CN111967806A - 基于定期回扫的用户风险更新方法、装置和电子设备 - Google Patents
基于定期回扫的用户风险更新方法、装置和电子设备 Download PDFInfo
- Publication number
- CN111967806A CN111967806A CN202011143350.5A CN202011143350A CN111967806A CN 111967806 A CN111967806 A CN 111967806A CN 202011143350 A CN202011143350 A CN 202011143350A CN 111967806 A CN111967806 A CN 111967806A
- Authority
- CN
- China
- Prior art keywords
- user
- risk
- data
- node
- updating
- 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.)
- Granted
Links
Images
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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Technology Law (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种基于定期回扫的用户风险更新方法、装置和电子设备。该方法包括:根据现有用户的用户数据和用户关联人数据,建立关系网络图,该关系网络图包括相互关联的多个用户节点;在当获取到新用户的用户信息时,将新用户作为一个用户节点加到所述关系网络图中;对于各现有用户,定期回扫各用户节点的关联节点,获取关联节点的更新数据;基于所获取的关联节点的更新数据,更新所述现有用户的风险状态。本发明优化了风险评估方法,进一步降低了金融风险,提高了风险评估的准确度和精度。
Description
技术领域
本发明涉及计算机信息处理领域,具体而言,涉及一种基于定期回扫的用户风险更新方法、装置和电子设备。
背景技术
风险评估是对风险的量化,是风险管理的关键性技术。目前一般通过建模的方式进行风险评估,在模型的建立过程中,主要有数据抽取、特征生成、特征选取、算法模型生成和合理性评估等步骤。
在现有技术中,金融风险评估主要的目的是如何区分出好客户和坏客户,评估用户的风险情况,以降低信用风险,并实现利润最大化。此外,随着数据的来源渠道越来越丰富,可以作为风险特征变量的数据也越来越多。但是,例如用户数据及其他相关数据等很多数据在使用时并未考虑时间因素引起的变化,由此,在使用上述数据进行模型计算时,会导致模型计算值不够准确,风险评估的准确性较低。由此,在模型计算精度、数据更新方面仍存在很大改进空间。
因此,有必要提供一种精度更高的用户风险更新方法。
发明内容
本发明旨在解决现有技术对于金融风险模型所依赖的用户关系网信息没有自动化的更新机制,用户信息滞后导致的风险模型预测精确不高的问题。
鉴于上述问题,本发明提供了一种基于定期回扫的用户风险更新方法,包括:根据现有用户的用户数据和用户关联人数据,建立关系网络图,该关系网络图包括相互关联的多个用户节点;在当获取到新用户的用户信息时,将新用户作为一个用户节点加到所述关系网络图中;对于各现有用户,定期回扫各用户节点的关联节点,获取关联节点的更新数据;基于所获取的关联节点的更新数据,更新所述现有用户的风险状态。
优选地,所述更新所述现有用户的风险状态包括:构建用户风险评估模型,使用训练数据集训练该用户风险评估模型,所述训练数据集包括历史用户的用户数据、用户关联人数据、金融风险表现数据;使用所述用户风险评估模型和更新后的用户关联人数据,更新现有用户的用户风险评估值;根据所更新的用户风险评估值,判断所述当前用户的风险状态。
优选地,所述定期回扫各用户节点上的关联节点包括:设定回扫周期,并设定与回扫周期相对应的回扫内容;所述回扫内容包括关联节点的金融表现数据。
优选地,所述定期回扫各用户节点的关联节点还包括:监测各用户节点,根据各用户节点的关联节点变化状态,缩短或拉长回扫周期。
优选地,根据用户处于金融产品生命周期的特定阶段确定回扫周期。
优选地,所述金融产品生命周期的特定阶段包括金融产品的注册、完件、资源请求、资源分配、资源配额增加或资源归还。
优选地,还包括:基于所判断的用户风险状态,对用户进行禁止或限制资源请求、冻结剩余资源、增加资源请求、增加资源配额。
此外,本发明还提供了一种基于定期回扫的用户风险更新装置,包括:建立模块,根据现有用户的用户数据和用户关联人数据,建立关系网络图,该关系网络图包括相互关联的多个用户节点;处理模块,用于在当获取到新用户的用户信息时,将新用户作为一个用户节点加到所述关系网络图中;回扫模块,对于各现有用户,定期回扫各用户节点的关联节点,获取关联节点的更新数据;更新模块,基于所获取的关联节点的更新数据,更新所述现有用户的风险状态。
优选地,还包括:构建用户风险评估模型,使用训练数据集训练该用户风险评估模型,所述训练数据集包括历史用户的用户数据、用户关联人数据、金融风险表现数据;使用所述用户风险评估模型和更新后的用户关联人数据,更新现有用户的用户风险评估值;根据所更新的用户风险评估值,判断所述当前用户的风险状态。
优选地,还包括设定模块,所述设定模块用于设定回扫周期,并设定与回扫周期相对应的回扫内容;所述回扫内容包括关联节点的金融表现数据。
优选地,还包括监测模块,所述监测模块用于监测各用户节点,根据各用户节点的关联节点变化状态,缩短或拉长回扫周期。
优选地,根据用户处于金融产品生命周期的特定阶段确定回扫周期。
优选地,所述金融产品生命周期的特定阶段包括金融产品的注册、完件、资源请求、资源分配、资源配额增加或资源归还。
优选地,还包括:基于所判断的用户风险状态,对用户进行禁止或限制资源请求、冻结剩余资源、增加资源请求、增加资源配额。
此外,本发明还提供了一种电子设备,其中,该电子设备包括:处理器;以及,存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行本发明所述的基于定期回扫的用户风险更新方法。
此外,本发明还提供了一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现本发明所述的基于定期回扫的用户风险更新方法。
有益效果
与现有技术相比,本发明的用户风险评估方法通过使用现有用户的用户数据和用户关联人数据来建立关系网络图,并进行定期回扫关系网络中用户节点的相关数据,由此,能够使用最新且最准确的用户进行风险评估,所以能更准确评估用户的金融风险情况,优化了风险评估方法,从而进一步降低了金融风险,提高了风险评估的准确度和精度。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚,下面将参照附图详细描述本发明的具体实施例。但需声明的是,下面描述的附图仅仅是本发明本发明示例性实施例的附图,对于本领域的技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他实施例的附图。
图1是本发明的实施例1的基于定期回扫的用户风险更新方法的一示例的流程图。
图2是本发明的实施例1的基于定期回扫的用户风险更新方法的另一示例的流程图。
图3是本发明的实施例1的基于定期回扫的用户风险更新方法的又一示例的流程图。
图4是本发明的实施例2的基于定期回扫的用户风险更新装置的一示例的示意图。
图5是本发明的实施例2的基于定期回扫的用户风险更新装置的另一示例的示意图。
图6是本发明的实施例2的基于定期回扫的用户风险更新装置的又一示例的示意图。
图7是根据本发明的一种电子设备的示例性实施例的结构框图。
图8是根据本发明的计算机可读介质的示例性实施例的结构框图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而,示例性实施例能够以多种形式实施,且不应被理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例能够使得本发明更加全面和完整,更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分,因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中,本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是,并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
应理解,虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分,但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如,第一器件亦可称为第二器件而不偏离本发明实质的技术方案。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
为了进一步提高评估精度,并进一步降低金融风险,本发明提供了一种用户风险评估方法,该方法通过使用现有用户的用户数据和用户关联人数据来建立关系网络图,并进行定期回扫关系网络中用户节点的相关数据,使用更新后的用户数据及用户关联人数据进行用户风险评估计算,由此,能够更准确评估用户的金融风险情况,从而进一步降低了金融风险,提高了风险评估的准确度和精度。以下将详细描述风险评估的具体过程。
实施例1
下面,将参照图1至图3描述本发明的基于定期回扫的用户风险更新方法的实施例。
图1为本发明的基于定期回扫的用户风险更新方法的流程图。如图1所示,一种用户风险更新方法,该方法包括如下步骤。
步骤S101,根据现有用户的用户数据和用户关联人数据,建立关系网络图,该关系网络图包括相互关联的多个用户节点。
步骤S102,在当获取到新用户的用户信息时,将新用户作为一个用户节点加到所述关系网络图中。
步骤S103,对于各现有用户,定期回扫各用户节点的关联节点,获取关联节点的更新数据。
步骤S104,基于所获取的关联节点的更新数据,更新所述现有用户的风险状态。
首先,在步骤S101中,根据现有用户的用户数据和用户关联人数据,建立关系网络图,该关系网络图包括相互关联的多个用户节点。
在本示例中,例如从商家、金融机构、第三方支付机构等相关数据库,获取现有用户的用户数据和用户关联人数据。
具体地,用户数据包括用户基本信息数据、社交行为数据等。例如用户年龄、性别、职业、月收入/年收入等。
进一步地,还获取与各用户具有动支关联、社交关联、通讯关联等的用户关联人数据。
需要说明的是,这里为“现有用户”,与“历史用户”不同,这里的“现有用户”是指老用户,例如已经在使用某金融产品或某理财产品的用户。
在本示例中,还获取与各用户对于金融产品所表现的相关数据。在本示例中,包括违约概率和/或逾期概率。但是不限于此,上述仅作为示例进行说明,不能理解成对本发明的限制。
进一步地,基于所获取的上述数据,进行预处理,以建立关系网络图,其中,该关系网络图包括相互关联的多个用户节点和边,边是用于连接用户节点与用户节点的关系边,该关系边包括出边和入边,并且每个节点包括出度和入度,其中,节点的出边条数称为该节点的出度,节点的入边条数称为该节点的入度。
具体地,例如,用户与用户之间的关系包括“亲属关系”、“朋友关系”、“邻居关系”、“同事关系”等。
在其他示例中,还包括设定边距离的计算方法。进一步地,基于节点之间的关联度以及边距离,进行用户关联人数据的提取。
需要说明的是,上述仅作为示例进行说明,不能理解成对本发明的限制。
接下来,在步骤S102中,在当获取到新用户的用户信息时,将新用户作为一个用户节点加到所述关系网络图中。
具体地,在获取用户的用户信息数据时,通过与所述关系网络图的用户节点的数据进行匹配,判断是否为新用户。
进一步地,在当获取到新用户的用户信息时,将新用户作为一个新节点(即新的用户节点)加到原关系网络中,以更新所述关系网络。
接下来,在步骤S103中,对于各现有用户,定期回扫各用户节点的关联节点,获取关联节点的更新数据。
如图2所示,还包括设定回扫周期的步骤S201。
在步骤S201中,设定回扫周期,以用于更新关系网络图的用户节点数据。
优选地,例如设定一周、两周、一个月、三个月等为回扫周期,并设定与回扫周期相对应的回扫内容。
具体地,所述回扫内容包括关联节点的金融表现数据。例如,该金融表现数据包括授信后是否发生动支、是否有逾期记录、是否有催收记录、被催收次数、是否有多头记录。
优选地,还包括监测各用户节点的步骤。
具体地,监测各用户节点,即监测用户节点以确定状态发生变化的用户节点。
进一步地,根据各用户节点的关联节点变化状态,缩短或拉长回扫周期。
在本示例中,所述关联节点是表示各用户的用户关联人的用户节点,但是不限于此,还包括事物节点等。上述仅作为优选的示例进行说明,不能理解成对本发明的限制。
优选地,根据用户处于金融产品生命周期的特定阶段确定回扫周期。
具体地,所述金融产品生命周期的特定阶段包括金融产品的注册、完件、资源请求、资源分配、资源配额增加或资源归还。
需要说明的是,上述仅作为优选的示例进行说明,不能理解成对本发明的限制。
接下来,在步骤S104中,基于所获取的关联节点的更新数据,更新所述现有用户的风险状态。
例如,在需要对某个现有用户进行风险评估时,使用所获取的关联节点的更新数据,更新所述现有用户的风险状态,再使用更新后的用户数据进行风险评估,由此,能够更精确地评估用户的风险情况。
如图3所示,还包括构建用户风险评估模型,以用于计算用户风险评估值的步骤S301。
在步骤S301中,构建用户风险评估模型,以用于计算用户风险评估值。
具体地,使用训练数据集训练该用户风险评估模型,所述训练数据集包括历史用户的用户数据、用户关联人数据、金融风险表现数据。
优选地,使用所述用户风险评估模型和更新后的用户关联人数据,计算当前用户的用户风险评估值,以更新现有用户(即与当前用户相对应的用户节点)的用户风险评估值。
进一步地,根据所更新的用户风险评估值,判断所述当前用户的风险状态。
优选地,基于所判断的用户风险状态,对用户进行禁止或限制资源请求、冻结剩余资源、增加资源请求、增加资源配额。
在本示例中,例如使用XGBoost方法,构建用户风险评估模型。但是不限于此,在其他示例中,还可以使用TextCNN算法、随机森林算法、逻辑回归算法等,或者使用上述算法中的两种以上的算法。具体使用的算法可以根据采样数据和/或业务需求进行确定。
由此,通过使用现有用户的用户数据和用户关联人数据,建立关系网络图,并进行定期回扫关系网络中用户节点的相关数据,使用更新后的用户数据及用户关联人数据进行用户风险评估计算,由此,能够更准确评估用户的金融风险情况,从而进一步降低了金融风险,提高了风险评估的准确度和精度。
需要说明的是,上述仅为优选示例进行说明,不能理解成对本发明的限制。
本领域技术人员可以理解,实现上述实施例的全部或部分步骤被实现为由计算机数据处理设备执行的程序(计算机程序)。在该计算机程序被执行时,可以实现本发明提供的上述方法。而且,所述的计算机程序可以存储于计算机可读存储介质中,该存储介质可以是磁盘、光盘、ROM、RAM等可读存储介质,也可以是多个存储介质组成的存储阵列,例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储,其也可以是分布式存储,例如基于云计算的云存储。
与现有技术相比,本发明的用户风险评估方法通过使用现有用户的用户数据和用户关联人数据来建立关系网络图,并进行定期回扫关系网络中用户节点的相关数据,由此,能够使用最新且最准确的用户进行风险评估,所以能更准确评估用户的金融风险情况,优化了风险评估方法,从而进一步降低了金融风险,提高了风险评估的准确度和精度。
实施例2
下面描述本发明的装置实施例,该装置可以用于执行本发明的方法实施例。对于本发明装置实施例中描述的细节,应视为对于上述方法实施例的补充;对于在本发明装置实施例中未披露的细节,可以参照上述方法实施例来实现。
参照图4、图5和图6,本发明还提供了一种基于定期回扫的用户风险更新装置400,包括:建立模块401,根据现有用户的用户数据和用户关联人数据,建立关系网络图,该关系网络图包括相互关联的多个用户节点;处理模块402,用于在当获取到新用户的用户信息时,将新用户作为一个用户节点加到所述关系网络图中;回扫模块403,对于各现有用户,定期回扫各用户节点的关联节点,获取关联节点的更新数据;更新模块404,基于所获取的关联节点的更新数据,更新所述现有用户的风险状态。
优选地,还包括:构建用户风险评估模型,使用训练数据集训练该用户风险评估模型,所述训练数据集包括历史用户的用户数据、用户关联人数据、金融风险表现数据;使用所述用户风险评估模型和更新后的用户关联人数据,更新现有用户的用户风险评估值;根据所更新的用户风险评估值,判断所述当前用户的风险状态。
如图5所示,还包括设定模块501,所述设定模块501用于设定回扫周期,并设定与回扫周期相对应的回扫内容;所述回扫内容包括关联节点的金融表现数据。
如图6所示,还包括监测模块601,所述监测模块601用于监测各用户节点,根据各用户节点的关联节点变化状态,缩短或拉长回扫周期。
优选地,根据用户处于金融产品生命周期的特定阶段确定回扫周期。
优选地,所述金融产品生命周期的特定阶段包括金融产品的注册、完件、资源请求、资源分配、资源配额增加或资源归还。
优选地,还包括:基于所判断的用户风险状态,对用户进行禁止或限制资源请求、冻结剩余资源、增加资源请求、增加资源配额。
需要说明的是,在实施例2中,省略了与实施例1相同的部分的说明。
本领域技术人员可以理解,上述装置实施例中的各模块可以按照描述分布于装置中,也可以进行相应变化,分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
与现有技术相比,本发明的用户风险评估装置通过使用现有用户的用户数据和用户关联人数据来建立关系网络图,并进行定期回扫关系网络中用户节点的相关数据,由此,能够使用最新且最准确的用户进行风险评估,所以能够更准确评估用户的金融风险情况,从而进一步降低了金融风险,提高了风险评估的准确度和精度。
实施例3
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
图7是根据本发明的一种电子设备的示例性实施例的结构框图。下面参照图7来描述根据本发明该实施例的的电子设备200。图7显示的电子设备200仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于:至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元210执行,使得所述处理单元210执行本说明书上述电子设备的处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元210可以执行如图1所示的步骤。
所述存储单元220可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202,还可以进一步包括只读存储单元(ROM)2203。
所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204,这样的程序模块2205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且,电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法。
如图8所示,所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于定期回扫的用户风险更新方法,其特征在于,包括:
根据现有用户的用户数据和用户关联人数据,建立关系网络图,该关系网络图包括相互关联的多个用户节点;
在当获取到新用户的用户信息时,将新用户作为一个用户节点加到所述关系网络图中;
对于各现有用户,定期回扫各用户节点的关联节点,获取关联节点的更新数据;
基于所获取的关联节点的更新数据,更新所述现有用户的风险状态。
2.根据权利要求1所述的用户风险更新方法,其特征在于,所述更新所述现有用户的风险状态包括:
构建用户风险评估模型,使用训练数据集训练该用户风险评估模型,所述训练数据集包括历史用户的用户数据、用户关联人数据、金融风险表现数据;
使用所述用户风险评估模型和更新后的用户关联人数据,更新现有用户的用户风险评估值;
根据所更新的用户风险评估值,判断当前用户的风险状态。
3.根据权利要求1或2所述的用户风险更新方法,其特征在于,所述定期回扫各用户节点上的关联节点包括:
设定回扫周期,并设定与回扫周期相对应的回扫内容;
所述回扫内容包括关联节点的金融表现数据。
4.根据权利要求3所述的用户风险更新方法,其特征在于,所述定期回扫各用户节点的关联节点还包括:
监测各用户节点,根据各用户节点的关联节点变化状态,缩短或拉长回扫周期。
5.根据权利要求3所述的用户风险更新方法,其特征在于,根据用户处于金融产品生命周期的特定阶段确定回扫周期。
6.根据权利要求5所述的用户风险更新方法,其特征在于,
所述金融产品生命周期的特定阶段包括金融产品的注册、完件、资源请求、资源分配、资源配额增加或资源归还。
7.根据权利要求1所述的用户风险更新方法,其特征在于,还包括:
基于所判断的用户风险状态,对用户进行禁止或限制资源请求、冻结剩余资源、增加资源请求、增加资源配额。
8.一种基于定期回扫的用户风险更新装置,其特征在于,包括:
建立模块,根据现有用户的用户数据和用户关联人数据,建立关系网络图,该关系网络图包括相互关联的多个用户节点;
处理模块,用于在当获取到新用户的用户信息时,将新用户作为一个用户节点加到所述关系网络图中;
回扫模块,对于各现有用户,定期回扫各用户节点的关联节点,获取关联节点的更新数据;
更新模块,基于所获取的关联节点的更新数据,更新所述现有用户的风险状态。
9.一种电子设备,其中,该电子设备包括:
处理器;以及,
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1-7中任一项所述的基于定期回扫的用户风险更新方法。
10.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现权利要求1-7中任一项所述的基于定期回扫的用户风险更新方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011143350.5A CN111967806B (zh) | 2020-10-23 | 2020-10-23 | 基于定期回扫的用户风险更新方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011143350.5A CN111967806B (zh) | 2020-10-23 | 2020-10-23 | 基于定期回扫的用户风险更新方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111967806A true CN111967806A (zh) | 2020-11-20 |
CN111967806B CN111967806B (zh) | 2022-03-15 |
Family
ID=73387192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011143350.5A Active CN111967806B (zh) | 2020-10-23 | 2020-10-23 | 基于定期回扫的用户风险更新方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111967806B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113506167A (zh) * | 2021-07-23 | 2021-10-15 | 北京淇瑀信息科技有限公司 | 基于排序的风险预测方法、装置、设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1431785A (zh) * | 2002-01-09 | 2003-07-23 | 富士通株式会社 | 本地代理器 |
US20130276115A1 (en) * | 2012-04-01 | 2013-10-17 | Alibaba Group Holding Limited | Network virtual user risk control method and system |
CN105574769A (zh) * | 2015-12-24 | 2016-05-11 | 东软集团股份有限公司 | 建立社交网络动态关系图的方法及装置 |
CN107277010A (zh) * | 2017-06-16 | 2017-10-20 | 深圳乐信软件技术有限公司 | 一种信息处理方法及装置 |
CN110349004A (zh) * | 2019-07-02 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 基于用户节点关系网络的欺诈风险侦测方法及装置 |
-
2020
- 2020-10-23 CN CN202011143350.5A patent/CN111967806B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1431785A (zh) * | 2002-01-09 | 2003-07-23 | 富士通株式会社 | 本地代理器 |
US20130276115A1 (en) * | 2012-04-01 | 2013-10-17 | Alibaba Group Holding Limited | Network virtual user risk control method and system |
CN105574769A (zh) * | 2015-12-24 | 2016-05-11 | 东软集团股份有限公司 | 建立社交网络动态关系图的方法及装置 |
CN107277010A (zh) * | 2017-06-16 | 2017-10-20 | 深圳乐信软件技术有限公司 | 一种信息处理方法及装置 |
CN110349004A (zh) * | 2019-07-02 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 基于用户节点关系网络的欺诈风险侦测方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113506167A (zh) * | 2021-07-23 | 2021-10-15 | 北京淇瑀信息科技有限公司 | 基于排序的风险预测方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111967806B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110782129B (zh) | 一种业务进度监控方法、装置、系统及计算机可读存储介质 | |
CN111950600B (zh) | 一种预测逾期用户资源返还表现的方法、装置和电子设备 | |
CN112182118B (zh) | 基于多数据源的目标对象预测方法及其相关设备 | |
CN112015562A (zh) | 基于迁移学习的资源分配方法、装置及电子设备 | |
CN111967806B (zh) | 基于定期回扫的用户风险更新方法、装置和电子设备 | |
CN111681112A (zh) | 一种管理投放策略的方法、装置和电子设备 | |
CN114997414A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN113297287B (zh) | 用户策略自动部署方法、装置及电子设备 | |
CN112488865A (zh) | 基于金融时间节点的金融风险预测方法、装置和电子设备 | |
CN111861004B (zh) | 日收入产量的自动佣金预测方法、系统、设备及存储介质 | |
CN112163154B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN111681094B (zh) | 一种监测资源策略异常的方法、装置和电子设备 | |
US20190205398A1 (en) | Systems and methods for translation management | |
CN112102099A (zh) | 保单数据处理方法、装置、电子设备及存储介质 | |
CN113298120B (zh) | 基于融合模型的用户风险预测方法、系统和计算机设备 | |
CN115048561A (zh) | 推荐信息确定方法及装置、电子设备和可读存储介质 | |
CN114897607A (zh) | 产品资源的数据处理方法及装置、电子设备、存储介质 | |
CN111582649B (zh) | 基于用户app独热编码的风险评估方法、装置和电子设备 | |
CN112819472A (zh) | 资源筹集项目的欺诈预测方法、装置和电子设备 | |
CN111950770A (zh) | 一种管理资源返还辅助策略的方法、装置和电子设备 | |
CN113656702A (zh) | 用户行为的预测方法及装置 | |
CN113329128A (zh) | 话务数据预测方法及装置、电子设备、存储介质 | |
CN110795424A (zh) | 特征工程变量数据请求处理方法、装置及电子设备 | |
CN113362097B (zh) | 一种用户确定方法和装置 | |
KR102463250B1 (ko) | 운영관리 솔루션 시스템 및 빅데이터 분석 방법 |
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 |