CN109858735A - 用户风险评分评定方法、装置、计算机设备及存储介质 - Google Patents
用户风险评分评定方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109858735A CN109858735A CN201811535389.4A CN201811535389A CN109858735A CN 109858735 A CN109858735 A CN 109858735A CN 201811535389 A CN201811535389 A CN 201811535389A CN 109858735 A CN109858735 A CN 109858735A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- scoring
- risk
- operation behavior
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000011156 evaluation Methods 0.000 claims abstract description 45
- 238000010200 validation analysis Methods 0.000 claims abstract description 41
- 230000006399 behavior Effects 0.000 claims description 130
- 230000001960 triggered effect Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 119
- 238000010586 diagram Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012550 audit Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用户风险评分评定方法、装置、计算机设备及存储介质，先获取风险评分评定请求，风险评分评定请求包括用户标识；根据用户标识获取对应的用户基本信息，根据用户基本信息计算用户信息评分；若用户信息评分超过预设评分阈值，则发送信息确认请求至客户端；根据信息确认请求获取用户操作行为和每一用户操作行为对应的目标操作时长；根据用户操作行为和每一用户操作行为对应的目标操作时长，计算用户操作评分；将所述用户信息评分和所述用户操作评分进行直接相加或加权相加，得到用户风险评分。综合用户基本信息和用户操作行为来获得用户风险评分，保证了用户风险评分的准确性。
Description
技术领域
本发明涉及数据分析领域，尤其涉及一种用户风险评分评定方法、装置、计算机设备及存储介质。
背景技术
随着社会需求的增大，贷款业务已经渐渐普及到广大人民群众的生活中，各类贷款公司也逐渐出现于人们的视线中。在贷款过程中，贷款公司的审查人员需要根据借款人的信用情况和还款能力对贷款人进行资格审查和评定，评测贷款风险度，在根据具体情况进行贷款决策和额度设定，以降低贷款风险。目前，在通过评分来反映用户存在出现违约、逾期还款或者诈骗的风险时，仅基于用户基本信息计算该风险评分。由于计算的维度太少，通过该方式得到的风险评分不能很精准地反映出该用户是否存在风险。
发明内容
本发明实施例提供一种用户风险评分评定方法、装置、计算机设备及存储介质，以解决用户风险评分的准确性不高的问题。
一种用户风险评分评定方法，包括：
获取风险评分评定请求，所述风险评分评定请求包括用户标识；
根据所述用户标识获取对应的用户基本信息，根据所述用户基本信息计算用户信息评分；
若所述用户信息评分超过预设评分阈值，则发送信息确认请求至客户端；
根据所述信息确认请求获取用户操作行为和每一所述用户操作行为对应的目标操作时长；
根据所述用户操作行为和每一所述用户操作行为对应的目标操作时长，计算用户操作评分；
将所述用户信息评分和所述用户操作评分进行直接相加或加权相加，得到用户风险评分。
一种用户风险评分评定装置，包括：
风险评分评定请求获取模块，用于获取风险评分评定请求，所述风险评分评定请求包括用户标识；
用户信息评分计算模块，用于根据所述用户标识获取对应的用户基本信息，根据所述用户基本信息计算用户信息评分；
信息确认请求发送模块，用于若所述用户信息评分超过预设评分阈值，则发送信息确认请求至客户端；
用户操作行为获取模块，用于根据所述信息确认请求获取用户操作行为和每一所述用户操作行为对应的目标操作时长；
用户操作评分计算模块，用于根据所述用户操作行为和每一所述用户操作行为对应的目标操作时长，计算用户操作评分；
用户风险评分获取模块，用于将所述用户信息评分和所述用户操作评分进行直接相加或加权相加，得到用户风险评分。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述用户风险评分评定方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述用户风险评分评定方法的步骤。
