,执行步骤206,否则执行步骤204;
步骤204、若所述待验证分级地址与所述已有地址分团的分级地址的匹配率大于第一预设阈值,则确定所述待验证分级地址与所述已有地址分团的分级地址匹配成功;
步骤205、获取所述待验证分级地址与所述已有地址分团的分级地址匹配成功率,执行步骤208;
步骤206、当所述待验证分级地址与所述已有地址分团的后序分级地址匹配成功时,将所述已有地址分团中与所述后序分级地址唯一关联的前序分级地址补充入所述待验证分级地址对应的待验证地址,获得补全的待验证地址;
步骤207、获取所述补全的待验证地址与所述已有地址分团的匹配成功率,执行步骤208;
步骤208、若所述匹配成功率大于第二预设阈值,则确定所述待验证地址属于所述已有地址分团。
在本发明实施例中,通过对待验证地址进行分级处理,获得待验证分级地址,然后将待验证分级地址与已有地址分团的分级地址进行同一分级的对应匹配,综合各个分级的匹配成功率,获得待验证地址与已有地址分团的匹配率,确定待验证地址的分团结果。这使得待验证地址的分团效率大大提高,增加了实时分团的效果。另外,对于获取到的不完整待验证地址,根据该待验证地址与已有地址分团的匹配结果进行补全,这极大地提升了待验证地址的分团准确率。。
请参阅图3,图3是本发明实施例提供的一种更新已有地址分团的方法流程示意图,如图3所示,所述更新已有地址分团的方法包括如下步骤:
步骤301、获取所述待验证分级地址与所述已有地址分团的分级地址匹配成功率;
步骤302、确定所述匹配成功率小于第二预设阈值;
步骤303、获取与所述已有地址分团的分级地址匹配失败的待验证地址的分级地址,确定为未分团分级地址;
步骤304、获取所述未分团分级地址对应的地址排序;
步骤305、将所述未分团分级地址按照所述地址排序存储到所述ES框架中;
步骤306、建立由与所述已有地址分团匹配成功的分级地址到所述未分团分级地址的索引路径,形成新的已有地址分团。
在本发明实施例中,通过获取待验证分级地址中匹配失败的分级地址,确定为为分团分级地址,然后将为分团分级地址按照地址排序存储到已有地址分团中,并且与待验证分级地址中匹配成功的分级地址建立新的索引路径,进而形成新的已有地址分团,更新了原本的已有地址分团,提升了已有地址分团的实时性和完整性。
请参阅图4,图4是本发明实施例提供的另一种风险检测方法流程示意图,如图4所示,所述风险检测方法包括:
步骤401、获取多个地址信息;
步骤402、将所述多个地址信息进行分词处理,获得多个不重复的分级地址;
步骤403、将所述分级地址按照范围由大到小进行地址排序,同一范围的地址为同一地址排序;
步骤404、根据所述地址排序生成地址范围由大到小的树形结构,将所述多级地址存储在ES框架中,并根据所述多个地址信息建立索引;
步骤405、每一个索引路径中的分级地址对应生成一个已有地址分团;
步骤406、将第一用户的待验证地址与已有地址分团进行匹配,并根据匹配结果对所述待验证地址的进行实时分团,所述已有地址分团中包含多个分级地址;
步骤407、获取在预设时间段内用户地址与所述待验证地址划分在同一已有地址分团中的用户数量;
步骤408、当所述用户数量大于第三预设阈值时,则判定所述第一用户为风险用户。
在本发明实施例中,对于与已有地址分团匹配失败的待验证分级地址,将其按照分级地址对应排序存储在原本的已有地址分团结构树中,并根据该待验证地址与分级地址的存储位置,建立索引,形成新的已有地址分团。最后,获取在预设时间段内用户地址与第一用户的待验证地址划分在同一已有地址分团中的用户数量,如果用户数量大于第三预设阈值,则判断第一用户为风险用户。在这个过程中,更新了原本的已有地址分团,提升了已有地址分团的实时性和完整性,同时通过验证同一地址分团中的用户数量,判断用户是否为风险用户,保证了风险用户判断的准确性。
如上述一致地,请参阅图5,图5是本发明实施例提供的一种电子装置的结构示意图,如图5所示,该电子装置包括处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行以下步骤的指令:
获取第一用户的待验证地址;
将待验证地址与已有地址分团进行匹配,并根据匹配结果对所述待验证地址的进行实时分团,所述已有地址分团中包含多个分级地址;
根据所述待验证地址的地址分团结果,确定所述第一用户是否为风险用户。
可以看出,本发明实施例中,电子装置首先获取第一用户的待验证地址,然后将待验证地址与已有地址分团进行匹配,并根据匹配结果对待验证地址的进行实时分团,最后根据待验证地址的地址分团结果,确定第一用户是否为风险用户。将待验证地址与已有地址分团进行匹配,并根据匹配结果获得待验证地址的分团结果,这个过程很大程度地提升了地址分团的实时性,而已有地址分团中包含多个分级地址,使得将待验证地址与已有地址分团进行匹配时,提升了匹配准确率。这也进一步提升了根据用户的待验证地址分团结果判定用户的风险性的效率和准确性。
