CN112102138A - 一种用户分类方法、装置及设备 - Google Patents
一种用户分类方法、装置及设备 Download PDFInfo
- Publication number
- CN112102138A CN112102138A CN202011020715.5A CN202011020715A CN112102138A CN 112102138 A CN112102138 A CN 112102138A CN 202011020715 A CN202011020715 A CN 202011020715A CN 112102138 A CN112102138 A CN 112102138A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- category
- target
- evaluation
- 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 52
- 238000011156 evaluation Methods 0.000 claims abstract description 138
- 238000012545 processing Methods 0.000 claims abstract description 82
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013145 classification model Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000012552 review Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000003749 cleanliness Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000005055 memory storage 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
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书实施例提供一种用户分类方法、装置及设备。所述方法包括:获取目标用户的用户信息;将所述用户信息划分为分别对应于至少一个预设信息类别的用户分类信息;根据所述用户分类信息分别计算所述目标用户对应于各个预设信息类别的类别评估值;结合各个预设信息类别对应的权重值和所述类别评估值,求取对应于所述目标用户的用户评估结果;基于所述用户评估结果确定所述目标用户的用户类别;其中,不同用户类别对应的处理方案不同;其中,不同的处理方案占用的处理资源不同。上述方法基于目标用户的信息对目标用户进行评估,并根据评估结果确定用户类别以分配不同的处理资源对用户进行处理,减少了时间和资源的浪费。
Description
技术领域
本说明书实施例涉及大数据技术领域,特别涉及一种用户分类方法、装置及设备。
背景技术
在实际生活中,在较多场景往往均会涉及到对用户的监察。例如,为了确定罪犯或嫌疑犯,往往针对其通讯内容或日常生活进行监察;或者为了落实反腐倡廉而需要对可疑的部门人员的通讯内容或交易记录进行监察等。随着信息技术和大数据技术的发展,针对用户的监察可以基于用户终端收集对应于用户的各类信息,从而实现针对用户的全面实时的监察。
但是,实际应用的过程中,系统在对用户进行监察时往往需要设置较多的操作节点。不同的操作节点需要基于上一节点的相应指令执行对应的步骤,即针对各项任务的处理均会消耗较长的时间和较多的资源。若针对用户实现较好的监察效果,往往需要利用较多的时间和资源。在存在较多的监察用户的情况下,往往无法针对各个用户都分配充足的资源,从而严重影响了对于用户的监察过程。因此,目前亟需一种能够高效地实现对于用户的监察的技术方案。
发明内容
本说明书实施例的目的是提供一种用户分类方法、装置及设备,以解决如何有效的分配资源以保证任务的高效执行的问题。
为解决上述技术问题,本申请实施例提供一种用户分类方法,包括:
获取目标用户的用户信息;
将所述用户信息划分为分别对应于至少一个预设信息类别的用户分类信息;
根据所述用户分类信息分别计算所述目标用户对应于各个预设信息类别的类别评估值;
结合各个预设信息类别对应的权重值和所述类别评估值,求取对应于所述目标用户的用户评估结果;
基于所述用户评估结果确定所述目标用户的用户类别;其中,不同用户类别对应的处理方案不同;其中,不同的处理方案占用的处理资源不同。
本说明书实施例还提出一种用户分类装置,包括:
用户信息获取模块,用于获取目标用户的用户信息;