上述用户风险评分评定方法、装置、计算机设备及存储介质中，先获取风险评分评定请求，风险评分评定请求包括用户标识；根据用户标识获取对应的用户基本信息，根据用户基本信息计算用户信息评分；若用户信息评分超过预设评分阈值，则发送信息确认请求至客户端；根据信息确认请求获取用户操作行为和每一用户操作行为对应的目标操作时长；根据用户操作行为和每一用户操作行为对应的目标操作时长，计算用户操作评分；将用户信息评分和用户操作评分进行直接相加或加权相加，得到用户风险评分。综合用户基本信息和用户操作行为来获得用户风险评分，保证了用户风险评分的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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发明的一些实施例，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是本发明一实施例中用户风险评分评定方法的一应用环境示意图；
图2是本发明一实施例中用户风险评分评定方法的一示例图；
图3是本发明一实施例中用户风险评分评定方法的另一示例图；
图4是本发明一实施例中用户风险评分评定方法的另一示例图；
图5是本发明一实施例中用户风险评分评定方法的另一示例图；
图6是本发明一实施例中用户风险评分评定方法的另一示例图；
图7是本发明一实施例中用户风险评分评定装置的一原理框图；
图8是本发明一实施例中用户风险评分评定装置的另一原理框图；
图9是本发明一实施例中用户风险评分评定装置的另一原理框图；
图10是本发明一实施例中计算机设备的一示意图。
具体实施方式
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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明实施例提供的用户风险评分评定方法，可应用在如图1的应用环境中。其中，客户端(计算机设备)通过网络与服务端进行通信。客户端发送风险评分评定请求到服务端，服务端根据用户标识获取对应的用户基本信息，根据用户基本信息计算用户信息评分；若用户信息评分超过预设评分阈值，则发送信息确认请求至客户端；根据信息确认请求获取用户操作行为和每一用户操作行为对应的目标操作时长；根据用户操作行为和每一用户操作行为对应的目标操作时长，计算用户操作评分；将用户信息评分和用户操作评分进行直接相加或加权相加，得到用户风险评分。其中，客户端(计算机设备)可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中，如图2所示，提供一种用户风险评分评定方法，以该方法应用在图1中的服务端为例进行说明，包括如下步骤：
S10：获取风险评分评定请求，风险评分评定请求包括用户标识。
其中，风险评分评定请求为客户端发起的对当前用户进行风险评定的请求。具体地，用户通过客户端输入对应的指令或信息来触发该风险评分评定请求，或者用户在现场或者柜台提出申请，由客服人员通过客户端发起风险评分评定请求。客户端将该风险评分评定请求发送至服务端，服务端即获取到风险评分评定请求。用户标识是指可以唯一标识出用户的信息。在一个实施方式中，用户标识可以为证件号、用户名或用户号。用户号是一平台、应用程序或者系统为用户分配的识别编号，一个用户对应一个唯一用户号。可选地，该用户号可以由中文、数字、字母或符号等至少一种组成。
S20：根据用户标识获取对应的用户基本信息，根据用户基本信息计算用户信息评分。
其中，用户基本信息为在用户风险评分评定中可能涉及的需要审核的和用户相关的信息。可选地，用户基本信息包括用户的身份信息、资产信息、收入信息、征信信息、借贷信息、手持设备信息、社交账号信息、第三方平台消费信息或贷款申请行为信息等至少一项。具体地，用户基本信息可以从服务端内部的数据库获取，也可以通过第三方数据接口进行获取，还可以通过发送数据获取请求到客户端，提示用户进行对应信息的输入或上传。而通过用户标识可以获取到该用户标识对应的用户基本信息。
具体地，可以预先设置一个预设规则，该预设规则为预先设置的一个评分标准，该预设规则可以根据实际贷款产品或者服务的需要进行设置，也可以根据历史数据进行统计得到，具体可以根据实际需要而设定，在此不再赘述。将用户基本信息通过该预设规则进行评分，即得到用户信息评分。可选地，可以为每一项用户基本信息设定一个预设规则，以得到更加精确的用户用户信息评分。
示例性地，若用户基本信息包括用户的身份信息和资产信息，则可以为身份信息和资产信息设置不同的预设规则。例如，若身份信息包括性别、职业、年龄和身体状况。则可以分别为不同的性别、职业、年龄段和身体状况预先设置不同的分值，再根据该用户标识对应的身份信息来获取对应的分值并进行叠加，即得到身份信息的分值。而对于资产信息，则可以预先设置不同的资产区间，不同的资产区间对应的分值也不同，而后根据该用户标识的资产信息找到对应的资产区间，即获取到资产信息对应的分值。最后将身份信息对应的分值和资产信息对一个的分值进行直接或间接地相加，即得到用户信息评分。其中间接地相加可以体现为预先为不同地用户基本信息设置不同的权值，将每一用户基本信息的分值乘以对应的权值之后再进行叠加。
S30：若用户信息评分超过预设评分阈值，则发送信息确认请求至客户端。
其中，信息确认请求为对信息进行进一步确认或者获取的触发请求。在计算得到用户信息评分之后，将该用户信息评分和预设评分阈值进行比较，若该用户信息评分超过预设评分阈值，则说明用户信息评分通过了初步审核，可以进一步进行用户风险评分的评定，因此发出信息确认请求至客户端，以提示客户端进行对应的信息确认，通过信息确认请求来获取进一步的信息。优选地，该信息确认请求包括信息确认内容。该信息确认内容是指需要向客户进一步采集的信息。可以理解地，该信息采集内容可以针对在对用户基本信息中分值较低的信息进行补充信息采集。例如，对身份信息的补充采集、对收入信息的进一步确定或者对征信信息的进一步确定或者对具体协议的确认等。
