CN109614414B - 一种用户信息的确定方法及装置 - Google Patents

Abstract

本说明书提供一种用户信息的确定方法及装置，所述方法包括：利用待评估用户的联系人的属性数据，确定出待评估用户在评估分类上的评估结果，对于个人信息比较少或个人信息缺失的用户，也可以通过充分利用用户的联系人的信息来对该用户进行多维度准确评估。可以实现对用户尤其是非活跃用户甚至非目标平台的用户进行准确评估的目的，为后续业务营销等提供了准确的数据基础。

Description

一种用户信息的确定方法及装置

技术领域

本说明书属于互联网技术领域，尤其涉及一种用户信息的确定方法及装置。

背景技术

随着互联网技术的发展，可以利用互联网大数据分析等，获取个人信息，个人信息可以用于对用户进行评估，如：评估用户的信用值，根据用户的信用值确定用户的借贷额度，或基于个人信息为用户推送不同的推送信息，为业务营销提供数据基础。

对于不够活跃的用户，这些用户使用网络平台如阿里的产品的频次不高，甚至在注册账户后几乎不用，导致无法取得关于这些用户的太多个人信息，使得对这些用户进行多维度的准确评估(如资产、身份、信用风险等)很困难。此外，还有很多不使用指定的网络平台的用户，这些用户的个人信息几乎为零，想要对这些用户进行多维度的准确评估，则是更加困难。

发明内容

本说明书目的在于提供一种用户信息的确定方法及装置，实现了个人信息比较少甚至个人信息缺失的用户的准确评估。

一方面，本说明书实施例提供了一种用户信息的确定方法，包括：

获取与待评估用户相关联的联系人，以及所述联系人的属性数据；

根据所述待评估用户的评估分类，从所述属性数据中提取所述评估分类对应的属性数据；

根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，所述人脉数据表征所述联系人的属性数据的分布特征；根据所述人脉数据，确定出所述待评估用户在所述评估分类上的评估结果。

进一步地，所述方法的另一个实施例中，所述根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，包括：

若所述评估分类对应的属性数据为连续型变量，则计算所述评估分类对应的各个属性数据的数学统计变量，将所述各个属性数据的数学统计变量作为所述人脉数据，所述数学统计变量包括各个属性数据的总和、最大值、最小值、中位数、平均数、方差、标准差中的至少一种；

若所述评估分类对应的属性数据为离散型变量，则计算所述评估分类对应的各个属性数据对应的众数，将所述各个属性数据对应的众数作为所述人脉数据。

进一步地，所述方法的另一个实施例中，所述根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，包括：

设置所述联系人的权重值；

若所述评估分类对应的属性数据为连续型变量，则根据所述联系人的权重值，计算所述评估分类对应的各个属性数据的加权平均值，将所述各个属性数据的加权平均值作为所述人脉数据；

若所述评估分类对应的属性数据为离散型变量，则计算取值相同的属性数据的权重值的和，将权重值的和最大的属性数据的取值作为所述人脉数据。

进一步地，所述方法的另一个实施例中，所述设置所述联系人的权重值，包括：

根据所述联系人与所述待评估用户的联系频率，确定所述联系人的权重值。

进一步地，所述方法的另一个实施例中，所述根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，包括：

根据所述联系人与所述待评估用户之间的关系类型，对所述联系人进行分组；

根据各组联系人的属性数据中所述评估分类对应的属性数据，确定出各组联系人对应的联系人变量，将所述各组联系人对应的联系人变量作为所述待评估用户对应的人脉数据；

所述各组联系人对应的联系人变量包括：各组联系人的属性数据对应的数学统计变量、众数、加权平均值中的至少一种，所述数学统计变量包括各个属性数据的总和、最大值、最小值、中位数、平均数、方差、标准差中的至少一种。

进一步地，所述方法的另一个实施例中，所述根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，包括：

根据所述评估分类对应的属性数据，确定出所述评估分类对应的属性数据中不同的属性数据取值的比例分布，将所述属性数据取值的比例分布作为所述待评估用户对应的人脉数据。

进一步地，所述方法的另一个实施例中，所述根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，包括：

根据所述联系人与所述待评估用户之间的关系类型，对所述联系人进行分组；

根据各组联系人的属性数据中所述评估分类对应的属性数据，确定出各组联系人的评估分类对应的属性数据中不同的属性数据取值的比例分布；

将各组联系人的评估分类对应的属性数据中属性数据取值的比例分布作为所述待评估用户对应的人脉数据。

进一步地，所述方法的另一个实施例中，所述获取与待评估用户相关联的联系人，包括：

通过目标平台获取所述待评估用户的社交联系人、资金联系人、通讯录联系人中的至少一种联系人，作为初选联系人；

和/或，在所述待评估用户授权时，通过运营商获取所述待评估用户的通话数据，根据所述通话数据获取所述待评估用户的通话联系人，将所述通话联系人作为所述初选联系人；

将在所述目标平台的活跃程度大于预设阈值的初选联系人，作为所述与待评估用户相关联的联系人。

进一步地，所述方法的另一个实施例中，所述通过运营商获取所述待评估用户的通话数据，根据所述通话数据获取所述待评估用户的通话联系人，将所述通话联系人作为所述初选联系人，包括：

将所述通话联系人中非所述目标平台的用户进行删除，将剩余的通话联系人作为所述初选联系人。

进一步地，所述方法的另一个实施例中，所述评估分类包括：资产信息类别、身份特质类别、信用度信息类别、消费习惯类别、综合评估类别中的至少一种。

进一步地，所述方法的另一个实施例中，所述根据所述人脉数据，确定出所述待评估用户的评估结果，包括：

将所述人脉数据输入评估模型，确定出所述待评估用户的评估结果；

所述评估模型被设置成按照下述方式构建：

获取历史评估用户的联系人的属性数据以及所述历史评估用户的标签信息；

根据所述历史评估用户的联系人的属性数据，确定出所述历史评估用户对应的人脉数据；

建立所述评估模型，其中，所述评估模型中包括多个模型参数；

将所述历史评估用户对应的人脉数据、标签信息输入所述评估模型，对所述评估模型进行训练，调整所述评估模型的所述模型参数，直至所述评估模型达到预设要求。

另一方面，本说明书实施例提供了一种用户信息的确定方法，包括：

获取与待评估用户相关联的联系人，确定所述待评估用户的评估分类；

获取所述联系人的所述评估分类对应的属性数据；

根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，所述人脉数据表征所述联系人的属性数据的分布特征；

根据所述人脉数据，确定出所述待评估用户在所述评估分类上的评估结果。

再一方面，本说明书提供了用户信息的确定装置，包括：

联系人信息获取模块，用于获取与待评估用户相关联的联系人，以及所述联系人的属性数据；

属性数据提取模块，用于根据所述待评估用户的评估分类，从所述属性数据中提取所述评估分类对应的属性数据；

人脉数据确定模块，用于根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，所述人脉数据表征所述联系人的属性数据的分布特征；

评估模块，用于根据所述人脉数据，确定出所述待评估用户在所述评估分类上的评估结果。

进一步地，所述装置的另一个实施例中，所述人脉数据确定模块具体用于：

若所述评估分类对应的属性数据为连续型变量，则计算所述评估分类对应的各个属性数据的数学统计变量，将所述各个属性数据的数学统计变量作为所述人脉数据，所述数学统计变量包括各个属性数据的总和、最大值、最小值、中位数、平均数、方差、标准差中的至少一种；

若所述评估分类对应的属性数据为离散型变量，则计算所述联系人的各个属性数据对应的众数，将所述各个属性数据对应的众数作为所述人脉数据。

进一步地，所述装置的另一个实施例中，所述人脉数据确定模块具体用于：

设置所述联系人的权重值；

若所述评估分类对应的属性数据为连续型变量，则根据所述联系人的权重值，计算所述评估分类对应的各个属性数据的加权平均值，将所述各个属性数据的加权平均值作为所述人脉数据；

