CN112348662B - 基于用户职业预测的风险评估方法、装置和电子设备 - Google Patents

基于用户职业预测的风险评估方法、装置和电子设备 Download PDF

Info

Publication number
CN112348662B
CN112348662B CN202011132010.2A CN202011132010A CN112348662B CN 112348662 B CN112348662 B CN 112348662B CN 202011132010 A CN202011132010 A CN 202011132010A CN 112348662 B CN112348662 B CN 112348662B
Authority
CN
China
Prior art keywords
user
occupation
risk
risk assessment
prediction
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
Application number
CN202011132010.2A
Other languages
English (en)
Other versions
CN112348662A (zh
Inventor
张靖雯
刘涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Qiyue Information Technology Co Ltd
Original Assignee
Shanghai Qiyue Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Qiyue Information Technology Co Ltd filed Critical Shanghai Qiyue Information Technology Co Ltd
Priority to CN202011132010.2A priority Critical patent/CN112348662B/zh
Publication of CN112348662A publication Critical patent/CN112348662A/zh
Application granted granted Critical
Publication of CN112348662B publication Critical patent/CN112348662B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Accounting & Taxation (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Finance (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Technology Law (AREA)
  • Probability & Statistics with Applications (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种基于用户职业预测的风险评估方法、装置和电子设备。该方法包括：获取用户的原始社交文本信息；对用户的原始社交本文信息进行预处理，并进行词向量转换，以生成用户社交文本的词向量；使用无监督聚类算法对用户社交文本的词向量进行聚类分析，以构建职业类别词库，职业类别词库用于为各用户形成职业标签；构建用户职业预测模型，使用训练样本数据训练该用户职业预测模型；使用所述用户职业预测模型，计算当前用户的用户职业评估值；根据所计算的用户职业评估值，进行用户职业预测和风险评估。本发明的方法能够准确评估用户职业情况，降低了金融风险，还提高了模型预测的精度。

