CN109636181A - 一种用户信用分计算方法及系统 - Google Patents
一种用户信用分计算方法及系统 Download PDFInfo
- Publication number
- CN109636181A CN109636181A CN201811508001.1A CN201811508001A CN109636181A CN 109636181 A CN109636181 A CN 109636181A CN 201811508001 A CN201811508001 A CN 201811508001A CN 109636181 A CN109636181 A CN 109636181A
- Authority
- CN
- China
- Prior art keywords
- achievement data
- user
- data
- achievement
- credit
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 238000010606 normalization Methods 0.000 claims abstract description 8
- 241001269238 Data Species 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 22
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 241000207961 Sesamum Species 0.000 description 3
- 235000003434 Sesamum indicum Nutrition 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (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
本发明公开的用户信用分计算方法及系统，涉及数据分析技术领域，利用分类算法模型，从用户行为数据中获取各个维度的指标数据，利用工作窃取算法，计算指标数据的加/扣分值及标准差，利用Z‑Score标准化算法，剔除大于标准差设定倍数的指标数据，利用归一化算法，将指标数据映射为0～1之间的指标数据，根据指标数据、指标数据对应的权重及指标数据的加/扣分值，计算指标数据的信用分，重复上述步骤，得到各个维度的指标数据的信用分，计算各个维度的指标数据的信用分的和，得到该用户的信用分，提高了信用评分的真实性、减少了用户违约的风险。
Description
技术领域
本发明数据分析技术领域，具体涉及一种用户信用分计算方法及系统。
背景技术
对用户的行为进行信用积分的统计是企业考核用户，是保证企业健康持续发展的一个重要指标。以首汽共享汽车公司GoFun为例，用户信用分是基于用户的用车行为数据，鼓励用户良好的开车行为和用车习惯，从而对用户进行健康地信用评分，并且通过信用分约束用户的不良行为，保障其他用户的用车安全。
目前国内的信用体系暂无统一的数据来源和计算的方法，大部分平台都是利用自身数据进行粗略评估。以FICO信用评分体系及芝麻信用评估系统为例，FICO信用评分体系中所关注的主要因素包括客户的信用偿还历史、信用账户数、使用信用的年限、正在使用的信用类型、新开立的信用账户五类，芝麻信用评估系统拥有较为丰富的评估数据来源，因此其评估指标也非常多样，芝麻信用评估系统的评估指标包括基本信息、消费偏好、支付和资金、人脉关系、黑名单信息等五类。
现有的信用评分体系存在以下几方面的缺陷：
(1)数据采集维度不够完整，信用评分难以真实反映用户信用状况；
(2)由于“刷信用分”的行为存在，导致用户违约风险增大。
发明内容
为解决现有技术的不足，本发明实施例提供了一种用户信用分计算方法及系统。
第一方面，本发明实施例提供了一种用户信用分计算方法，该方法包括：
Step1、利用分类算法模型，从用户行为数据中获取各个维度的指标数据；
Step2、利用工作窃取算法，计算所述指标数据的加/扣分值及标准差，其中，加分值的计算公式为减分值的计算公式为x为指标数据，max为与所述指标数据维度相同的所有用户指标数据的最大值，min为与所述指标数据维度相同的所有用户指标数据的最小值；
Step3、利用Z-Score标准化算法，剔除大于所述标准差设定倍数的指标数据，用于防止用户的刷分行为；
Step4、利用归一化算法，将所述指标数据映射为0～1之间的指标数据；
Step5、根据所述指标数据、所述指标数据对应的权重及所述指标数据的加/扣分值，计算所述指标数据的信用分；
Step6、重复上述步骤Step2-Step5，得到各个维度的指标数据的信用分，计算各个维度的指标数据的信用分的和，得到该用户的信用分。
进一步地，计算所述指标数据的信用分还包括：
判断所述指标数据与用户是否匹配，若否，则剔除所述指标数据。