上述主要从方法侧执行过程的角度对本发明实施例的方案进行了介绍。可以理解的是,电子装置为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所提供的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本发明实施例可以根据上述方法示例对电子装置进行功能单元的划分,例如,可以对应各个功能划分各个功能单元,也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。需要说明的是,本发明实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
图6是本发明实施例中所涉及的风险检测装置600的功能单元组成框图。该风险检测装置600应用于电子装置,该风险检测装置600包括:
数据获取单元601,用于获取第一用户的待验证地址;
地址分团单元602,用于将待验证地址与已有地址分团进行匹配,并根据匹配结果确定所述待验证地址的地址分团,所述已有地址分团中包含多个分级地址;
风险判定单元603,用于根据所述待验证地址的地址分团结果,确定所述第一用户是否为风险用户。
可以看出,本发明实施例中,电子装置首先获取第一用户的待验证地址,然后将待验证地址与已有地址分团进行匹配,并根据匹配结果对待验证地址的进行实时分团,最后根据待验证地址的地址分团结果,确定第一用户是否为风险用户。将待验证地址与已有地址分团进行匹配,并根据匹配结果获得待验证地址的分团结果,这个过程很大程度地提升了地址分团的实时性,而已有地址分团中包含多个分级地址,使得将待验证地址与已有地址分团进行匹配时,提升了匹配准确率。这也进一步提升了根据用户的待验证地址分团结果判定用户的风险性的效率和准确性。
在一个可能的示例中,所述风险检测装置包括分团建立单元604,具体用于:
获取多个地址信息;
将所述多个地址信息进行分词处理,获得多个不重复的分级地址;
将所述分级地址按照范围由大到小进行地址排序,同一范围的地址为同一地址排序;
根据所述地址排序生成地址范围由大到小的树形结构,将所述多级地址存储在ES框架中,并根据所述多个地址信息建立索引;
每一个索引路径中的分级地址对应生成一个已有地址分团。
在一个可能的示例中,所述地址分团单元602具体用于:
将所述待验证地址进行所述分词处理,获得待验证分级地址;
按照所述索引路径将所述待验证分级地址与所述已有地址分团的分级地址进行同一分级的匹配;
若所述待验证分级地址与所述已有地址分团的分级地址的匹配率大于第一预设阈值,则确定所述待验证分级地址与所述已有地址分团的分级地址匹配成功;
获取所述待验证分级地址与所述已有地址分团的分级地址匹配成功率,当所述匹配成功率大于第二预设阈值时,确定所述待验证地址属于所述已有地址分团。
在一个可能的示例中,在将所述待验证分级地址与所述已有地址分团的分级地址进行同一分级的匹配后,所述地址分团单元602还具体用于:
确定所述待验证分级地址的分级数量少于所述已有地址分团的分级地址的分级数量;
当所述待验证分级地址与所述已有地址分团的后序分级地址匹配成功时,将所述已有地址分团中与所述后序分级地址唯一关联的前序分级地址补充入所述待验证分级地址对应的待验证地址,获得补全的待验证地址;
获取所述补全的待验证地址与所述已有地址分团的匹配成功率,若所述匹配成功率大于第二预设阈值,则确定所述待验证地址属于所述已有地址分团。
在一个可能的示例中,在获取所述待验证分级地址与所述已有地址分团的分级地址匹配成功率后,所述地址分团单元602还具体用于:
确定所述匹配成功率小于第二预设阈值;
获取与所述已有地址分团的分级地址匹配失败的待验证地址的分级地址,确定为未分团分级地址;
获取所述未分团分级地址对应的地址排序;
将所述未分团分级地址按照所述地址排序存储到所述ES框架中;
建立由与所述已有地址分团匹配成功的分级地址到所述未分团分级地址的索引路径,形成新的已有地址分团。
在一个可能的示例中,所述风险判定单元603具体用于:
获取在预设时间段内用户地址与所述待验证地址划分在同一已有地址分团中的用户数量;
当所述用户数量大于第三预设阈值时,判定所述第一用户为风险用户。
在一个可能的示例中,所述数据获取单元601还具体用于:
对获取到的地址信息进行预处理,包括清除重复字段,更正错误字段或填补缺失字段,所述获取到的地址信息包括所述多个地址信息和所述待验证地址。
本发明实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤,上述计算机包括移动终端。
本发明实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包,上述计算机包括移动终端。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、ROM、RAM、磁盘或光盘等。
以上对本发明实施例进行了详细介绍,本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,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申请的限制。