在一个具体实施方式中，若用户信息评分没有超过预设评分阈值，则发出风险评分评定失败的提示信息。可以理解地，若用户信息评分没有超过预设评分阈值，则说明用户的基本信息不达标，发出风险评分评定失败的提示信息。
S40：根据信息确认请求获取用户操作行为和每一用户操作行为对应的目标操作时长。
其中，用户操作行为是指用户在客户端中对信息确认请求相关的信息进行操作的行为。可选地，该用户操作行为包括查看协议信息和输入个人信息。查看协议信息是指用户在客户端查看由服务端发送的协议，输入个人信息包括输入用户的手机号码、身份证号码或其他个人信息，以进行进一步地确认。目标操作时长是指用户开始执行某一项操作的时间和结束该项操作的时间的时间差。例如，查看协议对应的目标操作时长可以是该用户查看协议所花费的时间；输入个人信息对应的目标操作时长可以是用户从开始输入个人信息到结束输入该个人信息的时间差。
具体地，可以通过在客户端预先进行数据埋点，并通过获取对应地埋点数据，获取用户操作行为和每一用户操作行为对应的目标操作时长。
S50：根据用户操作行为和每一用户操作行为对应的目标操作时长，计算用户操作评分。
用户操作评分是指根据用户操作行为和对应的操作时长，计算得到一个用于反映用户基本信息风险的分值。具体地，对用户操作行为和对应的操作时长进行分析，根据分析结果，得到每项用户操作行为对应的分值，再对该分值进行求和，得到该用户操作评分。可以预先设定一个比对基准，再根据每一用户操作行为对应的目标操作时长和比对基准的关系来计算每一用户操作行为的分值，再进行汇总，即得到用户操作评分。该比对基准可以根据历史数据来设定，也可以根据实际需要进行设定。
S60：将用户信息评分和用户操作评分进行直接相加或加权相加，得到用户风险评分。
具体地，将用户信息评分和用户操作评分进行直接相加，即是将两者直接做加法运算，得到的结果即为用户风险评分。而将用户信息评分和用户操作评分进行加权相加体现为：预先为用户信息评分和用户操作评分设置不同的权值，将用户信息评分和用户操作评分分别乘以对应的权值之后再进行相加，即得到用户风险评分。
在本实施例中，先获取风险评分评定请求，风险评分评定请求包括用户标识；根据用户标识获取对应的用户基本信息，根据用户基本信息计算用户信息评分；若用户信息评分超过预设评分阈值，则发送信息确认请求至客户端；根据信息确认请求获取用户操作行为和每一用户操作行为对应的目标操作时长；根据用户操作行为和每一用户操作行为对应的目标操作时长，计算用户操作评分；将用户信息评分和用户操作评分进行直接相加或加权相加，得到用户风险评分。综合用户基本信息和用户操作行为来获得用户风险评分，保证了用户风险评分的准确性。
在一实施例中，如图3所示，根据用户基本信息计算用户信息评分，具体包括如下步骤：
S21：从用户基本信息中提取基本信息字段。
其中，在用户基本信息中，包括有基本信息字段，可选地，基本信息字段包括基本信息字段名和基本信息字段值，该基本信息字段用于表明对应的内容的含义，例如：年龄：50、性别：男、学历：硕士、婚姻：已婚、行业：互联网等。具体地，可以采用SQL语句从用户基本信息中提取出基本信息字段。
S22：获取用户评分信息表，从用户评分信息表中获取用户基本信息中每一基本信息字段对应的分值和权值。
其中，用户评分信息表是指以分数的形式来衡量风险几率的一种数据表。在用户评分信息表中，评分越高，代表对应的风险越低。示例性地，在信贷场景中，该用户评分信息表用于预测对未来一段时间内，用户出现违约、逾期或失联的概率。可选地，该用户评分信息表是指预先设置好，用于获取用户每项用户基本信息对应的评分的数据表格。例如，如表1所示，为一个用户评分信息表的示例，在年龄这一项用户基本信息中，根据不同的年龄，对年龄对应的基本信息字段划分得到的范围可以是：[0，25]、[26，30]、[31，35]、[36，40]、[41，45]以及45岁以上；或者对于学历这一基本信息字段，根据不同学历，划分的范围可以是硕士以上、大学本科/大专、高中和初中以下等。可以理解地，该表仅是对用户评分信息表的一个示例性说明，并不造成对本发明的一个限缩。
表1用户评分信息表
在该步骤中，根据步骤S21中提取的基本信息字段，可以在用户评分信息表中获取到每一基本信息字段对应的分值和权值。
具体地，先根据基本信息字段名在用户评分信息表中获取到对应的字段，根据该字段即可查询到基本信息字段对应的权值，再根据基本信息字段值在用户评分信息表中的对应范围中获取到该基本信息字段对应的分值。
S23：根据如下公式计算得到用户信息评分：
其中，S为用户信息评分，N为用户基本信息中基本信息字段的个数，Pi为第i个基本信息字段对应的分值，Wi为第i个基本信息字段对应的权值。
具体地，在获取到用户基本信息中每一基本信息字段对应的分值和权值之后后，将该每一基本信息字段的分值和权值进行相乘后进行求和，计算得到该用户信息评分。
在本实施例中，通过从用户基本信息中提取基本信息字段；获取用户评分信息表，从用户评分信息表中获取所述用户基本信息中每一基本信息字段对应的分值和权值；根据预先配置好的公式计算得到用户信息评分，保证了用户信息评分计算的效率和准确性。
在一实施例中，如图4所示，根据信息确认请求获取用户操作行为和每一用户操作行为对应的目标操作时长，具体包括如下步骤：
S41：根据信息确认请求获取客户端返回的用户埋点数据。