第二方面，本发明实施例提供了一种用户信用分计算系统，该系统包括：
获取模块，用于利用分类算法模型，从用户行为数据中获取各个维度的指标数据；
计算模块，用于利用工作窃取算法，计算所述指标数据的加/扣分值及标准差，其中，加分值的计算公式为减分值的计算公式为x为指标数据，max为与所述指标数据维度相同的所有用户指标数据的最大值，min为与所述指标数据维度相同的所有用户指标数据的最小值；
剔除模块，用于利用Z-Score标准化算法，剔除大于所述标准差设定倍数的指标数据；
映射模块，用于利用归一化算法，将所述指标数据映射为0～1之间的指标数据；
所述计算模块，还用于根据所述指标数据、所述指标数据对应的权重及所述指标数据的加/扣分值，计算所述指标数据的信用分；
所述计算模块，还用于计算各个维度的指标数据的信用分，计算各个维度的指标数据的信用分的和，得到该用户的信用分。
进一步地，所述计算模块包括：
判断单元，用于判断所述指标数据与用户是否匹配，若否，则剔除所述指标数据。
本发明实施例提供的用户信用分计算方法及系统具有以下有益效果：
(1)实现对用户行为数据各个维度的采集，信用评分能够真实反映用户的信用状况；
(2)阻止了“刷信用分”的行为，减少了用户违约的风险。
附图说明
图1为本发明实施例提供的用户信用分计算方法的流程示意图；
图2为本发明实施例提供的用户信用分计算系统的结构示意图；
图3为本发明实施例提供的用户信用分计算系统的另一结构示意图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
如图1所示，本发明实施例提供的用户信用分计算方法包括以下步骤：
S101、利用分类算法模型，从用户行为数据中获取各个维度的指标数据。
S102、利用工作窃取算法，计算所述指标数据的加/扣分值及标准差，其中，加分值的计算公式为减分值的计算公式为x为指标数据，max为与所述指标数据维度相同的所有用户指标数据的最大值，min为与所述指标数据维度相同的所有用户指标数据的最小值。
S103、利用Z-Score标准化算法，剔除大于所述标准差设定倍数的指标数据。
作为一个具体的实施例，可以设定剔除大于三倍标准差的指标数据。
S104、利用归一化算法，将所述指标数据映射为0～1之间的指标数据。
S105、根据所述指标数据、所述指标数据对应的权重及所述指标数据的加/扣分值，计算所述指标数据的信用分。
S106、重复上述步骤S102-S105，得到各个维度的指标数据的信用分，计算各个维度的指标数据的信用分的和，得到该用户的信用分。
进一步地，计算所述指标数据的信用分还包括：
判断所述指标数据与用户是否匹配，若否，则剔除所述指标数据。
如图2所示，本发明实施例提供的用户信用分计算方法包括获取模块、计算模块、剔除模块及映射模块，其中：
获取模块，用于利用分类算法模型，从用户行为数据中获取各个维度的指标数据；
计算模块，用于利用工作窃取算法，计算所述指标数据的加/扣分值及标准差，其中，加分值的计算公式为减分值的计算公式为x为指标数据，max为与所述指标数据维度相同的所有用户指标数据的最大值，min为与所述指标数据维度相同的所有用户指标数据的最小值；
剔除模块，用于利用Z-Score标准化算法，剔除大于所述标准差设定倍数的指标数据；
映射模块，用于利用归一化算法，将所述指标数据映射为0～1之间的指标数据；
所述计算模块，还用于根据所述指标数据、所述指标数据对应的权重及所述指标数据的加/扣分值，计算所述指标数据的信用分；
所述计算模块，还用于计算各个维度的指标数据的信用分，计算各个维度的指标数据的信用分的和，得到该用户的信用分。
如图3所示，所述计算模块包括：
判断单元，用于判断所述指标数据与用户是否匹配，若否，则剔除所述指标数据。
本发明实施例提供的用户信用分计算方法及系统，利用分类算法模型，从用户行为数据中获取各个维度的指标数据，利用工作窃取算法，计算指标数据的加/扣分值及标准差，利用Z-Score标准化算法，剔除大于标准差设定倍数的指标数据，利用归一化算法，将指标数据映射为0～1之间的指标数据，根据指标数据、指标数据对应的权重及指标数据的加/扣分值，计算指标数据的信用分，重复上述步骤，得到各个维度的指标数据的信用分，计算各个维度的指标数据的信用分的和，得到该用户的信用分，提高了信用评分的真实性、减少了用户违约的风险。
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。
可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
此外，存储器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)，存储器包括至少一个存储芯片。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、设备(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。
