CN109636083A - 黑名单分析方法、装置、设备及计算机可读存储介质 - Google Patents
黑名单分析方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109636083A CN109636083A CN201811205852.9A CN201811205852A CN109636083A CN 109636083 A CN109636083 A CN 109636083A CN 201811205852 A CN201811205852 A CN 201811205852A CN 109636083 A CN109636083 A CN 109636083A
- Authority
- CN
- China
- Prior art keywords
- blacklist
- applicant
- information
- affiliated person
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 158
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 18
- 238000000034 method Methods 0.000 description 12
- 230000006854 communication Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000012502 risk assessment Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000004141 dimensional analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于关系网络的黑名单分析方法,包括:在接收到用户触发的黑名单分析指令时,获取申请人的申请信息;基于所述申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人已有的黑名单标识信息;基于所述关系网络信息对申请人的关系网络进行分层,获得一个或多个关系层级;根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果。本发明还提供一种黑名单分析装置、设备及计算机可读存储介质。本发明可通过完善的黑名单分析方法,获得可靠的黑名单分析结果。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种黑名单分析方法、装置、设备及计算机可读存储介质。
背景技术
目前,在贷款客户的风险分析方案中,黑名单是一个重要的风险分析指标,在现有技术中,一般基于风控或贷后团队外采的黑名单来确定申请人的历史贷款记录中黑名单的情况来完成黑名单指标的评估,直接以历史贷款记录中的黑名单情况作为黑名单分析结果,缺少完善有效的黑名单分析方法,不能获得可靠的分析结果。
发明内容
本发明的主要目的在于提供一种黑名单分析方法、装置、设备及计算机可读存储介质,旨在提供一种完善有效的黑名单分析方法,获得可靠的黑名单分析结果。
为实现上述目的,本发明提供一种黑名单分析方法,所述黑名单分析方法包括以下步骤:
在接收到用户触发的黑名单分析指令时,获取申请人的申请信息;
基于所述申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人已有的黑名单标识信息;
基于所述关系网络信息对申请人的关系网络进行分层,获得一个或多个关系层级;
根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果。
可选地,所述根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果的步骤包括:
根据各个关系层级对应的预设黑名单传递权重和关联人的黑名单标识信息确定各个关系层级对申请人的黑名单传递参数;
对各个关系层级的黑名单传递参数进行求和,将求和结果作为申请人的黑名单分析结果。
可选地,所述根据各个关系层级对应的预设黑名单传递权重和关联人的黑名单标识信息确定各个关系层级对申请人的黑名单传递参数的步骤包括:
根据各个关系层级中关联人的黑名单标识信息确定各个关系层级的黑名单数量;
将各个关系层级的黑名单数量和对应的预设黑名单传递权重的乘积作为各个关系层级对申请人的黑名单传递参数。
可选地,所述基于所述关系网络信息对申请人的关系网络进行分层,获得一个或多个关系层级和所述根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果的步骤替换为:
基于所述黑名单标识信息对各个关联人节点标注初始标签值;
根据所述初始标签值确定利用标签传播算法计算申请人的目标标签值,根据所述目标标签值确定申请人的黑名单分析结果。
