CN110458707B - 基于分类模型的行为评估方法、装置及终端设备 - Google Patents
基于分类模型的行为评估方法、装置及终端设备 Download PDFInfo
- Publication number
- CN110458707B CN110458707B CN201910594659.7A CN201910594659A CN110458707B CN 110458707 B CN110458707 B CN 110458707B CN 201910594659 A CN201910594659 A CN 201910594659A CN 110458707 B CN110458707 B CN 110458707B
- Authority
- CN
- China
- Prior art keywords
- chain
- transaction
- evaluated
- behaviors
- combination
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 166
- 238000013145 classification model Methods 0.000 title claims abstract description 25
- 230000006399 behavior Effects 0.000 claims abstract description 243
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000006243 chemical reaction Methods 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 22
- 230000007717 exclusion Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 claims 2
- 230000009471 action Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007670 refining Methods 0.000 description 3
- 238000012351 Integrated analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009699 differential effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Human Resources & Organizations (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明适用于数据处理技术领域，提供了基于分类模型的行为评估方法、装置、终端设备以及计算机可读存储介质，包括：获取至少两个样本交易链以及评价值；随机构建组合链，计算每个组合链的组合占比率，并将高于第一预设阈值的组合占比率所对应的组合链确定为预警链；根据评价值计算每条预警链的链值；获取待评估交易链，将含有待评估交易链内所有交易行为的预警链确定为目标链，根据目标链的链值计算待评估交易链的评估值；若评估值低于第二预设阈值，则重复对待评估交易链进行回溯，直到回溯后的待评估交易链的评估值不低于所述第二预设阈值为止，并输出不低于第二预设阈值的评估值所对应的待评估交易链。本发明提升了行为评估的准确性和效率。
Description
技术领域
本发明属于数据处理技术领域，尤其涉及基于分类模型的行为评估方法、装置、终端设备以及计算机可读存储介质。
背景技术
交易是指双方以货币及服务为媒介的价值的交换，随着计算机技术和网络技术的发展，现今的交易频次和交易数量正以指数级的趋势上升，而在交易过程比如证券交易中，需要对用户预实施的交易行为进行评估，以防交易行为不合理，对交易过程造成不良影响。
在现有技术中，通常是依据相关人员的经验来对用户的交易行为进行主观评估，一方面来说，相关人员的经验不一定准确，容易导致评估失误，另一方面来说，手动评估的效率低，不适于现今普遍存在的大批量链性交易的场景。综上，现有技术中对交易行为进行评估的准确性和效率低。
发明内容
有鉴于此，本发明实施例提供了基于分类模型的行为评估方法、装置、终端设备以及计算机可读存储介质，以解决现有技术中行为评估的准确性和效率低的问题。
本发明实施例的第一方面提供了一种基于分类模型的行为评估方法，包括：
获取至少两个样本交易链以及与每个所述样本交易链对应的评价值，每个所述样本交易链包括至少两个交易行为；
基于预设的所有所述交易行为随机构建可能出现的组合链，计算每个所述组合链在所有所述样本交易链中的组合占比率，并将高于第一预设阈值的所述组合占比率所对应的所述组合链确定为预警链，其中，所述组合链包括至少两个所述交易行为；
根据所述评价值计算每条所述预警链的链值；
获取待评估交易链，将含有所述待评估交易链内所有所述交易行为的所述预警链确定为目标链，计算所述待评估交易链与每个所述目标链之间的转化率，根据所有所述转化率对对应的所述链值进行综合分析得到评估值，其中，所述待评估交易链内与所述目标链内的所述交易行为的顺序一致，所述转化率为所述待评估交易链转化为所述目标链的概率；
若所述评估值低于第二预设阈值，则重复对所述待评估交易链进行回溯，直到回溯后的所述待评估交易链的所述评估值不低于所述第二预设阈值为止，并输出不低于所述第二预设阈值的所述评估值所对应的所述待评估交易链。
本发明实施例的第二方面提供了一种基于分类模型的行为评估装置，包括：
获取单元，用于获取至少两个样本交易链以及与每个所述样本交易链对应的评价值，每个所述样本交易链包括至少两个交易行为；
预警链确定单元，用于基于预设的所有所述交易行为随机构建可能出现的组合链，计算每个所述组合链在所有所述样本交易链中的组合占比率，并将高于第一预设阈值的所述组合占比率所对应的所述组合链确定为预警链，其中，所述组合链包括至少两个所述交易行为；
链值计算单元，用于根据所述评价值计算每条所述预警链的链值；