存储器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)。存储器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。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (4)
1.一种用户信用分计算方法，其特征在于，包括：
Step1、利用分类算法模型，从用户行为数据中获取各个维度的指标数据；
Step2、利用工作窃取算法，计算所述指标数据的加/扣分值及标准差，其中，加分值的计算公式为减分值的计算公式为x为指标数据，max为与所述指标数据维度相同的所有用户指标数据的最大值，min为与所述指标数据维度相同的所有用户指标数据的最小值；
Step3、利用Z-Score标准化算法，剔除大于所述标准差设定倍数的指标数据；
Step4、利用归一化算法，将所述指标数据映射为0～1之间的指标数据；
Step5、根据所述指标数据、所述指标数据对应的权重及所述指标数据的加/扣分值，计算所述指标数据的信用分；
Step6、重复上述步骤Step2-Step5，得到各个维度的指标数据的信用分，计算各个维度的指标数据的信用分的和，得到该用户的信用分。
2.根据权利要求1所述的用户信用分计算方法，其特征在于，计算所述指标数据的信用分还包括：
判断所述指标数据与用户是否匹配，若否，则剔除所述指标数据。
3.一种用户信用分计算系统，其特征在于，包括：
获取模块，用于利用分类算法模型，从用户行为数据中获取各个维度的指标数据；
计算模块，用于利用工作窃取算法，计算所述指标数据的加/扣分值及标准差，其中，加分值的计算公式为减分值的计算公式为x为指标数据，max为与所述指标数据维度相同的所有用户指标数据的最大值，min为与所述指标数据维度相同的所有用户指标数据的最小值；
剔除模块，用于利用Z-Score标准化算法，剔除大于所述标准差设定倍数的指标数据；
映射模块，用于利用归一化算法，将所述指标数据映射为0～1之间的指标数据；
所述计算模块，还用于根据所述指标数据、所述指标数据对应的权重及所述指标数据的加/扣分值，计算所述指标数据的信用分；
所述计算模块，还用于计算各个维度的指标数据的信用分，计算各个维度的指标数据的信用分的和，得到该用户的信用分。
4.根据权利要求3所述的用户信用分计算方法，其特征在于，所述计算模块还包括：
判断单元，用于判断所述指标数据与用户是否匹配，若否，则剔除所述指标数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811508001.1A CN109636181A (zh) | 2018-12-11 | 2018-12-11 | 一种用户信用分计算方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811508001.1A CN109636181A (zh) | 2018-12-11 | 2018-12-11 | 一种用户信用分计算方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109636181A true CN109636181A (zh) | 2019-04-16 |
Family
ID=66072645
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811508001.1A Pending CN109636181A (zh) | 2018-12-11 | 2018-12-11 | 一种用户信用分计算方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109636181A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111177280A (zh) * | 2019-12-26 | 2020-05-19 | 北京亚信数据有限公司 | 一种数据权威性评价方法和装置 |
| CN111581499A (zh) * | 2020-04-21 | 2020-08-25 | 北京龙云科技有限公司 | 一种数据归一化方法、装置、设备及可读存储介质 |
| CN111967790A (zh) * | 2020-08-28 | 2020-11-20 | 恒瑞通（福建）信息技术有限公司 | 一种可自动演算的信用分算法模型的方法及终端 |
| CN112819604A (zh) * | 2021-01-19 | 2021-05-18 | 浙江省农村信用社联合社 | 基于融合神经网络特征挖掘的个人信用评估方法与系统 |
| CN113674045A (zh) * | 2021-04-14 | 2021-11-19 | 南京财经大学 | 一种基于区间分割的电商水军识别方法 |
