CN112016796A - 综合风险评分请求处理方法、装置及电子设备 - Google Patents
综合风险评分请求处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112016796A CN112016796A CN202010683193.0A CN202010683193A CN112016796A CN 112016796 A CN112016796 A CN 112016796A CN 202010683193 A CN202010683193 A CN 202010683193A CN 112016796 A CN112016796 A CN 112016796A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- risk score
- service
- scoring
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 7
- 238000013507 mapping Methods 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 55
- 239000002131 composite material Substances 0.000 claims abstract description 46
- 238000013468 resource allocation Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 32
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000007477 logistic regression Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06Q10/0639—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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种综合风险评分请求处理方法、装置、电子设备及计算机可读介质。该方法包括:根据综合风险评分请求获取用户的用户信息;基于基础信息、业务信息以及和业务信息对应的状态信息计算所述用户在至少一个业务的至少一个状态中的至少一个风险评分;将所述用户的至少一个风险评分进行分段映射生成至少一个映射值;基于所述至少一个映射值和集成学习算法确定所述用户的综合风险评分;基于所述综合风险评分为所述用户进行资源分配。本公开涉能够实时的、全面的、多维度的计算用户的综合风险评分,并基于综合风险评分进行资源分配,维护企业资源安全,降低企业安全风险。
Description
技术领域
本公开涉及计算机信息处理领域,具体而言,涉及一种综合风险评分请求处理方法、装置、电子设备及计算机可读介质。
背景技术
随着经济的发展,为了满足其自身发展的需要,个人用户或者企业用户经常由金融服务机构进行资源借贷活动,对于金融服务机构而言,用户的资源借贷活动很可能会给金融服务公司带来风险。在还款期限届满之前,借款人财务商务状况的重大不利变化很可能影响其履约能力,从而发生呆账、坏账等风险,因此,为了降低此类风险的发生概率,金融服务机构需要对借款人进行实时的风险评估。
用户的金融风险又分为多个方面,有些金融服务公司通过实时监控用户的个人特征的变动情况,以对用户的一段时间之后的金融风险进行分析等等。在风险领域当中,通常会在客户不同的生命周期构建不同的风险评分卡,比如对应于不同用户生命周期的A评分卡、B评分卡、C评分卡等,甚至在客户的同一生命周期内针对不同的业务构建不同的评分卡,如贷中调额评分卡、调价评分卡等。但是,上述这些评分卡都是片面的,局限于某个范围。综合的对用户的全生命周期的特征进行综合性的评分,会有助于企业在进行资源分配时综合考虑风险,做出最适宜的决策。
因此,需要一种新的综合风险评分请求处理方法、装置、电子设备及计算机可读介质。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此,本公开提供一种综合风险评分请求处理方法、装置、电子设备及计算机可读介质,能够实时的、全面的、多维度的计算用户的综合风险评分,并基于综合风险评分进行资源分配,维护企业资源安全,降低企业安全风险。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一方面,提出一种综合风险评分请求处理方法,该方法包括:根据综合风险评分请求获取用户的用户信息,所述用户信息包括基础信息、业务信息以及和所述业务信息对应的状态信息;基于所述基础信息、所述业务信息以及和所述业务信息对应的状态信息计算所述用户在至少一个业务的至少一个状态中的至少一个风险评分;将所述用户的至少一个风险评分进行分段映射生成至少一个映射值;基于所述至少一个映射值和集成学习算法确定所述用户的综合风险评分;基于所述综合风险评分为所述用户进行资源分配。
可选地,还包括:基于所述综合风险评分为所述用户制定服务策略。
可选地,根据综合风险评分请求获取用户的用户信息之前,包括:在用户的状态信息变更后,生成所述综合风险评分请求;和/或在用户的基础信息变更后,生成所述综合风险评分请求;和/或定时生成所述综合风险评分请求。
可选地,基于所述基础信息、所述业务信息以及和所述业务信息对应的状态信息计算所述用户在至少一个业务的至少一个状态中的至少一个风险评分,包括:依次获取所述用户的业务信息和业务信息对应的状态信息;根据业务信息、状态信息和基础信息计算至少一个状态信息对应的至少一个风险评分。