其中，数据埋点是指用于在应用中特定的流程收集一些信息，用来跟踪应用使用的状况，后续用来进一步优化产品或是提供运营的数据支撑，例如，可以对访问(Visits)、访客(Visitor)、停留时间(Time On Site)、页面查看(Page Views，又称为页面浏览)和跳出率(Bounce Rate，又可称为蹦失率)等信息进行监控。具体地，预先在在用户操作的界面中设置好该数据埋点，用于获取上述用户操作行为。在设置该数据埋点时，可以设置需要获取的用户操作行为的数据，例如操作触发时间、操作结束时间或者页面停留时间等。而用户埋点数据则是通过数据埋点获取到的不同用户的操作数据。
在该步骤中，客户端在获取到服务端发送的信息确认请求之后，获取对应的用户埋点数据，并发送到服务端，服务端即获取到客户端返回的用户埋点数据。
S42：从用户埋点数据中获取每一用户操作行为的操作触发时间和操作结束时间。
其中，操作触发时间是指用户开始进行某项操作对应的时间点。操作结束时间是指用户结束进行某项操作对应的时间点。
具体地，通过数据埋点获取用户埋点数据，当检测到用户开始进行某项操作(例如：填写个人信息或者浏览具体协议)时，获取当前开始操作对应的时间。其中，对于查看协议对应的操作触发时间，检测用户开始进行该操作的操作触发时间的方式可以是通过检测用户点击查看该协议时，记录系统当前的时间作为查看协议对应的操作触发时间。对于输入个人信息对应的操作触发时间，检测用户开始输入个人信息对应的操作触发时间的方式可以是检测输入该个人信息对应文本框中的光标，判定用户开始输入个人信息，则记录当前的时间，作为输入个人信息对应的操作触发时间。对于获取输入个人信息对应的操作结束时间，其方法可以是根据输入的个人信息对应的位数，例如，手机号对应的位数为11位，当检测到输入的个人信息对应的文本框中的位数达到该输入的个人信息对应的位数时，记录当前时间作为操作结束时间，或者获取检测到用户离开该输入框时记录当前时间作为操作结束时间；或者检测到该文本框中的光标消失，则记录当前时间作为操作结束时间。
在该步骤中，根据预设好的数据埋点规则，从用户埋点数据中获取每一用户操作行为的操作触发时间和操作结束时间。
S43：根据每一用户操作行为的操作触发时间和操作结束时间，计算每一用户操作行为对应的目标操作时长。
具体地，通过每一用户操作行为对应的操作结束时间减去操作触发时间，计算得到每一用户操作行为的目标操作时长。
在本实施例中，根据信息确认请求获取客户端返回的用户埋点数据；从用户埋点数据中获取每一用户操作行为的操作触发时间和操作结束时间；根据每一用户操作行为的操作触发时间和操作结束时间，计算每一用户操作行为对应的目标操作时长。通过从用户埋点数据中获取对应的数据并进行计算，保证了目标操作时长获取的准确性，也进一步保证后续用户风险评分计算的准确性。
在一实施例中，如图5所示，根据用户操作行为和每一用户操作行为对应的目标操作时长，计算用户操作评分，具体包括如下步骤：
S51：获取每一用户操作行为对应的基准操作时长。
其中，基准操作时长是指根据历史数据或者实际经验预先设定的一个操作时长，作为比对基准。预先为每一用户操作行为设置对应的基准操作时长，并存储在客户端或者服务端中。在该步骤中，再根据对应的用户操作行为，获取每一用户操作行为对应的基准操作时长。
S52：将每一用户操作行为的目标操作时长与对应的基准操作时长进行比对，得到比对结果。
具体地，先获取到每一用户操作行为对应的基准操作时长，再将目标操作时长与对应的基准操作时长进行比对，根据两个时长的差别来得到比对结果。可选地，该比对结果可以为一个数值，该数据可以为一个差值或者一个比例值。
在一个具体实施方式中，将每一用户操作行为的目标操作时长与对应的基准操作时长进行比对，得到比对结果，具体包括：采用以下公式获取比对结果：
比对结果＝方向系数*((目标操作时长-基准操作时长)/基准操作时长)；
其中，方向系数为衡量目标操作时长和基准操作时长之间相关度方向的一个系数。在用户操作行为中，若目标操作时长超过基准操作时长时，该目标操作时长才是更优的，则该目标操作时长和基准操作时长之间为正相关，即它们的相关度方向为正。可选地，此时可以设置它们的方向系数为+1。反之，若一个目标操作时长超过基准操作时长时，该目标操作时长是更差的，则该目标操作时长和基准操作时长之间为负相关，即它们的相关度方向为负。可选地，此时可以设置它们的方向系数为-1。例如，若用户阅读协议信息的时间越长，说明用户时认真考虑的，因此这个用户操作行为对应的方向系数可以为+1。而当用户输入身份证号码时，若用户输入时间越长，则说明用户对这个信息是不熟悉的，因此这个用户操作行为对应的方向系数可以为-1。
因此，当一个目标操作时长不太理想时，通过上述公式计算出来的比对结果是一个负值。反之，当一个目标操作时长较为理想时，通过上述公式计算出来的比对结果是一个正值。
通过这个方向系数的设置，无论目标操作时长和基准操作时长为正相关还是负相关，都可以通过上述比对结果的计算公式直观地体现出来，不需要额外再做区分，可以直观地体现比对结果。
S53：根据比对结果计算用户操作评分。
在该步骤中，通过步骤S52中得到的比对结果来计算用户操作评分，即将每一用户操作行为的目标操作时长的比对结果进行汇总，从而得到用户操作评分。其中，不同用户操作行为的目标操作时长的比对结果可以直接相加也可以加权相加。
在一实施例中，如图6所示，获取每一用户操作行为对应的基准操作时长，具体包括如下步骤：
S511：根据用户基本信息获取对应的历史操作记录。
其中，历史操作记录为不同用户中和用户操作行为对应的操作行为的记录数据。历史操作记录可以包括历史操作行为和每一历史操作行为对应的历史操作时长。