用户信息分类模块,用于将所述用户信息划分为分别对应于至少一个预设信息类别的用户分类信息;
类别评估值计算模块,用于根据所述用户分类信息分别计算所述目标用户对应于各个预设信息类别的类别评估值;
用户评估结果求取模块,用于结合各个预设信息类别对应的权重值和所述类别评估值,求取对应于所述目标用户的用户评估结果;
用户类别确定模块,用于基于所述用户评估结果确定所述目标用户的用户类别;其中,不同用户类别对应的处理方案不同;其中,不同的处理方案占用的处理资源不同。
本说明书实施例还提出一种用户分类设备,包括存储器和处理器;所述存储器,用于存储计算机程序指令;所述处理器,用于执行所述计算机程序指令以实现以下步骤:获取目标用户的用户信息;将所述用户信息划分为分别对应于至少一个预设信息类别的用户分类信息;根据所述用户分类信息分别计算所述目标用户对应于各个预设信息类别的类别评估值;结合各个预设信息类别对应的权重值和所述类别评估值,求取对应于所述目标用户的用户评估结果;基于所述用户评估结果确定所述目标用户的用户类别;其中,不同用户类别对应的处理方案不同;其中,不同的处理方案占用的处理资源不同。
由以上本说明书实施例提供的技术方案可见,本说明书实施例在确定针对目标用户的处理方案之前,首先获取目标用户的用户信息,并根据预先设定的类别对用户信息进行分类,分别针对各个预设信息类别中的用户分类信息进行评估之后,根据对应于各个预设信息类别的权重值和类别评估值确定对应于目标用户的用户评估结果,从而能够基于所述用户评估结果确定对应于所述目标用户的用户类别以及对应的处理方案,从而能够为用户分配相应的处理资源。上述方案在对用户进行处理之前,首先基于目标用户的信息对目标用户进行评估,并根据评估结果确定处理方案,从而保证了处理资源的有效分配,提高了业务的处理效率,减少了时间和资源的浪费。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,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说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书实施例一种用户分类方法的流程图;
图2为本说明书实施例一种用户分类装置的模块图;
图3为本说明书实施例一种用户分类设备的结构图。
具体实施方式
下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
为了解决上述技术问题,介绍本说明书实施例一种用户分类方法。所述方法的执行主体为用户分类设备,所述用户分类设备包括但不限于服务器、工控机、PC机等。如图1所示,所述用户分类方法包括以下具体实施步骤。
S110:获取目标用户的用户信息。
目标用户即为可能需要采取监察措施的用户。所述目标用户可能是一些可疑用户,从而可能需要对这些可疑用户采取监察措施,也可能无需消耗资源对所述目标用户进行监察。具体的监察方案需要对所述目标用户进行分析后进行确定。
获取所述目标用户的方式,可以是直接将群体中的所有用户均作为目标用户,例如在针对各个部门人员的廉洁程度进行选取时,可以将所有部门中的所有工作人员均作为目标用户;所述目标用户也可以是利用一定的判断条件对所有人员进行筛选后,确定一定的可疑用户之后,再将这些可疑用户作为对应的目标用户。
实际应用中确定所述目标用户的方式可以根据具体需求进行设置,并不限于上述示例,在此不再赘述。
用户信息可以包含对用户进行描述的各项信息,例如可以是用户的个人信息,也可以是与用户具备关联性的其他人员或机构的信息。基于所述用户信息可以实现对于目标用户的人物画像,从而能够对用户的特点和性质进行更好的描述,在后续步骤中也能够基于所述用户信息对目标用户进行评判以确定目标用户的评价结果。
在一些实施方式中,所述用户信息可以包括用户档案信息、用户经济信息、用户社会关系信息、用户工作信息中的至少一种。
用户档案信息可以包括所述目标用户的基础档案的信息,即可以从目标用户的个人档案中所获取到的信息。例如,所述用户档案信息可以包括目标用户的姓名、出生年月、住址等基本信息,还可以包括目标用户的联系方式、教育经历、工作简历、兼职工作经历、考核评价记录、司法诉讼记录、航旅记录等位于基础档案中的信息。
在所述实施例是为了针对目标用户的廉洁程度进行监察,即所述目标用户是部门中的领导或员工的情况下,所述用户档案信息中还可以包含所述目标用户的廉洁档案信息,例如可以是所述目标用户的奖惩记录、巡视巡察记录、违规处置记录等信息。
所述用户经济信息可以是与目标用户的经济相关联的信息,例如对应于目标用户的账户的信息或是归属于用户的财产的信息。具体的,例如可以是所述目标用户的银行账户信息、资源负债信息、不动产信息、关联企业信息、个人薪酬信息、家庭成员负债信息等信息。