可选地,所述黑名单标识信息包括黑名单类型信息,所述根据各个关系层级对应的预设黑名单传递权重和关联人的黑名单标识信息确定各个关系层级对申请人的黑名单传递参数的步骤包括:
对于各个关系层级,分别根据对应的预设黑名单传递权重和关联人的黑名单类型信息确定各个黑名单类型的黑名单传递参数;
所述对各个关系层级的黑名单传递参数进行求和,将求和结果作为申请人的黑名单分析结果的步骤包括:
对同个黑名单类型的不同关系层级的黑名单传递参数进行求和,将求和结果作为申请人对应黑名单类型的黑名单分析结果。
可选地,所述申请信息包括申请人的身份信息,所述根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果的步骤之后包括:
根据所述黑名单分析结果判断是否满足预设黑名单确定条件;
若是,则对所述身份信息添加黑名单标识信息或将所述身份信息条件到预设黑名单。
可选地,所述根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果的步骤之前包括:
从所述大数据平台中获取各个关联人或申请人的历史交易信息;
所述根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果的步骤包括:
根据所述历史交易信息、关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果。
此外,为实现上述目的,本发明还提供一种黑名单分析装置,所述黑名单分析装置包括:
第一获取模块,用于在接收到用户触发的黑名单分析指令时,获取申请人的申请信息;
第二获取模块,用于基于所述申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人已有的黑名单标识信息;
分层模块,用于基于所述关系网络信息对申请人的关系网络进行分层,获得一个或多个关系层级;
分析模块,用于根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果。
此外,为实现上述目的,本发明还提供一种黑名单分析设备,所述黑名单分析设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的黑名单分析程序,其中所述黑名单分析程序被所述处理器执行时,实现如上述的黑名单分析方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有黑名单分析程序,其中所述黑名单分析程序被处理器执行时,实现如上述的黑名单分析方法的步骤。
本发明提供一种黑名单分析方法、装置、设备以及计算机可读存储介质,所述黑名单分析方法包括:在接收到用户触发的黑名单分析指令时,获取申请人的申请信息;基于所述申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人已有的黑名单标识信息;基于所述关系网络信息对申请人的关系网络进行分层,获得一个或多个关系层级;根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果。通过上述方式,从大数据平台可以获得更加全面的申请人关系网络信息和黑名单信息,基于关系网络信息对申请人的关系网络进行分层,并基于各个联系人的黑名单信息进行黑名单分析,获得申请人的黑名单分析结果。对申请人的关系网络分层后再基于层次和黑名单标识信息进行黑名单分析。利用大数据平台获得更加全面的黑名单信息,同时,基于不同关系层次进行黑名单分析,获得更可靠准确的申请人黑名单分析结果。
附图说明
图1为本发明实施例方案中涉及的黑名单分析设备的硬件结构示意图;
图2为本发明黑名单分析方法第一实施例的流程示意图;
图3为本发明黑名单分析方法第二实施例的流程示意图;
图4为本发明黑名单分析方法第三实施例的流程示意图;
图5为本发明黑名单分析方法第四实施例的流程示意图;
图6为本发明黑名单分析方法第五实施例的流程示意图;
图7为本发明黑名单分析方法第六实施例的流程示意图;
图8为本发明黑名单分析方法第七实施例的流程示意图;
图9为本发明黑名单分析装置的功能模块示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
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。
本发明实施例涉及的黑名单分析方法主要应用于黑名单分析设备,该黑名单分析设备可以是个人计算机(personal computer,PC)、便携计算机、移动终端等具有数据处理功能的设备。
参照图1,图1为本发明实施例方案中涉及的黑名单分析设备的硬件结构示意图。本发明实施例中,黑名单分析设备可以包括处理器1001(例如中央处理器CentralProcessing Unit,CPU),通信总线1002,用户接口1003,网络接口1004,存储器1005。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);网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity,WI-FI接口);存储器1005可以是高速随机存取存储器(random access memory,RAM),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。本领域技术人员可以理解,图1中示出的硬件结构并不构成对本发明的限定,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。