可选地,根据业务信息、状态信息和基础信息计算至少一个状态信息对应的至少一个风险评分,包括:获取所述至少一个状态信息对应的风险评分规则;基于基础信息、所述至少一个状态信息和其对应的风险评分规则确定所述至少一个风险评分。
可选地,将所述用户的至少一个风险评分进行分段映射生成至少一个映射值,包括:获取基准评分区间;将所述基准评分区间拆分为多个分段值;将所述用户的至少一个风险评分的评分区间按照等分的方式向所述基准评分区间的多个分段值进行映射,生成所述至少一个映射值。
可选地,将所述基准评分区间拆分为多个分段值,包括:按照等距数值的方式将所述基准评分区间拆分为多个分段值;或按照等频数值的方式将所述基准评分区间拆分为多个分段值。
可选地,将所述用户的至少一个风险评分的评分区间按照等分的方式向所述基准评分区间的多个分段值进行映射,生成所述至少一个映射值,包括:将所述用户的至少一个风险评分的评分范围降序排列;基于所述基准评分区间的多个分段值的特征参数将所述至少一个风险评分的评分区间向所述基准评分区间的多个分段值进行映射;基于映射结果生成所述至少一个映射值。
可选地,基于所述至少一个映射值和集成学习算法确定所述用户的综合风险评分,包括:将所述至少一个映射值输入次学习器中,获取所述至少一个映射值的权重;基于所述至少一个映射值和其对应的权重确定所述用户的综合风险评分。
可选地,还包括:将映射值作为基层模型;基于至少一个基层模型建立所述次学习器,其中,所述次学习器为逻辑回归模型。
根据本公开的一方面,提出一种综合风险评分请求处理装置,该装置包括:信息模块,用于根据综合风险评分请求获取用户的用户信息,所述用户信息包括基础信息、业务信息以及和所述业务信息对应的状态信息;计算模块,用于基于所述基础信息、所述业务信息以及和所述业务信息对应的状态信息计算所述用户在至少一个业务的至少一个状态中的至少一个风险评分;映射模块,用于将所述用户的至少一个风险评分进行分段映射生成至少一个映射值;评分模块,用于基于所述至少一个映射值和集成学习算法确定所述用户的综合风险评分;分配模块,用于基于所述综合风险评分为所述用户进行资源分配。
可选地,还包括:策略模块,用于基于所述综合风险评分为所述用户制定服务策略。
可选地,还包括:请求模块,用于在用户的状态信息变更后,生成所述综合风险评分请求;和/或在用户的基础信息变更后,生成所述综合风险评分请求;和/或定时生成所述综合风险评分请求。
可选地,所述计算模块,包括:状态单元,用于依次获取所述用户的业务信息和业务信息对应的状态信息;计算单元,用于根据业务信息、状态信息和基础信息计算至少一个状态信息对应的至少一个风险评分。
可选地,所述计算单元,还用于获取所述至少一个状态信息对应的风险评分规则;基于基础信息、所述至少一个状态信息和其对应的风险评分规则确定所述至少一个风险评分。
可选地,所述映射模块,包括:区间单元,用于获取基准评分区间;分段单元,用于将所述基准评分区间拆分为多个分段值;映射单元,用于将所述用户的至少一个风险评分的评分区间按照等分的方式向所述基准评分区间的多个分段值进行映射,生成所述至少一个映射值。
可选地,所述分段单元,还用于按照等距数值的方式将所述基准评分区间拆分为多个分段值;或按照等频数值的方式将所述基准评分区间拆分为多个分段值。
可选地,所述分段单元,还用于将所述用户的至少一个风险评分的评分范围降序排列;基于所述基准评分区间的多个分段值的特征参数将所述至少一个风险评分的评分区间向所述基准评分区间的多个分段值进行映射;基于映射结果生成所述至少一个映射值。
可选地,所述评分模块,包括:输入单元,用于将所述至少一个映射值输入次学习器中,获取所述至少一个映射值的权重;确定单元,用于基于所述至少一个映射值和其对应的权重确定所述用户的综合风险评分。
可选地,还包括:模块单元,用于将映射值作为基层模型;基于至少一个基层模型建立所述次学习器,其中,所述次学习器为逻辑回归模型。
根据本公开的一方面,提出一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上文的方法。
根据本公开的一方面,提出一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上文中的方法。
根据本公开的综合风险评分请求处理方法、装置、电子设备及计算机可读介质,根据综合风险评分请求获取用户的用户信息,所述用户信息包括基础信息、业务信息以及和所述业务信息对应的状态信息;基于所述基础信息、所述业务信息以及和所述业务信息对应的状态信息计算所述用户在至少一个业务的至少一个状态中的至少一个风险评分;将所述用户的至少一个风险评分进行分段映射生成至少一个映射值;基于所述至少一个映射值和集成学习算法确定所述用户的综合风险评分;基于所述综合风险评分为所述用户进行资源分配的方式,能够实时的、全面的、多维度的计算用户的综合风险评分,并基于综合风险评分进行资源分配,维护企业资源安全,降低企业安全风险。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例,本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种综合风险评分请求处理方法及装置的系统框图。
图2是根据一示例性实施例示出的一种综合风险评分请求处理方法的流程图。
图3是根据另一示例性实施例示出的一种综合风险评分请求处理方法的流程图。
图4是根据另一示例性实施例示出的一种综合风险评分请求处理方法的示意图。