在该步骤中，根据用户基本信息获取和该用户对应的用户的历史操作记录，例如，可以根据用户基本信息中的性别、年龄或者行业中的任一项来获取对应用户的历史操作记录。
S512：从历史操作记录中获取每一用户操作行为对应的历史操作时长。
从历史操作记录中以用户操作行为为单位，获取每一用户操作行为对应的历史操作时长，具体地，每一用户操作行为对应的历史操作时长包括不同用户在不同时间的历史操作时长。
进一步地，可以获取预设时间内的每一用户操作行为对应的历史操作时长，通过一个预设时间对历史操作时长进行限定。可选地，可以设置预设时间为1个月、3个月或者半年。
S513：对每一用户操作行为对应的历史操作时长进行均值化处理，得到每一用户操作行为对应的基准操作时长。
具体地，均值化处理即是对对应的数据进行求均值处理。对每一用户操作行为对应的历史操作时长进行均值化处理，即得到每一用户操作行为对应的基准操作时长。
在本实施例中，先根据用户基本信息获取对应的历史操作记录；从历史操作记录中获取每一用户操作行为对应的历史操作时长；对历史操作时长进行均值化处理，得到每一用户操作行为对应的基准操作时长。保证了基准操作时长获取的效率和准确性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种用户风险评分评定装置，该用户风险评分评定装置与上述实施例中用户风险评分评定方法一一对应。如图7所示，该用户风险评分评定装置包括风险评分评定请求获取模块10、用户信息评分计算模块20、信息确认请求发送模块30、用户操作行为获取模块40、用户操作评分计算模块50和用户风险评分获取模块60。各功能模块详细说明如下：
风险评分评定请求获取模块10，用于获取风险评分评定请求，风险评分评定请求包括用户标识；
用户信息评分计算模块20，用于根据用户标识获取对应的用户基本信息，根据用户基本信息计算用户信息评分；
信息确认请求发送模块30，用于若用户信息评分超过预设评分阈值，则发送信息确认请求至客户端；
用户操作行为获取模块40，用于根据信息确认请求获取用户操作行为和每一用户操作行为对应的目标操作时长；
用户操作评分计算模块50，用于根据用户操作行为和每一用户操作行为对应的目标操作时长，计算用户操作评分；
用户风险评分获取模块60，用于将用户信息评分和用户操作评分进行直接相加或加权相加，得到用户风险评分。
优选地，如图8所示，用户信息评分计算模块20包括基本信息字段提取单元21、分值和权值获取单元22和用户信息评分计算单元23。
基本信息字段提取单元21，用于从用户基本信息中提取基本信息字段；
分值和权值获取单元22，用于获取用户评分信息表，从用户评分信息表中获取用户基本信息中每一基本信息字段对应的分值和权值；
用户信息评分计算单元23，用于根据如下公式计算得到用户信息评分：
其中，S为用户信息评分，N为用户基本信息中基本信息字段的个数，Pi为第i个基本信息字段对应的分值，Wi为第i个基本信息字段对应的权值。
优选地，如图9所示，用户操作行为获取模块40包括用户埋点数据获取单元41、操作时间获取单元42和目标操作时长计算单元43。
用户埋点数据获取单元41，用于根据信息确认请求获取客户端返回的用户埋点数据；
操作时间获取单元42，用于从用户埋点数据中获取每一用户操作行为的操作触发时间和操作结束时间；
目标操作时长计算单元43，用于根据每一用户操作行为的操作触发时间和操作结束时间，计算每一用户操作行为对应的目标操作时长。
优选地，用户操作评分计算模块50包括基准操作时长获取单元、比对结果获取单元和用户操作评分计算单元。
基准操作时长获取单元，用于获取每一用户操作行为对应的基准操作时长；
比对结果获取单元，用于将每一用户操作行为的目标操作时长与对应的基准操作时长进行比对，得到比对结果；
用户操作评分计算单元，用于根据比对结果计算用户操作评分。
优选地，基准操作时长获取单元用于根据用户基本信息获取对应的历史操作记录；从历史操作记录中获取每一用户操作行为对应的历史操作时长；对每一用户操作行为对应的历史操作时长进行均值化处理，得到每一用户操作行为对应的基准操作时长。
关于用户风险评分评定装置的具体限定可以参见上文中对于用户风险评分评定方法的限定，在此不再赘述。上述用户风险评分评定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储上述用户风险评分评定方法中使用到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种用户风险评分评定方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取风险评分评定请求，所述风险评分评定请求包括用户标识；
根据所述用户标识获取对应的用户基本信息，根据所述用户基本信息计算用户信息评分；
若所述用户信息评分超过预设评分阈值，则发送信息确认请求至客户端；
根据所述信息确认请求获取用户操作行为和每一所述用户操作行为对应的目标操作时长；
根据所述用户操作行为和每一所述用户操作行为对应的目标操作时长，计算用户操作评分；
将所述用户信息评分和所述用户操作评分进行直接相加或加权相加，得到用户风险评分。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取风险评分评定请求，所述风险评分评定请求包括用户标识；
根据所述用户标识获取对应的用户基本信息，根据所述用户基本信息计算用户信息评分；
若所述用户信息评分超过预设评分阈值，则发送信息确认请求至客户端；
根据所述信息确认请求获取用户操作行为和每一所述用户操作行为对应的目标操作时长；