所述用户社会关系信息可以是与所述目标存在血缘关系或较强的社会性关系的其他用户的信息。具体的,例如可以是所述目标用户的亲属情况、婚姻状态或与亲属之间所产生的重大事项具体情况等信息。
所述用户工作信息可以是对应于所述目标用户的工作档案的相应的信息,例如可以是所述目标用户的具体工作情况、历史工作信息、存贷款信息、采购记录信息等信息。
实际应用中也可以选取其他信息作为对应于目标用户的用户信息,并不限于上述示例,在此不再赘述。
具体的获取所述目标用户的方式可以是直接调取用户的电子档案中的信息,或基于所述电子档案来查询与用户相关联的其他账户的信息,以此来获取相应的用户信息。也可以是向所述目标用户发送获取相应信息的指令后由所述目标用户反馈指令中所要求的相关信息。相应的,在接收到所述目标用户反馈的信息之后也可以对所反馈的信息进行验证,并在验证通过后利用所述用户信息执行后续的步骤。
实际应用中可以根据具体的需求选取相应的获取目标用户的用户信息的方式,并不限于上述示例,在此不再赘述。
S120:将所述用户信息划分为分别对应于至少一个预设信息类别的用户分类信息。
预设信息类别是预先对信息进行划分所得到的类别。所述预设信息类别可以根据具体的需求进行设置,不同的预设信息类别中的用户信息对于评估结果可能具备不同的影响程度。因此,所述预设信息类别可以是针对信息本身的特点进行分类,也可以是基于不同用户信息的影响程度进行分类。具体的对所述预设信息类别进行确定的方式可以根据实际应用的需求进行设置,在此不再赘述。
在一些实施方式中,所述预设信息类别可以包括收入数据类别、资产数据类别、家庭信息类别、考核评议类别、工作信息类别和社会关系类别中的至少一种。
收入数据类别可以用于涵盖对应于用户各项收入的信息,例如目标用户的工作收入信息、兼职收入信息以及通过其他方式所获取的收入的信息等。
资产数据类别可以用于涵盖对应于所述目标用户的资产的信息。例如,归属于所述目标用户的不动产信息、所述目标用户所获取的遗产信息等。
家庭信息类别可以是所述目标用户的家庭成员的各项信息,例如可以是其家庭成员的工作、基本信息、交往人员等信息。
考核评议类别可以是针对所述目标用户进行考核后所得到的信息。所述考核可以是目标用户所在单位对其进行的考核,也可以是其他个人或组织对其进行的考核。
工作信息类别可以用于涵盖所述目标用户的工作信息或与工作相关的各项事务的信息
社会关系类别可以用于涵盖所述目标用户的社会关系信息,例如可以是所述目标用户的同事、亲属或日常联系较为密切的人员的信息,即能够根据所述社会关系信息确定目标用户的社交关系的信息。
实际应用中也可以采取其他的类别划分方式,而并不限于上述实施方式中的预设信息类别,在此不做赘述。
由于不同的类别的信息对于最终结果的确定可能具备不同的影响程度,因此,通过将不同的信息进行分类,并赋予不同的预设信息类别一定的权重值,能够有效地结合不同用户信息的重要程度在后续步骤中对目标用户进行评价。
用户分类信息即为按照所述预设信息类别对用户信息进行分类后,分别对应于各个预设信息类别的信息。
由于实际应用中的情况存在一定的差异,因此在确定多个预设信息类别的情况下,对应于各个预设信息类别可能并不会存在一一对应有相应的用户分类信息,对此不做限制。
在一些实施方式中,对所述用户信息进行划分之前可以先对所述用户信息进行去噪处理。在所获取到的用户信息中,可能包含一定的噪声数据,例如可以是空缺数据、不一致的数据、重复数据或错误数据等信息。为了避免后续在利用数据的过程中这些噪声数据对于处理结果的干扰,可以对这些数据进行去噪处理。具体的对用户信息进行去噪的方式可以根据实际应用的需求进行设置,在此不再赘述。
在一些实施方式中,对所述用户信息进行划分之前也可以对所述用户信息进行标准化处理。由于所获取到的用户信息中包含有多源甚至多系统的数据,例如,目标用户持有多个终端设备时,每个终端设备均对应于相应的用户信息,或目标用户拥有对应于多个应用的账号时,这些账号信息也分别对应于不同应用中的信息。所述标准化处理即为将目标用户的不同来源的数据均对应至所述目标用户,而不再基于信息来源对所述用户信息进行划分,从而能够统一针对不同来源的信息为目标用户构建用户画像。
需要说明的,在实际应用中可以只对用户信息进行去噪处理,也可以只对用户信息进行标准化处理,也可以同时选择对所述用户信息进行去噪处理和标准化处理。在同时进行去噪处理和标准化处理的情况下,对两种处理方式的执行顺序也不做限制。
S130:根据所述用户分类信息分别计算所述目标用户对应于各个预设信息类别的类别评估值。
在获取到所述用户分类信息之后,可以根据所述用户分类信息分别计算所述目标用户对应于各个预设信息类别的类别评估值。
在一些实施方式中,也可以是利用用户画像技术来确定目标用户对应于各个预设信息类别的类别评估值。具体的,可以是具象化所述目标用户的各项数据,从而在不同的预设信息类别上均对用户实现较好的描述,有效地提高对目标用户描述的准确性。具体的利用用户画像技术来确定类别评估值的方式可以根据实际应用的需求进行设置,在此不再赘述。