图5是根据另一示例性实施例示出的一种综合风险评分请求处理方法的流程图。
图6是根据一示例性实施例示出的一种综合风险评分请求处理装置的框图。
图7是根据一示例性实施例示出的一种电子设备的框图。
图8是根据一示例性实施例示出的一种计算机可读介质的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的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部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
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。
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。
应理解,虽然本文中可能使用术语第一、第二、第三等来描述各种组件,但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此,下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用,术语“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。
本领域技术人员可以理解,附图只是示例实施例的示意图,附图中的模块或流程并不一定是实施本公开所必须的,因此不能用于限制本公开的保护范围。
本发明中,资源是指任何可被利用的物质、信息、时间,信息资源包括计算资源和各种类型的数据资源。数据资源包括各个领域中的各种专用数据。本发明的创新之处在于如何使用服务器和客户端之间的信息交互技术来使资源分配的过程更加自动化、高效和减小人力成本。由此,从本质上来说,本发明可以应用于各类资源的分配,包括实体的货物、水、电,以及有意义的资料等。但是,为了方便起见,本发明中以金融数据资源为例进行说明资源分配的实施,但本领域技术人员应当理解,本发明亦可以用于其他资源的分配。
图1是根据一示例性实施例示出的一种综合风险评分请求处理方法及装置的系统框图。
如图1所示,系统架构10可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如金融服务类应用、购物类应用、网页浏览器应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的金融服务类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的用户数据进行分析等处理,并将处理结果(例如资源分配配额)反馈给终端设备101、102、103。
服务器105可例如根据综合风险评分请求获取用户的用户信息,所述用户信息包括基础信息、业务信息以及和所述业务信息对应的状态信息;服务器105可例如基于所述基础信息、所述业务信息以及和所述业务信息对应的状态信息计算所述用户在至少一个业务的至少一个状态中的至少一个风险评分;服务器105可例如将所述用户的至少一个风险评分进行分段映射生成至少一个映射值;服务器105可例如基于所述至少一个映射值和集成学习算法确定所述用户的综合风险评分;服务器105可例如基于所述综合风险评分为所述用户进行资源分配。
服务器105还可例如基于所述综合风险评分为所述用户制定服务策略。
服务器105可以是一个实体的服务器,还可例如为多个服务器组成,需要说明的是,本公开实施例所提供的综合风险评分请求处理方法可以由服务器105执行,相应地,综合风险评分请求处理装置可以设置于服务器105中。而提供给用户进行金融服务平台浏览的网页端一般位于终端设备101、102、103中。
图2是根据一示例性实施例示出的一种综合风险评分请求处理方法的流程图。综合风险评分请求处理方法20至少包括步骤S202至S210。
如图2所示,在S202中,根据综合风险评分请求获取用户的用户信息,所述用户信息包括基础信息、业务信息以及和所述业务信息对应的状态信息。
在一个实施例中,根据综合风险评分请求获取用户的用户信息之前,包括:在用户的状态信息变更后,生成所述综合风险评分请求;和/或在用户的基础信息变更后,生成所述综合风险评分请求;和/或定时生成所述综合风险评分请求。
在S204中,基于所述基础信息、所述业务信息以及和所述业务信息对应的状态信息计算所述用户在至少一个业务的至少一个状态中的至少一个风险评分。
更具体的,可例如,依次获取所述用户的业务信息和业务信息对应的状态信息;根据业务信息、状态信息和基础信息计算至少一个状态信息对应的至少一个风险评分。不同的业务对应的评分规则都不相同,可根据不同的业务下不同的用户状态对应的规则,依次确定用户的风险评分。
可例如,用户申请了A,B两个业务,A业务共有a1,a2,a3三个状态,B业务共有b1,b2两个状态,用户在A业务中处于a2状态,在B业务中处于b1状态,则分别获取a2状态和b1状态的状态信息。根据用户的个人基础信息和a2状态和b1状态对应的评分规则为用户确定2个风险评分。在a2状态中,风险评分可利用机器学习算法计算获得,在b1状态中,风险评分可为利用函数拟合而成,其他的状态中的风险评分都可采用不同的计算方法进行计算,本公开不以此为限。
在S206中,将所述用户的至少一个风险评分进行分段映射生成至少一个映射值。可例如,获取预设的基准评分区间;将所述基准评分区间拆分为多个分段值;将所述用户的至少一个风险评分的评分区间按照等分的方式向所述基准评分区间的多个分段值进行映射,生成所述至少一个映射值。