Description

基于用户职业预测的风险评估方法、装置和电子设备
技术领域
本发明涉及计算机信息处理领域，具体而言，涉及一种基于用户职业预测的风险评估方法、装置和电子设备。
背景技术
风险控制(简称为风控)是指风险管理者采取各种措施和方法，消灭或减少风险案件发生的各种可能性，或风险控制者减少风险案件发生时造成的损失。风险控制一般应用于金融行业，如对公司的交易、商家的交易或个人交易等进行风险控制。
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，以降低信用风险实现利润最大化。目前，对于客户行职业只能做定性判断，且覆盖率较低，对客户的职业信息利用有限，无法对风险起到及时预警的作用，也无法进行差异化客户经营。另外，目前对于一些高风险职业的排查，主要以人工审核为主，排查效率较低，每天审核的量也受人力的限制。此外，在模型预测精度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风险评估方法。
发明内容
为了提高模型预测精度，准确评估用户的风险情况，进一步降低金融风险，本发明提供了一种基于用户职业预测的风险评估方法，包括：获取用户的原始社交文本信息；对所述用户的原始社交本文信息进行预处理，并进行词向量转换，以生成用户社交文本的词向量；使用无监督聚类算法对所述用户社交文本的词向量进行聚类分析，以构建职业类别词库，所述职业类别词库用于为各用户形成职业标签；构建用户职业预测模型，使用训练样本数据训练该用户职业预测模型，所述训练样本数据包括历史用户社交文本信息数据、用户所属职业类别的表现数据、职业标签相关数据；使用所述用户职业预测模型，计算当前用户的用户职业评估值；根据所计算的用户职业评估值，进行用户职业预测和风险评估。
优选地，所述根据所计算的用户职业评估值，进行用户职业预测包括：设定与不同职业类别相对应的特定阈值；将所计算的用户职业评估值与各特定阈值进行比较，判断用户所属职业的类别，以确定用户职业标签。
优选地，所述用户职业评估值是0～1之间的数值，用于表示用户所属职业类别的概率。
优选地，还包括：基于所确定的用户职业标签，进一步筛选高危职业的用户。
优选地，还包括：基于所确定的用户职业标签，进行风险策略制定或风险预警。
优选地，还包括：使用高斯混合聚类算法、K-Means聚类算法或基于密度的聚类算法，对所述用户社交文本的词向量进行聚类分析，提取职业信息数据，形成不同职业类别的词库，以构建职业类别词库。
优选地，还包括：基于所述职业类别词库，对训练样本数据进行打标，以使用带有标签的训练样本数据训练用户职业预测模型；所述用户职业预测模型使用TextCNN算法、XGBoost算法、随机森林算法或逻辑回归算法。
优选地，所述对所述用户的原始社交本文信息进行预处理包括进行分词处理和清洗处理。
此外，本发明还提供了一种基于用户职业预测的风险评估装置，包括：获取模块，用于获取用户的原始社交文本信息；处理模块，用于对所述用户的原始社交本文信息进行预处理，并进行词向量转换，以生成用户社交文本的词向量；聚类分析模块，用于使用无监督聚类算法对所述用户社交文本的词向量进行聚类分析，以构建职业类别词库，所述职业类别词库用于为各用户形成职业标签；构建模块，用于构建用户职业预测模型，使用训练样本数据训练该用户职业预测模型，所述训练样本数据包括历史用户社交文本信息数据、用户所属职业类别的表现数据、职业标签相关数据；计算模块，用于使用所述用户职业预测模型，计算当前用户的用户职业评估值；预测评估模块，用于根据所计算的用户职业评估值，进行用户职业预测和风险评估。
优选地，还包括设定模块，所述设定模块用于设定与不同职业类别相对应的特定阈值；将所计算的用户职业评估值与各特定阈值进行比较，判断用户所属职业的类别，以确定用户职业标签。
优选地，所述用户职业评估值是0～1之间的数值，用于表示用户所属职业类别的概率。
优选地，还包括筛选模块，所述筛选模块基于所确定的用户职业标签，进一步筛选高危职业的用户。
优选地，还包括筛选模块，所述筛选模块基于所确定的用户职业标签，进行风险策略制定或风险预警。
优选地，还包括：使用高斯混合聚类算法、K-Means聚类算法或基于密度的聚类算法，对所述用户社交文本的词向量进行聚类分析，提取职业信息数据，形成不同职业类别的词库，以构建职业类别词库。
优选地，还包括：基于所述职业类别词库，对训练样本数据进行打标，以使用带有标签的训练样本数据训练用户职业预测模型；所述用户职业预测模型使用TextCNN算法、XGBoost算法、随机森林算法或逻辑回归算法。