继续参照图1,图1中作为一种计算机可读存储介质的存储器1005可以包括操作系统、网络通信模块以及黑名单分析程序。在图1中,网络通信模块可用于连接服务器,与服务器进行数据通信;而处理器1001可以调用存储器1005中存储的黑名单分析程序,并执行本发明实施例提供的黑名单分析方法。
本发明实施例提供了一种黑名单分析方法。
参照图2,图2为本发明黑名单分析方法第一实施例的流程示意图。
本实施例中,所述黑名单分析方法包括以下步骤:
步骤S10,在接收到用户触发的黑名单分析指令时,获取申请人的申请信息;
本实施例可以应用于金融分析技术领域,例如金融业务办理过程中对申请人的信用或者金融还款能力等风险因素的分析。本实施例的用户可以是金融机构中需要对贷款申请人进行风险评估的工作人员,例如金融机构的业务员。目前,在贷款客户的风险分析方案中,黑名单是一个重要的风险分析指标,在现有技术中,一般基于风控或贷后团队外采的黑名单来确定申请人的历史贷款记录中黑名单的情况,直接以历史贷款记录中的黑名单情况作为黑名单分析结果,缺少完善有效的黑名单分析方法,不能获得可靠的分析结果。本实施例提供一种基于大数据平台中申请人的关系网络信息对用户进行黑名单分析的方法,根据申请人的关联人的存在的黑名单情况来分析申请人存在黑名单的可能性,获得可靠的分析结果
在本实施例中,申请人的申请信息指的是申请人在发起贷款申请时录入的信息,可以包括申请人的身份信息、地址信息和关联人等信息。用户需要对申请信息进行黑名单分析时,可以选定待分析的申请信息,通过预设黑名单分析指令触发功能按钮基于选定的申请信息触发黑名单分析指令。在接收到用户触发的黑名单分析指令时,获取用户选定的申请信息。
步骤S20,基于所述申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人已有的黑名单标识信息;
在大数据平台中,存储着金融机构的历史贷款信息,可以包括所有历史贷款申请信息和基于历史贷款产生的黑名单标识信息等信息。在获取用户选定的申请信息后,提取当前申请信息中的申请人的身份信息和当前申请信息中的关联人信息,其中关联人包括申请信息中的联系人、亲友息或担保人等,然后基于身份人的身份信息和联系人信息从大数据平台中获取申请人和当前贷款申请关联人的历史贷款申请信息,提取获得的历史贷款信息中的申请人信息和关联人信息,从而获得申请人的关系网络信息,同时,基于关系网络信息中的各个关联人的信息从大数据平台中获取各个关联人已有的黑名单标识信息。在本实施例中,黑名单标识信息可以是用来标识存在黑名单记录的关联人的识别信息,还可以是包含了黑名单类型信息的标识信息。
步骤S30,基于所述关系网络信息对申请人的关系网络进行分层,获得一个或多个关系层级;
基于上述步骤,在获得关系网络信息时,可以将与当前申请人同时在同个申请信息中出现过的关联人作为当前申请人的第一层级关联人,将与第一层级关联人在同个申请信息同时出现过,但未与当前申请人在同个申请申请信息中同时出现过的关联人作为当前申请人的第二关联人。将与第二层级关联人在同个申请信息同时出现过,但未与申请人、第一层级关联人或第二层级关联人在同个申请信息同时出现过的关联人作为第三关联人……根据需要将申请人的关系网络分成预设数量的层级,获得一个或者多个关系层级,每个关系层级包括各个层级对应的关联人信息。具体地若,当前申请人为A,A的贷款申请中的联系人为B,而在B的贷款申请中的联系人为C,则A与B为一级关联,A与C为二级关联。
步骤S40,根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果。
在本实施例中,可以预先设定每个关系层级对申请人的黑名单分析结果的传递权重,在对关系网络分层获得一个或多个关系层级后,基于各个关联人的黑名单标识信息和关联人所在的关系层级确定每个关系层级的黑名单的数量,将每个关系层级的黑名单数量与各个关系层级的传递权重的乘积作为各个层级的传递参数,将各个层级的传递参数之和作为申请人的黑名单分析结果,在本实施例中,可以基于大数据确定合适的传递权重,以将各个层级的传递参数之和作为申请人的贷款后进入黑名单的概率。当然在本实施例中,也可以基于各个关联人已有的黑名单对各个关联人节点标注初始标签值,然后根据初始的标签值利用标签传播算法计算申请人的目标标签值,以目标标签值为申请人的黑名单分析结果。