在一些实施方式中,可以利用评估值计算模型来计算所述目标用户对应于各个预设信息类别的类别评估值。所述评估值计算模型可以通过对所述用户分类信息进行处理以获取相应的类别评估值。
在本说明书实施例中,所述评估值计算模型可以为一种数学模型,用于确定不同预设信息类别中的用户分类信息所对应的评估值。所述评估值计算模型可以是分类模型,也可以是聚类模型。具体的,所述评估值计算模型可以为贝叶斯分类模型、支持向量机分类模型(Support Vector Machine,SVM)、或卷积神经网络分类模型(Convolutional NeuralNetworks,CNN)等。
在一些实施方式中,获取到所述评估值计算模型之后,还可以对所述评估值计算模型进行验证。具体的验证方式例如可以是利用所述评估值计算模型对一定的验证信息进行计算,并对所述计算结果进行分析。若所述计算结果基本符合所述验证信息,则可以将所述评估值计算模型应用至上述实施例中;若计算结果不符合所述验证信息所对应的结果,则可以根据具体的计算结果对所述评估值计算模型进行调整,以使调整后的模型符合实际需求。具体的对所述评估值计算模型进行验证并调整的方式可以根据具体需求进行设置,并不限于上述示例,在此不再赘述。
S140:结合各个预设信息类别对应的权重值和所述类别评估值,求取对应于所述目标用户的用户评估结果。
在获取到所述类别评估值后,可以基于所述类别评估值和对应于各个预设信息类别的权重值,求取对应于所述目标用户的用户评估结果
所述权重值用于表示不同预设信息类别的比重。由于在实际应用中,通过不同预设信息类别的信息来确定用户的评估结果时可能具有不同的评估比重,因此,可以针对不同的预设信息类别设置相应的权重值,用于有效合理地利用各个预设信息类别中的信息实现对于目标用户的评估结果的计算。
在一些实施方式中,获取所述权重值时,可以先获取至少一个历史记载用户的历史记载信息,根据所述历史记载信息确定对应于各个预设信息类别的信息占比,再计算对应于各个预设信息类别的时间衰减程度,从而能够根据所述信息占比和所述时间衰减程度分别确定对应于各个预设信息类别的权重值。
在一些具体的示例中,可以利用公式计算信息占比,式中,wu,i为对应于预设信息类别i的信息占比,其中,nu,i为历史记载用户u的对应于预设信息类别i的信息条数,mu为用户u的所有历史记载信息的数量,nu,k为用户u的对应于预设信息类别k的信息条数,其中,ti为对应于用户信息类别i的历史记载用户的数量,T为预设信息类别数量,tk为对应于用户信息类别k的历史记载用户的数量。
实际应用中也可以根据需求采取其他方式获取对应于各个预设信息类别的权重值,并不限于上述示例,在此不再赘述。
在一些实施方式中,所述用户评估结果可以是评估值,从而能够实现对于目标用户的定量评价。在获取到对应于各个预设信息类别的权重值后,可以首先基于所述权重值和对应于各个预设信息类别的类别评估值,计算对应于所述目标用户的评估值。具体的,例如可以是通过加权求和的方式获取对应于所述目标用户的评估值。
S150:基于所述用户评估结果确定所述目标用户的用户类别;其中,不同用户类别对应的处理方案不同;其中,不同的处理方案占用的处理资源不同。
在获取到所述用户评估结果后,即可根据所述用户评估结果确定对应于所述目标用户的用户类别。所述用户类别对不同的目标用户进行归类,使其对应于相应的处理方案。所述处理方案可以用于表示分配至所述目标用户的处理资源的数量的多少。例如,在所述目标用户具有较好的用户评估结果的情况下,可以制定较为宽松的处理方案,分配较少的处理资源至所述目标用户;在所述目标用户具有较差的用户评估结果的情况下,可以分配较多的处理资源于所述目标用户,以获取更好的对所述目标用户的处理结果。
所述处理资源可以是时间资源,即针对不同用户类别的用户进行处理所消耗的时间;所述处理资源也可以是计算资源等,例如在具有有限的进程数的情况下,可以将不同的进程设置为相应的处理资源,并根据不同用户类别的用户的需求分配相应的处理资源。所述处理资源一般是有限的,因此需要基于不同的处理方案的需求对处理资源进行分配,以保证不同的处理方案的有效处理。
在一些具体的示例中,所述处理资源可以是用于对所述目标用户进行监察的资源。例如,分配一定的进程用于获取所述目标用户的信息。相应的,所述处理资源也可以是对所述目标用户进行监察的时间。在处理资源有限的情况下,对一定数量的用户进行监察的时间也是有限的,因此可以针对不同的处理分配相应的时间对不同的目标用户进行监察。实际应用中也可以基于其他需求确定相应的处理资源,并不限于上述示例,在此不再赘述。