根据所述用户操作行为和每一所述用户操作行为对应的目标操作时长，计算用户操作评分；
将所述用户信息评分和所述用户操作评分进行直接相加或加权相加，得到用户风险评分。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种用户风险评分评定方法，其特征在于，包括：
获取风险评分评定请求，所述风险评分评定请求包括用户标识；
根据所述用户标识获取对应的用户基本信息，根据所述用户基本信息计算用户信息评分；
若所述用户信息评分超过预设评分阈值，则发送信息确认请求至客户端；
根据所述信息确认请求获取用户操作行为和每一所述用户操作行为对应的目标操作时长；
根据所述用户操作行为和每一所述用户操作行为对应的目标操作时长，计算用户操作评分；
将所述用户信息评分和所述用户操作评分进行直接相加或加权相加，得到用户风险评分。
2.如权利要求1所述的用户风险评分评定方法，其特征在于，所述根据所述用户基本信息计算用户信息评分，具体包括如下步骤：
从所述用户基本信息中提取基本信息字段；
获取用户评分信息表，从所述用户评分信息表中获取所述用户基本信息中每一基本信息字段对应的分值和权值；
根据如下公式计算得到用户信息评分：
其中，S为所述用户信息评分，N为所述用户基本信息中所述基本信息字段的个数，Pi为第i个所述基本信息字段对应的分值，Wi为第i个所述基本信息字段对应的权值。
3.如权利要求1所述的用户风险评分评定方法，其特征在于，所述根据所述信息确认请求获取用户操作行为和每一所述用户操作行为对应的目标操作时长，具体包括如下步骤：
根据所述信息确认请求获取客户端返回的用户埋点数据；
从所述用户埋点数据中获取每一所述用户操作行为的操作触发时间和操作结束时间；
根据每一所述用户操作行为的所述操作触发时间和所述操作结束时间，计算每一所述用户操作行为对应的所述目标操作时长。
4.如权利要求1所述的用户风险评分评定方法，其特征在于，所述根据所述用户操作行为和每一所述用户操作行为对应的目标操作时长，计算用户操作评分，具体包括如下步骤：
获取每一所述用户操作行为对应的基准操作时长；
将每一所述用户操作行为的目标操作时长与对应的基准操作时长进行比对，得到比对结果；
根据所述比对结果计算用户操作评分。
5.如权利要求4所述的用户风险评分评定方法，其特征在于，所述获取每一所述用户操作行为对应的基准操作时长，具体包括如下步骤：
根据所述用户基本信息获取对应的历史操作记录；
从所述历史操作记录中获取每一所述用户操作行为对应的历史操作时长；
对每一所述用户操作行为对应的所述历史操作时长进行均值化处理，得到每一所述用户操作行为对应的基准操作时长。
6.一种用户风险评分评定装置，其特征在于，包括：
风险评分评定请求获取模块，用于获取风险评分评定请求，所述风险评分评定请求包括用户标识；
用户信息评分计算模块，用于根据所述用户标识获取对应的用户基本信息，根据所述用户基本信息计算用户信息评分；
信息确认请求发送模块，用于若所述用户信息评分超过预设评分阈值，则发送信息确认请求至客户端；
用户操作行为获取模块，用于根据所述信息确认请求获取用户操作行为和每一所述用户操作行为对应的目标操作时长；
用户操作评分计算模块，用于根据所述用户操作行为和每一所述用户操作行为对应的目标操作时长，计算用户操作评分；
用户风险评分获取模块，用于将所述用户信息评分和所述用户操作评分进行直接相加或加权相加，得到用户风险评分。
7.如权利要求6所述的用户风险评分评定装置，其特征在于，所述用户信息评分计算模块包括：
基本信息字段提取单元，用于从所述用户基本信息中提取基本信息字段；
分值和权值获取单元，用于获取用户评分信息表，从所述用户评分信息表中获取所述用户基本信息中每一基本信息字段对应的分值和权值；
用户信息评分计算单元，用于根据如下公式计算得到用户信息评分：
其中，S为所述用户信息评分，N为所述用户基本信息中所述基本信息字段的个数，Pi为第i个所述基本信息字段对应的分值，Wi为第i个所述基本信息字段对应的权值。
8.如权利要求6所述的用户风险评分评定装置，其特征在于，所述用户操作行为获取模块包括：
用户埋点数据获取单元，用于根据所述信息确认请求获取客户端返回的用户埋点数据；
操作时间获取单元，用于从所述用户埋点数据中获取每一所述用户操作行为的操作触发时间和操作结束时间；
目标操作时长计算单元，用于根据每一所述用户操作行为的所述操作触发时间和所述操作结束时间，计算每一所述用户操作行为对应的所述目标操作时长。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述用户风险评分评定方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述用户风险评分评定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811535389.4A CN109858735A (zh) | 2018-12-14 | 2018-12-14 | 用户风险评分评定方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811535389.4A CN109858735A (zh) | 2018-12-14 | 2018-12-14 | 用户风险评分评定方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109858735A true CN109858735A (zh) | 2019-06-07 |