-
2018
- 2018-12-11 CN CN201811508001.1A patent/CN109636181A/zh active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111177280A (zh) * | 2019-12-26 | 2020-05-19 | 北京亚信数据有限公司 | 一种数据权威性评价方法和装置 |
| CN111581499A (zh) * | 2020-04-21 | 2020-08-25 | 北京龙云科技有限公司 | 一种数据归一化方法、装置、设备及可读存储介质 |
| CN111581499B (zh) * | 2020-04-21 | 2023-04-28 | 北京龙云科技有限公司 | 一种数据归一化方法、装置、设备及可读存储介质 |
| CN111967790A (zh) * | 2020-08-28 | 2020-11-20 | 恒瑞通（福建）信息技术有限公司 | 一种可自动演算的信用分算法模型的方法及终端 |
| CN111967790B (zh) * | 2020-08-28 | 2023-04-07 | 恒瑞通（福建）信息技术有限公司 | 一种可自动演算的信用分方法及终端 |
| CN112819604A (zh) * | 2021-01-19 | 2021-05-18 | 浙江省农村信用社联合社 | 基于融合神经网络特征挖掘的个人信用评估方法与系统 |
| CN113674045A (zh) * | 2021-04-14 | 2021-11-19 | 南京财经大学 | 一种基于区间分割的电商水军识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109636181A (zh) | 一种用户信用分计算方法及系统 | |
| TWI716871B (zh) | 後付費交易資料處理方法、裝置、處理設備、及伺服器 | |
| Zhou et al. | On the just-in-time discovery of profit-generating transactions in defi protocols | |
| TW201905773A (zh) | 車險風險預測方法、裝置及伺服器 | |
| US10552837B2 (en) | Hierarchical profiling inputs and self-adaptive fraud detection system | |
| CN108460523A (zh) | 一种风控规则生成方法和装置 | |
| US10832250B2 (en) | Long-term short-term cascade modeling for fraud detection | |
| CN109063985A (zh) | 一种业务的风险决策方法及装置 | |
| CN110263821B (zh) | 交易特征生成模型的训练、交易特征的生成方法和装置 | |
| CN109978538A (zh) | 确定欺诈用户、训练模型、识别欺诈风险的方法及装置 | |
| JP6869347B2 (ja) | リスク制御イベント自動処理の方法および装置 | |
| CN106033575A (zh) | 风险账户识别方法及装置 | |
| CN109636510A (zh) | 一种确定用户风险偏好、理财产品的推荐方法和装置 | |
| KR20200007271A (ko) | 암호화폐 평가 방법 및 암호화폐 지수 | |
| CN110097450A (zh) | 车贷风险评估方法、装置、设备和存储介质 | |
| CN109003075A (zh) | 一种风险识别方法及装置 | |
| CN109598542A (zh) | 一种营销权益的投放方法、装置及电子设备 | |
| 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 | |
| WO2021120845A1 (zh) | 一种同质风险单位特征集合生成方法、装置、设备及介质 | |
| CN111260368A (zh) | 一种账户交易风险判断方法、装置及电子设备 | |
| CN109376899A (zh) | 一种经济波动数据确定方法及装置 | |
| CN108876102A (zh) | 一种风险交易挖掘方法、装置及设备 | |
| CN110414980A (zh) | 一种风险防控数据处理方法及装置 | |
| CN110020775A (zh) | 一种风险交易管控方法及装置 | |
| CN109146658A (zh) | 一种核算方法、装置、系统及电子设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190416 |