综合分析单元，用于获取待评估交易链，将含有所述待评估交易链内所有所述交易行为的所述预警链确定为目标链，计算所述待评估交易链与每个所述目标链之间的转化率，根据所有所述转化率对对应的所述链值进行综合分析得到评估值，其中，所述待评估交易链内与所述目标链内的所述交易行为的顺序一致，所述转化率为所述待评估交易链转化为所述目标链的概率；
回溯单元，用于若所述评估值低于第二预设阈值，则重复对所述待评估交易链进行回溯，直到回溯后的所述待评估交易链的所述评估值不低于所述第二预设阈值为止，并输出不低于所述第二预设阈值的所述评估值所对应的所述待评估交易链。
本发明实施例的第三方面提供了一种终端设备，所述终端设备包括存储器、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如下步骤：
获取至少两个样本交易链以及与每个所述样本交易链对应的评价值，每个所述样本交易链包括至少两个交易行为；
基于预设的所有所述交易行为随机构建可能出现的组合链，计算每个所述组合链在所有所述样本交易链中的组合占比率，并将高于第一预设阈值的所述组合占比率所对应的所述组合链确定为预警链，其中，所述组合链包括至少两个所述交易行为；
根据所述评价值计算每条所述预警链的链值；
获取待评估交易链，将含有所述待评估交易链内所有所述交易行为的所述预警链确定为目标链，计算所述待评估交易链与每个所述目标链之间的转化率，根据所有所述转化率对对应的所述链值进行综合分析得到评估值，其中，所述待评估交易链内与所述目标链内的所述交易行为的顺序一致，所述转化率为所述待评估交易链转化为所述目标链的概率；
若所述评估值低于第二预设阈值，则重复对所述待评估交易链进行回溯，直到回溯后的所述待评估交易链的所述评估值不低于所述第二预设阈值为止，并输出不低于所述第二预设阈值的所述评估值所对应的所述待评估交易链。
本发明实施例的第四方面提供了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如下步骤：
获取至少两个样本交易链以及与每个所述样本交易链对应的评价值，每个所述样本交易链包括至少两个交易行为；
基于预设的所有所述交易行为随机构建可能出现的组合链，计算每个所述组合链在所有所述样本交易链中的组合占比率，并将高于第一预设阈值的所述组合占比率所对应的所述组合链确定为预警链，其中，所述组合链包括至少两个所述交易行为；
根据所述评价值计算每条所述预警链的链值；
获取待评估交易链，将含有所述待评估交易链内所有所述交易行为的所述预警链确定为目标链，计算所述待评估交易链与每个所述目标链之间的转化率，根据所有所述转化率对对应的所述链值进行综合分析得到评估值，其中，所述待评估交易链内与所述目标链内的所述交易行为的顺序一致，所述转化率为所述待评估交易链转化为所述目标链的概率；
若所述评估值低于第二预设阈值，则重复对所述待评估交易链进行回溯，直到回溯后的所述待评估交易链的所述评估值不低于所述第二预设阈值为止，并输出不低于所述第二预设阈值的所述评估值所对应的所述待评估交易链。
本发明实施例与现有技术相比存在的有益效果是：
本发明实施例基于可能出现的交易行为随机搭建组合链，将在样本交易链中的占比率高于第一预设阈值的组合链确定为预警链，并计算每条预警链的链值，在获取到待评估交易链后，将待评估交易链对应的预警链确定为目标链，对所有目标链的链值进行综合分析得到评估值，在评估值低于第二预设阈值时重复对待评估交易链进行回溯，直到回溯后的待评估交易链的评估值不低于第二预设阈值为止，输出该回溯后的待评估交易链。本发明实施例通过分析已有的至少两个样本交易记录及评价值，实现了对待评估交易链的评分估计，并输出纠正后的待评估交易链，提升了行为评估的准确性和效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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是本发明实施例一提供的基于分类模型的行为评估方法的实现流程图；
图2是本发明实施例二提供的基于分类模型的行为评估方法的实现流程图；
图3是本发明实施例三提供的基于分类模型的行为评估方法的实现流程图；
图4是本发明实施例四提供的基于分类模型的行为评估方法的实现流程图；
图5是本发明实施例五提供的基于分类模型的行为评估方法的实现流程图；
图6是本发明实施例六提供的基于分类模型的行为评估装置的结构框图；
图7是本发明实施例七提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
图1示出了本发明实施例提供的基于分类模型的行为评估方法的实现流程，详述如下：
在S101中，获取至少两个样本交易链以及与每个所述样本交易链对应的评价值，每个所述样本交易链包括至少两个交易行为。
在交易过程中，交易者可能会产生多个预期的交易行为，不同的交易行为之间存在先后关系，在本发明实施例中，以发生时间从前至后的顺序对多个交易行为进行串联，并将组成的链性结构命名为交易链。为了对交易者或相关人员提交的待评估交易链进行评估，在本发明实施例中，首先获取至少两个样本交易链以及与每个样本交易链对应的评价值，其中每个样本交易链包括至少两个交易行为。样本交易链及评价值可自定义设置，比如在证券行业中，可进行交易行为场景模拟，构建样本交易链，并由证券从业人员为构建的每个样本交易链设置评价值。值得一提的是，交易行为是本发明实施例设定的交易者在交易过程中进行的一项操作，比如办理某项证券业务的操作或办理退款的操作等。
在S102中，基于预设的所有所述交易行为随机构建可能出现的组合链，计算每个所述组合链在所有所述样本交易链中的组合占比率，并将高于第一预设阈值的所述组合占比率所对应的所述组合链确定为预警链，其中，所述组合链包括至少两个所述交易行为。