若所述评估分类对应的属性数据为离散型变量，则计算取值相同的属性数据的权重值的和，将权重值的和最大的属性数据的取值作为所述人脉数据。

进一步地，所述装置的另一个实施例中，所述人脉数据确定模块具体用于：

根据所述联系人与所述待评估用户的联系频率，确定所述联系人的权重值。

进一步地，所述装置的另一个实施例中，所述人脉数据确定模块具体用于：

根据所述联系人与所述待评估用户之间的关系类型，对所述联系人进行分组；

根据各组联系人的属性数据中所述评估分类对应的属性数据，确定出各组联系人对应的联系人变量，将所述各组联系人对应的联系人变量作为所述待评估用户对应的人脉数据；

所述各组联系人对应的联系人变量包括：各组联系人的属性数据对应的数学统计变量、众数、加权平均值中的至少一种，所述数学统计变量包括各个属性数据的总和、最大值、最小值、中位数、平均数、方差、标准差中的至少一种。

进一步地，所述装置的另一个实施例中，所述人脉数据确定模块具体用于：

根据所述评估分类对应的属性数据，确定出所述评估分类对应的属性数据中不同的属性数据取值的比例分布，将所述属性数据取值的比例分布作为所述待评估用户对应的人脉数据。

进一步地，所述装置的另一个实施例中，所述人脉数据确定模块具体用于：

根据所述联系人与所述待评估用户之间的关系类型，对所述联系人进行分组；

根据各组联系人的属性数据中所述评估分类对应的属性数据，确定出各组联系人的评估分类对应的属性数据中不同的属性数据取值的比例分布；

将各组联系人的评估分类对应的属性数据中属性数据取值的比例分布作为所述待评估用户对应的人脉数据。

进一步地，所述装置的另一个实施例中，所述联系人信息获取模块具体用于：

通过目标平台获取所述待评估用户的社交联系人、资金联系人、通讯录联系人中的至少一种联系人，作为初选联系人；

和/或，在所述待评估用户授权时，通过运营商获取所述待评估用户的通话数据，根据所述通话数据获取所述待评估用户的通话联系人，将所述通话联系人作为所述初选联系人；

将在所述目标平台的活跃程度大于预设阈值的初选联系人，作为所述与待评估用户相关联的联系人。

进一步地，所述装置的另一个实施例中，所述联系人信息获取模块还用于：

将所述通话联系人中非所述目标平台的用户进行删除，将剩余的通话联系人作为所述初选联系人。

进一步地，所述装置的另一个实施例中，所述评估分类包括：资产信息类别、身份特质类别、信用度信息类别、消费习惯类别、综合评估类别中的至少一种。

进一步地，所述装置的另一个实施例中，所述评估模块具体用于：

将所述人脉数据输入评估模型，确定出所述待评估用户的评估结果；

所述评估模块还包括模型构建单元，所述模型构建单元具体用于：

获取历史评估用户的联系人的属性数据以及所述历史评估用户的标签信息；

根据所述历史评估用户的联系人的属性数据，确定出所述历史评估用户对应的人脉数据；

建立所述评估模型，其中，所述评估模型中包括多个模型参数；

将所述历史评估用户对应的人脉数据、标签信息输入所述评估模型，对所述评估模型进行训练，调整所述评估模型的所述模型参数，直至所述评估模型达到预设要求。

再一方面，本说明书提供了一种用户信息确定的处理设备，包括：至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现上述用户信息的确定方法。

还一方面，本说明书提供了一种用户信息的确定系统，包括上述任一个所述的用户信息的确定装置。

又一方面，本说明书提供了一种用户信息的确定装置，包括：

联系人获取模块，用于获取与待评估用户相关联的联系人，确定所述待评估用户的评估分类；

属性数据提取模块，用于获取所述联系人的所述评估分类对应的属性数据；

人脉数据确定模块，用于根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，所述人脉数据用于表征所述联系人的属性数据的分布特征；

评估模块，用于根据所述人脉数据，确定出所述待评估用户的评估结果。

本说明书提供的用户信息的确定方法、装置、处理设备、系统，利用待评估用户的联系人的属性数据，确定出待评估用户在不同的评估分类上的评估结果，对于个人信息比较少或个人信息缺失的用户，也可以通过充分利用用户的联系人的信息来对该用户进行多维度准确评估。可以实现对用户尤其是非活跃用户甚至非目标平台的用户进行准确评估的目的，为后续业务营销等提供了准确的数据基础。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本说明书一个实施例中用户信息的确定方法的流程示意图；

图2是本说明书另一个实施例中用户信息的确定方法的流程示意图；

图3是本说明书提供的用户信息的确定装置一个实施例的模块结构示意图；

图4是本说明书提供的用户信息的确定装置又一个实施例的模块结构示意图；

图5是应用本发明实施例的一种确定用户信息的服务器的硬件结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都应当属于本说明书保护的范围。

使用互联网的用户越来越多，可以利用用户在互联网上的注册信息、使用信息等，分析获得用户的个人信息，用户的个人信息可以包括：资产信息、身份特质信息、信用度信息、消费习惯信息等。用户的个人信息可以作为业务营销的数据基础，例如：可以根据用户的个人信息为用户推送不同的商品信息，或根据用户的个人信息中的信用度，设置用户借贷的额度等。

不同的网络平台获取用户的个人信息的方法不同，通常情况下不同网络平台的数据是不共享的，网络平台通常根据用户在各自的平台上的活动情况，获取用户的个人信息。若用户不常使用某个网络平台，在该网络平台上的信息比较少，该网络平台能获得该用户的个人信息就比较少。

本说明书一个实施例中提供了一种用户信息的确定方法，可以根据待评估用户的联系人的属性数据，利用评估模型确定出待评估用户的评估结果。对于不活跃的用户，甚至不是目标网络平台的用户，都可以使用联系人的属性数据，间接的确定出用户的评估结果，实现了用户信息的准确确定，为后续业务营销等提供了准确的数据基础。

本说明书中用户信息的确定方法可以应用在客户端或服务器中，客户端可以是智能手机、平板电脑、智能可穿戴设备(智能手表、虚拟现实眼镜、虚拟现实头盔等)、智能车载设备等电子设备。

具体的，图1是本说明书一个实施例中用户信息的确定方法的流程示意图，如图1所示，本说明书一个实施例中提供的用户信息的确定方法的整体过程可以包括：

步骤102、获取与待评估用户相关联的联系人，以及所述联系人的属性数据。

与待评估用户相关联的联系人可以表示与待评估用户有过联系、交易、来往等的用户，如：可以是待评估用户的社交联系人、资金联系人、通讯录联系人。社交联系人可以表示与待评估用户有社交往来的用户(如：与待评估用户有聊天记录的用户)，资金联系人可以表示与待评估用户有资金往来的用户，通讯录联系人可以表示待评估用户通讯录上的联系人。可以通过待评估用户在目标平台上的操作信息获取与待评估用户相关联的联系人，如：与待评估用户发生过转账行为、添加过待评估用户的好友等。

可以在与待评估用户相关联的联系人中进行筛选，选择信息量比较丰富的联系人作为待评估用户的目标联系人。具体的筛选方法，可以根据实际需要进行选择，本说明书实施例不作具体限定。