Claims (6)
1.一种风险检测方法,其特征在于,所述风险检测方法包括:
获取第一用户的待验证地址;
将待验证地址与已有地址分团进行匹配,并根据匹配结果对所述待验证地址的进行实时分团,所述已有地址分团中包含多个分级地址;
根据所述待验证地址的地址分团结果,确定所述第一用户是否为风险用户;
在将待验证地址与已有地址分团进行匹配之前,包括建立已有地址分团,具体包括:
获取多个地址信息;
将所述多个地址信息进行分词处理,获得多个不重复的分级地址;
将所述分级地址按照范围由大到小进行地址排序,同一范围的地址为同一地址排序;
根据所述地址排序生成地址范围由大到小的树形结构,将所述分级地址存储在弹性搜索ES框架中,并根据所述多个地址信息建立索引;
每一个索引路径中的分级地址对应生成一个已有地址分团;
所述将待验证地址与已有地址分团进行匹配,并根据匹配结果对所述待验证地址的进行实时分团,包括:
将所述待验证地址进行所述分词处理,获得待验证分级地址;
按照所述索引路径将所述待验证分级地址与所述已有地址分团的分级地址进行同一分级的匹配;
若所述待验证分级地址与所述已有地址分团的分级地址的匹配率大于第一预设阈值,则确定所述待验证分级地址与所述已有地址分团的分级地址匹配成功;所述匹配率的计算公式为:参数匹配成功个数/待验证分级中的参数个数*100%;
获取所述待验证分级地址与所述已有地址分团的分级地址匹配成功率,当所述匹配成功率大于第二预设阈值时,确定所述待验证地址属于所述已有地址分团;所述分级地址匹配成功率的计算公式为:匹配成功的分级个数/待验证的分级个数*100%;
在获取所述待验证分级地址与所述已有地址分团的分级地址匹配成功率后,所述方法还包括:
确定所述匹配成功率小于第二预设阈值;
获取与所述已有地址分团的分级地址匹配失败的待验证地址的分级地址,确定为未分团分级地址;
获取所述未分团分级地址对应的地址排序;
将所述未分团分级地址按照所述地址排序存储到所述ES框架中;
建立由与所述已有地址分团匹配成功的分级地址到所述未分团分级地址的索引路径,形成新的已有地址分团;
所述根据所述待验证地址的地址分团结果,确定所述第一用户是否为风险用户,包括:
获取在预设时间段内用户地址与所述待验证地址划分在同一已有地址分团中的用户数量;
获取第一用户的设备信息,所述设备信息包括wifi名称,物理地址,好友列表;
如果所述用户数量大于第三预设阈值,且所述第一用户的设备信息与其划分在同一地址分团中的用户的设备信息存在关联时,则判定所述第一用户为风险用户。
2.根据权利要求1所述的方法,其特征在于,在将所述待验证分级地址与所述已有地址分团的分级地址进行同一分级的匹配后,还包括:
确定所述待验证分级地址的分级数量少于所述已有地址分团的分级地址的分级数量;
当所述待验证分级地址与所述已有地址分团的后序分级地址匹配成功时,将所述已有地址分团中与所述后序分级地址唯一关联的前序分级地址补充入所述待验证分级地址对应的待验证地址,获得补全的待验证地址;
获取所述补全的待验证地址与所述已有地址分团的匹配成功率,若所述匹配成功率大于第二预设阈值,则确定所述待验证地址属于所述已有地址分团。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对获取到的地址信息进行预处理,包括清除重复字段,更正错误字段或填补缺失字段,所述获取到的地址信息包括所述多个地址信息和所述待验证地址。
4.一种风险检测装置,其特征在于,所述风险检测装置包括:
数据获取单元,用于获取第一用户的待验证地址;
地址分团单元,用于将待验证地址与已有地址分团进行匹配,并根据匹配结果确定所述待验证地址的地址分团,所述已有地址分团中包含多个分级地址;
风险判定单元,用于根据所述待验证地址的地址分团结果,确定所述第一用户是否为风险用户;
所述风险检测装置包括分团建立单元,用于:
获取多个地址信息;
将所述多个地址信息进行分词处理,获得多个不重复的分级地址;
将所述分级地址按照范围由大到小进行地址排序,同一范围的地址为同一地址排序;
根据所述地址排序生成地址范围由大到小的树形结构,将所述分级地址存储在ES框架中,并根据所述多个地址信息建立索引;
每一个索引路径中的分级地址对应生成一个已有地址分团;
所述地址分团单元具体用于:
将所述待验证地址进行所述分词处理,获得待验证分级地址;
按照所述索引路径将所述待验证分级地址与所述已有地址分团的分级地址进行同一分级的匹配;
若所述待验证分级地址与所述已有地址分团的分级地址的匹配率大于第一预设阈值,则确定所述待验证分级地址与所述已有地址分团的分级地址匹配成功;所述匹配率的计算公式为:参数匹配成功个数/待验证分级中的参数个数*100%;
获取所述待验证分级地址与所述已有地址分团的分级地址匹配成功率,当所述匹配成功率大于第二预设阈值时,确定所述待验证地址属于所述已有地址分团;所述分级地址匹配成功率的计算公式为:匹配成功的分级个数/待验证的分级个数*100%;