在本实施例中,在接收到用户触发的黑名单分析指令时,获取申请人的申请信息;基于所述申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人已有的黑名单标识信息;基于所述关系网络信息对申请人的关系网络进行分层,获得一个或多个关系层级;根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果。通过上述方式,从大数据平台可以获得更加全面的申请人关系网络信息和黑名单信息,基于关系网络信息对申请人的关系网络进行分层,并基于各个联系人的黑名单信息进行黑名单分析,获得申请人的黑名单分析结果。对申请人的关系网络分层后再基于层次和黑名单标识信息进行黑名单分析。利用大数据平台获得更加全面的黑名单信息,同时,基于不同关系层次进行黑名单分析,获得更可靠准确的申请人黑名单分析结果。
参照图3,图3为本发明黑名单分析方法第二实施例的流程示意图。
基于上述实施例,在本实施例中,步骤S40包括:
步骤S50,根据各个关系层级对应的预设黑名单传递权重和关联人的黑名单标识信息确定各个关系层级对申请人的黑名单传递参数;
步骤S60,对各个关系层级的黑名单传递参数进行求和,将求和结果作为申请人的黑名单分析结果。
基于上述实施例,可以预先设定每个关系层级对申请人的黑名单分析结果的传递权重,可以预先设定每个关系层级对申请人的黑名单分析结果的传递权重,在对关系网络分层获得一个或多个关系层级后,基于各个关联人的黑名单标识信息和关联人所在的关系层级确定每个关系层级的黑名单的数量,将每个关系层级的黑名单数量与各个关系层级的传递权重的乘积作为各个层级的传递参数,将各个层级的传递参数之和作为申请人的黑名单分析结果,在本实施例中,可以基于大数据确定合适的传递权重,以将各个层级的传递参数之和作为申请人的贷款后进入黑名单的概率。
进一步地,图4为本发明黑名单分析方法第三实施例的流程示意图。
基于上述实施例,在本实施例中,步骤S50包括:
步骤S70,根据各个关系层级中关联人的黑名单标识信息确定各个关系层级的黑名单数量;
步骤S80,将各个关系层级的黑名单数量和对应的预设黑名单传递权重的乘积作为各个关系层级对申请人的黑名单传递参数。
基于上述实施例,在本实施例中,各个关系层级的黑名单数量为关系层级中各个关联人的黑名单数量之和。基于各个关联人的黑名单标识信息和关联人所在的关系层级确定每个关系层级的黑名单的数量,将每个关系层级的黑名单数量与各个关系层级的传递权重的乘积作为各个层级的传递参数。
在本实施例中,根据各个关系层级中关联人的黑名单标识信息确定各个关系层级的黑名单数量;将各个关系层级的黑名单数量和对应的预设黑名单传递权重的乘积作为各个关系层级对申请人的黑名单传递参数。通过上述方式,实现基于关系网络的黑名单数量和黑名单的传递权重准确地确定关系网络中的各个层级对申请人的黑名单传递参数。
进一步地,图5为本发明黑名单分析方法第四实施例的流程示意图。
基于上述实施例,在本实施例中,步骤S30和步骤S40替换为:
步骤S90,基于所述黑名单标识信息对各个关联人节点标注初始标签值;
步骤S100,根据所述初始标签值确定利用标签传播算法计算申请人的目标标签值,根据所述目标标签值确定申请人的黑名单分析结果。
基于上述实施例,在本实施例中,用已标记节点的标签信息去预测未标记节点的标签信息。利用样本间的关系建立关系完全图模型,每个节点的标签按相似度传播给相邻节点,在节点传播的每一步,每个节点根据相邻节点的标签来更新自己的标签,与该节点相似度越大,其相邻节点对其标注的影响权值越大,相似节点的标签越趋于一致,其标签就越容易传播。在标签传播过程中,保持已标注数据的标签不变,使其像一个源头把标签传向未标注数据。最终,当迭代过程结束时,相似节点的概率分布也趋于相似,可以划分到同一个类别中,从而完成标签传播过程。具体地,标注的初始标签值可以是是否存在黑名单信息的标识信息,也可以包括黑名单的类型信息,当然在本实施例中,也可以只对存在黑名单的关联人进行添加标签信息,对不存在黑名单的关联人不添加标签信息。在本实施例中,在获取了关系网络信息和各个关联人的黑名单标识信息时,基于各个关联人的黑名单标识信息和预先对不同黑名单状态配置的标签值对各个关联人节点添加初始标签值。在本实施例中,对于存在黑名单或者不存在黑名单的两种状态分别预先配置不同的标签值,可以基于不同类型的黑名单预先配置不同的标签值。对关系网络中的各个关联人备注了初始标签值后,基于标签传播算法计算申请人的目标标签值,确定目标标签值对应的黑名单状态,从而获得申请人的黑名单分析结果。具体地,基于标签传播算法计算申请人的目标标签值的过程如下:逐轮刷新所有节点的标签,直到所有节点的标签不再发生变化为止。对于每一轮刷新,节点标签的刷新规则为,对于某一个节点,考察其所有邻居节点的标签,并进行统计,将出现个数最多的那个标签赋值给当前节点。当个数最多的标签不唯一时,随机选择一个标签赋值给当前节点。
在本实施例中,基于所述黑名单标识信息对各个关联人节点标注初始标签值;根据所述初始标签值确定利用标签传播算法计算申请人的目标标签值,根据所述目标标签值确定申请人的黑名单分析结果。利用标签传播算法可以高效地获得目标标签值,快速得到黑名单分析结果。
进一步地,图6为本发明黑名单分析方法第五实施例的流程示意图。
基于上述实施例,在本实施例中,所述黑名单标识信息包括黑名单类型信息,步骤S50包括:
步骤S110,对于各个关系层级,分别根据对应的预设黑名单传递权重和关联人的黑名单类型信息确定各个黑名单类型的黑名单传递参数;
步骤S60包括:
步骤S120,对同个黑名单类型的不同关系层级的黑名单传递参数进行求和,将求和结果作为申请人对应黑名单类型的黑名单分析结果。
基于上述实施例,在本实施例中,黑名单基于产生的原因不同可以划分为不同的类型,获得多个不同的黑名单类型。例如黑名单类型可以包括由于发起贷款申请是提交了不真实的数据信息的黑名单类型、套现黑名单或逾期不还款黑名单等。在本实施例中黑名单标识信息中包括黑名单类型信息。在本实施例中,对于各个关系层级,可以基于关系层级中各个关联人的黑名单类型信息和关联人所在的关系层级确定关系层级中各个黑名单类型对应的黑名单数量,将各个黑名单类型的黑名单数量与对应的关系层级的传递权重的乘积作为各个黑名单类型在关系层级传递参数,从而获得一个关系层级的多个黑名单类型对应的层级传递参数。然后再分别对同个黑名单类型的各个关系层级的传递参数进行求和,将求和结果作为申请人对应黑名单类型黑名大分析结果,实现对不同类型黑名单的多维度分析,获得更加全面的多维度分析结果。
进一步地,图7为本发明黑名单分析方法第六实施例的流程示意图。所述申请信息包括申请人的身份信息,步骤S40之后包括:
步骤S130,根据所述黑名单分析结果判断是否满足预设黑名单确定条件;
步骤S140,若是,则对所述身份信息添加黑名单标识信息或将所述身份信息条件到预设黑名单。
基于上述实施例,在本实施例中,预设黑名单确定条件指的预先设定黑名单确定条件,当申请人的黑名单分析结果满足该预设黑名单确定条件时,确定该申请人为黑名单申请人,将该申请人的身份信息添加到预设黑名单或者对申请人的身份信息添加黑名单标识信息;若申请人的黑名单分析结果不满足该预设黑名单确定条件,则不对该申请人的身份信息进行任何的黑名单操作。基于上述实施例,黑名单分析结果可以为一个数值,例如黑名单的可能性概率。本实施例的预设黑名单确定条件可以设置为黑名单分析结果是否等于或大于预设概率阈值,若是,则判定黑名单分析结果满足预设黑名单确定条件;若否,则判定不满足预设黑名单确定条件。本实施例的预设黑名单基于黑名单分析结果确定的黑名单,可以包括上述不同类型的黑名单。申请人的身份信息为对申请人起到识别区分作用的标识信息,可以包括申请人的姓名、身份证号或预设标识编码等信息。
在本实施例中,所述申请信息包括申请人的身份信息,根据所述黑名单分析结果判断是否满足预设黑名单确定条件;若是,则对所述身份信息添加黑名单标识信息或将所述身份信息条件到预设黑名单。通过上述方式,基于黑名单分析结果和预设黑名单确定条件确定需要被添加到预设黑名单或添加黑名单标识信息的申请人的身份信息,提高黑名单的实效性。
进一步地,图8为本发明黑名单分析方法第七实施例的流程示意图。
基于上述实施例,在本实施例中,步骤S40之前包括:
步骤S150,从所述大数据平台中获取各个关联人或申请人的历史交易信息;
步骤S40包括:
步骤S160,根据所述历史交易信息、关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果。
在本实施例中,历史交易信息指的是用户在过去的预设时间长度的时间段内贷款信息或信用消费信息,包括已有的贷款信息和贷款还款情况信息,对存在逾期还款或者拖欠不还款的关联人添加新的黑名单标识信息,基于新添加的黑名单标识信息和从大数据平台读取的已有的黑名单标识信息以及关联人所在的关系层级进行黑名单分析,获得申请人的黑名单分析结果。
在本实施例中,从所述大数据平台中获取各个关联人或申请人的历史交易信息;根据所述历史交易信息、关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果通过上述方式,新增历史交易信息作为获得申请人的黑名单分析结果的确定变量,获得更加可靠准确的黑名单分析结果。
此外,本发明实施例还提供一种黑名单分析装置。
参照图9,图9为本发明黑名单分析装置第一实施例的功能模块示意图。
本实施例中,所述黑名单分析装置包括:
第一获取模块10,用于在接收到用户触发的黑名单分析指令时,获取申请人的申请信息;
第二获取模块20,用于基于所述申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人已有的黑名单标识信息;
分层模块30,用于基于所述关系网络信息对申请人的关系网络进行分层,获得一个或多个关系层级;
分析模块40,用于根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果。
其中,上述黑名单分析装置的各虚拟功能模块存储于图1所示黑名单分析设备的存储器1005中,用于实现黑名单分析程序的所有功能;各模块被处理器1001执行时,可通过完善的黑名单分析方法,获得可靠的黑名单分析结果。
进一步的,所述分析模块还用于:
根据各个关系层级对应的预设黑名单传递权重和关联人的黑名单标识信息确定各个关系层级对申请人的黑名单传递参数;