本说明书一个实施例中，所述获取待评估用户对应的联系人，可以包括：

通过目标平台获取所述待评估用户的社交联系人、资金联系人、通讯录联系人中的至少一种联系人，作为初选联系人；

和/或，在所述待评估用户授权时，通过运营商获取所述待评估用户的通话数据，根据所述通话数据获取所述待评估用户的通话联系人，将所述通话联系人作为所述初选联系人；

将在所述目标平台的活跃程度大于预设阈值的初选联系人，作为与待评估用户相关联的联系人。

在具体的实施过程中，通常网络平台只能获取到用户在自己平台上的数据，可以利用目标平台即需要获取待评估用户信息的网络平台，获取待评估用户曾通过目标平台联系过的用户。如：通过待评估用户在目标平台上加好友、接受好友请求、发消息、接收消息等行为，获取待评估用户的社交联系人；通过待评估用户在目标平台上发红包、转账、收款、收红包等行为，获取待评估用户的资金联系人；还可以通过用户合法授权上传到目标平台的通讯录信息，获取待评估用户的通讯录联系人。可以将获取到的社交联系人、资金联系人、通讯录联系人中的至少一种作为待评估用户的初选联系人，对初选联系人进行筛选，如：可以根据初选联系人在目标网络平台的活跃度进行筛选，将活跃度大于预设阈值的初选联系人作为待评估用户的目标联系人即筛选后的联系人，获得信息量比较丰富的联系人，为后续确定待评估用户的评估结果提供了丰富的数据基础。

活跃度可以表示用户使用目标平台的频率，如：可以根据用户在目标平台中使用业务场景的数量或业务场景使用的频次等，业务场景可以表示目标平台提供的业务，如：购物、支付、理财、视频服务、音乐服务等。可以通过设置活跃度的预设阈值，筛选出属性数据比较多的联系人。如：可以设置使用的业务场景的数量阈值，业务场景使用的频次阈值，当初选联系人中使用的业务场景的数量以及业务场景的使用频次，均符合阈值要求，或满足其中一个阈值要求，则可以将该初选联系人作为最终筛选出的联系人。例如，某用户仅仅使用过两三个业务场景，且使用单场景的使用频次也不高，这样的用户不符合活跃度要求；如果某用户使用的业务场景数不多，但是频次很高，这样的用户可以作为筛选出的联系人。

若待评估用户不使用目标平台即待评估用户没有在目标平台上注册或注册后没有任何操作行为，目标平台可能无法获取到待评估用户的社交联系人、资金联系人、通讯录联系人等。此时，本说明书一些实施例中，可以通过用户的合法授权，通过运营商如：移动、联通、电信等提供通话服务的运营商，获得待评估用户的运营商数据即通话数据，通话数据可以包括用户接听电话和拨打电话的数据。通过待评估用户的通话数据可以获得与待评估用户有过通话联系的用户即通话联系人，可以将获得的通话联系人作为初选联系人。再根据初选联系人在目标平台的活跃程度，对初选联系人进行筛选，获得个人信息比较多的联系人。其中，利用初选联系人的活跃程度对初选联系人进行筛选的方法可以参考上述实施例的记载，此处不再赘述。

本说明书实施例可以通过目标平台直接获取待评估用户的联系人，也可以通过运营商获取待评估用户的联系人，两种方法可以选择一种，也可以同时使用，本说明书实施例不作具体限定。利用目标平台或运营商结合用户的活跃度，筛选出待评估用户的联系人，确定出的联系人个人信息比较丰富，并且与待评估用户具有相应的联系，为后续确定出待评估用户的评估结果提供了准确的数据基础。

此外，本说明书一个实施例中，在使用运营商获取待评估用户的联系人时，可以将通过运营商获得的通话联系人中不是目标平台的用户进行删除，将剩余的通话联系人作为待评估用户的初选联系人。通过运营商获得的通话联系人中可能有使用目标平台的用户，也可能有没有注册目标平台或注册后没有使用目标平台的用户，将这些用户从通话联系人中删除，保留使用目标平台的用户作为初选联系人，再基于活跃度，对初选联系人进行筛选，获得待评估用户的联系人。这样可以保证获取到的联系人均是使用目标平台的用户，使得后续确定出的待评估用户的评估结果更具针对性，为目标平台的业务营销提供了更准确的数据基础。

确定通话联系人是不是目标平台的用户的方法可以根据实际情况进行选择，如：可以通过通话联系人的身份证号或手机号是否能够关联到目标平台内的用户，判断是否属于目标平台的用户。

当然，根据实际需要待评估用户的联系人还可以包括其他与待评估用户有关联的联系人，还可以采用其他的方法获取与待评估用户相关联的联系人，本说明书实施例不作具体限定。

在确定出待评估用户的联系人后，可以获取联系人的属性数据，属性数据可以表征联系人的个人信息的特征，可以用来从不同维度刻画联系人的特征。例如：属性数据可以包括资产信息(如：最近1个月转账次数、月均资产值等)、身份特质(是否有车、是否有房、是否大学生、是否白领等)、消费习惯(如：经常购买的商品、消费金额等)、信用信息(如：是否有逾期未还款、逾期天数、逾期次数等)等。可以根据联系人在目标平台上的注册信息获取待评估用户的联系人的属性数据，还可以根据联系人在目标平台上的操作信息如：操作记录，获取联系人的属性数据，具体方式本说明书实施例不做具体限定。

步骤104、根据所述待评估用户的评估分类，从所述属性数据中提取所述评估分类对应的属性数据。

本说明书一个实施例可以对待评估用户进行不同类别的评估，确定出待评估用户不同类别的用户信息，如：可以从资产信息类别、身份特质类别、信用度信息类别、消费习惯类别、综合评估类别等中的至少一种对待评估用户进行评估。其中，综合评估类别可以理解为从综合角度对待评估用户进行信息评估。在对待评估用户进行评估时，可以先确定出评估分类即评估的类别(可以理解为从哪个角度对待评估用户进行评估，或确定待评估用户哪个类别的用户信息)，再从待评估用户的联系人的属性数据中提取出与评估分类相关的属性数据。例如：若要对待评估用户的资产信息进行评估，则可以从待评估用户的联系人的属性数据中提取出与资产信息相关的属性数据，如：联系人的月均收入、近一个月内的转账记录等，作为资产评估分类对应的属性数据。

步骤106、根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，所述人脉数据表征所述联系人的属性数据的分布特征。

可以对获取到的待评估用户的联系人的评估分类对应的属性数据进行数据处理，获得待评估用户对应的人脉数据，人脉数据可以表征待评估用户的联系人的评估分类的属性数据的分布特征，如：人脉数据可以包括待评估用户的联系人的资产分布信息(如：月均资产分布等)、身份分布信息(如：学生身份的数量、白领身份的数量、有车的用户数量等)。待评估用户的人脉数据可以通过对获取到的联系人的属性数据进行数学统计、图像拟合等数据处理方式获得，当然根据实际使用需要可以采用不同的数据处理方法获得人脉数据，人脉数据的具体形式也可以根据实际需要进行选择，本说明书实施例不做具体限定。

步骤108、根据所述人脉数据属性数据，确定出所述待评估用户在所述评估分类上的评估结果。

评估结果可以根据具体的应用场景设置，例如：在金融场景，可以通过资产的视角评估用户的逾期概率，通过身份的视角评估用户的逾期概率，或者通过一个综合的视角来评估用户的逾期概率，不同的评估分类确定出的用户的逾期概率可以表示为一种评估结果。评估结果也可以表示待评估用户在不同评估分类上的评分值。可以利用待评估用户的联系人的属性数据，经过加工处理后，获得待评估用户的在评估分类上的人脉变量，确定待评估用户的评估结果。如：可以根据专家经验，基于待评估用户的人脉变量确定出待评估用户的评估结果。还可以采用其他方法基于联系人的属性数据获得的人脉数据，确定待评估用户的评估结果，本说明书实施例不作具体限定。

本说明书一个实施例中，可以将所述人脉数据输入评估模型，确定出所述待评估用户的评估结果。

在具体的实施过程中，可以利用历史评估用户的标签信息以及历史评估用户的联系人的属性数据，训练构建出评估模型，利用评估模型基于待评估用户的联系人的属性数据，确定出待评估用户的评估结果。如：可以通过机器学习模型变量，构建出所述评估模型。还可以根据专家经验等构建评估模型，评估模型的具体形式本说明书实施例不作具体限定。可以将获取到的联系人的属性数据输入到评估模型中，确定出待评估用户的评估结果。