由于交易行为是根据实际应用场景进行自定义设置的，故获取所有的交易行为，并基于所有的交易行为随机构建可能出现的组合链，与样本交易链同样地，限定组合链包括至少两个交易行为。举例来说，若设置的交易行为包括BehaviorA和BehaviorB，则构建的组合链包括“BehaviorA-BehaviorB”和“BehaviorB-BehaviorA”(若两个组合链中的交易行为相同，但交易行为的顺序不同，则视为不同的组合链)。在构建出可能出现的且互不相同的所有组合链后，计算每个组合链在所有样本交易链中的占比率，为了便于区分，将本步骤中得到的占比率命名为组合占比率，组合占比率为包含组合链内所有交易行为且交易行为的顺序与组合链相同的样本交易链的数量与所有样本交易链的数量之间的比值。比如样本交易链包括“BehaviorA-BehaviorB”、“BehaviorA-BehaviorB-BehaviorC”、“BehaviorA-BehaviorC”和“BehaviorA-BehaviorD”，而构建的某个组合链为“BehaviorA-BehaviorB”，则该组合链的组合占比率为1/2。为了判断构建出的组合链是否具有代表性，在本发明实施例中，设置第一预设阈值(根据实际应用场景进行设置，比如设置为2％)，并将高于第一预设阈值的组合占比率所对应的组合链确定为预警链。
在S103中，根据所述评价值计算每条所述预警链的链值。
在得到预警链后，计算该预警链的链值。在本发明实施例中，可统计包含该预警链内所有交易行为且交易行为的顺序与该预警链相同的所有样本交易链，并将统计出的所有样本交易链的评价值的平均值作为该预警链对应的链值，当然，也可存在其他的链值计算方式，本发明实施例对此不做限定。
在S104中，获取待评估交易链，将含有所述待评估交易链内所有所述交易行为的所述预警链确定为目标链，计算所述待评估交易链与每个所述目标链之间的转化率，根据所有所述转化率对对应的所述链值进行综合分析得到评估值，其中，所述待评估交易链内与所述目标链内的所述交易行为的顺序一致，所述转化率为所述待评估交易链转化为所述目标链的概率。
完成对每条预警链的链值计算后，获取待评估交易链，该待评估交易链指示交易者的预期交易过程，具体可提供前端模拟界面，并由交易者或相关人员通过前端模拟界面发出一系列交易指令，从而在后台生成对应的待评估交易链。然后，将含有待评估交易链内所有交易行为、且交易行为的顺序与待评估交易链相同的预警链确定为目标链，计算待评估交易链与每个目标链之间的转化率，该转化率指示待评估交易链转化为目标链的概率。
根据所有得到的转化率对对应的链值进行综合分析得到最终的评估值，综合分析的公式如下：
在上述公式中，Valueassessed指评估值，Raten指第n个目标链对应的转化率，ValueChain-n指第n个目标链的链值，其中，n为大于零的整数。
可选地，若不存在含有待评估交易链内所有交易行为的预警链，则输出报警提示。由于预警链是在所有样本交易链中的组合占比率高于第一预设阈值的组合链，故对于待评估交易链来说，可能并不存在含有待评估交易链内所有交易行为的预警链(即包含待评估交易链内所有交易行为的样本交易链的数量较少或数量为零)，针对该情况，由于少量样本交易链的代表性不足，故输出报警提示，提示无法对该待评估交易链进行行为评估，除此之外，还可交易提供方的管理人员发送补足提示，提示后续补足与待评估交易链相关的样本交易链。
可选地，计算待评估交易链在所有预警链中的第一占比率，并计算目标链在所有预警链中的第二占比率；将第二占比率与第一占比率之间的比值确定为转化率。在计算每条目标链对应的转化率时，可将包含待评估交易链内所有交易行为、且交易行为的顺序与待评估交易链相同的预警链的数量与所有预警链的数量之间的比值确定为第一占比率，将包含目标链内所有交易行为、且交易行为的顺序与目标链相同的预警链的数量与所有预警链的数量之间的比值确定为第二占比率，并将第二占比率与第一占比率之间的比值确定为转化率，其中，计算出的转化率的数值小于或等于1。
在S105中，若所述评估值低于第二预设阈值，则重复对所述待评估交易链进行回溯，直到回溯后的所述待评估交易链的所述评估值不低于所述第二预设阈值为止，并输出不低于所述第二预设阈值的所述评估值所对应的所述待评估交易链。
计算出的评估值即指示待评估交易链的预期评价，在本发明实施例中，将评估值与第二预设阈值进行比对，第二预设阈值可根据评价值的实际数值范围及评估要求进行设置，如在评价值的实际数值范围为[0，10]的情况下，可将第二预设阈值设置为6。若评估值不低于第二预设阈值，则直接输出待评估交易链；若评估值低于第二预设阈值，则重复对待评估交易链进行回溯，直到回溯后的待评估交易链的评估值不低于第二预设阈值为止，最终输出不低于第二预设阈值的评估值所对应的待评估交易链，便于交易者或相关人员基于输出的待评估交易链进行进一步的交易模拟。其中，回溯操作是指删去待评估交易链的最后一位的交易行为。另外，若待评估交易链经重复回溯后，得到的评估值仍低于第二预设阈值，则输出行为预警提示，提示交易者或相关人员重新设定待评估交易链。
可选地，按照预设的链值顺序对输出的待评估交易链对应的所有目标链进行排序，并推送排序后的所有目标链。在输出不低于第二预设阈值的评估值所对应的待评估交易链后，为了对交易者进行进一步指引，在本发明实施例中，确定输出的待评估交易链对应的所有目标链(即目标链包括待评估交易链内所有的交易行为，且交易行为的顺序与待评估交易链一致)，并获取其中每个目标链的链值，根据预设的链值顺序对输出的待评估交易链对应的所有目标链进行排序，最后推送排序后的所有目标链，其中，链值顺序可为链值从大到小的顺序，也可为链值从小到大的顺序。通过上述方法可实现后续交易行为的推荐，提升了行为评估的可延伸性。
通过图1所示实施例可知，在本发明实施例中，基于可能出现的交易行为随机搭建组合链，将在样本交易链中的组合占比率高于第一预设阈值的组合链确定为预警链，并计算每条预警链的链值，在获取到待评估交易链后，将待评估交易链对应的预警链确定为目标链，基于所有目标链的链值得到评估值，若评估值低于第二预设阈值，则重复对待评估交易链进行回溯，直到回溯后的待评估交易链的评估值不低于第二预设阈值为止，本发明实施例基于样本交易链及对应的评价值实现了待评估交易链的评估，提升了行为评估的准确性。
图2所示，是在本发明实施例一的基础上，对获取至少两个样本交易链以及与每个样本交易链对应的评价值的过程进行细化后得到的一种行为评估方法。本发明实施例提供了基于分类模型的行为评估方法的实现流程图，如图2所示，该行为评估方法可以包括以下步骤：
在S201中，获取至少两个样本用户标识，在预设的评价记录中搜索与每个所述样本用户标识对应的所述评价值，并根据每个所述样本用户标识在交易日志中查找对应的所述交易行为。
除了自定义设置样本交易链及评价值之外，在本发明实施例中，还可预先指定至少两个样本用户标识，并在预设的评价记录中搜索与每个样本用户标识对应的评价值，该评价值是已进行过交易的交易者对交易过程的评价分数，其中，每个样本用户标识均指示一个已实施过交易行为的交易者，评价记录可存放于交易提供方的数据库或第三方评价系统中，在本步骤中通过访问数据库或第三方评价系统从而得到评价记录。除了评价值外，还以样本用户标识为搜索条件，在交易提供方的交易日志中查找对应的交易行为，其中，交易日志存放有交易提供方的所有已执行过的交易行为的记录。为了便于记录，在本发明实施例中可为每个交易行为单独设置行为标识，比如用IdentificationA来指示办理证券业务的操作，用IdentificationB来指示办理退款的操作等，并以行为标识的形式记录交易者的交易行为。在本步骤中，根据样本用户标识在交易日志查找到对应的行为标识后，便可确定出与行为标识对应的交易行为。
在S202中，将查找到的所述交易行为按照预设的时间顺序组合为所述样本交易链。
对于一个样本用户标识对应的所有交易行为，将所有交易行为按照预设的时间顺序组合为样本交易链，该时间顺序优选为交易行为的发生时间从前到后的顺序。举例来说，交易行为BehaviorA的发生时间为1月1日，交易行为BehaviorB的发生时间为1月3日，交易行为BehaviorC的发生时间为1月6日，则组合出的样本交易链为“BehaviorA-BehaviorB-BehaviorC”。
通过图2所示实施例可知，在本发明实施例中，根据样本用户标识在预设的评价记录和交易日志中进行搜索，从而组合样本交易链，实现了样本交易链的自动组合，提升了获取样本交易链的便捷性。
图3所示，是在本发明实施例一的基础上，对根据评价值计算每条预警链的链值的过程进行细化后得到的一种行为评估方法。本发明实施例提供了基于分类模型的行为评估方法的实现流程图，如图3所示，该行为评估方法可以包括以下步骤：
在S301中，将含有所述预警链内所有所述交易行为的所述样本交易链确定为基础链，并计算所述基础链与所述预警链之间的差异行为数量，其中，所述预警链内与所述基础链内的所述交易行为的顺序一致。
在计算每条预警链的链值时，本发明实施例还提供了另一种链值计算方式，首先，为了便于区分，将含有预警链内所有交易行为、且交易行为的顺序与预警率一致的样本交易链确定为基础链，并计算每条基础链与预警链之间的差异行为数量，该差异行为数量即为基础链包含的交易行为的数量减去预警链包含的交易行为的数量得到的值。
在S302中，将对应相同所述差异行为数量的所述基础链归为一类，对每类所述基础链对应的所有所述评价值进行平均运算得到基础值。
根据差异行为数量的不同，将所有基础链进行分类，即是将对应相同的差异行为数量的基础链归为一类，举例来说，若差异行为数量存在0、1、2和3这4种不同的数值，则可将基础链分为4类，即对应0的差异行为数量的一类基础链、对应1的差异行为数量的一类基础链、对应2的差异行为数量的一类基础链以及对应3的差异行为数量的一类基础链。归类完毕后，对每一类基础链对应的所有评价值进行均值运算，并将均值运算的结果作为基础值。
在S303中，根据所述差异行为数量计算每类所述基础链的权值，并根据所述权值对所有所述基础值进行加权求和得到所述链值，其中，所有所述权值之和为一。
在差异行为数量越大时，预警链与差异行为数量对应的一类基础链的相关程度越小，故为了提升计算出的链值的可靠性，根据每类基础链对应的差异行为数量来计算每类基础链的权值，具体将所有差异行为数量按预设的数值顺序(数值从大到小的顺序或数值从小到大的顺序)进行排序，且按照如下计算公式计算权值：
在上述公式中，M为差异行为数量的数值种类，Weighti为排序后的第i个差异行为数量，其中M≥1，1≤i≤M，且i和M均为整数，NumBehavior-m为第m个差异行为数量，max()为最大值函数。在得到每类基础链的权值后，基于权值对所有基础值进行加权求和，加权求和的计算公式为：
上述公式中，Valuechain为链值，Valuebase-i为排序后的第i个差异行为数量对应的一类基础链的基础值。值得一提的是，计算出的所有类基础链的权值之和为一。
通过图3所示实施例可知，在本发明实施例中，确定出预警链对应的基础链，根据基础链与预警链之间的不同差异行为数量对基础链进行分类，对每类基础链对应的所有评价值进行均值运算得到基础值，再根据差异行为数量确定每类基础链的权值，根据权值对所有基础值进行加权求和得到链值，本发明实施例根据基础链与预警链的差异程度来计算预警链对应的链值，提升了计算出的链值的准确性。
图4所示，是在本发明实施例一的基础上，对计算每个组合链在所有样本交易链中的组合占比率，并将高于第一预设阈值的组合占比率所对应的组合链确定为预警链的过程进行细化后得到的一种行为评估方法。本发明实施例提供了基于分类模型的行为评估方法的实现流程图，如图4所示，该行为评估方法可以包括以下步骤：
在S401中，将不高于所述第一预设阈值的所述组合占比率所对应的所述组合链确定为低谷链。
在交易行为的种类越多的情况下，随机构建的组合链的数量可能呈指数级增长，在此情况下，若对每个组合链的组合占比率都进行计算，则会造成计算时长过长，不利于快速分析出预警链。故在本发明实施例中，在计算出不高于第一预设阈值的组合占比率后，将该组合占比率对应的组合链确定为低谷链。
在S402中，为包括所述低谷链内所有所述交易行为的所述组合链设置排除标识，所述排除标识用于指示所述组合链不为所述预警链，其中，设置有所述排除标识的所述组合链内与所述低谷链内所述交易行为的顺序一致。
由于低谷链本身的组合占比率不高于第一预设阈值，而包含低谷链内所有交易行为、且交易行为的顺序与低谷链一致的其他组合链的组合占比率不高于低谷链的组合占比率，故对包含低谷链内所有交易行为、且交易行为的顺序与低谷链一致的组合链设置排除标识，该排除标识代表该组合链不为预警链，即指示不对该组合链进行组合占比率的计算，从而节省计算时间，便于从大量组合链中快速分析出预警链。
通过图4所示实施例可知，在本发明实施例中，通过将不高于第一预设阈值的组合占比率所对应的组合链确定为低谷链，并为包括低谷链内所有交易行为的组合链设置排除标识，从而节省了计算时长，提升了确定预警链的效率。
图5所示，是在本发明实施例一的基础上，对将含有待评估交易链内所有交易行为的预警链确定为目标链之后的过程进行扩展后得到的一种行为评估方法。本发明实施例提供了基于分类模型的行为评估方法的实现流程图，如图5所示，该行为评估方法可以包括以下步骤：
在S501中，将所述待评估交易链中位于起始位置的所述交易行为与每个所述目标链中位于起始位置的所述交易行为进行比对。
由于交易链为链性结构，存在前后关系，故在本发明实施例中对待评估交易链交易链的前置条件进行验证，具体将待评估交易链中位于起始位置的交易行为与每个目标链中位于起始位置的交易行为进行比对，并根据比对结果执行不同的操作。
在S502中，若所述待评估交易链中位于起始位置的所述交易行为与所有所述目标链中位于起始位置的所述交易行为均不同，则输出第二报警提示，所述第二报警提示用于提示对所述待评估交易链的前置行为进行检验。
若待评估交易链中位于起始位置的交易行为与某个目标链中位于起始位置的交易行为相同，则继续执行后续的计算所述待评估交易链与每个所述目标链之间的转化率；若待评估交易链中位于起始位置的交行为与所有目标链中位于起始位置的交易行为均不同，则输出第二报警提示，提示交易者或相关人员对待评估交易链的前置行为进行验证，防止因待评估交易链不合理造成的评估结果错误。
通过图5所示实施例可知，在本发明实施例中，通过将待评估交易链中位于起始位置的交易行为与每个目标链中位于起始位置的交易行为进行比对，若待评估交易链中位于起始位置的交易行为与所有目标链中位于起始位置的交易行为均不同，则输出第二报警提示，提示对待评估交易链的前置行为进行检验，保证了待评估交易链的有效性。
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。
对应于上文实施例所述的基于分类模型的行为评估方法，图6示出了本发明实施例提供的基于分类模型的行为评估装置的结构框图，参照图6，该行为评估装置包括：
获取单元61，用于获取至少两个样本交易链以及与每个所述样本交易链对应的评价值，每个所述样本交易链包括至少两个交易行为；
预警链确定单元62，用于基于预设的所有所述交易行为随机构建可能出现的组合链，计算每个所述组合链在所有所述样本交易链中的组合占比率，并将高于第一预设阈值的所述组合占比率所对应的所述组合链确定为预警链，其中，所述组合链包括至少两个所述交易行为；
链值计算单元63，用于根据所述评价值计算每条所述预警链的链值；
综合分析单元64，用于获取待评估交易链，将含有所述待评估交易链内所有所述交易行为的所述预警链确定为目标链，计算所述待评估交易链与每个所述目标链之间的转化率，根据所有所述转化率对对应的所述链值进行综合分析得到评估值，其中，所述待评估交易链内与所述目标链内的所述交易行为的顺序一致，所述转化率为所述待评估交易链转化为所述目标链的概率；
回溯单元65，用于若所述评估值低于第二预设阈值，则重复对所述待评估交易链进行回溯，直到回溯后的所述待评估交易链的所述评估值不低于所述第二预设阈值为止，并输出不低于所述第二预设阈值的所述评估值所对应的所述待评估交易链。
可选地，获取单元61包括：
搜索单元，用于获取至少两个样本用户标识，在预设的评价记录中搜索与每个所述样本用户标识对应的所述评价值，并根据每个所述样本用户标识在交易日志中查找对应的所述交易行为；
组合单元，用于将查找到的所述交易行为按照预设的时间顺序组合为所述样本交易链。
可选地，链值计算单元63包括：
数量计算单元，用于将含有所述预警链内所有所述交易行为的所述样本交易链确定为基础链，并计算所述基础链与所述预警链之间的差异行为数量，其中，所述预警链内与所述基础链内的所述交易行为的顺序一致；
归类单元，用于将对应相同所述差异行为数量的所述基础链归为一类，对每类所述基础链对应的所有所述评价值进行平均运算得到基础值；
加权单元，用于根据所述差异行为数量计算每类所述基础链的权值，并根据所述权值对所有所述基础值进行加权求和得到所述链值，其中，所有所述权值之和为一。
可选地，综合分析单元64包括：
占比率计算单元，用于计算所述待评估交易链在所有所述预警链中的第一占比率，并计算所述目标链在所有所述预警链中的第二占比率；
转化率确定单元，用于将所述第二占比率与所述第一占比率之间的比值确定为所述转化率。
可选地，预警链确定单元62包括：
低谷链确定单元，用于将不高于所述第一预设阈值的所述组合占比率所对应的所述组合链确定为低谷链；
标识设置单元，用于为包括所述低谷链内所有所述交易行为的所述组合链设置排除标识，所述排除标识用于指示所述组合链不为所述预警链，其中，设置有所述排除标识的所述组合链内与所述低谷链内所述交易行为的顺序一致。
可选地，综合分析单元64还包括：
比对单元，用于将所述待评估交易链中位于起始位置的所述交易行为与每个所述目标链中位于起始位置的所述交易行为进行比对；
输出单元，用于若所述待评估交易链中位于起始位置的所述交易行为与所有所述目标链中位于起始位置的所述交易行为均不同，则输出第二报警提示，所述第二报警提示用于提示对所述待评估交易链的前置行为进行检验。
可选地，回溯单元65还包括：
排序单元，用于按照预设的链值顺序对输出的所述待评估交易链对应的所有所述目标链进行排序，并推送排序后的所有所述目标链。
因此，本发明实施例提供的基于分类模型的行为评估装置通过对已有的至少两个样本交易记录及评价值进行分析，实现了对待评估交易链的行为评估，提升了行为评估的准确性和效率。
图7是本发明实施例提供的终端设备的示意图。如图7所示，该实施例的终端设备7包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72，例如基于分类模型的行为评估程序。所述处理器70执行所述计算机程序72时实现上述各个基于分类模型的行为评估方法实施例中的步骤，例如图1所示的步骤S101至S105。或者，所述处理器70执行所述计算机程序72时实现上述各基于分类模型的行为评估装置实施例中各单元的功能，例如图6所示单元61至65的功能。
示例性的，所述计算机程序72可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器71中，并由所述处理器70执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序72在所述终端设备7中的执行过程。例如，所述计算机程序72可以被分割成获取单元、预警链确定单元、链值计算单元、综合分析单元以及回溯单元，各单元具体功能如下：
获取单元，用于获取至少两个样本交易链以及与每个所述样本交易链对应的评价值，每个所述样本交易链包括至少两个交易行为；
预警链确定单元，用于基于预设的所有所述交易行为随机构建可能出现的组合链，计算每个所述组合链在所有所述样本交易链中的组合占比率，并将高于第一预设阈值的所述组合占比率所对应的所述组合链确定为预警链，其中，所述组合链包括至少两个所述交易行为；
链值计算单元，用于根据所述评价值计算每条所述预警链的链值；
综合分析单元，用于获取待评估交易链，将含有所述待评估交易链内所有所述交易行为的所述预警链确定为目标链，计算所述待评估交易链与每个所述目标链之间的转化率，根据所有所述转化率对对应的所述链值进行综合分析得到评估值，其中，所述待评估交易链内与所述目标链内的所述交易行为的顺序一致，所述转化率为所述待评估交易链转化为所述目标链的概率；
回溯单元，用于若所述评估值低于第二预设阈值，则重复对所述待评估交易链进行回溯，直到回溯后的所述待评估交易链的所述评估值不低于所述第二预设阈值为止，并输出不低于所述第二预设阈值的所述评估值所对应的所述待评估交易链。
所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是终端设备7的示例，并不构成对终端设备7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，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器70可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述终端设备7的内部存储单元，例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备，例如所述终端设备7上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
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完成，即将所述终端设备的内部结构划分成不同的功能单元，以完成以上描述的全部或者部分功能。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。另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中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或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，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来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发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的终端设备和方法，可以通过其它的方式实现。例如，以上所描述的终端设备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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所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，在本发明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。
所述集成的单元如果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介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
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 (7)
1.一种基于分类模型的行为评估方法，其特征在于，包括：
获取至少两个样本交易链以及与每个所述样本交易链对应的评价值，每个所述样本交易链包括至少两个交易行为；
基于预设的所有所述交易行为随机构建可能出现的组合链，计算每个所述组合链在所有所述样本交易链中的组合占比率，并将高于第一预设阈值的所述组合占比率所对应的所述组合链确定为预警链，其中，所述组合链包括至少两个所述交易行为；
根据所述评价值计算每条所述预警链的链值；
获取待评估交易链，将含有所述待评估交易链内所有所述交易行为的所述预警链确定为目标链，计算所述待评估交易链与每个所述目标链之间的转化率，根据所有所述转化率对对应的所述链值进行综合分析得到评估值，其中，所述待评估交易链内与所述目标链内的所述交易行为的顺序一致，所述转化率为所述待评估交易链转化为所述目标链的概率；
若所述评估值低于第二预设阈值，则重复对所述待评估交易链进行回溯，直到回溯后的所述待评估交易链的所述评估值不低于所述第二预设阈值为止，并输出不低于所述第二预设阈值的所述评估值所对应的所述待评估交易链；
所述根据所述评价值计算每条所述预警链的链值，包括：
将含有所述预警链内所有所述交易行为的所述样本交易链确定为基础链，并计算所述基础链与所述预警链之间的差异行为数量，其中，所述预警链内与所述基础链内的所述交易行为的顺序一致；
将对应相同所述差异行为数量的所述基础链归为一类，对每类所述基础链对应的所有所述评价值进行平均运算得到基础值；
根据所述差异行为数量计算每类所述基础链的权值，并根据所述权值对所有所述基础值进行加权求和得到所述链值，其中，所有所述权值之和为一；
所述计算每个所述组合链在所有所述样本交易链中的组合占比率，并将高于第一预设阈值的所述组合占比率所对应的所述组合链确定为预警链，包括：
将不高于所述第一预设阈值的所述组合占比率所对应的所述组合链确定为低谷链；
为包括所述低谷链内所有所述交易行为的所述组合链设置排除标识，所述排除标识用于指示所述组合链不为所述预警链，其中，设置有所述排除标识的所述组合链内与所述低谷链内所述交易行为的顺序一致；
所述将含有所述待评估交易链内所有所述交易行为的所述预警链确定为目标链之后，还包括：
将所述待评估交易链中位于起始位置的所述交易行为与每个所述目标链中位于起始位置的所述交易行为进行比对；
若所述待评估交易链中位于起始位置的所述交易行为与所有所述目标链中位于起始位置的所述交易行为均不同，则输出第二报警提示，所述第二报警提示用于提示对所述待评估交易链的前置行为进行检验。
2.如权利要求1所述的行为评估方法，其特征在于，所述获取至少两个样本交易链以及与每个所述样本交易链对应的评价值，包括：
获取至少两个样本用户标识，在预设的评价记录中搜索与每个所述样本用户标识对应的所述评价值，并根据每个所述样本用户标识在交易日志中查找对应的所述交易行为；
将查找到的所述交易行为按照预设的时间顺序组合为所述样本交易链。
3.如权利要求1所述的行为评估方法，其特征在于，所述计算所述待评估交易链与每个所述目标链之间的转化率，包括：
计算所述待评估交易链在所有所述预警链中的第一占比率，并计算所述目标链在所有所述预警链中的第二占比率；
将所述第二占比率与所述第一占比率之间的比值确定为所述转化率。
4.如权利要求1所述的行为评估方法，其特征在于，所述输出不低于所述第二预设阈值的所述评估值所对应的所述待评估交易链之后，还包括：
按照预设的链值顺序对输出的所述待评估交易链对应的所有所述目标链进行排序，并推送排序后的所有所述目标链。
5.一种基于分类模型的行为评估装置，其特征在于，用于实现如权利要求1-4任一项所述的行为评估方法，所述行为评估装置包括：
获取单元，用于获取至少两个样本交易链以及与每个所述样本交易链对应的评价值，每个所述样本交易链包括至少两个交易行为；
预警链确定单元，用于基于预设的所有所述交易行为随机构建可能出现的组合链，计算每个所述组合链在所有所述样本交易链中的组合占比率，并将高于第一预设阈值的所述组合占比率所对应的所述组合链确定为预警链，其中，所述组合链包括至少两个所述交易行为；
链值计算单元，用于根据所述评价值计算每条所述预警链的链值；
综合分析单元，用于获取待评估交易链，将含有所述待评估交易链内所有所述交易行为的所述预警链确定为目标链，计算所述待评估交易链与每个所述目标链之间的转化率，根据所有所述转化率对对应的所述链值进行综合分析得到评估值，其中，所述待评估交易链内与所述目标链内的所述交易行为的顺序一致，所述转化率为所述待评估交易链转化为所述目标链的概率；
回溯单元，用于若所述评估值低于第二预设阈值，则重复对所述待评估交易链进行回溯，直到回溯后的所述待评估交易链的所述评估值不低于所述第二预设阈值为止，并输出不低于所述第二预设阈值的所述评估值所对应的所述待评估交易链。
6.一种终端设备，其特征在于，所述终端设备包括存储器、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如下步骤：
获取至少两个样本交易链以及与每个所述样本交易链对应的评价值，每个所述样本交易链包括至少两个交易行为；
基于预设的所有所述交易行为随机构建可能出现的组合链，计算每个所述组合链在所有所述样本交易链中的组合占比率，并将高于第一预设阈值的所述组合占比率所对应的所述组合链确定为预警链，其中，所述组合链包括至少两个所述交易行为；
根据所述评价值计算每条所述预警链的链值；
获取待评估交易链，将含有所述待评估交易链内所有所述交易行为的所述预警链确定为目标链，计算所述待评估交易链与每个所述目标链之间的转化率，根据所有所述转化率对对应的所述链值进行综合分析得到评估值，其中，所述待评估交易链内与所述目标链内的所述交易行为的顺序一致，所述转化率为所述待评估交易链转化为所述目标链的概率；
若所述评估值低于第二预设阈值，则重复对所述待评估交易链进行回溯，直到回溯后的所述待评估交易链的所述评估值不低于所述第二预设阈值为止，并输出不低于所述第二预设阈值的所述评估值所对应的所述待评估交易链；
所述根据所述评价值计算每条所述预警链的链值，包括：
将含有所述预警链内所有所述交易行为的所述样本交易链确定为基础链，并计算所述基础链与所述预警链之间的差异行为数量，其中，所述预警链内与所述基础链内的所述交易行为的顺序一致；
将对应相同所述差异行为数量的所述基础链归为一类，对每类所述基础链对应的所有所述评价值进行平均运算得到基础值；
根据所述差异行为数量计算每类所述基础链的权值，并根据所述权值对所有所述基础值进行加权求和得到所述链值，其中，所有所述权值之和为一；
所述计算每个所述组合链在所有所述样本交易链中的组合占比率，并将高于第一预设阈值的所述组合占比率所对应的所述组合链确定为预警链，包括：
将不高于所述第一预设阈值的所述组合占比率所对应的所述组合链确定为低谷链；
为包括所述低谷链内所有所述交易行为的所述组合链设置排除标识，所述排除标识用于指示所述组合链不为所述预警链，其中，设置有所述排除标识的所述组合链内与所述低谷链内所述交易行为的顺序一致；
所述将含有所述待评估交易链内所有所述交易行为的所述预警链确定为目标链之后，还包括：
将所述待评估交易链中位于起始位置的所述交易行为与每个所述目标链中位于起始位置的所述交易行为进行比对；
若所述待评估交易链中位于起始位置的所述交易行为与所有所述目标链中位于起始位置的所述交易行为均不同，则输出第二报警提示，所述第二报警提示用于提示对所述待评估交易链的前置行为进行检验。
7.一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4任一项所述行为评估方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910594659.7A CN110458707B (zh) | 2019-07-03 | 2019-07-03 | 基于分类模型的行为评估方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910594659.7A CN110458707B (zh) | 2019-07-03 | 2019-07-03 | 基于分类模型的行为评估方法、装置及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110458707A CN110458707A (zh) | 2019-11-15 |
| CN110458707B true CN110458707B (zh) | 2023-11-03 |
Family
ID=68481974
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910594659.7A Active CN110458707B (zh) | 2019-07-03 | 2019-07-03 | 基于分类模型的行为评估方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110458707B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111046947B (zh) * | 2019-12-10 | 2023-06-30 | 成都数联铭品科技有限公司 | 分类器的训练系统及方法、异常样本的识别方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016212550A (ja) * | 2015-05-01 | 2016-12-15 | ワイジェイＦｘ株式会社 | 金融商品取引支援システムおよび金融商品取引支援方法 |
| CN108665156A (zh) * | 2018-04-28 | 2018-10-16 | 福州大学 | 区块链下基于马尔科夫链的供应链选择评价方法 |
| CN109242261A (zh) * | 2018-08-14 | 2019-01-18 | 中国平安人寿保险股份有限公司 | 基于大数据评估保全风险的方法及终端设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB201813685D0 (en) * | 2018-08-22 | 2018-10-03 | Choice International Ltd | Transaction system and method |
-
2019
- 2019-07-03 CN CN201910594659.7A patent/CN110458707B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016212550A (ja) * | 2015-05-01 | 2016-12-15 | ワイジェイＦｘ株式会社 | 金融商品取引支援システムおよび金融商品取引支援方法 |
| CN108665156A (zh) * | 2018-04-28 | 2018-10-16 | 福州大学 | 区块链下基于马尔科夫链的供应链选择评价方法 |
| CN109242261A (zh) * | 2018-08-14 | 2019-01-18 | 中国平安人寿保险股份有限公司 | 基于大数据评估保全风险的方法及终端设备 |
Non-Patent Citations (1)
| Title |
|---|
| 云计算环境下的电子交易风险评估模型;高文莲;;计算机仿真(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110458707A (zh) | 2019-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102061987B1 (ko) | 위험 평가 방법 및 시스템 | |
| CN108665159A (zh) | 一种风险评估方法、装置、终端设备及存储介质 | |
| WO2021254027A1 (zh) | 一种可疑社团的识别方法、装置、存储介质和计算机设备 | |
| CN110457175B (zh) | 业务数据处理方法、装置、电子设备及介质 | |
| CN111931047B (zh) | 基于人工智能的黑产账号检测方法及相关装置 | |
| CN110764999A (zh) | 自动化测试方法、装置、计算机装置及存储介质 | |
| CN110610431A (zh) | 基于大数据的智能理赔方法及智能理赔系统 | |
| CN111639690A (zh) | 基于关系图谱学习的欺诈分析方法、系统、介质及设备 | |
| CN113485931A (zh) | 测试方法、装置、电子设备及计算机可读存储介质 | |
| CN114139931A (zh) | 企业数据评估方法、装置、计算机设备及存储介质 | |
| CN110458707B (zh) | 基于分类模型的行为评估方法、装置及终端设备 | |
| CN111325255B (zh) | 特定人群圈定方法、装置、电子设备及存储介质 | |
| CN112598326A (zh) | 模型迭代方法、装置、电子设备及存储介质 | |
| CN116170162B (zh) | 选择性的共识方法和计算机存储介质、终端设备 | |
| CN112598228B (zh) | 企业竞争力的分析方法、装置、设备及存储介质 | |
| CN113240259A (zh) | 规则策略组的生成方法、系统及电子设备 | |
| CN110570301A (zh) | 风险识别方法、装置、设备及介质 | |
| CN111160929A (zh) | 一种客户类型的确定方法及装置 | |
| CN110675136A (zh) | 信息处理方法、装置及设备 | |
| CN110675268A (zh) | 风险客户的识别方法、装置和服务器 | |
| CN111126465B (zh) | 节点分类方法、装置、终端设备及计算机可读存储介质 | |
| CN116527683A (zh) | 选定特殊节点及选择性的共识方法和存储介质 | |
| CN113505308B (zh) | 一种用户年龄的预测方法及装置、可读存储介质 | |
| WO2023029065A1 (zh) | 数据集质量评估方法、装置、计算机设备及存储介质 | |
| CN117217780A (zh) | 业务指标筛选方法及移动通信业务回退潜客识别方法 |
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 |