在一个实施例中,将所述基准评分区间拆分为多个分段值,包括:按照等距数值的方式将所述基准评分区间拆分为多个分段值;或按照等频数值的方式将所述基准评分区间拆分为多个分段值。
在S208中,基于所述至少一个映射值和集成学习算法确定所述用户的综合风险评分。包括:将所述至少一个映射值输入次学习器中,获取所述至少一个映射值的权重;基于所述至少一个映射值和其对应的权重确定所述用户的综合风险评分。
在S210中,基于所述综合风险评分为所述用户进行资源分配。根据综合评分为用户分配不同的资源配额。
在一个实施例中,还包括:基于所述综合风险评分为所述用户制定服务策略。
根据本公开的综合风险评分请求处理方法,根据综合风险评分请求获取用户的用户信息,所述用户信息包括基础信息、业务信息以及和所述业务信息对应的状态信息;基于所述基础信息、所述业务信息以及和所述业务信息对应的状态信息计算所述用户在至少一个业务的至少一个状态中的至少一个风险评分;将所述用户的至少一个风险评分进行分段映射生成至少一个映射值;基于所述至少一个映射值和集成学习算法确定所述用户的综合风险评分;基于所述综合风险评分为所述用户进行资源分配的方式,能够实时的、全面的、多维度的计算用户的综合风险评分,并基于综合风险评分进行资源分配,维护企业资源安全,降低企业安全风险。
应清楚地理解,本公开描述了如何形成和使用特定示例,但本公开的原理不限于这些示例的任何细节。相反,基于本公开公开的内容的教导,这些原理能够应用于许多其它实施例。
图3是根据另一示例性实施例示出的一种综合风险评分请求处理方法的流程图。图3所示的流程30是对图2所示的流程中S206“将所述用户的至少一个风险评分进行分段映射生成至少一个映射值”的详细描述。
如图3所示,在S302中,获取基准评分区间。
在S304中,将所述基准评分区间拆分为多个分段值。
在S306中,将所述用户的至少一个风险评分的评分区间向所述基准评分区间的多个分段值进行映射,生成所述至少一个映射值。
具体可例如,将所述用户的至少一个风险评分的评分范围降序排列;基于所述基准评分区间的多个分段值的特征参数将所述至少一个风险评分的评分区间向所述基准评分区间的多个分段值进行映射;基于映射结果生成所述至少一个映射值。
在一个具体的实施例中,如图4所示,假设融合两种分数,可以指定一个基准评分为A,其他两种评分为B、C。本校准方式下图所示,0点为最高分对应的点,A、B、C分别表示基准评分A、B评分、C评分的最低分数值。假设将基准评分A等分为5份,每一份的好坏比是确定的,B评分、C评分按照相应的好坏比确定各自评分的分段区间即确定B1,B2,B3…和C1,C2,C3…,,并将不同分段区间内的分数向基准评分相应的段内映射。
假设标准评分的分值在0-1000分,等分为5个等级,每个等级固定一个坏好比,等级越高,坏好比越低。最高等级Lv5的分数区间为800-1000分,坏好比设为1%。等频分配的方式可例如如下:将B卡和C卡的分值通过坏好比与基准评分A相同或相似划分分段区间,区间内的分值等比例映射至基准评分的相应区间内。假设B卡的分值为0-2000分,分值在1700-2000时的坏好比为1%,则B卡的1700对应A卡的800分,B卡的2000分对应A卡的1000分,B卡的1800对应A卡的
(1800-1700)/(2000-1700)×(1000-800)+800=866;
通过分段进行映射,可以增加客户分值的鲁棒性,尽量避免客户分值出现剧烈波动。
图5是根据另一示例性实施例示出的一种综合风险评分请求处理方法的流程图。图5所示的流程50是对图2所示的流程中S208“基于所述至少一个映射值和集成学习算法确定所述用户的综合风险评分”的详细描述。
如图5所示,在S502中,将映射值作为基层模型。分数映射到同一尺度之后,需要将集中分数进行融合,可以用集成学习stacking的分层思想,将映射后的分数作为新的特征(基模型),利用逻辑回归(次学习器)重新拟合一个新的模型,然后按照输出概率重新生成新的分数。
在S504中,基于至少一个基层模型建立次学习器,其中,所述次学习器为逻辑回归模型。
在S506中,将所述至少一个映射值输入次学习器中,获取所述至少一个映射值的权重。次学习器会基于模型的预测结果进行再训练,再训练是基于每个基础模型的预测结果作为特征,次学习器会学习训练如果往这样的基学习的预测结果上赋予权重,来使得最后的预测更加准确,直至输出符合条件的映射值权重为止。
在S508中,基于所述至少一个映射值和其对应的权重确定所述用户的综合风险评分。风险综合评分可为每个映射值和其对应权重的乘积之和。
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CPU执行的计算机程序。在该计算机程序被CPU执行时,执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中,该存储介质可以是只读存储器,磁盘或光盘等。
此外,需要注意的是,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图6是根据另一示例性实施例示出的一种综合风险评分请求处理装置的框图。如图6所示,综合风险评分请求处理装置60包括:信息模块602,计算模块604,映射模块606,评分模块608,分配模块610。
信息模块602用于根据综合风险评分请求获取用户的用户信息,所述用户信息包括基础信息、业务信息以及和所述业务信息对应的状态信息;