将处理后的数据即待评估用户的人脉数据输入到评估模型，利用评估模型对用户进行打分，确定出待评估用户的评估结果，为后续业务营销提供数据基础。当然，若能够获得待评估用户的属性数据，还可以结合待评估用户自身的属性数据，确定出待评估用户的评估结果。

例如：若要确定用户A在身份特质类别上的评估结果，则可以获取用户A的联系人的属性数据，如：若获取用户A的联系人有10个，则可以利用10个联系人的身份特质对应的属性数据，确定出用户A在身份特质类别上的评估结果。

确定出的用户在不同评估类别上的评估结果可以用于风险识别、信用度确定等不同的应用场景。

本说明书实施例提供的用户信息的确定方法，利用待评估用户的联系人的属性数据，确定出待评估用户在不同的评估分类上的评估结果，对于个人信息比较少或个人信息缺失的用户，也可以通过充分利用用户的联系人的信息来对该用户进行多维度准确评估。可以实现对用户尤其是非活跃用户甚至非目标平台的用户进行准确评估的目的，为后续业务营销等提供了准确的数据基础。

在上述实施例的基础上，本说明书一个实施例中，所述根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，可以包括：

若所述评估分类对应的属性数据为连续型变量，则计算所述评估分类对应联系人的各个属性数据的数学统计变量，将所述各个属性数据的数学统计变量作为所述人脉数据，所述数学统计变量包括各个属性数据的总和、最大值、最小值、中位数、平均数、方差、标准差中的至少一种；

若所述评估分类对应的属性数据为离散型变量，则计算所述评估分类对应的各个属性数据对应的众数，将所述各个属性数据对应的众数作为所述人脉数据。

在对待评估用户的联系人的属性数据进行处理时，可以通过数学统计，确定出待评估用户的人脉数据。获取待评估用户的联系人的属性数据中属于评估分类的属性数据，若评估分类对应的属性数据为连续型变量如：资产信息(如：月均资产信息)、年龄等可以是连续数值表示的变量，可以计算出各连续型的属性数据(如：资产信息、年龄等)的数学统计变量，如：总和、最大值、最小值、中位数、平均数、方差、标准差中的至少一种，将计算出的数学统计变量作为待评估用户的人脉数据。若评估分类对应的属性数据为离散型变量，离散型变量可以表示只有指定数量个取值，且不同取值不能共存的变量，如：是否有车、是否有房、性别等，属性数据的最大值、最小值、中位数等不适用，则可以计算离散型属性数据的众数，将获得的众数作为待评估用户的人脉数据。

例如：若要确定用户A的评估结果，获取到用户A的联系人有10个，获取10个联系人的属性数据。获取到10个联系人的属性数据包括月均资产信息、是否有车信息，月均资产信息属于连续型变量，是否有车属于离散型变量。若需要对用户A从资产维度进行评估，可以统计出10个联系人的月均资产信息的总和、平均数、最大值、最小值、中位数、平均数，作为用户A的人脉数据。若需要对用户A从身份特质维度进行评估，可以统计出10个联系人中有车和没车对应的众数，例如：若10个联系人中有车的有6个，没车的有4个，则可以将众数“有车”作为用户A的人脉数据。将用户A的人脉数据输入到评估模型中，而可以获得用户A的评估结果，如：从资产维度确定出用户A的评估结果、从身份特质维度确定出用户A的评估结果等。

本说明书实施例，通过对联系人的属性数据进行数学统计，分别确定出各个属性数据对应的数学统计变量，确定出待评估用户的人脉数据，进一步确定出待评估用户的评估结果，数据处理方法简单，实现对待评估用户的评估。

在上述实施例的基础上，本说明书一个实施例中，所述根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，还包括：

设置所述联系人的权重值；

若所述评估分类对应的属性数据为连续型变量，则根据所述联系人的权重值，计算所述评估分类对应的各个属性数据的加权平均值，将所述各个属性数据的加权平均值作为所述人脉数据。

在具体的实施过程中，在对联系人的属性数据进行数据处理时，还可以设置各个联系人的权重值，利用联系人的权重值对各个连续型变量的属性数据进行加权平均处理，确定出待评估用户的人脉数据。其中，联系人的权重值的设置可以根据所述联系人与所述待评估用户的联系频率，确定所述联系人的权重值。如：可以设置联系频率区间与权重值的对应关系，如：在一个月内与待评估用户的联系次数在[1，5)的权重值为0.1，联系频率在[5，8)的权重值为0.2，联系频率在[8，10)的权重值为0.3，联系频率在[10，+∞)的权重值为0.4。

例如：若要确定用户A的评估结果，获取到用户A的联系人有10个，获取10个联系人的属性数据，基于待评估用户的评估分类，获取到10个联系人的评估分类对应的属性数据包括月均资产信息。月均资产信息属于连续型变量，根据与用户A的联系频率，确定出10个联系人的权重值。将联系人的权重值与联系人的月均资产信息进行加权平均计算，计算出10个联系人的月均资产信息的加权平均值，将计算出的加权平均值作为用户A的人脉数据之一。当然，还可以计算出10个联系人的月均资产信息总和、最大值、最小值、中位数等同样作为用户A的人脉数据。

在一个实施例中，若评估分类对应的属性数据为离散型变量如：是否有车、是否有房等，则可以计算取值相同的属性数据的权重值的和，将权重值的和最大的属性数据的取值作为所述人脉数据。

例如：若要确定用户A的评估结果，获取到用户A的联系人有5个，获取5个联系人的属性数据中评估分类对应的属性数据包括“是否有车”信息，是否有车属于离散型变量。将这5个联系人按照同用户A的关系强弱分从高到低排序后，“是否有车”的属性数据取值分别是“有、有、无、无、无”，如果不考虑权重，则得到的“是否有车”对应的众数应该是“无”。若考虑权重，假定这5个联系人对用户A的权重值依次为0.4、0.2、0.1、0.1、0.2，将取值相同的属性数据的权重值相加，如：“有车”的权重值相加为0.4+0.2＝0.6，“没车”的权重值相加为0.1+0.1+0.2＝0.4，0.6>0.4，则可以将“有车”作为用户A的人脉数据之一。

本说明书一个实施例中，根据联系人与待评估用户的联系频次，确定出各个联系人的权重值，基于联系人的权重值对评估分类对应的属性数据进行数据处理，确定出待评估用户的人脉数据，使得待评估用户的人脉数据更能准确的反映待评估用户的个人信息特征，为待评估用户的评估结果的确定提供了准确的数据基础。

在上述实施例的基础上，本说明书实施例中，所述根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，可以包括：

根据所述联系人与所述待评估用户之间的关系类型，对所述联系人进行分组；

根据各组联系人的属性数据中所述评估分类对应的属性数据，确定出各组联系人对应的联系人变量，将所述各组联系人对应的联系人变量作为所述待评估用户对应的人脉数据；

所述各组联系人对应的联系人变量包括：各组联系人的属性数据对应的数学统计变量、众数、加权平均值中的至少一种，所述数学统计变量包括属性数据的总和、最大值、最小值、中位数、平均数、方差、标准差中的至少一种。

在具体的实施过程中，可以根据联系人与待评估用户之间的关系类型，对所述联系人进行分组如：亲人、同学、同事、朋友等。可以根据待评估用户对联系人的备注信息，或待评估用户与联系人之间的聊天信息等，确定出联系人与待评估用户之间的关系类型。可以根据各组联系人的属性数据中评估分类对应的属性数据，确定出各组联系人对应的联系人变量，各组对应的联系人变量的计算方法可以参考上述实施例中的方法如：对于连续型变量，可以计算各组联系人的评估分类对应的属性数据的数学统计变量、加权值等；对于离散型变量，可以计算各组联系人的属性数据的众数等。