基于步骤S140中的用户评价结果,即在所述目标用户的用户评估结果分别为正常用户、可疑用户以及严重用户的情况下,可以针对上述用户评估结果确定对应的监察方案。相应的,在所述实施方式中,所述监察方案可以包括零监察方案、定时监察方案和实时监察方案。在所述用户评价结果为正常用户时,可以确定对应于所述目标用户的监察方案为零监察方案;在所述用户评价结果为可疑用户时,可以确定对应于所述目标用户的监察方案为定时监察方案;在所述用户评价结果为严重用户时,可以确定对应于所述目标用户的监察方案为实时监察方案。
在计算得到所述目标用户的评估值后,再根据预设评估标准确定所述评估值对应的用户类别。通过预设评估标准来确定所述目标用户所对应的用户类别能够准确有效地实现对于所述分类结果的确定。
在一些实施方式中,所述预设评估标准包括正常用户评判阈值和严重用户评判阈值。其中,所述正常用户评判阈值大于所述严重用户评判阈值。在获取到对应于所述目标用户的评估值后,可以将所述评估值分别与所述正常用户评判阈值和所述严重用户评判阈值进行比较。若所述评估值不小于所述正常用户评判阈值,则确定对应于所述目标用户的用户类别为正常用户类别。若所述评估值小于所述正常用户评判阈值且不小于所述严重用户评判阈值,则可以确定对应于所述目标用户的用户类别为可疑用户类别。若所述评估值小于所述严重用户评判阈值,则可以确定对应于所述目标用户的用户类别为严重用户类别。
所述正常用户评判阈值和所述严重用户评判阈值可以由用户自行设置,也可以基于样本进行训练以获取对应的正常用户评判阈值和严重用户评判阈值,例如预先设置多个不同的阈值并确定不同阈值的分析结果的准确性已确定最终的正常用户评判阈值和严重用户评判阈值。实际应用中也可以通过其它方式获取所述严重用户评判阈值和所述正常用户评判阈值,并不限于上述示例,在此不再赘述。
所述正常用户类别可以用于表示针对所述目标用户进行分析之后确定所述目标用户较为正常,在后续步骤中可以针对所述目标用户采取较为宽松的处理方案,在后续过程中可以分配较少的处理资源;所述可疑用户类别表示所述用户有一定可疑性,可以适当分配一定的处理资源用于对所述目标用户进行监察;所述严重用户类别表示所述目标用户具有较强的可疑性质,需要分配较多的处理资源对所述目标用户进行监察,例如对所述严重用户类别的用户进行实时监察等。具体的根据不同用户的类别对不同的用户进行处理的方式可以根据实际应用的需求进行设置,在此不做赘述。
具体的,零监察方案表示可以不分配相应的监察资源至所述正常用户,即不针对所述正常用户进行监察;定时监察方案表示可以定时对所述目标用户进行监察,例如选取一定较长的监察时段,每间隔该监察时段对所述目标进行监察,从而在保证对所述目标用户进行监察的同时尽量减少对于所述目标用户的监察资源的分配;实时监察方案可以表示随时均对所述目标用户进行监察,所述实时可以是获取所述目标用户每时每刻的信息以实现对所述目标用户的监察,也可以针对所述目标用户设置一个较短的监察时间间隔,每间隔该监察时间间隔获取对应于所述目标用户的信息以实现相应的监察结果。实际应用中可以针对上述不同的监察方案也可以根据需求调整相应的监察方案,在此不做赘述。
利用一个具体的场景示例对上述方法的实施例进行说明,当需要针对用户A确定对应的监察方案时,可以首先获取用户A的用户信息,并按照用户经济信息、用户工作信息和用户档案信息对三名用户的用户信息进行分类。在基于预先训练好的评估值计算模型确定上述三名用户分别针对各个类别中类别评估值,假设用户A针对上述三项预设信息类别的类别评估值分别为4、8、5。而预先确定的对应于上述三个预设信息类别的权重值分别为0.5、0.2、0.3,则可以计算得到用户的评估值为5.1。假设预先设置的正常用户评判阈值为8,严重用户评判阈值为5,则可以确定用户A的用户评估结果为可疑用户,可以定时对所述用户A进行监察以获取相应的用户信息,即确定对应于所述用户A的监察方案为定时监察方案。
通过上述用户分类方法的实施例和场景示例的介绍可以看出,在确定针对目标用户的处理方案之前,首先获取目标用户的用户信息,并根据预先设定的类别对用户信息进行分类,分别针对各个预设信息类别中的用户分类信息进行评估之后,根据对应于各个预设信息类别的权重值和类别评估值确定对应于目标用户的用户评估结果,从而能够基于所述用户评估结果确定对应于所述目标用户的用户类别以及对应的处理方案,从而能够为用户分配相应的处理资源。上述方案在对用户进行处理之前,首先基于目标用户的信息对目标用户进行评估,并根据评估结果确定处理方案,从而保证了处理资源的有效分配,提高了业务的处理效率,减少了时间和资源的浪费。
基于图1所对应的用户分类方法,介绍本说明书实施例一种用户分类装置。所述用户分类装置可以设置于所述用户分类设备中。如图2所示,所述用户分类装置包括以下模块。
用户信息获取模块210,用于获取目标用户的用户信息;
用户信息分类模块220,用于将所述用户信息划分为分别对应于至少一个预设信息类别的用户分类信息;
类别评估值计算模块230,用于根据所述用户分类信息分别计算所述目标用户对应于各个预设信息类别的类别评估值;
用户评估结果求取模块240,用于结合各个预设信息类别对应的权重值和所述类别评估值,求取对应于所述目标用户的用户评估结果;
用户类别确定模块250,用于基于所述用户评估结果确定所述目标用户的用户类别;其中,不同用户类别对应的处理方案不同;其中,不同的处理方案占用的处理资源不同。
基于图1所对应的用户分类方法,本说明书实施例还提供一种用户分类设备。如图3所示,所述用户分类设备可以包括存储器和处理器。
在本实施例中,所述存储器可以按任何适当的方式实现。例如,所述存储器可以为只读存储器、机械硬盘、固态硬盘、或U盘等。所述存储器可以用于存储计算机程序指令。
在本实施例中,所述处理器可以按任何适当的方式实现。例如,处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。所述处理器可以执行所述计算机程序指令实现以下步骤:获取目标用户的用户信息;将所述用户信息划分为分别对应于至少一个预设信息类别的用户分类信息;根据所述用户分类信息分别计算所述目标用户对应于各个预设信息类别的类别评估值;结合各个预设信息类别对应的权重值和所述类别评估值,求取对应于所述目标用户的用户评估结果;基于所述用户评估结果确定所述目标用户的用户类别;其中,不同用户类别对应的处理方案不同;其中,不同的处理方案占用的处理资源不同。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的第一硬件平台的方式来实现。基于这样的理解,本说明书的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书可用于众多第一或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
虽然通过实施例描绘了本说明书,本领域普通技术人员知道,本说明书有许多变形和变化而不脱离本说明书的精神,希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。
Claims (15)
1.一种用户分类方法,其特征在于,包括:
获取目标用户的用户信息;
将所述用户信息划分为分别对应于至少一个预设信息类别的用户分类信息;
根据所述用户分类信息分别计算所述目标用户对应于各个预设信息类别的类别评估值;
结合各个预设信息类别对应的权重值和所述类别评估值,求取对应于所述目标用户的用户评估结果;
基于所述用户评估结果确定所述目标用户的用户类别;其中,不同用户类别对应的处理方案不同;其中,不同的处理方案占用的处理资源不同。
2.如权利要求1所述的方法,其特征在于,所述用户信息,包括用户档案信息、用户经济信息、用户社会关系信息、用户工作信息中的至少一种。
3.如权利要求1所述的方法,其特征在于,所述将所述用户信息划分为分别对应于至少一个预设信息类别的用户分类信息之前,还包括:
对所述目标信息进行去噪处理。
4.如权利要求1所述的方法,其特征在于,所述将所述用户信息划分为分别对应于至少一个预设信息类别的用户分类信息之前,还包括:
基于所述目标信息的相似性对所述目标信息进行标准化处理。
5.如权利要求1所述的方法,其特征在于,所述预设信息类别包括收入数据类别、资产数据类别、家庭信息类别、考核评议类别、工作信息类别和社会关系类别中的至少一种。
6.如权利要求1所述的方法,其特征在于,所述根据所述用户分类信息分别计算所述目标用户对应于各个预设信息类别的类别评估值,包括:
基于所述用户分类信息,利用评估值计算模型计算所述目标用户对应于各个预设信息类别的类别评估值;所述评估值计算模型包括聚类模型和/或分类模型。
7.如权利要求1所述的方法,其特征在于,所述权重值通过以下方式获取:
获取至少一个历史记载用户的历史记载信息;
根据所述历史记载信息确定对应于各个预设信息类别的信息占比;
计算对应于各个预设信息类别的时间衰减程度;
根据所述信息占比和所述时间衰减程度分别确定对应于各个预设信息类别的权重值。
11.如权利要求1所述的方法,其特征在于,所述用户评估结果包括评估值;所述基于所述用户评估结果确定所述目标用户的用户类别,包括:
根据预设评估标准确定所述评估值对应的用户类别。
12.如权利要求11所述的方法,其特征在于,所述预设评估标准包括正常用户评判阈值和严重用户评判阈值,所述正常用户评判阈值大于所述严重用户评判阈值;相应的,所述基于所述用户评估结果确定所述目标用户的用户类别,包括:
在所述评估值不小于所述正常用户评判阈值时,确定对应于所述目标用户的用户类别为正常用户类别,或,
在所述评估值小于所述正常用户评判阈值且不小于所述严重用户评判阈值时,确定对应于所述目标用户的用户类别为可疑用户类别,或,
在所述评估值小于所述严重用户评判阈值时,确定对应于所述目标用户的用户类别为严重用户类别。
13.如权利要求12所述的方法,其特征在于,所述处理方案包括实时监察方案、定时监察方案和零监察方案中的至少一种;所述实时监察方案占用的处理资源多于所述定时监察方案占用的处理资源;所述定时监察方案占用的处理资源多于所述零监察方案占用的处理资源;
相应的,所述正常用户对应于零监察方案;所述可疑用户类别对应于定时监察方案所述严重用户类别对应于实时监察方案。
14.一种用户分类装置,其特征在于,包括:
用户信息获取模块,用于获取目标用户的用户信息;
用户信息分类模块,用于将所述用户信息划分为分别对应于至少一个预设信息类别的用户分类信息;
类别评估值计算模块,用于根据所述用户分类信息分别计算所述目标用户对应于各个预设信息类别的类别评估值;
用户评估结果求取模块,用于结合各个预设信息类别对应的权重值和所述类别评估值,求取对应于所述目标用户的用户评估结果;
用户类别确定模块,用于基于所述用户评估结果确定所述目标用户的用户类别;其中,不同用户类别对应的处理方案不同;其中,不同的处理方案占用的处理资源不同。
15.一种用户分类设备,包括存储器和处理器;
所述存储器,用于存储计算机程序指令;
所述处理器,用于执行所述计算机程序指令以实现以下步骤:获取目标用户的用户信息;将所述用户信息划分为分别对应于至少一个预设信息类别的用户分类信息;根据所述用户分类信息分别计算所述目标用户对应于各个预设信息类别的类别评估值;结合各个预设信息类别对应的权重值和所述类别评估值,求取对应于所述目标用户的用户评估结果;基于所述用户评估结果确定所述目标用户的用户类别;其中,不同用户类别对应的处理方案不同;其中,不同的处理方案占用的处理资源不同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011020715.5A CN112102138A (zh) | 2020-09-25 | 2020-09-25 | 一种用户分类方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011020715.5A CN112102138A (zh) | 2020-09-25 | 2020-09-25 | 一种用户分类方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112102138A true CN112102138A (zh) | 2020-12-18 |
Family
ID=73756271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011020715.5A Pending CN112102138A (zh) | 2020-09-25 | 2020-09-25 | 一种用户分类方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112102138A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9807094B1 (en) * | 2015-06-25 | 2017-10-31 | Symantec Corporation | Systems and methods for dynamic access control over shared resources |
CN108320220A (zh) * | 2018-02-06 | 2018-07-24 | 有光创新(北京)信息技术有限公司 | 一种用户信用度的评估系统及方法 |
CN108768743A (zh) * | 2018-06-11 | 2018-11-06 | 北京奇艺世纪科技有限公司 | 一种用户识别方法、装置及服务器 |
CN109614414A (zh) * | 2018-09-11 | 2019-04-12 | 阿里巴巴集团控股有限公司 | 一种用户信息的确定方法及装置 |
CN111460293A (zh) * | 2020-03-30 | 2020-07-28 | 招商局金融科技有限公司 | 信息推送方法、装置及计算机可读存储介质 |
-
2020
- 2020-09-25 CN CN202011020715.5A patent/CN112102138A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9807094B1 (en) * | 2015-06-25 | 2017-10-31 | Symantec Corporation | Systems and methods for dynamic access control over shared resources |
CN108320220A (zh) * | 2018-02-06 | 2018-07-24 | 有光创新(北京)信息技术有限公司 | 一种用户信用度的评估系统及方法 |
CN108768743A (zh) * | 2018-06-11 | 2018-11-06 | 北京奇艺世纪科技有限公司 | 一种用户识别方法、装置及服务器 |
CN109614414A (zh) * | 2018-09-11 | 2019-04-12 | 阿里巴巴集团控股有限公司 | 一种用户信息的确定方法及装置 |
CN111460293A (zh) * | 2020-03-30 | 2020-07-28 | 招商局金融科技有限公司 | 信息推送方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10467631B2 (en) | Ranking and tracking suspicious procurement entities | |
US10496815B1 (en) | System, method, and computer program for classifying monitored assets based on user labels and for detecting potential misuse of monitored assets based on the classifications | |
CN109165975B (zh) | 标签推荐方法、装置、计算机设备及存储介质 | |
Gomes et al. | Learning recurring concepts from data streams with a context-aware ensemble | |
EP4162416A1 (en) | Machine learning systems for remote role evaluation and methods for using same | |
US11082509B1 (en) | Determining session intent | |
CN111814910B (zh) | 异常检测方法、装置、电子设备及存储介质 | |
CN111210335A (zh) | 用户风险识别方法、装置及电子设备 | |
US20220382768A1 (en) | Control System for Learning to Rank Fairness | |
CN112966113A (zh) | 一种数据的风险防控方法、装置及设备 | |
CN108737138B (zh) | 服务提供方法及服务平台 | |
Tavakol | Fair classification with counterfactual learning | |
US20220172101A1 (en) | Capturing feature attribution in machine learning pipelines | |
CN110175733B (zh) | 一种舆论信息处理方法和服务器 | |
CN112102138A (zh) | 一种用户分类方法、装置及设备 | |
US20230186214A1 (en) | Systems and methods for generating predictive risk outcomes | |
US20220129318A1 (en) | Quota Request Resolution On Computing Platform | |
US11379929B2 (en) | Advice engine | |
CN114493853A (zh) | 信用等级评价方法、装置、电子设备及存储介质 | |
CN110738562B (zh) | 一种风险提醒信息的生成方法、装置及设备 | |
CN112712270A (zh) | 信息处理方法、装置、设备及存储介质 | |
EP3956774A1 (en) | Company size estimation system | |
Mojtahed | Big data for fraud detection | |
CN111325419A (zh) | 一种识别黑名单用户的方法和装置 | |
US20220358150A1 (en) | Natural language processing and machine-learning for event impact analysis |
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 |