在获取所述待验证分级地址与所述已有地址分团的分级地址匹配成功率后,所述地址分团单元还具体用于:
确定所述匹配成功率小于第二预设阈值;
获取与所述已有地址分团的分级地址匹配失败的待验证地址的分级地址,确定为未分团分级地址;
获取所述未分团分级地址对应的地址排序;
将所述未分团分级地址按照所述地址排序存储到所述ES框架中;
建立由与所述已有地址分团匹配成功的分级地址到所述未分团分级地址的索引路径,形成新的已有地址分团;
所述风险判定单元具体用于:
获取在预设时间段内用户地址与所述待验证地址划分在同一已有地址分团中的用户数量;
获取第一用户的设备信息,所述设备信息包括wifi名称,物理地址,好友列表;
如果所述用户数量大于第三预设阈值,且所述第一用户的设备信息与其划分在同一地址分团中的用户的设备信息存在关联时,则判定所述第一用户为风险用户。
5.一种电子装置,其特征在于,包括处理器、存储器、通信接口,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求1-3任一项所述的方法中的步骤的指令。
6.一种计算机可读存储介质,其特征在于,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-3任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810687379.6A CN109102303B (zh) | 2018-06-28 | 2018-06-28 | 风险检测方法和相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810687379.6A CN109102303B (zh) | 2018-06-28 | 2018-06-28 | 风险检测方法和相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109102303A CN109102303A (zh) | 2018-12-28 |
CN109102303B true CN109102303B (zh) | 2021-06-08 |
Family
ID=64845345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810687379.6A Active CN109102303B (zh) | 2018-06-28 | 2018-06-28 | 风险检测方法和相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109102303B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458715B (zh) * | 2019-07-05 | 2023-12-08 | 中国平安财产保险股份有限公司 | 风险评分方法、装置及计算机可读存储介质 |
CN110533500A (zh) * | 2019-07-30 | 2019-12-03 | 平安科技(深圳)有限公司 | 用户识别方法、装置、计算机设备及存储介质 |
CN111859956B (zh) * | 2020-07-09 | 2021-08-27 | 睿智合创(北京)科技有限公司 | 一种用于金融行业的地址分词方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101350012A (zh) * | 2007-07-18 | 2009-01-21 | 北京灵图软件技术有限公司 | 一种地址匹配的方法和系统 |
CN102402533A (zh) * | 2010-09-13 | 2012-04-04 | 方正国际软件有限公司 | 地址匹配方法及系统 |
CN106296344A (zh) * | 2016-07-29 | 2017-01-04 | 北京小米移动软件有限公司 | 恶意地址识别方法及装置 |
CN107145577A (zh) * | 2017-05-08 | 2017-09-08 | 上海东方网络金融服务有限公司 | 地址标准化方法、装置、存储介质及计算机 |
CN107203522A (zh) * | 2016-03-16 | 2017-09-26 | 北京京东尚科信息技术有限公司 | 一种恶意订单地址的判定方法和装置 |
CN107526967A (zh) * | 2017-07-05 | 2017-12-29 | 阿里巴巴集团控股有限公司 | 一种风险地址识别方法、装置以及电子设备 |
-
2018
- 2018-06-28 CN CN201810687379.6A patent/CN109102303B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101350012A (zh) * | 2007-07-18 | 2009-01-21 | 北京灵图软件技术有限公司 | 一种地址匹配的方法和系统 |