优选地，所述对所述用户的原始社交本文信息进行预处理包括进行分词处理和清洗处理。
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用户职业预测的风险评估方法。
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用户职业预测的风险评估方法。
有益效果
与现有技术相比，本发明的风险评估方法通过知识图谱、自然语言处理(NLP)、无监督学习聚类、深度学习模型的结合，将非结构化的社交文本信息数据，转为结构化的词向量数据，并从中提取职业信息数据，通过判断不同用户所属职业类别的概率，以确定用户的职业标签，能够准确评估用户职业情况，特别是对潜在高风险职业的用户进行预判，由此提高了人工对高风险职业识别的效率及覆盖率，进一步提高了风险评估的准确性，还提高了模型预测的精度；对刻画用户画像提供了新的维度，有助于对不同职业类别的用户进行细分客群，同时也可用于风险预警、客群差异化经营、风险策略制定、作为其他模型的有效输入变量等。
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的基于用户职业预测的风险评估方法的一示例的流程图。
图2是本发明的实施例1的基于用户职业预测的风险评估方法的另一示例的流程图。
图3是本发明的实施例1的基于用户职业预测的风险评估方法的又一示例的流程图。
图4是本发明的实施例2的基于用户职业预测的风险评估装置的一示例的示意图。
图5是本发明的实施例2的基于用户职业预测的风险评估装置的另一示例的示意图。
图6是本发明的实施例2的基于用户职业预测的风险评估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。
为了提高模型预测精度，准确评估用户职业情况，进一步降低金融风险，本发明的风险评估方法通过知识图谱、自然语言处理(NLP)、无监督学习聚类、深度学习模型的结合，将非结构化的社交文本信息数据，转为结构化的词向量数据，并从中提取职业信息数据，通过判断不同用户所属职业类别的概率，以确定用户的职业标签，由此能够准确评估用户职业情况，进一步降低金融风险；对刻画用户画像提供了新的维度，有助于对不同职业类别的用户进行细分客群，同时也可用于风险预警、客群差异化经营、风险策略制定、作为其他模型的有效输入变量等。此外，对于部分高风险职业客户，可转人工进行进一步风险排查，提高了人工对高风险行职业识别的效率，进一步提高了风险评估的准确性。以下将详细描述具体评估过程。
实施例1
下面，将参照图1至图3描述本发明的基于用户职业预测的风险评估方法的实施例。
图1为本发明的基于用户职业预测的风险评估方法的流程图。如图1所示，一种风险评估方法，该方法包括如下步骤。
步骤S101，获取用户的原始社交文本信息。
步骤S102，对所述用户的原始社交本文信息进行预处理，并进行词向量转换，以生成用户社交文本的词向量。
步骤S103，使用无监督聚类算法对所述用户社交文本的词向量进行聚类分析，以构建职业类别词库，所述职业类别词库用于为各用户形成职业标签。
步骤S104，构建用户职业预测模型，使用训练样本数据训练该用户职业预测模型，所述训练样本数据包括历史用户社交文本信息数据、用户所属职业类别的表现数据、职业标签相关数据。
步骤S105，使用所述用户职业预测模型，计算当前用户的用户职业评估值。
步骤S106，根据所计算的用户职业评估值，进行用户职业预测和风险评估。
首先，在步骤S101中，获取用户的原始社交文本信息。
在本示例中，基于现有海量的知识图谱，获取用户的原始社交文本信息，并对原始社交文本信息进行处理(数据挖掘)，以将非结构化的社交文本信息数据，转为结构化的词向量数据。
需要说明的是，知识图谱是一种特殊的图数据。具体地，知识图谱是一种带标记的有向属性图。知识图谱中每个结点都有若干个属性和属性值，实体与实体之间的边表示的是结点之间的关系，边的指向方向表示了关系的方向，而边上的标记表示了关系的类型。
接下来，在步骤S102中，对所述用户的原始社交本文信息进行预处理，并进行词向量转换，以生成用户社交文本的词向量。
在本示例中，对所述用户的原始社交本文信息进行预处理包括进行分词处理和清洗处理。
优选地，使用Jieba分词(结巴分词)工具进行分词处理，在进行分词处理之后，进行清洗处理。
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。在其他示例中，例如使用TYHULAC、HanLP等进行分词处理，在进行分词处理之前，对所述原始社交文本信息进行清洗处理。
具体地，所述清洗处理包括去除所述原始社交文本信息中的大小写转换、去除停用词或低频词、标点符号、英文字符、数字字符等。
优选地，还包括：对用户的原始文本信息中相关联的文本数据进行拼接处理，或者以预设自负长度进行截断处理等。
进一步地，采用word2vec词向量模型计算用户的原始文本信息的词向量，以生成用户社交文本的词向量。
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。在其他示例中，例如可以使用glove，fastText，elmo等词向量模型，以生成词向量。
接下来，在步骤S103中，使用无监督聚类算法对所述用户社交文本的词向量进行聚类分析，以构建职业类别词库，所述职业类别词库用于为各用户形成职业标签。
在本示例中，使用高斯混合聚类模型，对步骤S102中所生成的词向量进行聚类分析，提取职业信息数据，以形成不同职业类别的词库，由此构建职业类别词库。因此，通过上述步骤构建职业类别词库，提高了职业类别词库的准确性。
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。在其他示例中，例如可以使用K-Means聚类模型或基于密度的聚类模型等算法，进行聚类分析，再基于聚类结果，提取职业信息数据。
优选地，还可以加入专家经验，以辅助职业类别词库的形成。
具体地，构建职业类别词库，以基于用户标识信息，为各用户形成职业标签。
接下来，在步骤S104中，构建用户职业预测模型，使用训练样本数据训练该用户职业预测模型，所述训练样本数据包括历史用户社交文本信息数据、用户所属职业类别的表现数据、职业标签相关数据。
在本示例中，例如使用XGBoost方法，构建用户职业预测模型。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。
为了更准确评估用户的金融风险情况，将从用户的社交文本信息中提取职业信息，作为所述用户职业预测模型的有效输入特征(在本示例中，输入特征包括社交文本信息数据(即从用户社交文本信息提取的用户职业信息数据)、用户所属职业类别的表现数据)，以计算该用户的用户职业评估值，并输出该用户的职业标签。由此，基于用户的职业信息，对由该用户的职业所引起的风险进行预测。
需要说明的是，对于输入特征，在其他示例中，还可以包括社交文本数据(在本示例中，是指从用户社交文本信息提取的用户职业信息数据)、用户所属职业类别的表现数据、用户特征数据等。上述仅作为优选示例进行说明，不能理解成对本发明的限制。
如图2所示，本发明的方法还包括建立训练数据集的步骤S201。
在步骤S201中，建立训练数据集。在本示例中，该训练数据集用于训练所述用户职业预测模型。
具体地，基于所构建的职业类别词库，对训练样本数据进行打标，以使用带有职业标签的样本数据，建立训练数据集。
在本示例中，对于训练数据集，定义好坏样本，标签为0，1，其中，1表示用户属于某个职业类别的概率为大于等于该职业类别的特定阈值的样本，0表示用户属于某个职业类别的概率为小于该职业类别的特定阈值的样本。通常，所计算出的用户职业评估值是是0～1之间的数值，用于表示用户所属职业类别的概率。
如图3所示，还包括设定与不同职业类别相对应的特定阈值的步骤S301。
在步骤S301中，设定与不同职业类别相对应的特定阈值。具体地，针对聚类分析结果中的各职业类别，设定相应的特定阈值，并根据所述特定阈值，判断用户所属的职业类别，以确定用户职业标签。
进一步地，使用所述训练数据集中的样本数据训练用户职业预测模型。
接下来，在步骤S105中，使用所述用户职业预测模型，计算当前用户的用户职业评估值。
具体地，获取当前用户的原始社交本文信息，并对该当前用户的原始社交本文信息进行预处理及词向量转换，以生成用户社交文本的词向量，即社交文本信息数据。
进一步地，将所述当前用户的社交本文信息数据，输入训练好的用户职业预测模型，计算当前用户的用户职业评估值。
需要说明的是，这里的社交文本信息数据和用户职业评估值的具体含义与步骤S104中的社交文本信息数据和用户职业评估值相同，因此，省略了对其的描述。
接下来，在步骤S106中，根据所计算的用户职业评估值，进行用户职业预测和风险评估。
具体地，将所计算的用户职业评估值与各特定阈值进行比较，判断用户所属职业的类别，以确定用户职业标签。
在本示例中，基于所确定的用户职业标签，进一步筛选高危职业的用户。
例如，设定危险等级的职业列表，该职业列表包括高危职业、中危职业和低危职业。
具体地，将所确定的用户职业标签中包含的职业与该高危职业进行匹配，以判断是否为高危职业。
在判断用户所属的职业为高危职业的情况下，进一步进行人工审核。例如可转人工，进一步进行风险排查，以能够更精确地评估和确定用户职业情况。由此，提高了人工对高风险行职业识别的效率，还进一步提高了风险评估的准确性。
在判断用户所属的职业为非高危职业的情况下，进行风险策略制定。
在另一示例中，基于所确定的用户职业标签，进行风险策略制定或风险预警，以进行用户差异化经营。特别是，当外部经济环境发生改变时，能够观察到不同职业类别在不同经济环境周期下的风险表现，及时响应经济变化趋势，以灵活地制定风险策略。
此外，所述用户职业标签还对刻画用户画像提供了新的维度，能够进一步完善用户画像。
优选地，对于金融资源，进行风险策略制定还包括：对不同用户，定制最大化利润的资源分配策略、提额策略、降额策略或限额策略。
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。在其他示例中，还可以使用所述用户职业评估值作为其他风险预测模型中的输入特征等。
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，本发明的风险评估方法通过知识图谱、自然语言处理(NLP)、无监督学习聚类、深度学习模型的结合，将非结构化的社交文本信息数据，转为结构化的词向量数据，并从中提取职业信息数据，通过判断不同用户所属职业类别的概率，以确定用户的职业标签，能够准确评估用户职业情况，特别是对潜在高风险职业的用户进行预判，由此提高了人工对高风险职业识别的效率及覆盖率，进一步提高了风险评估的准确性，还提高了模型预测的精度；对刻画用户画像提供了新的维度，有助于对不同职业类别的用户进行细分客群，同时也可用于风险预警、客群差异化经营、风险策略制定、作为其他模型的有效输入变量等。
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用户职业预测的风险评估装置400，包括：获取模块401，用于获取用户的原始社交文本信息；处理模块402，用于对所述用户的原始社交本文信息进行预处理，并进行词向量转换，以生成用户社交文本的词向量；聚类分析模块403，用于使用无监督聚类算法对所述用户社交文本的词向量进行聚类分析，以构建职业类别词库，所述职业类别词库用于为各用户形成职业标签；构建模块404，用于构建用户职业预测模型，使用训练样本数据训练该用户职业预测模型，所述训练样本数据包括历史用户社交文本信息数据、用户所属职业类别的表现数据、职业标签相关数据；计算模块405，用于使用所述用户职业预测模型，计算当前用户的用户职业评估值；预测评估模块406，用于根据所计算的用户职业评估值，进行用户职业预测和风险评估。
如图5所示，还包括设定模块501，所述设定模块501用于设定与不同职业类别相对应的特定阈值；将所计算的用户职业评估值与各特定阈值进行比较，判断用户所属职业的类别，以确定用户职业标签。
优选地，所述用户职业评估值是0～1之间的数值，用于表示用户所属职业类别的概率。
在另一示例中，如图6所示，还包括筛选模块601，所述筛选模块601基于所确定的用户职业标签，进一步筛选高危职业的用户。
优选地，所述筛选模块601基于所确定的用户职业标签，进行风险策略制定或风险预警。
优选地，还包括：使用高斯混合聚类算法、K-Means聚类算法或基于密度的聚类算法，对所述用户社交文本的词向量进行聚类分析，提取职业信息数据，形成不同职业类别的词库，以构建职业类别词库。
优选地，还包括：基于所述职业类别词库，对训练样本数据进行打标，以使用带有标签的训练样本数据训练用户职业预测模型；所述用户职业预测模型使用TextCNN算法、XGBoost算法、随机森林算法或逻辑回归算法。
优选地，所述对所述用户的原始社交本文信息进行预处理包括进行分词处理和清洗处理。
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，本发明的风险评估装置通过知识图谱、自然语言处理(NLP)、无监督学习聚类、深度学习模型的结合，能够输出每个用户属于不同职业类别的概率，并通过判断不同用户所属职业类别的概率，以确定用户的职业标签，能够准确评估用户职业情况，特别是对潜在高风险职业的用户进行预判，由此提高了人工对高风险职业识别的效率及覆盖率，进一步提高了风险评估的准确性；对刻画用户画像提供了新的维度，有助于对不同职业类别的用户进行细分客群，同时也可用于风险预警、客群差异化经营、风险策略制定、作为其他模型的有效输入变量等。
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 (18)

1.一种基于用户职业预测的风险评估方法，其特征在于，包括：
获取用户的原始社交文本信息；
对所述用户的原始社交本文信息进行预处理，并进行词向量转换，以生成用户社交文本的词向量；
使用高斯混合聚类模型，对所生成的用户社交文本的词向量进行聚类分析，提取职业信息数据，以构建职业类别词库，基于所构建的职业类别词库，对训练样本数据进行打标，以为各用户形成职业标签，具体将计算的用户职业评估值与各特定阈值进行比较，判断用户所属职业的类别；
构建用户职业预测模型，使用训练样本数据训练该用户职业预测模型，所述训练样本数据包括历史用户社交文本信息数据、用户所属职业类别的表现数据、职业标签相关数据；
将从当前用户的社交文本信息中提取职业信息，作为模型的有效输入特征，使用所述用户职业预测模型，计算当前用户的用户职业评估值；
根据所计算的用户职业评估值，进行用户职业预测和风险评估。
2.根据权利要求1所述的风险评估方法，其特征在于，所述根据所计算的用户职业评估值，进行用户职业预测包括：
设定与不同职业类别相对应的特定阈值。
3.根据权利要求1或2所述的风险评估方法，其特征在于，所述用户职业评估值是0～1之间的数值，用于表示用户所属职业类别的概率。
4.根据权利要求2所述的风险评估方法，其特征在于，还包括：
基于所确定的用户职业标签，进一步筛选高危职业的用户。
5.根据权利要求2所述的风险评估方法，其特征在于，还包括：
基于所确定的用户职业标签，进行风险策略制定或风险预警。
6.根据权利要求1所述的风险评估方法，其特征在于，还包括：
使用高斯混合聚类算法、K-Means聚类算法或基于密度的聚类算法，对所述用户社交文本的词向量进行聚类分析，提取职业信息数据，形成不同职业类别的词库，以构建职业类别词库。
7.根据权利要求6所述的风险评估方法，其特征在于，还包括：
基于所述职业类别词库，对训练样本数据进行打标，以使用带有标签的训练样本数据训练用户职业预测模型；
所述用户职业预测模型使用TextCNN算法、XGBoost算法、随机森林算法或逻辑回归算法。
8.根据权利要求1所述的风险评估方法，其特征在于，所述对所述用户的原始社交本文信息进行预处理包括进行分词处理和清洗处理。
9.一种基于用户职业预测的风险评估装置，其特征在于，包括：
获取模块，用于获取用户的原始社交文本信息；
处理模块，用于对所述用户的原始社交本文信息进行预处理，并进行词向量转换，以生成用户社交文本的词向量；
聚类分析模块，用于使用高斯混合聚类模型，对所生成的用户社交文本的词向量进行聚类分析，提取职业信息数据，以构建职业类别词库，基于所构建的职业类别词库，对训练样本数据进行打标，以为各用户形成职业标签，具体将计算的用户职业评估值与各特定阈值进行比较，判断用户所属职业的类别；
构建模块，用于构建用户职业预测模型，使用训练样本数据训练该用户职业预测模型，所述训练样本数据包括历史用户社交文本信息数据、用户所属职业类别的表现数据、职业标签相关数据；
计算模块，用于将从当前用户的社交文本信息中提取职业信息，作为模型的有效输入特征，使用所述用户职业预测模型，计算当前用户的用户职业评估值；
预测评估模块，用于根据所计算的用户职业评估值，进行用户职业预测和风险评估。
10.根据权利要求9所述的风险评估装置，其特征在于，还包括设定模块，所述设定模块用于设定与不同职业类别相对应的特定阈值。
11.根据权利要求9或10所述的风险评估装置，其特征在于，所述用户职业评估值是0～1之间的数值，用于表示用户所属职业类别的概率。
12.根据权利要求10所述的风险评估装置，其特征在于，还包括筛选模块，所述筛选模块基于所确定的用户职业标签，进一步筛选高危职业的用户。
13.根据权利要求10所述的风险评估装置，其特征在于，还包括筛选模块，所述筛选模块基于所确定的用户职业标签，进行风险策略制定或风险预警。
14.根据权利要求9所述的风险评估装置，其特征在于，还包括：
使用高斯混合聚类算法、K-Means聚类算法或基于密度的聚类算法，对所述用户社交文本的词向量进行聚类分析，提取职业信息数据，形成不同职业类别的词库，以构建职业类别词库。
15.根据权利要求14所述的风险评估装置，其特征在于，还包括：
基于所述职业类别词库，对训练样本数据进行打标，以使用带有标签的训练样本数据训练用户职业预测模型；
所述用户职业预测模型使用TextCNN算法、XGBoost算法、随机森林算法或逻辑回归算法。
16.根据权利要求9所述的风险评估装置，其特征在于，所述对所述用户的原始社交本文信息进行预处理包括进行分词处理和清洗处理。
17.一种电子设备，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1-8中任一项所述的基于用户职业预测的风险评估方法。
18.一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1-8中任一项所述的基于用户职业预测的风险评估方法。
CN202011132010.2A 2020-10-21 2020-10-21 基于用户职业预测的风险评估方法、装置和电子设备 Active CN112348662B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011132010.2A CN112348662B (zh) 2020-10-21 2020-10-21 基于用户职业预测的风险评估方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011132010.2A CN112348662B (zh) 2020-10-21 2020-10-21 基于用户职业预测的风险评估方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN112348662A CN112348662A (zh) 2021-02-09
CN112348662B true CN112348662B (zh) 2023-04-07

Family

ID=74359491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011132010.2A Active CN112348662B (zh) 2020-10-21 2020-10-21 基于用户职业预测的风险评估方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN112348662B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112819593B (zh) * 2021-04-19 2021-07-06 平安科技（深圳）有限公司 基于位置信息的数据分析方法、装置、设备及介质
CN114462414A (zh) * 2022-04-11 2022-05-10 北京微聚未来科技有限公司 基于嵌套命名实体识别技术的个人信用评估方法及系统
CN116308758B (zh) * 2023-03-20 2024-01-05 深圳征信服务有限公司 一种基于大数据的金融风险分析方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109189892A (zh) * 2018-09-17 2019-01-11 北京点网聚科技有限公司 一种基于文章评论的推荐方法及装置
CN110110213A (zh) * 2018-01-24 2019-08-09 腾讯科技（深圳）有限公司 挖掘用户职业的方法、装置、计算机可读存储介质和终端设备
CN111680923A (zh) * 2020-06-10 2020-09-18 同贝(上海)信息科技有限公司 一种职业风险评估方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9396332B2 (en) * 2014-05-21 2016-07-19 Microsoft Technology Licensing, Llc Risk assessment modeling

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110110213A (zh) * 2018-01-24 2019-08-09 腾讯科技（深圳）有限公司 挖掘用户职业的方法、装置、计算机可读存储介质和终端设备
CN109189892A (zh) * 2018-09-17 2019-01-11 北京点网聚科技有限公司 一种基于文章评论的推荐方法及装置
CN111680923A (zh) * 2020-06-10 2020-09-18 同贝(上海)信息科技有限公司 一种职业风险评估方法

Also Published As

Publication number Publication date
CN112348662A (zh) 2021-02-09

Similar Documents

Publication Publication Date Title
CN112348662B (zh) 基于用户职业预测的风险评估方法、装置和电子设备
CN112348519A (zh) 一种欺诈用户识别方法、装置和电子设备
CN112348660A (zh) 生成风险警示信息的方法、装置及电子设备
CN112507628B (zh) 基于深度双向语言模型的风险预测方法、装置和电子设备
CN112016855B (zh) 基于关系网匹配的用户行业识别方法、装置和电子设备
CN111145009A (zh) 用户贷后风险评估方法、装置及电子设备
CN112348321A (zh) 风险用户的识别方法、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
CN112016796A (zh) 综合风险评分请求处理方法、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
CN111582645B (zh) 基于因子分解机的app风险评估方法、装置和电子设备
US20220318681A1 (en) System and method for scalable, interactive, collaborative topic identification and tracking
CN112508723A (zh) 基于自动择优建模的金融风险预测方法、装置和电子设备
CN110348999B (zh) 金融风险敏感用户识别方法、装置及电子设备
CN116861924A (zh) 基于人工智能的项目风险预警方法及系统
CN111210332A (zh) 贷后管理策略生成方法、装置及电子设备
CN111178687A (zh) 金融风险分类方法、装置及电子设备
CN110782128B (zh) 一种用户职业标签生成方法、装置和电子设备
CN111241273A (zh) 文本数据分类方法、装置、电子设备及计算机可读介质
CN113610366A (zh) 风险警告生成方法、装置及电子设备
CN111190967B (zh) 用户多维度数据处理方法、装置及电子设备
CN111966730A (zh) 基于常驻地的风险预测方法、装置和电子设备
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
CN112527851B (zh) 用户特征数据筛选方法、装置及电子设备
CN110874758A (zh) 潜在客户预测方法、装置、系统、电子设备、存储介质

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