Family
ID=66891222
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811535389.4A Pending CN109858735A (zh) | 2018-12-14 | 2018-12-14 | 用户风险评分评定方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109858735A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110493181A (zh) * | 2019-07-05 | 2019-11-22 | 中国平安财产保险股份有限公司 | 用户行为检测方法、装置、计算机设备及存储介质 |
| CN111049675A (zh) * | 2019-11-26 | 2020-04-21 | 中国联合网络通信集团有限公司 | 在线选号防刷方法和装置 |
| CN112884297A (zh) * | 2021-01-29 | 2021-06-01 | 绿盟科技集团股份有限公司 | 基于钓鱼邮件的风险评分确定方法、装置、设备和介质 |
| CN113657724A (zh) * | 2021-07-29 | 2021-11-16 | 上海淇玥信息技术有限公司 | 基于多源异构数据的资源分配方法、装置和电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103886250A (zh) * | 2012-12-19 | 2014-06-25 | 中国移动通信集团甘肃有限公司 | 面向业务支撑系统的数据处理方法、装置、控制器和系统 |
| CN107392451A (zh) * | 2017-07-11 | 2017-11-24 | 重庆卡西匚匚科技有限公司 | 一种风险控制系统 |
| CN107864112A (zh) * | 2016-09-28 | 2018-03-30 | 平安科技（深圳）有限公司 | 登录安全验证方法和装置 |
| CN108280762A (zh) * | 2018-01-19 | 2018-07-13 | 平安科技（深圳）有限公司 | 客户风险评级方法、服务器及计算机可读存储介质 |
| CN108304704A (zh) * | 2018-02-07 | 2018-07-20 | 平安普惠企业管理有限公司 | 权限控制方法、装置、计算机设备和存储介质 |
| US20180234464A1 (en) * | 2017-02-15 | 2018-08-16 | Microsoft Technology Licensing, Llc | Brokered authentication with risk sharing |
| CN108512854A (zh) * | 2018-04-09 | 2018-09-07 | 平安科技（深圳）有限公司 | 制度信息安全监控方法、装置、计算机设备和存储介质 |
-
2018
- 2018-12-14 CN CN201811535389.4A patent/CN109858735A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103886250A (zh) * | 2012-12-19 | 2014-06-25 | 中国移动通信集团甘肃有限公司 | 面向业务支撑系统的数据处理方法、装置、控制器和系统 |
| CN107864112A (zh) * | 2016-09-28 | 2018-03-30 | 平安科技（深圳）有限公司 | 登录安全验证方法和装置 |
| US20180234464A1 (en) * | 2017-02-15 | 2018-08-16 | Microsoft Technology Licensing, Llc | Brokered authentication with risk sharing |
| CN107392451A (zh) * | 2017-07-11 | 2017-11-24 | 重庆卡西匚匚科技有限公司 | 一种风险控制系统 |
| CN108280762A (zh) * | 2018-01-19 | 2018-07-13 | 平安科技（深圳）有限公司 | 客户风险评级方法、服务器及计算机可读存储介质 |
| CN108304704A (zh) * | 2018-02-07 | 2018-07-20 | 平安普惠企业管理有限公司 | 权限控制方法、装置、计算机设备和存储介质 |
| CN108512854A (zh) * | 2018-04-09 | 2018-09-07 | 平安科技（深圳）有限公司 | 制度信息安全监控方法、装置、计算机设备和存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110493181A (zh) * | 2019-07-05 | 2019-11-22 | 中国平安财产保险股份有限公司 | 用户行为检测方法、装置、计算机设备及存储介质 |
| CN110493181B (zh) * | 2019-07-05 | 2023-04-07 | 中国平安财产保险股份有限公司 | 用户行为检测方法、装置、计算机设备及存储介质 |
| CN111049675A (zh) * | 2019-11-26 | 2020-04-21 | 中国联合网络通信集团有限公司 | 在线选号防刷方法和装置 |