计算模块604用于基于所述基础信息、所述业务信息以及和所述业务信息对应的状态信息计算所述用户在至少一个业务的至少一个状态中的至少一个风险评分;所述计算模块604包括:状态单元,用于依次获取所述用户的业务信息和业务信息对应的状态信息;计算单元,用于根据业务信息、状态信息和基础信息计算至少一个状态信息对应的至少一个风险评分。所述计算单元,还用于获取所述至少一个状态信息对应的风险评分规则;基于基础信息、所述至少一个状态信息和其对应的风险评分规则确定所述至少一个风险评分。
映射模块606用于将所述用户的至少一个风险评分进行分段映射生成至少一个映射值;所述映射模块606包括:区间单元,用于获取基准评分区间;分段单元,用于将所述基准评分区间拆分为多个分段值;所述分段单元,还用于按照等距数值的方式将所述基准评分区间拆分为多个分段值;或按照等频数值的方式将所述基准评分区间拆分为多个分段值。所述分段单元,还用于将所述用户的至少一个风险评分的评分范围降序排列;基于所述基准评分区间的多个分段值的特征参数将所述至少一个风险评分的评分区间向所述基准评分区间的多个分段值进行映射;基于映射结果生成所述至少一个映射值。映射单元,用于将所述用户的至少一个风险评分的评分区间按照等分的方式向所述基准评分区间的多个分段值进行映射,生成所述至少一个映射值。
评分模块608用于基于所述至少一个映射值和集成学习算法确定所述用户的综合风险评分;所述评分模块608包括:输入单元,用于将所述至少一个映射值输入次学习器中,获取所述至少一个映射值的权重;确定单元,用于基于所述至少一个映射值和其对应的权重确定所述用户的综合风险评分。
分配模块610用于基于所述综合风险评分为所述用户进行资源分配。分配模块610还包括:模块单元,用于将映射值作为基层模型;基于至少一个基层模型建立所述次学习器,其中,所述次学习器为逻辑回归模型。
综合风险评分请求处理装置60还可包括:策略模块,用于基于所述综合风险评分为所述用户制定服务策略。请求模块,用于在用户的状态信息变更后,生成所述综合风险评分请求;和/或在用户的基础信息变更后,生成所述综合风险评分请求;和/或定时生成所述综合风险评分请求。
根据本公开的综合风险评分请求处理装置,根据综合风险评分请求获取用户的用户信息,所述用户信息包括基础信息、业务信息以及和所述业务信息对应的状态信息;基于所述基础信息、所述业务信息以及和所述业务信息对应的状态信息计算所述用户在至少一个业务的至少一个状态中的至少一个风险评分;将所述用户的至少一个风险评分进行分段映射生成至少一个映射值;基于所述至少一个映射值和集成学习算法确定所述用户的综合风险评分;基于所述综合风险评分为所述用户进行资源分配的方式,能够实时的、全面的、多维度的计算用户的综合风险评分,并基于综合风险评分进行资源分配,维护企业资源安全,降低企业安全风险。
图7是根据一示例性实施例示出的一种电子设备的框图。
下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例,不应对本公开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700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于:至少一个处理单元710、至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730、显示单元740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710执行,使得所述处理单元710执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理单元710可以执行如图2,图3,图5中所示的步骤。
所述存储单元720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)7201和/或高速缓存存储单元7202,还可以进一步包括只读存储单元(ROM)7203。
所述存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204,这样的程序模块7205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730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700也可以与一个或多个外部设备700’(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700交互的设备通信,和/或与使得该电子设备700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750进行。并且,电子设备700还可以通过网络适配器760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760可以通过总线730与电子设备700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700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,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,如图8所示,根据本公开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非易失性存储介质(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)执行根据本公开实施方式的上述方法。