CN102402533A (zh) * | 2010-09-13 | 2012-04-04 | 方正国际软件有限公司 | 地址匹配方法及系统 |
CN107203522A (zh) * | 2016-03-16 | 2017-09-26 | 北京京东尚科信息技术有限公司 | 一种恶意订单地址的判定方法和装置 |
CN106296344A (zh) * | 2016-07-29 | 2017-01-04 | 北京小米移动软件有限公司 | 恶意地址识别方法及装置 |
CN107145577A (zh) * | 2017-05-08 | 2017-09-08 | 上海东方网络金融服务有限公司 | 地址标准化方法、装置、存储介质及计算机 |
CN107526967A (zh) * | 2017-07-05 | 2017-12-29 | 阿里巴巴集团控股有限公司 | 一种风险地址识别方法、装置以及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109102303A (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106503006B (zh) | 应用App中子应用的排序方法及装置 | |
CN109102303B (zh) | 风险检测方法和相关装置 | |
CN108491720B (zh) | 一种应用识别方法、系统以及相关设备 | |
CN110298547A (zh) | 风险评估方法、装置、计算机装置及存储介质 | |
CN104699725A (zh) | 数据搜索处理方法及系统 | |
CN107609389B (zh) | 一种基于图像内容相关性的验证方法及系统 | |
CN102722709A (zh) | 一种垃圾图片识别方法和装置 | |
CN111639253B (zh) | 一种数据判重方法、装置、设备及存储介质 | |
CN110059981B (zh) | 信任度评估方法、装置及终端设备 | |
CN105740667A (zh) | 一种基于用户行为的信息识别方法及装置 | |
CN111260220B (zh) | 群控设备识别方法、装置、电子设备和存储介质 | |
CN105550253B (zh) | 一种类型关系的获取方法及装置 | |
CN109325845A (zh) | 一种金融产品智能推荐方法及系统 | |
CN113792089B (zh) | 基于人工智能的非法行为检测方法、装置、设备及介质 | |
CN112328657A (zh) | 特征衍生方法、装置、计算机设备及介质 | |
CN110609958A (zh) | 数据推送方法、装置、电子设备及存储介质 | |
CN105989114A (zh) | 一种收藏内容推荐方法及终端 | |
CN112835682B (zh) | 一种数据处理方法、装置、计算机设备和可读存储介质 | |
CN110276013A (zh) | 一种维修技师的推荐方法、装置及存储介质 | |
CN113495886A (zh) | 用于模型训练的污染样本数据的检测方法及装置 | |
CN114398685A (zh) | 一种政务数据处理方法、装置、计算机设备及存储介质 | |
CN111027065B (zh) | 一种勒索病毒识别方法、装置、电子设备及存储介质 | |
CN115455457B (zh) | 基于智慧大数据的链数据管理方法、系统和存储介质 | |
CN108804501A (zh) | 一种检测有效信息的方法及装置 | |
CN110263175B (zh) | 一种信息归类的方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: 518000 18th floor, building A4, Kexing Science Park, Nanshan District, Shenzhen City, Guangdong Province Patentee after: Zhaolian Consumer Finance Co.,Ltd. Country or region after: China Address before: 518000 18th floor, building A4, Kexing Science Park, Nanshan District, Shenzhen City, Guangdong Province Patentee before: MERCHANTS UNION CONSUMER FINANCE Co.,Ltd. Country or region before: China |
|
CP03 | Change of name, title or address |