| CN111049675B (zh) * | 2019-11-26 | 2022-11-22 | 中国联合网络通信集团有限公司 | 在线选号防刷方法和装置 |
| CN112884297A (zh) * | 2021-01-29 | 2021-06-01 | 绿盟科技集团股份有限公司 | 基于钓鱼邮件的风险评分确定方法、装置、设备和介质 |
| CN113657724A (zh) * | 2021-07-29 | 2021-11-16 | 上海淇玥信息技术有限公司 | 基于多源异构数据的资源分配方法、装置和电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109829776B (zh) | 商户风险评估方法、装置、计算机设备和存储介质 | |
| US11568480B2 (en) | Artificial intelligence derived anonymous marketplace | |
| CN109858735A (zh) | 用户风险评分评定方法、装置、计算机设备及存储介质 | |
| Riquelme et al. | The moderating effect of gender in the adoption of mobile banking | |
| US20200090268A1 (en) | Method and apparatus for determining level of risk of user, and computer device | |
| TW202022769A (zh) | 風險辨識模型訓練方法、裝置及伺服器 | |
| US20140067656A1 (en) | Method and system for fraud risk estimation based on social media information | |
| Silva | Uncertainty and correlation in seismic vulnerability functions of building classes | |
| US11037160B1 (en) | Systems and methods for preemptive fraud alerts | |
| US20150278941A1 (en) | Loan automation system | |
| CN110766541A (zh) | 贷款风险评估方法、装置、设备及计算机可读存储介质 | |
| US20200219187A1 (en) | System and method for electronic payment processing and risk analysis | |
| Shema | Effective credit scoring using limited mobile phone data | |
| WO2011085497A1 (en) | Systems and methods for conducting more reliable financial transactions, credit decisions, and security assessments | |
| WO2016145993A1 (zh) | 一种用户设备识别方法及系统 | |
| CN113095408A (zh) | 风险的确定方法、装置和服务器 | |
| US20210103982A1 (en) | System and methods for credit underwriting and ongoing monitoring using behavioral parameters | |
| CN107169499A (zh) | 一种风险识别方法及装置 | |
| CN112819611A (zh) | 欺诈识别方法、装置、电子设备和计算机可读存储介质 | |
| KR102005733B1 (ko) | 온라인 빅데이터 분석을 통해 도출된 신용도 평가 결과를 이용한 블록체인 기반 p2p 금융 서비스 제공 시스템 | |
| US20160371698A1 (en) | Systems and Methods for Authenticating Business Partners, in Connection With Requests by the Partners for Products and/or Services | |
| CN109767315A (zh) | 基于区块链的业务征信确认方法、装置、设备及存储介质 | |
| CN110728301A (zh) | 一种个人用户的信用评分方法、装置、终端及存储介质 | |
| US20210090165A1 (en) | Application programing interface for providing financial-product eligibility quotation | |
| Breunig et al. | Sovereign ratings and oil‐exporting countries: the effect of high oil prices on ratings |
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 |