所述软件产品可以采用一个或多个可读介质的任意组合。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公开操作的程序代码,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)。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该计算机可读介质实现如下功能:根据综合风险评分请求获取用户的用户信息,所述用户信息包括基础信息、业务信息以及和所述业务信息对应的状态信息;基于所述基础信息、所述业务信息以及和所述业务信息对应的状态信息计算所述用户在至少一个业务的至少一个状态中的至少一个风险评分;将所述用户的至少一个风险评分进行分段映射生成至少一个映射值;基于所述至少一个映射值和集成学习算法确定所述用户的综合风险评分;基于所述综合风险评分为所述用户进行资源分配。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中,也可以进行相应变化唯一不同于本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。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例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,根据本公开实施例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非易失性存储介质(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、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是,本公开不限于这里描述的详细结构、设置方式或实现方法;相反,本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (10)
1.一种综合风险评分请求处理方法,其特征在于,包括:
根据综合风险评分请求获取用户的用户信息,所述用户信息包括基础信息、业务信息以及和所述业务信息对应的状态信息;
基于所述基础信息、所述业务信息以及和所述业务信息对应的状态信息计算所述用户在至少一个业务的至少一个状态中的至少一个风险评分;
将所述用户的至少一个风险评分进行分段映射生成至少一个映射值;
基于所述至少一个映射值和集成学习算法确定所述用户的综合风险评分;
基于所述综合风险评分为所述用户进行资源分配。
2.如权利要求1所述的方法,其特征在于,还包括:
基于所述综合风险评分为所述用户制定服务策略。
3.如权利要求1-2中任一所述的方法,其特征在于,根据综合风险评分请求获取用户的用户信息之前,包括:
在用户的状态信息变更后,生成所述综合风险评分请求;和/或
在用户的基础信息变更后,生成所述综合风险评分请求;和/或
定时生成所述综合风险评分请求。
4.如权利要求1-3中任一所述的方法,其特征在于,基于所述基础信息、所述业务信息以及和所述业务信息对应的状态信息计算所述用户在至少一个业务的至少一个状态中的至少一个风险评分,包括:
依次获取所述用户的业务信息和业务信息对应的状态信息;
根据业务信息、状态信息和基础信息计算至少一个状态信息对应的至少一个风险评分。
5.如权利要求1-4中任一所述的方法,其特征在于,根据业务信息、状态信息和基础信息计算至少一个状态信息对应的至少一个风险评分,包括:
获取所述至少一个状态信息对应的风险评分规则;
基于基础信息、所述至少一个状态信息和其对应的风险评分规则确定所述至少一个风险评分。
6.如权利要求1-5中任一所述的方法,其特征在于,将所述用户的至少一个风险评分进行分段映射生成至少一个映射值,包括:
获取基准评分区间;
将所述基准评分区间拆分为多个分段值;
将所述用户的至少一个风险评分的评分区间向所述基准评分区间的多个分段值进行映射,生成所述至少一个映射值。
7.如权利要求1-6中任一所述的方法,其特征在于,将所述基准评分区间拆分为多个分段值,包括:
按照等距数值的方式将所述基准评分区间拆分为多个分段值;或
按照等频数值的方式将所述基准评分区间拆分为多个分段值。
8.一种综合风险评分请求处理装置,其特征在于,包括:
信息模块,用于根据综合风险评分请求获取用户的用户信息,所述用户信息包括基础信息、业务信息以及和所述业务信息对应的状态信息;
计算模块,用于基于所述基础信息、所述业务信息以及和所述业务信息对应的状态信息计算所述用户在至少一个业务的至少一个状态中的至少一个风险评分;
映射模块,用于将所述用户的至少一个风险评分进行分段映射生成至少一个映射值;
评分模块,用于基于所述至少一个映射值和集成学习算法确定所述用户的综合风险评分;
分配模块,用于基于所述综合风险评分为所述用户进行资源分配。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010683193.0A CN112016796B (zh) | 2020-07-15 | 2020-07-15 | 综合风险评分请求处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010683193.0A CN112016796B (zh) | 2020-07-15 | 2020-07-15 | 综合风险评分请求处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112016796A true CN112016796A (zh) | 2020-12-01 |