对各个关系层级的黑名单传递参数进行求和,将求和结果作为申请人的黑名单分析结果。
进一步的,所述分析模块还用于:
根据各个关系层级中关联人的黑名单标识信息确定各个关系层级的黑名单数量;
将各个关系层级的黑名单数量和对应的预设黑名单传递权重的乘积作为各个关系层级对申请人的黑名单传递参数。
进一步的,所述黑名单分析装置还包括:
标注模块,用于基于所述黑名单标识信息对各个关联人节点标注初始标签值;
计算模块,用于根据所述初始标签值确定利用标签传播算法计算申请人的目标标签值,根据所述目标标签值确定申请人的黑名单分析结果。
进一步地,所述分析模块还用于:
对于各个关系层级,分别根据对应的预设黑名单传递权重和关联人的黑名单类型信息确定各个黑名单类型的黑名单传递参数;
对同个黑名单类型的不同关系层级的黑名单传递参数进行求和,将求和结果作为申请人对应黑名单类型的黑名单分析结果。
进一步地,所述黑名单分析装置还包括:
判断模块,用于根据所述黑名单分析结果判断是否满足预设黑名单确定条件;
处理模块,用于对所述身份信息添加黑名单标识信息或将所述身份信息条件到预设黑名单
进一步地,所述黑名单分析模块还包括:
第三获取模块,用于从所述大数据平台中获取各个关联人或申请人的历史交易信息;
所述分析模块还用于,根据所述历史交易信息、关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果。
此外,本发明实施例还提供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黑名单分析程序,其中所述黑名单分析程序被处理器执行时,实现如上述的黑名单分析方法的步骤。
其中,黑名单分析程序被执行时所实现的方法可参照本发明黑名单分析方法的各个实施例,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 (10)
1.一种黑名单分析方法,其特征在于,所述黑名单分析方法包括:
在接收到用户触发的黑名单分析指令时,获取申请人的申请信息;
基于所述申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人已有的黑名单标识信息;
基于所述关系网络信息对申请人的关系网络进行分层,获得一个或多个关系层级;
根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果。
2.如权利要求1所述的黑名单分析方法,其特征在于,所述根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果的步骤包括:
根据各个关系层级对应的预设黑名单传递权重和关联人的黑名单标识信息确定各个关系层级对申请人的黑名单传递参数;
对各个关系层级的黑名单传递参数进行求和,将求和结果作为申请人的黑名单分析结果。
3.如权利要求2所述的黑名单分析方法,其特征在于,所述根据各个关系层级对应的预设黑名单传递权重和关联人的黑名单标识信息确定各个关系层级对申请人的黑名单传递参数的步骤包括:
根据各个关系层级中关联人的黑名单标识信息确定各个关系层级的黑名单数量;
将各个关系层级的黑名单数量和对应的预设黑名单传递权重的乘积作为各个关系层级对申请人的黑名单传递参数。
4.如权利要求1所述的黑名单分析方法,其特征在于,所述基于所述关系网络信息对申请人的关系网络进行分层,获得一个或多个关系层级和所述根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果的步骤替换为:
基于所述黑名单标识信息对各个关联人节点标注初始标签值;
根据所述初始标签值确定利用标签传播算法计算申请人的目标标签值,根据所述目标标签值确定申请人的黑名单分析结果。
5.如权利要求2所述的黑名单分析方法,其特征在于,所述黑名单标识信息包括黑名单类型信息,所述根据各个关系层级对应的预设黑名单传递权重和关联人的黑名单标识信息确定各个关系层级对申请人的黑名单传递参数的步骤包括:
对于各个关系层级,分别根据对应的预设黑名单传递权重和关联人的黑名单类型信息确定各个黑名单类型的黑名单传递参数;
所述对各个关系层级的黑名单传递参数进行求和,将求和结果作为申请人的黑名单分析结果的步骤包括:
对同个黑名单类型的不同关系层级的黑名单传递参数进行求和,将求和结果作为申请人对应黑名单类型的黑名单分析结果。
6.如权利要求1所述的黑名单分析方法,其特征在于,所述申请信息包括申请人的身份信息,所述根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果的步骤之后包括:
根据所述黑名单分析结果判断是否满足预设黑名单确定条件;
若是,则对所述身份信息添加黑名单标识信息或将所述身份信息条件到预设黑名单。
7.如权利要求1所述的黑名单分析方法,其特征在于,所述根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果的步骤之前包括:
从所述大数据平台中获取各个关联人或申请人的历史交易信息;
所述根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果的步骤包括:
根据所述历史交易信息、关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果。
8.一种黑名单分析装置,其特征在于,所述黑名单分析装置包括:
第一获取模块,用于在接收到用户触发的黑名单分析指令时,获取申请人的申请信息;
第二获取模块,用于基于所述申请信息从大数据平台获取申请人的关系网络信息和关系网络中各个关联人已有的黑名单标识信息;
分层模块,用于基于所述关系网络信息对申请人的关系网络进行分层,获得一个或多个关系层级;
分析模块,用于根据各个关联人的黑名单标识信息和关联人所在的关系层级对申请人进行黑名单分析,获得申请人的黑名单分析结果。
9.一种黑名单分析设备,其特征在于,所述黑名单分析设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的黑名单分析程序,其中所述黑名单分析程序被所述处理器执行时,实现如权利要求1至7中任一项所述的黑名单分析方法的步骤。
10.一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黑名单分析程序,其中所述黑名单分析程序被处理器执行时,实现如权利要求1至7中任一项所述的黑名单分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811205852.9A CN109636083A (zh) | 2018-10-16 | 2018-10-16 | 黑名单分析方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811205852.9A CN109636083A (zh) | 2018-10-16 | 2018-10-16 | 黑名单分析方法、装置、设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109636083A true CN109636083A (zh) | 2019-04-16 |
Family
ID=66066342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811205852.9A Pending CN109636083A (zh) | 2018-10-16 | 2018-10-16 | 黑名单分析方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109636083A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110717817A (zh) * | 2019-08-14 | 2020-01-21 | 深圳壹账通智能科技有限公司 | 贷前审核方法及装置、电子设备和计算机可读存储介质 |
CN113157704A (zh) * | 2021-05-06 | 2021-07-23 | 成都卫士通信息产业股份有限公司 | 层级关系分析方法、装置、设备及计算机可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101453472A (zh) * | 2005-11-09 | 2009-06-10 | 华为技术有限公司 | 关系信息的公开、获取方法及系统 |
CN103475669A (zh) * | 2013-09-25 | 2013-12-25 | 上海交通大学 | 基于关联分析的网站信用黑名单生成方法及系统 |
CN104992305A (zh) * | 2015-08-03 | 2015-10-21 | 福州维胜信息技术有限公司 | 一种医院客户关系管理系统 |
CN106682906A (zh) * | 2015-11-10 | 2017-05-17 | 阿里巴巴集团控股有限公司 | 一种风险识别、业务处理方法和设备 |
CN106850346A (zh) * | 2017-01-23 | 2017-06-13 | 北京京东金融科技控股有限公司 | 用于监控节点变化及辅助识别黑名单的方法、装置及电子设备 |
CN107615733A (zh) * | 2015-04-14 | 2018-01-19 | 蔡宏铭 | 实现同行人即时通讯、同行信息共享及内容推荐的方法和系统 |
CN107871278A (zh) * | 2017-08-04 | 2018-04-03 | 平安普惠企业管理有限公司 | 服务器、客户关系网络展示的方法及存储介质 |
CN108399509A (zh) * | 2018-04-12 | 2018-08-14 | 阿里巴巴集团控股有限公司 | 确定业务请求事件的风险概率的方法及装置 |
-
2018
- 2018-10-16 CN CN201811205852.9A patent/CN109636083A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101453472A (zh) * | 2005-11-09 | 2009-06-10 | 华为技术有限公司 | 关系信息的公开、获取方法及系统 |
CN103475669A (zh) * | 2013-09-25 | 2013-12-25 | 上海交通大学 | 基于关联分析的网站信用黑名单生成方法及系统 |
CN107615733A (zh) * | 2015-04-14 | 2018-01-19 | 蔡宏铭 | 实现同行人即时通讯、同行信息共享及内容推荐的方法和系统 |
CN104992305A (zh) * | 2015-08-03 | 2015-10-21 | 福州维胜信息技术有限公司 | 一种医院客户关系管理系统 |
CN106682906A (zh) * | 2015-11-10 | 2017-05-17 | 阿里巴巴集团控股有限公司 | 一种风险识别、业务处理方法和设备 |
CN106850346A (zh) * | 2017-01-23 | 2017-06-13 | 北京京东金融科技控股有限公司 | 用于监控节点变化及辅助识别黑名单的方法、装置及电子设备 |
CN107871278A (zh) * | 2017-08-04 | 2018-04-03 | 平安普惠企业管理有限公司 | 服务器、客户关系网络展示的方法及存储介质 |
CN108399509A (zh) * | 2018-04-12 | 2018-08-14 | 阿里巴巴集团控股有限公司 | 确定业务请求事件的风险概率的方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110717817A (zh) * | 2019-08-14 | 2020-01-21 | 深圳壹账通智能科技有限公司 | 贷前审核方法及装置、电子设备和计算机可读存储介质 |
CN113157704A (zh) * | 2021-05-06 | 2021-07-23 | 成都卫士通信息产业股份有限公司 | 层级关系分析方法、装置、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210049622A1 (en) | Marketing method and apparatus based on deep reinforcement learning | |
CN108280115B (zh) | 识别用户关系的方法及装置 | |
CN109474483A (zh) | 一种设备异常情况的检测方法、检测装置及终端设备 | |
CN108470253A (zh) | 一种用户识别方法、装置及存储设备 | |
CN108182634A (zh) | 一种借贷预测模型的训练方法、借贷预测方法和装置 | |
CN109636565A (zh) | 风险数据的处理方法、装置、设备及计算机可读存储介质 | |
CN110163647A (zh) | 一种数据处理方法及装置 | |
CN109978033A (zh) | 同操作人识别模型的构建与同操作人识别的方法和装置 | |
CN108460627A (zh) | 营销活动方案推送方法、装置、计算机设备及存储介质 | |
CN110033294A (zh) | 一种业务分值的确定方法、业务分值确定装置及介质 | |
CN107767055A (zh) | 一种基于串谋检测的众包结果汇聚方法及装置 | |
CN112070310A (zh) | 基于人工智能的流失用户预测方法、装置及电子设备 | |
CN107403311B (zh) | 账户用途的识别方法及装置 | |
CN112148992A (zh) | 内容推送方法、装置、计算机设备和存储介质 | |
CN110852870A (zh) | 一种虚拟资源转移方法、装置、设备及可读存储介质 | |
CN111754241A (zh) | 一种用户行为感知方法、装置、设备及介质 | |
CN111080429A (zh) | 一种虚拟资源获取方法、装置和存储介质 | |
CN112950218A (zh) | 一种业务风险评估方法、装置、计算机设备和存储介质 | |
CN109636083A (zh) | 黑名单分析方法、装置、设备及计算机可读存储介质 | |
CN115545103A (zh) | 异常数据识别、标签识别方法和异常数据识别装置 | |
CN109427008A (zh) | 记账方法、装置及计算机可读存储介质 | |
CN111506718A (zh) | 会话消息确定方法、装置、计算机设备和存储介质 | |
CN113409096B (zh) | 目标对象识别方法、装置、计算机设备及存储介质 | |
CN115809889A (zh) | 基于营销效果的智能客群筛选方法、系统、介质及设备 | |
CN112199434B (zh) | 数据处理方法、装置、电子设备及存储介质 |
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 |