例如：若要确定用户A的评估结果，获取到用户A的联系人有10个，获取10个联系人的属性数据中评估分类对应的属性数据包括“月均资产值”。根据10个联系人与待评估用户之间的关系类型，将联系人分为亲人、同事、朋友，可以对各个亲人的月均资产值进行处理，获得“亲人的月均资产平均值”、“亲人的月均资产最小值”、“亲人的月均资产最大值”等作为用户A的人脉数据。同样的，还可以计算出同事、朋友组的月均资产值的最小值、最大值、平均值等作为用户A的人脉数据。此外，还可以加工得到“亲友数量”、“同学数量”、“同事数量”衍生型人脉数据，还可以确定出各组联系人的数量在总的联系人中的占比，如：联系人中大学生的占比、联系人中白领的占比等等。

本说明书实施例，根据联系人与待评估用户之间的关系类型，对联系人进行分组，对各组联系人的属性数据进行分别处理，确定出待评估用户的人脉数据。基于各组联系人确定出的人脉数据，为后续待评估用户的评估结果的确定提供了准确的数据基础。

在上述实施例的基础上，本说明书一个实施例中，还可以根据所述评估分类对应的属性数据，确定出所述评估分类对应的属性数据中不同的属性数据取值的比例分布，将所述属性数据取值的比例分布作为所述待评估用户对应的人脉数据。

例如：若评估分类为资产信息维度，则可以确定联系人的属性数据中的资产信息中在不同区间的比例分布，如：月均资产值在[0，3000)的联系人的比例，月均资产值在[3000，5000)的联系人的比例，月均资产值在[5000，8000)的联系人的比例，月均资产值在[8000，10000)的联系人的比例，月均资产值在[10000，+∞)的联系人的比例，将月均资产值在不同区间对应的比例分布信息作为待评估用户对应的人脉数据。

此外，本说明书一个实施例中，在对联系人根据关系类型进行分组后，还可以分析各组联系人的属性数据取值的比例分布，将各组联系人的属性数据对应的属性数据取值的比例分布作为所述待评估用户对应的人脉数据之一。例如：亲友中有车的占比、亲友中有房的占比等等。

需要说明的是，本说明书实施例中，对联系人的属性数据的数据处理方法，可以采用上述实施例的任意一种，也可以使用上述实施例中所有的方法，分别获得不同方法计算出的人脉数据，均作为确定待评估用户的评估结果的人脉数据。

本说明书实施例提供了多种生成待评估用户的人脉数据的方法，当待评估用户的个人信息缺失时，可以采用加工得到的这些人脉数据从多维度评估待评估用户，当待评估用户并非个人信息缺失用户时，加工得到的这些人脉数据可用于更准确地从多维度评估主体用户。

图2是本说明书另一个实施例中用户信息的确定方法的流程示意图，如图2所示，本说明书实施例中确定待评估用户的评估结果的方法还可以包括：

步骤202、获取与待评估用户相关联的联系人。获取联系人的方法可以参考上述实施例的记载，此处不再赘述。

步骤204、获取所述联系人的属性数据，属性数据的具体内容可以参考上述实施例的记载，此处不再赘述。

步骤206、对联系人的属性数据进行加工处理。例如：连续型变量的属性数据可以计算出属性数据的总和、最大值、最小值、中位数、平均数等，离散型变量的属性数据可以计算出属性数据的众数。

步骤208、对联系人的属性数据进行加权统计。可以根据联系人与待评估用户的联系频率，设置联系人的权重值，根据联系人的权重值，对各个属性数据进行加权计算，具体的计算方式可以参考上述实施例的记载，此处不再赘述。

步骤210、对联系人的属性数据进行分组加工。可以根据联系人与待评估用户之间的关系类型，对联系人进行分组，并对各组联系人的属性数据进行数据处理，如：可以采用步骤206-步骤208的方法对各组联系人的属性数据进行加工处理。

步骤212、计算联系人的属性数据的比例分布。可以参考上述实施例的方法，计算出属性数据的比例分布，此处不再赘述。

步骤214、将加工联系人的属性数据获得的数据即待评估用户的人脉数据输入到评估模型中，利用评估模型输出待评估用户的评估结果。

本说明书实施例，通过对待评估用户的联系人的属性数据进行加工处理，可以基于待评估用户的联系人的信息得到非常丰富的人脉数据，这些人脉数据可以从丰富的视角刻画待评估用户。即便待评估用户的个人信息缺失，甚至不是目标平台的用户，也可以对其进行充分的刻画，确定出待评估用户的评估结果。

根据实际需要，还可以采用其他的方法对待评估用户的联系人的属性数据进行加工处理，如：通过结合深度神经网络和注意力机制技术，可以得到更细粒度的人脉数据。通过对待评估用户的联系人的属性数据进行加工进而得到待评估用户的人脉数据方法，可以根据实际需要进行选择，本说明书实施例不作具体限定。

此外，需要说明的是，本说明书实施例，可以在获取待评估用户的联系人的属性数据时，获取联系人的所有属性数据，再基于评估分类，从属性数据中选取评估分类对应的属性数据，对待评估用户进行评估，确定待评估用户的评估结果。还可以，在将待评估用户的联系人的属性数据均进行数据处理，获得人脉数据后，基于评估分类选择评估分类对应的人脉数据，对待评估用户进行评估，确定待评估用户的评估结果。还可以，在获取待评估用户的联系人的属性数据时，基于评估分类，只获取评估分类对应的属性数据，再对评估分类对应的属性数据进行处理，获得待评估用户的人脉数据，基于人脉数据对待评估用户进行评估，确定待评估用户的评估结果。具体实施过程，可以根据实际需要进行选择，本说明书实施例不作具体限定。

在上述实施例的基础上，本说明书一个实施例中，所述评估模型可以被设置成按照下述方式构建：

获取历史评估用户的联系人的属性数据以及所述历史评估用户的标签信息；

根据所述历史评估用户的联系人的属性数据，确定出所述历史评估用户对应的人脉数据；

建立所述评估模型，其中，所述评估模型中包括多个模型参数；

将所述历史评估用户对应的人脉数据、标签信息输入所述评估模型，对所述评估模型进行训练，调整所述评估模型的所述模型参数，直至所述评估模型达到预设要求。

在具体的实施过程中，可以利用历史评估用户的数据学习训练构建出评估模型，例如：可以获取多个历史评估用户对应的联系人的属性数据，以及各个历史评估用户的真实的标签信息。标签信息可以根据实际以应用场景进行选择，如：在金融场景，需要评估用户是否有过逾期未还款，则可以将历史评估用户是否有过逾期未还款的记录作为标签信息。将多个历史评估用户对应的联系人的属性数据，分别进行加工处理，具体的处理方法可以参考上述实施例的记载，如：数学统计、加权处理等，分别获得各个历史评估用户对应的人脉数据。构建评估模型，设置评估模型的模型参数，将处理后获得的各个历史评估用户对应的人脉数据以及对应的标签信息输入评估模型，对评估模型进行学习训练，调整模型参数，直至满足预设要求，如：达到训练次数、达到学习精度等，构建出评估模型。评估模型的具体形式，本说明书实施例不做具体限定。

评估模型训练完成后，若需要确定待评估用户的评估结果，则可以将待评估用户的联系人的属性数据经过加工处理后获得待评估用户的人脉数据。将获得的人脉数据输入训练好的评估模型，评估模型可以输出对应的标签信息以及评分值，可以将评估模型输出的标签信息、评分值中的至少一个作为待评估用户的评估结果。

例如：若将待评估用户的人脉数据输入到构建好的评估模型，输出的标签信息为是否逾期信息，并输出对应的评分值，评分值可以表示待评估用户会逾期的概率，可以将评估模型输出的是否逾期信息以及评分值均作为待评估用户的评估结果。

可以根据实际场景需要，选择不同的人脉数据训练构建评估模型，利用不同人脉数据构建出的评估模型，可以用于从不同的评估分类评估待评估用户。如：可以使用资产相关的人脉数据训练构建出评估模型，利用该评估模型获得的评分值可以表征从资产角度对待评估用户的评估结果；可以只使用身份特质类的相关人脉数据训练构建出评估模型，利用该模型获得的评分值可以表征从身份特质角度对待评估用户的评估结果；若使用所有的人脉数据训练构建出评估模型，利用该模型获得的评分值可以表征对待评估用户的综合评估结果。

本说明书实施例，通过对待评估用户的联系人的个人变量进行加工，可以得到用于描述待评估用户的人脉数据，从而达到能对待评估用户进行多维度评估的目的。通过应用该方法，不仅可以对厚信息的待评估用户进行更准确的评估，更重要的是可以实现对非活跃用户甚至非目标平台的用户进行准确评估，为业务营销提供了准确的数据基础。

本说明书中上述方法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。相关之处参见方法实施例的部分说明即可。

基于上述所述的用户信息的确定方法，本说明书一个或多个实施例还提供一种用户信息的确定装置。所述的装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思，本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参见前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

具体地，图3是本说明书提供的用户信息的确定装置一个实施例的模块结构示意图，如图3所示，本说明书中提供的用户信息的确定装置包括：联系人信息获取模块31、属性数据提取模块32、人脉数据确定模块33、评估模块34，其中：

联系人信息获取模块31，可以用于获取与待评估用户相关联的联系人，以及所述联系人的属性数据；

属性数据提取模块32，可以用于根据所述待评估用户的评估分类，从所述属性数据中提取所述评估分类对应的属性数据；

人脉数据确定模块33，可以用于根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，所述人脉数据表征所述联系人的属性数据的分布特征；

评估模块34，可以用于根据所述人脉数据，确定出所述待评估用户在所述评估分类上的评估结果。

本说明书实施例提供的用户信息的确定装置，利用待评估用户的联系人的属性数据确定出待评估用户的评估结果，对于个人信息比较少或个人信息缺失的用户，也可以通过充分利用用户的联系人的信息来对该用户进行多维度准确评估。可以实现对用户尤其是非活跃用户甚至非目标平台的用户进行准确评估的目的，为后续业务营销等提供了准确的数据基础。

在上述实施例的基础上，所述人脉数据确定模块具体用于：

若所述评估分类对应的属性数据为连续型变量，则计算所述评估分类对应的各个属性数据的数学统计变量，将所述各个属性数据的数学统计变量作为所述人脉数据，所述数学统计变量包括各个属性数据的总和、最大值、最小值、中位数、平均数、方差、标准差中的至少一种；

若所述评估分类对应的属性数据为离散型变量，则计算所述评估分类对应的各个属性数据对应的众数，将所述各个属性数据对应的众数作为所述人脉数据。

本说明书实施例提供的用户信息的确定装置，通过对联系人的属性数据进行数学统计，分别确定出各个属性数据对应的数学统计变量，确定出待评估用户的人脉数据，进一步确定出待评估用户的评估结果，数据处理方法简单，实现对待评估用户的评估。

在上述实施例的基础上，所述人脉数据确定模块具体用于：

设置所述联系人的权重值；

若所述评估分类对应的属性数据为连续型变量，则根据所述联系人的权重值，计算所述评估分类对应的各个属性数据的加权平均值，将所述各个属性数据的加权平均值作为所述人脉数据；

若所述评估分类对应的属性数据为离散型变量，则计算取值相同的属性数据的权重值的和，将权重值的和最大的属性数据的取值作为所述人脉数据。

本说明书实施例，根据联系人与待评估用户的联系频次，确定出各个联系人的权重值，基于联系人的权重值计算对联系人的属性数据进行数据处理，确定出待评估用户的人脉数据，使得待评估用户的人脉数据更能准确的反映待评估用户的个人信息特征，为待评估用户的评估结果的确定提供了准确的数据基础。

在上述实施例的基础上，所述人脉数据确定模块具体用于：

根据所述联系人与所述待评估用户的联系频率，确定所述联系人的权重值。

本说明书实施例，基于联系人与待评估用户之间的联系频次，确定出联系人的权重值，权重值可以表征联系人对待评估用户的影响程度，为确定待评估用户的评估结果提供了准确的数据基础。

在上述实施例的基础上，所述人脉数据确定模块具体用于：

根据所述联系人与所述待评估用户之间的关系类型，对所述联系人进行分组；

根据各组联系人的属性数据中所述评估分类对应的属性数据，确定出各组联系人对应的联系人变量，将所述各组联系人对应的联系人变量作为所述待评估用户对应的人脉数据；

所述各组联系人对应的联系人变量包括：各组联系人的属性数据对应的数学统计变量、众数、加权平均值中的至少一种，所述数学统计变量包括各个属性数据的总和、最大值、最小值、中位数、平均数、方差、标准差中的至少一种。

本说明书实施例，根据联系人与待评估用户之间的关系类型，对联系人进行分组，对各组联系人的属性数据进行分别处理，确定出待评估用户的人脉数据。基于各组联系人确定出的人脉数据，为后续待评估用户的评估结果的确定提供了准确的数据基础。

在上述实施例的基础上，所述人脉数据确定模块具体用于：

根据所述评估分类对应的属性数据，确定出所述评估分类对应的属性数据中不同的属性数据取值的比例分布，将所述属性数据取值的比例分布作为所述待评估用户对应的人脉数据。

本说明书实施例提供的用户信息的确定装置，通过对联系人的属性数据进行统计处理，获得属性数据取值的比例分布，为后续确定待评估用户的评估结果提供数据基础。

在上述实施例的基础上，所述人脉数据确定模块具体用于：

根据所述联系人与所述待评估用户之间的关系类型，对所述联系人进行分组；

根据各组联系人的属性数据中所述评估分类对应的属性数据，确定出各组联系人的属性数据中所述评估分类对应的属性数据中不同的属性数据取值的比例分布；

将各组联系人的评估分类对应的属性数据中属性数据取值的比例分布作为所述待评估用户对应的人脉数据。

本说明书实施，基于与联系人的关系，确定各个关系类型的联系人的属性数据取值的比例分布，可以更加直观的看出联系人的属性数据的分布信息，为后续确定待评估用户的评估结果提供数据基础。

在上述实施例的基础上，所述联系人信息获取模块具体用于：

通过目标平台获取所述待评估用户的社交联系人、资金联系人、通讯录联系人中的至少一种联系人，作为初选联系人；

和/或，在所述待评估用户授权时，通过运营商获取所述待评估用户的通话数据，根据所述通话数据获取所述待评估用户的通话联系人，将所述通话联系人作为所述初选联系人；

将在所述目标平台的活跃程度大于预设阈值的初选联系人，作为所述与待评估用户相关联的联系人。

本说明书实施，利用目标平台或运营商结合用户的活跃度，筛选出待评估用户的联系人，确定出的联系人个人信息比较丰富，并且与待评估用户具有相应的联系，为后续确定出待评估用户的评估结果提供了准确的数据基础。

在上述实施例的基础上，所述联系人信息获取模块还用于：

将所述通话联系人中非所述目标平台的用户进行删除，将剩余的通话联系人作为所述初选联系人。

本说明书实施，将非目标平台的用户从通话联系人中删除，使得获取到的联系人均是使用目标平台的用户，使得后续确定出的待评估用户的评估结果更具针对性，为目标平台的业务营销提供了更准确的数据基础。

在上述实施例的基础上，所述评估分类包括：资产信息类别、身份特质类别、信用度信息类别、消费习惯类别、综合评估类别中的至少一种。本说明书实施，通过对待评估用户的联系人的属性数据进行加工处理，可以基于待评估用户的联系人的信息得到非常丰富的人脉数据，这些人脉数据可以从丰富的视角刻画了待评估用户，实现多维度评估待评估用户的目的。即便待评估用户的个人信息缺失，甚至不是目标平台的用户，也可以对其进行充分的刻画，确定出待评估用户的评估结果。

图4是本说明书提供的用户信息的确定装置又一个实施例的模块结构示意图，如图4所示，在上述实施例的基础上，所述评估模块具体用于：

将所述人脉数据输入评估模型，确定出所述待评估用户的评估结果；

所述评估模块还包括模型构建单元41，所述模型构建单元41具体用于：

获取历史评估用户的联系人的属性数据以及所述历史评估用户的标签信息；

根据所述历史评估用户的联系人的属性数据，确定出所述历史评估用户对应的人脉数据；

建立所述评估模型，其中，所述评估模型中包括多个模型参数；

将所述历史评估用户对应的人脉数据、标签信息输入所述评估模型，对所述评估模型进行训练，调整所述评估模型的所述模型参数，直至所述评估模型达到预设要求。

本说明书实施，利用历史评估用户的相关数据，训练构建出评估模型，以实现准确确定出待评估用户的评估结果的目的。

需要说明的，上述所述的装置根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。

本说明书实施例还提供一种用户信息确定的处理设备，包括：至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现上述实施例的用户信息的确定方法，如：

获取与待评估用户相关联的联系人，以及所述联系人的属性数据；

根据所述待评估用户的评估分类，从所述属性数据中提取所述评估分类对应的属性数据；

根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，所述人脉数据表征所述联系人的属性数据的分布特征；根据所述人脉数据，确定出所述待评估用户在所述评估分类上的评估结果。

所述存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括：利用电能方式存储信息的装置如，各式存储器，如RAM、ROM等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置如，CD或DVD。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。

需要说明的，上述所述的处理设备根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。

本说明书实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例，图5是应用本发明实施例的一种确定用户信息的服务器的硬件结构框图。如图5所示，服务器10可以包括一个或多个(图中仅示出一个)处理器100(处理器100可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器200、以及用于通信功能的传输模块300。本邻域普通技术人员可以理解，图5所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，服务器10还可包括比图5中所示更多或者更少的组件，例如还可以包括其他的处理硬件，如数据库或多级缓存、GPU，或者具有与图5所示不同的配置。

存储器200可用于存储应用软件的软件程序以及模块，如本说明书实施例中的用户信息的确定方法对应的程序指令/模块，处理器100通过运行存储在存储器200内的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器200可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器200可进一步包括相对于处理器100远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输模块300用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输模块300包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输模块300可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

本说明书还提供一种用户信息的确定系统，所述系统可以为单独的用户信息的确定系统，也可以应用在多种数据分析处理系统中。所述系统可以包括上述实施例中任意一个用户信息的确定装置。所述的系统可以为单独的服务器，也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例装置的服务器集群、系统(包括分布式系统)、软件(应用)、实际操作装置、逻辑门电路装置、量子计算机等并结合必要的实施硬件的终端装置。所述用户信息的确定系统可以包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现上述任意一个或者多个实施例中所述方法的步骤。

本说明书还提供一种用户信息的确定装置，可以包括：

联系人获取模块，用于获取与待评估用户相关联的联系人，确定所述待评估用户的评估分类；

属性数据提取模块，用于获取所述联系人的所述评估分类对应的属性数据；

人脉数据确定模块，用于根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，所述人脉数据表征所述联系人的属性数据的分布特征；

评估模块，用于根据所述人脉数据联系人的属性信息，确定出所述待评估用户在所述评估分类上的评估结果。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例所描述方案的效果。

本说明书实施例提供的上述用户信息的确定方法或装置可以在计算机中由处理器执行相应的程序指令来实现，如使用windows操作系统的c++语言在PC端实现、linux系统实现，或其他例如使用android、iOS系统程序设计语言在智能终端实现，以及基于量子计算机的处理逻辑实现等。

需要说明的是说明书上述所述的装置、计算机存储介质、系统根据相关方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照对应方法实施例的描述，在此不作一一赘述。

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，对于硬件+程序类实施例而言，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。

本说明书实施例并不局限于必须是符合行业通信标准、标准计算机数据处理和数据存储规则或本说明书一个或多个实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例，仍然可以属于本说明书实施例的可选实施方案范围之内。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

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、车载人机交互设备、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。

虽然本说明书一个或多个实施例提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。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、产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、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，机械或其它的形式。

本发明是参照根据本发明实施例的方法、装置(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

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、石墨烯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。

本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

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。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

以上所述仅为本说明书一个或多个实施例的实施例而已，并不用于限制本本说明书一个或多个实施例。对于本领域技术人员来说，本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在权利要求范围之内。

Claims (26)

1.一种用户信息的确定方法，包括：

获取与待评估用户相关联的联系人，以及所述联系人的属性数据；

根据所述待评估用户的评估分类，从所述属性数据中提取所述评估分类对应的属性数据；所述评估分类对应于待评估用户不同类别的用户信息；不同评估分类用于确定不同评估角度；

根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，所述人脉数据表征所述联系人的属性数据的分布特征；

根据所述人脉数据，确定出所述待评估用户在所述评估分类上的评估结果。

2.如权利要求1所述的方法，所述根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，包括：

若所述评估分类对应的属性数据为连续型变量，则计算所述评估分类对应的各个属性数据的数学统计变量，将所述各个属性数据的数学统计变量作为所述人脉数据，所述数学统计变量包括各个属性数据的总和、最大值、最小值、中位数、平均数、方差、标准差中的至少一种；

若所述评估分类对应的属性数据为离散型变量，则计算所述评估分类对应的各个属性数据对应的众数，将所述各个属性数据对应的众数作为所述人脉数据。

3.如权利要求1所述的方法，所述根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，包括：

设置所述联系人的权重值；

若所述评估分类对应的属性数据为连续型变量，则根据所述联系人的权重值，计算所述评估分类对应的各个属性数据的加权平均值，将所述各个属性数据的加权平均值作为所述人脉数据；

若所述评估分类对应的属性数据为离散型变量，则计算取值相同的属性数据的权重值的和，将权重值的和最大的属性数据的取值作为所述人脉数据。

4.如权利要求3所述的方法，所述设置所述联系人的权重值，包括：

根据所述联系人与所述待评估用户的联系频率，确定所述联系人的权重值。

5.如权利要求1所述的方法，所述根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，包括：

根据所述联系人与所述待评估用户之间的关系类型，对所述联系人进行分组；

根据各组联系人的属性数据中所述评估分类对应的属性数据，确定出各组联系人对应的联系人变量，将所述各组联系人对应的联系人变量作为所述待评估用户对应的人脉数据；

所述各组联系人对应的联系人变量包括：各组联系人的属性数据对应的数学统计变量、众数、加权平均值中的至少一种，所述数学统计变量包括各个属性数据的总和、最大值、最小值、中位数、平均数、方差、标准差中的至少一种。

6.如权利要求1所述的方法，所述根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，包括：

根据所述评估分类对应的属性数据，确定出所述评估分类对应的属性数据中不同的属性数据取值的比例分布，将所述属性数据取值的比例分布作为所述待评估用户对应的人脉数据。

7.如权利要求1所述的方法，所述根据所述评估分类的属性数据，确定出所述待评估用户对应的人脉数据，包括：

根据所述联系人与所述待评估用户之间的关系类型，对所述联系人进行分组；

根据各组联系人的属性数据中所述评估分类对应的属性数据，确定出各组联系人的评估分类对应的属性数据中不同的属性数据取值的比例分布；

将各组联系人的评估分类对应的属性数据中属性数据取值的比例分布作为所述待评估用户对应的人脉数据。

8.如权利要求1所述的方法，所述获取与待评估用户相关联的联系人，包括：

通过目标平台获取所述待评估用户的社交联系人、资金联系人、通讯录联系人中的至少一种联系人，作为初选联系人；

和/或，在所述待评估用户授权时，通过运营商获取所述待评估用户的通话数据，根据所述通话数据获取所述待评估用户的通话联系人，将所述通话联系人作为所述初选联系人；

将在所述目标平台的活跃程度大于预设阈值的初选联系人，作为所述与待评估用户相关联的联系人。

9.如权利要求8所述的方法，所述通过运营商获取所述待评估用户的通话数据，根据所述通话数据获取所述待评估用户的通话联系人，将所述通话联系人作为所述初选联系人，包括：

将所述通话联系人中非所述目标平台的用户进行删除，将剩余的通话联系人作为所述初选联系人。

10.如权利要求1所述的方法，所述评估分类包括：资产信息类别、身份特质类别、信用度信息类别、消费习惯类别、综合评估类别中的至少一种。

11.如权利要求1所述的方法，所述根据所述人脉数据，确定出所述待评估用户的评估结果，包括：

将所述人脉数据输入评估模型，确定出所述待评估用户的评估结果；

所述评估模型被设置成按照下述方式构建：

获取历史评估用户的联系人的属性数据以及所述历史评估用户的标签信息；

根据所述历史评估用户的联系人的属性数据，确定出所述历史评估用户对应的人脉数据；

建立所述评估模型，其中，所述评估模型中包括多个模型参数；

将所述历史评估用户对应的人脉数据、标签信息输入所述评估模型，对所述评估模型进行训练，调整所述评估模型的所述模型参数，直至所述评估模型达到预设要求。

12.一种用户信息的确定方法，包括：

获取与待评估用户相关联的联系人，确定所述待评估用户的评估分类；所述评估分类对应于待评估用户不同类别的用户信息；不同评估分类用于确定不同评估角度；

获取所述联系人的所述评估分类对应的属性数据；

根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，所述人脉数据表征所述联系人的属性数据的分布特征；

根据所述人脉数据，确定出所述待评估用户在所述评估分类上的评估结果。

13.一种用户信息的确定装置，包括：

联系人信息获取模块，用于获取与待评估用户相关联的联系人，以及所述联系人的属性数据；

属性数据提取模块，用于根据所述待评估用户的评估分类，从所述属性数据中提取所述评估分类对应的属性数据；所述评估分类对应于待评估用户不同类别的用户信息；不同评估分类用于确定不同评估角度；

人脉数据确定模块，用于根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，所述人脉数据表征所述联系人的属性数据的分布特征；

评估模块，用于根据所述人脉数据，确定出所述待评估用户在所述评估分类上的评估结果。

14.如权利要求13所述的装置，所述人脉数据确定模块具体用于：

若所述评估分类对应的属性数据为连续型变量，则计算所述评估分类对应的各个属性数据的数学统计变量，将所述各个属性数据的数学统计变量作为所述人脉数据，所述数学统计变量包括各个属性数据的总和、最大值、最小值、中位数、平均数、方差、标准差中的至少一种；

若所述评估分类对应的属性数据为离散型变量，则计算所述联系人的各个属性数据对应的众数，将所述各个属性数据对应的众数作为所述人脉数据。

15.如权利要求13所述的装置，所述人脉数据确定模块具体用于：

设置所述联系人的权重值；

若所述评估分类对应的属性数据为连续型变量，则根据所述联系人的权重值，计算所述评估分类对应的各个属性数据的加权平均值，将所述各个属性数据的加权平均值作为所述人脉数据；

若所述评估分类对应的属性数据为离散型变量，则计算取值相同的属性数据的权重值的和，将权重值的和最大的属性数据的取值作为所述人脉数据。

16.如权利要求15所述的装置，所述人脉数据确定模块具体用于：

根据所述联系人与所述待评估用户的联系频率，确定所述联系人的权重值。

17.如权利要求13所述的装置，所述人脉数据确定模块具体用于：

根据所述联系人与所述待评估用户之间的关系类型，对所述联系人进行分组；

根据各组联系人的属性数据中所述评估分类对应的属性数据，确定出各组联系人对应的联系人变量，将所述各组联系人对应的联系人变量作为所述待评估用户对应的人脉数据；

所述各组联系人对应的联系人变量包括：各组联系人的属性数据对应的数学统计变量、众数、加权平均值中的至少一种，所述数学统计变量包括各个属性数据的总和、最大值、最小值、中位数、平均数、方差、标准差中的至少一种。

18.如权利要求13所述的装置，所述人脉数据确定模块具体用于：

根据所述评估分类对应的属性数据，确定出所述评估分类对应的属性数据中不同的属性数据取值的比例分布，将所述属性数据取值的比例分布作为所述待评估用户对应的人脉数据。

19.如权利要求13所述的装置，所述人脉数据确定模块具体用于：

根据所述联系人与所述待评估用户之间的关系类型，对所述联系人进行分组；

根据各组联系人的属性数据中所述评估分类对应的属性数据，确定出各组联系人的评估分类对应的属性数据中不同的属性数据取值的比例分布；

将各组联系人的评估分类对应的属性数据中属性数据取值的比例分布作为所述待评估用户对应的人脉数据。

20.如权利要求13所述的装置，所述联系人信息获取模块具体用于：

通过目标平台获取所述待评估用户的社交联系人、资金联系人、通讯录联系人中的至少一种联系人，作为初选联系人；

和/或，在所述待评估用户授权时，通过运营商获取所述待评估用户的通话数据，根据所述通话数据获取所述待评估用户的通话联系人，将所述通话联系人作为所述初选联系人；

将在所述目标平台的活跃程度大于预设阈值的初选联系人，作为所述与待评估用户相关联的联系人。

21.如权利要求20所述的装置，所述联系人信息获取模块还用于：

将所述通话联系人中非所述目标平台的用户进行删除，将剩余的通话联系人作为所述初选联系人。

22.如权利要求13所述的装置，所述评估分类包括：资产信息类别、身份特质类别、信用度信息类别、消费习惯类别、综合评估类别中的至少一种。

23.如权利要求14所述的装置，所述评估模块具体用于：

将所述人脉数据输入评估模型，确定出所述待评估用户的评估结果；

所述评估模块还包括模型构建单元，所述模型构建单元具体用于：

获取历史评估用户的联系人的属性数据以及所述历史评估用户的标签信息；

根据所述历史评估用户的联系人的属性数据，确定出所述历史评估用户对应的人脉数据；

建立所述评估模型，其中，所述评估模型中包括多个模型参数；

将所述历史评估用户对应的人脉数据、标签信息输入所述评估模型，对所述评估模型进行训练，调整所述评估模型的所述模型参数，直至所述评估模型达到预设要求。

24.一种用户信息确定的处理设备，包括：至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1-11任一项所述的方法。

25.一种用户信息的确定系统，包括上述权利要求13-23任一项所述的用户信息的确定装置。

26.一种用户信息的确定装置，包括：

联系人获取模块，用于获取与待评估用户相关联的联系人，确定所述待评估用户的评估分类；所述评估分类对应于待评估用户不同类别的用户信息；不同评估分类用于确定不同评估角度；

属性数据提取模块，用于获取所述联系人的所述评估分类对应的属性数据；

人脉数据确定模块，用于根据所述评估分类对应的属性数据，确定出所述待评估用户对应的人脉数据，所述人脉数据表征所述联系人的属性数据的分布特征；

评估模块，用于根据所述人脉数据，确定出所述待评估用户在所述评估分类上的评估结果。

Images