CN112016796B CN112016796B (zh) | 2024-03-01 |
Family
ID=73499557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010683193.0A Active CN112016796B (zh) | 2020-07-15 | 2020-07-15 | 综合风险评分请求处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112016796B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362039A (zh) * | 2021-06-30 | 2021-09-07 | 深圳壹账通智能科技有限公司 | 业务审批方法、装置、电子设备及存储介质 |
CN113590310A (zh) * | 2021-07-02 | 2021-11-02 | 上海淇玥信息技术有限公司 | 基于规则触碰率评分的资源分配方法、装置及电子设备 |
CN114401142A (zh) * | 2022-01-18 | 2022-04-26 | 北京网藤科技有限公司 | 一种工业网络数据安全防护系统及其控制方法 |
CN115564069A (zh) * | 2022-09-28 | 2023-01-03 | 北京百度网讯科技有限公司 | 服务器维保策略的确定方法、模型的生成方法及其装置 |
WO2024047668A1 (en) * | 2022-08-30 | 2024-03-07 | 1 Finance Private Limited | Comprehensive resource allocation |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030225651A1 (en) * | 2002-05-21 | 2003-12-04 | Yu-To Chen | System and method for fulfillment value at risk scoring |
US20110078073A1 (en) * | 2009-09-30 | 2011-03-31 | Suresh Kumar Annappindi | System and method for predicting consumer credit risk using income risk based credit score |
CN106570753A (zh) * | 2015-10-08 | 2017-04-19 | 平安科技(深圳)有限公司 | 对违约风险进行控制的方法及服务器 |
CN109190954A (zh) * | 2018-08-22 | 2019-01-11 | 深圳合纵能源技术有限公司 | 基于实时用电数据评估企业生产经营管理风险的方法 |
CN109767066A (zh) * | 2018-12-13 | 2019-05-17 | 重庆金融资产交易所有限责任公司 | 企业抗风险能力评估方法、装置及存储介质 |
CN110097289A (zh) * | 2019-05-09 | 2019-08-06 | 深圳前海微众银行股份有限公司 | 风险监控方法、装置、设备及计算机可读存储介质 |
CN110188980A (zh) * | 2019-04-15 | 2019-08-30 | 深圳壹账通智能科技有限公司 | 企业风险评分方法、装置、计算机设备及存储介质 |
CN110223155A (zh) * | 2019-04-25 | 2019-09-10 | 深圳壹账通智能科技有限公司 | 投资推荐信息的推送方法、装置及计算机设备 |
CN110659800A (zh) * | 2019-08-15 | 2020-01-07 | 平安科技(深圳)有限公司 | 风险监控处理方法、装置、计算机设备和存储介质 |
CN111369348A (zh) * | 2020-03-25 | 2020-07-03 | 深圳前海微众银行股份有限公司 | 贷后风险监控方法、装置、设备及计算机可读存储介质 |
-
2020
- 2020-07-15 CN CN202010683193.0A patent/CN112016796B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030225651A1 (en) * | 2002-05-21 | 2003-12-04 | Yu-To Chen | System and method for fulfillment value at risk scoring |
US20110078073A1 (en) * | 2009-09-30 | 2011-03-31 | Suresh Kumar Annappindi | System and method for predicting consumer credit risk using income risk based credit score |
CN106570753A (zh) * | 2015-10-08 | 2017-04-19 | 平安科技(深圳)有限公司 | 对违约风险进行控制的方法及服务器 |
CN109190954A (zh) * | 2018-08-22 | 2019-01-11 | 深圳合纵能源技术有限公司 | 基于实时用电数据评估企业生产经营管理风险的方法 |
CN109767066A (zh) * | 2018-12-13 | 2019-05-17 | 重庆金融资产交易所有限责任公司 | 企业抗风险能力评估方法、装置及存储介质 |
CN110188980A (zh) * | 2019-04-15 | 2019-08-30 | 深圳壹账通智能科技有限公司 | 企业风险评分方法、装置、计算机设备及存储介质 |
CN110223155A (zh) * | 2019-04-25 | 2019-09-10 | 深圳壹账通智能科技有限公司 | 投资推荐信息的推送方法、装置及计算机设备 |
CN110097289A (zh) * | 2019-05-09 | 2019-08-06 | 深圳前海微众银行股份有限公司 | 风险监控方法、装置、设备及计算机可读存储介质 |
CN110659800A (zh) * | 2019-08-15 | 2020-01-07 | 平安科技(深圳)有限公司 | 风险监控处理方法、装置、计算机设备和存储介质 |
CN111369348A (zh) * | 2020-03-25 | 2020-07-03 | 深圳前海微众银行股份有限公司 | 贷后风险监控方法、装置、设备及计算机可读存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362039A (zh) * | 2021-06-30 | 2021-09-07 | 深圳壹账通智能科技有限公司 | 业务审批方法、装置、电子设备及存储介质 |
CN113590310A (zh) * | 2021-07-02 | 2021-11-02 | 上海淇玥信息技术有限公司 | 基于规则触碰率评分的资源分配方法、装置及电子设备 |
CN114401142A (zh) * | 2022-01-18 | 2022-04-26 | 北京网藤科技有限公司 | 一种工业网络数据安全防护系统及其控制方法 |
WO2024047668A1 (en) * | 2022-08-30 | 2024-03-07 | 1 Finance Private Limited | Comprehensive resource allocation |
CN115564069A (zh) * | 2022-09-28 | 2023-01-03 | 北京百度网讯科技有限公司 | 服务器维保策略的确定方法、模型的生成方法及其装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112016796B (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230334570A1 (en) | Utilizing artificial intelligence to make a prediction about an entity based on user sentiment and transaction history | |
CN112016796B (zh) | 综合风险评分请求处理方法、装置及电子设备 | |
CN110111139B (zh) | 行为预估模型生成方法、装置、电子设备及可读介质 | |
CN112529702B (zh) | 用户授信策略分配方法、装置及电子设备 | |
CN111145009A (zh) | 用户贷后风险评估方法、装置及电子设备 | |
CN112017023A (zh) | 小微企业资源额度确定方法、装置及电子设备 | |
CN111967543A (zh) | 用户资源配额确定方法、装置及电子设备 | |
CN111210335A (zh) | 用户风险识别方法、装置及电子设备 | |
CN112508694A (zh) | 资源额度申请的处理方法、装置及电子设备 | |
CN112015562A (zh) | 基于迁移学习的资源分配方法、装置及电子设备 | |
CN111598494A (zh) | 资源额度的调整方法、装置及电子设备 | |
CN112017060A (zh) | 为目标用户进行资源分配的方法、装置及电子设备 | |
CN112348659A (zh) | 用户风险识别策略的分配方法、装置及电子设备 | |
CN112017062B (zh) | 基于客群细分的资源额度分配方法、装置及电子设备 | |
CN112016792A (zh) | 用户资源配额确定方法、装置及电子设备 | |
US20180349476A1 (en) | Evaluating theses using tree structures | |
CN112016793A (zh) | 基于目标用户群的资源分配方法、装置及电子设备 | |
CN113298555B (zh) | 推广策略生成方法、装置及电子设备 | |
CN113610625A (zh) | 逾期风险警示方法、装置及电子设备 | |
CN112288475A (zh) | 产品推荐方法、装置及电子设备 | |
CN112348658A (zh) | 资源分配方法、装置及电子设备 | |
CN112017063B (zh) | 基于综合风险评分的资源分配方法、装置及电子设备 | |
CN114742645B (zh) | 基于多阶段时序多任务的用户安全等级识别方法及装置 | |
CN112016791B (zh) | 资源分配方法、装置及电子设备 | |
CN111626438B (zh) | 基于模型迁移的用户策略分配方法、装置及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |