CN112419025A - 用户数据处理方法和装置、存储介质、电子设备 - Google Patents

用户数据处理方法和装置、存储介质、电子设备 Download PDF

Info

Publication number
CN112419025A
CN112419025A CN202011314837.5A CN202011314837A CN112419025A CN 112419025 A CN112419025 A CN 112419025A CN 202011314837 A CN202011314837 A CN 202011314837A CN 112419025 A CN112419025 A CN 112419025A
Authority
CN
China
Prior art keywords
evaluation
target user
data
processed
model
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
Application number
CN202011314837.5A
Other languages
English (en)
Inventor
王占涛
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.)
Taikang Insurance Group Co Ltd
Original Assignee
Taikang Insurance Group 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 Taikang Insurance Group Co Ltd filed Critical Taikang Insurance Group Co Ltd
Priority to CN202011314837.5A priority Critical patent/CN112419025A/zh
Publication of CN112419025A publication Critical patent/CN112419025A/zh
Pending legal-status Critical Current

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
    • G06Q40/12—Accounting
    • G06Q40/125—Finance or payroll
    • 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
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Technology Law (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本公开是关于一种用户数据处理方法、用户数据处理装置、存储介质以及电子设备，涉及计算机技术领域，该方法包括：获取与目标用户对应的待处理数据，并将所述待处理数据输入至第一评估模型中，得到所述目标用户在时效维度上的评估等级；将所述待处理数据输入至第二评估模型中，得到所述目标用户在信用维度上的评估等级；根据预设的判断规则对与所述目标用户对应的待处理数据的处理节点进行判断，并根据判断结果计算所述待处理数据的评估分数；根据所述时效维度上的评估等级、所述信用维度上的评估等级以及所述评估分数，确定所述目标用户的分类结果；根据所述目标用户的分类结果确定所述目标用户的报销流程。本公开提高了用户报销流程的精简性。

Description

用户数据处理方法和装置、存储介质、电子设备
技术领域
本发明实施例涉及计算机技术领域，具体而言，涉及一种用户数据处理方法、用户数据处理装置、存储介质以及电子设备。
背景技术
在集团性企业中，报销管理制度完善，但是审批流程相对较长，审批时效较差，在处理单个用户的报销事项时，根据用户单次的行为计算用户的信用水平，进而根据用户的信用水平为用户匹配对应的报销审核流程。
但是，通过用户单次的行为数据计算用户的信用水平，无法根据用户的历史数据对用户的信用等级进行计算，进而无法根据用户的信用等级为用户匹配合理的报销审批流程，导致用户的审批处理时间过长，报销的时效无法保证，尤其当用户的报销属于紧急支付状态时，现有的业务流程无法及时响应，从而影响业务的开展。
因此，需要提供一种新的用户数据处理方法，要来提高用户信用评估等级的准确率并据此提高用户报销流程的精简性和合理性。
需要说明的是，在上述背景技术部分发明的信息仅用于加强对本发明的背景的理解，因此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
本发明的目的在于提供一种用户数据处理方法，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的用户报销流程不精简、不合理的问题。
根据本公开的一个方面，提供一种用户数据处理方法，包括：
获取与目标用户对应的待处理数据，并将所述待处理数据输入至第一评估模型中，得到所述目标用户在时效维度上的评估等级；
将所述待处理数据输入至第二评估模型中，得到所述目标用户在信用维度上的评估等级；其中，所述第一评估模型以及所述第二评估模型是根据历史用户数据对预设的概率模型进行训练得到的；
根据预设的判断规则对与所述目标用户对应的待处理数据的处理节点进行判断，并根据判断结果计算所述待处理数据的评估分数；
根据所述时效维度上的评估等级、所述信用维度上的评估等级以及所述评估分数，确定所述目标用户的分类结果；
根据所述目标用户的分类结果确定所述目标用户的报销流程。
在本公开的一种示例性实施例中，所述获取与目标用户对应的待处理数据，并将所述待处理数据输入至第一评估模型中，得到所述目标用户在时效维度上的评估等级，包括：
获取类别为第一类别的待处理数据以及所述类别为第二类别的待处理数据；
将所述第一类别的待处理数据以及所述类别为第二类别的待处理数据输入至所述第一评估模型中，得到所述目标用户在时效维度上的评估等级。
在本公开的一种示例性实施例中，所述将所述第一类别的待处理数据以及所述类别为第二类别的待处理数据输入至所述第一评估模型中，得到所述目标用户在时效维度上的评估等级，包括：
将所述第一类别的待处理数据以及所述类别为第二类别的待处理数据输入至所述预设的概率模型中；
通过最大期望算法对所述预设的概率模型进行迭代计算，当所述预设的概率模型收敛时，得到所述第一评估模型的参数；
通过所述第一评估模型的参数对所述预设的概率模型进行建模，得到所述第一评估模型，并通过所述第一评估模型得到所述目标用户在时效维度上的评估等级。
在本公开的一种示例性实施例中，所述将所述待处理数据输入至第二评估模型中，得到所述目标用户在信用维度上的评估等级，包括：
根据预设的标识规则对所述待处理数据的第一状态进行标识，得到第一状态标识结果集，以及根据所述预设的标识规则对所述待处理数据的第二状态进行标识，得到第二状态标识结果集；
将所述第一状态标识结果集以及所述第二状态标识结果集输入至所述第二评估模型，得到所述目标用户在信用维度上的评估等级。
在本公开的一种示例性实施例中，所述将所述第一状态标识结果集以及所述第二状态标识结果集输入至所述第二评估模型，得到所述目标用户在信用维度上的评估等级，包括：
将所述第一状态标识结果集以及所述第二状态标识结果集输入至所述预设的概率模型中；
通过最大期望算法对所述预设的概率模型进行迭代计算，当所述预设的概率模型收敛时，得到所述第二评估模型的参数；
通过所述第二评估模型的参数对所述预设的概率模型进行建模，得到所述第二评估模型，并根据所述第二评估模型得到所述目标用户在信用维度上的评估等级。
在本公开的一种示例性实施例中，所述根据所述时效维度上的评估等级、所述信用维度上的评估等级以及所述评估分数，确定所述目标用户的分类结果，包括：
将所述时效维度上的评估等级以及所述信用维度上的评估等级输入至预设的概率模型中；
通过所述最大期望算法对所述预设的概率模型进行迭代计算，当所述预设的概率模型收敛时，得到第三评估模型的参数；
通过所述第三评估模型的参数对所述预设的概率模型进行建模，得到所述第三评估模型；
通过所述第三评估模型对所述待处理数据进行预测，得到所述目标用户的等级评价结果；
根据所述等级评价结果以及所述评估分数，确定所述目标用户的分类结果。
在本公开的一种示例性实施例中，根据所述目标用户的分类结果确定所述目标用户的报销流程，包括：
当所述目标用户的分类等级高于第一预设等级时，所述目标用户的处理流程中不包含所述处理流程中包含的所有处理节点；
当所述目标用户的分类等级低于第二预设等级时，降低所述目标用户处理优先级。
根据本公开的一个方面，提供一种用户数据处理装置，包括：
时效评估等级计算模块，用于获取与目标用户对应的待处理数据，并将所述待处理数据输入至第一评估模型中，得到所述目标用户在时效维度上的评估等级；
信用评估等级计算模块，用于将所述待处理数据输入至第二评估模型中，得到所述目标用户在信用维度上的评估等级；其中，所述第一评估模型以及所述第二评估模型是根据历史用户数据对预设的概率模型进行训练得到的；
评估分数计算模块，用于根据预设的判断规则对与所述目标用户对应的待处理数据的处理节点进行判断，并根据判断结果计算所述待处理数据的评估分数；
用户分类模块，用于根据所述时效维度上的评估等级、所述信用维度上的评估等级以及所述评估分数，确定所述目标用户的分类结果；
报销流程确定模块，用于根据所述待目标用户的分类结果确定所述目标用户的报销流程。
根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述任意一项所述的用户数据处理方法。
根据本公开的一个方面，提供一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的用户数据处理方法。
本发明实施例提供的一种用户数据处理方法，一方面，获取与目标用户对应的待处理数据，并将所述待处理数据输入至第一评估模型中，得到所述目标用户在时效维度上的评估等级；将所述待处理数据输入至第二评估模型中，得到所述目标用户在信用维度上的评估等级；其中，所述第一评估模型以及所述第二评估模型是根据历史用户数据对预设的概率模型进行训练得到的；根据预设的判断规则对与所述目标用户对应的待处理数据的处理节点进行判断，并根据判断结果计算所述待处理数据的评估分数；根据所述时效维度上的评估等级、所述信用维度上的评估等级以及所述评估分数，确定所述目标用户的分类结果；根据所述目标用户的分类结果确定所述目标用户的报销流程，由于是基于用户的待处理数据对用户进行分类的，考虑了用户在时效维度以及信用维度上的评估等级，解决了现有技术中只根据用户单次的行为计算用户的信用水平，导致用户画像的准确率较低的问题；另一方面，通过第一评估模型以及第二评估模型对用户的待处理数据进行预测，得到预测结果，并根据预测结果为目标用户匹配对应的报销审核流程，提高了分类的准确率，进一步提高了用户报销审核的效率。
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和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。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的前提下，还可以根据这些附图获得其他的附图。
图1示意性示出根据本发明示例实施例的一种用户数据处理的方法流程图。
图2示意性示出根据本发明示例实施例的一种用户数据处理系统的框图。
图3示意性示出根据本发明示例实施例的一种得到目标用户在时效维度上的评估等级的方法流程图。
图4示意性示出根据本发明示例实施例的一种根据目标用户的分类结果确定目标用户的报销流程的方法流程图。
图5示意性示出根据本发明示例实施例的一种审批链管控系统的执行流程图。
图6示意性示出根据本发明示例实施例的一种用户数据处理装置的框图。
图7示意性示出根据本发明示例实施例的一种用于实现上述用户数据处理方法的电子设备。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。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方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略所述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技术方案以避免喧宾夺主而使得本发明的各方面变得模糊。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。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。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。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。
集团性企业的报销制度完善，审批流程相对比较长，当用户需要报销时，一般根据用户单次的行为对用户的信用等级进行评估，再根据用户的信用等级为用户匹配对应的审批流程。在相关技术中，由于不能准确地对用户的信用等级进行评估，导致用户画像的准确率较低，进而导致用户的审批处理时间过长，报销的时效无法保证，尤其当用户的报销属于紧急支付状态时，现有的业务流程无法及时响应，从而影响业务的开展。
鉴于上述一个或者多个技术问题，本示例实施方式首先提供了一种用户数据处理方法，该方法可以运行于服务器，当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例实施例对此不做具体限定。参考图1所示，该用户数据处理方法可以包括以下步骤：
步骤S110.获取与目标用户对应的待处理数据，并将所述待处理数据输入至第一评估模型中，得到所述目标用户在时效维度上的评估等级；
步骤S120.将所述待处理数据输入至第二评估模型中，得到所述目标用户在信用维度上的评估等级；其中，所述第一评估模型以及所述第二评估模型是根据历史用户数据对预设的概率模型进行训练得到的；
步骤S130.根据预设的判断规则对与所述目标用户对应的待处理数据的处理节点进行判断，并根据判断结果计算所述待处理数据的评估分数；
步骤S140.根据所述时效维度上的评估等级、所述信用维度上的评估等级以及所述评估分数，确定所述目标用户的分类结果；
步骤S150.根据所述目标用户的分类结果确定所述目标用户的报销流程。
上述方法用户数据处理方法，一方面，获取与目标用户对应的待处理数据，并将所述待处理数据输入至第一评估模型中，得到所述目标用户在时效维度上的评估等级；将所述待处理数据输入至第二评估模型中，得到所述目标用户在信用维度上的评估等级；其中，所述第一评估模型以及所述第二评估模型是根据历史用户数据对预设的概率模型进行训练得到的；根据预设的判断规则对与所述目标用户对应的待处理数据的处理节点进行判断，并根据判断结果计算所述待处理数据的评估分数；根据所述时效维度上的评估等级、所述信用维度上的评估等级以及所述评估分数，确定所述目标用户的分类结果；根据所述目标用户的分类结果确定所述目标用户的报销流程，由于是基于用户的待处理数据对用户进行分类的，考虑了用户在时效维度以及信用维度上的评估等级，解决了现有技术中只根据用户单次的行为计算用户的信用水平，导致用户画像的准确率较低的问题；另一方面，通过第一评估模型以及第二评估模型对用户的待处理数据进行预测，得到预测结果，并根据预测结果为目标用户匹配对应的报销审核流程，提高了分类的准确率，进一步提高了用户报销审核的效率。
以下，对本发明示例实施例的用户数据处理方法中涉及的各步骤进行详细的解释以及说明。
首先，对本发明示例实施例的应用场景以及发明目的进行解释以及说明。
具体的，本发明示例实施例可以用于需要对用户的等级进行确定，进而根据用户的等级为用户匹配处理流程的场景中。
本发明示例实施例以所有用户的历史数据为基础，利用所有用户的历史数据对概率模型进行训练，并通过大数据最大期望算法得到评估模型的参数，通过参数建立完整的评估模型，并通过评估模型对用户在不同维度上的等级进行评估，最后，根据用户的评估等级对用户进行分类，并根据分类结果为目标用户匹配对应的报销审批流程，提高用户报销流程的精简性和合理性。
其次，对本发明示例实施例中涉及的用户数据处理系统进行解释以及说明。参考图2所示，该用户数据处理系统可以包括信用规则中间件210、信用评估评分引擎220以及审批链管控系统230。其中：
信用规则中间件210，用于获取用户的待处理数据，并对该获取的待处理数据进行分类、标识以及计算得分，并将数据的分类结果、标识结果以及计算得分发送至信用评估评分引擎220。
信用评估评分引擎220，与信用规则中间件210网络连接，用于根据分类结果以及标识结果得到用户在时效维度的评估等级以及信用维度的评估等级，并通过用户在时效维度的评估等级、信用维度的评估等级以及计算得分得到用户的等级评估结果。
审批链管控系统230，与信用评估评分引擎220网络连接，用于根据用户的等级评估结果对用户的审批流程进行管控。
以下将结合图2对步骤S110-步骤S140进行解释以及说明。
在步骤S110中，获取与目标用户对应的待处理数据，并将所述待处理数据输入至第一评估模型中，得到所述目标用户在时效维度上的评估等级。
在本示例实施例中，所述获取与目标用户对应的待处理数据，并将所述待处理数据输入至第一评估模型中，得到所述目标用户在时效维度上的评估等级，包括：
获取类别为第一类别的待处理数据以及所述类别为第二类别的待处理数据；
将所述第一类别的待处理数据以及所述类别为第二类别的待处理数据输入至所述第一评估模型中，得到所述目标用户在时效维度上的评估等级。
其中，待处理数据的类别包括：借款、还款以及报销。借款类型的待处理数据可以包括：借款金额、借款类型，其中借款类型可以包括：紧急借款以及普通借款；还款类型的待处理数据可以包括：未还款金额以及未还款天数；报销类型的待处理数据可以包括：报销时效。第一类别的待处理数据为还款类型的待处理数据，第二类别的待处理数据为报销类型的待处理数据。待处理数据的类别对应于信用规则中间件210中所包括的单据创建模块所创建的单据类型，其单据类型包括：借款单、还款单以及报销单。
在本示例实施例中，参考图3所示，所述将所述第一类别的待处理数据以及所述类别为第二类别的待处理数据输入至所述第一评估模型中，得到所述目标用户在时效维度上的评估等级，包括：
步骤S310.将所述第一类别的待处理数据以及所述类别为第二类别的待处理数据输入至所述预设的概率模型中；
步骤S320.通过最大期望算法对所述预设的概率模型进行迭代计算，当所述预设的概率模型收敛时，得到所述第一评估模型的参数；
步骤S330.通过所述第一评估模型的参数对所述预设的概率模型进行建模，得到所述第一评估模型，并通过所述第一评估模型得到所述目标用户在时效维度上的评估等级。
步骤S310中，概率模型可以为贝叶斯模型，也可以为马尔可夫模型，在本示例实施例中不做具体限定，本领域技术人员可以根据需要选择相对应的概率模型。
步骤S320中，通过大数据最大期望算法对预设的概率模型进行迭代计算，大数据最大期望算法是通过迭代进行极大似然估计的过程，由于所有用户的待处理数据服从分布的分布参数未知，因此需要通过迭代计算得到历史用户数据的分布参数，进而根据分布参数对预设的概率模型进行建模得到评估模型，并根据评估模型对用户的等级进行评估。其中通过最大期望算法迭代计算的过程为：
E步：根据获取的待处理数据、隐含变量以及分布参数确定概率模型，该概率模型即为预设的概率模型，得到概率模型的对数似然函数，并计算概率模型的对数似然函数关于隐含变量的期望；
M步：将E步得到的期望值作为输入，再次计算概率模型的分布参数。
进一步的，M步得到的分布参数用于下一次E步的计算，E步和M步不断交替进行，直到预设的概率模型的对数似然函数收敛，当预设的概率模型收敛时得到的分布参数即为第一评估模型的参数。
在步骤S330中，将第一评估模型的参数带入到预设的概率模型中，得到分布参数已知的完整的评估模型，该完整的评估模型即为第一评估模型，通过第一评估模型对目标用户的待处理数据进行预测，得到预测结果，该预测结果即为目标用户在时效维度上的评估等级。
在步骤S120中，将所述待处理数据输入至第二评估模型中，得到所述目标用户在信用维度上的评估等级；其中，所述第一评估模型以及所述第二评估模型是根据历史用户数据对预设的概率模型进行训练得到的。
其中，概率模型可以为贝叶斯模型，也可以为马尔可夫模型，在本示例实施例中不做具体限定，本领域技术人员可以根据需要选择对应的概率模型。
在本示例实施例中，将所述待处理数据输入至第二评估模型中，得到所述目标用户在信用维度上的评估等级，包括：
根据预设的标识规则对所述待处理数据的第一状态进行标识，得到第一状态标识结果集，以及根据所述预设的标识规则对所述待处理数据的第二状态进行标识，得到第二状态标识结果集；
将所述第一状态标识结果集以及所述第二状态标识结果集输入至所述第二评估模型，得到所述目标用户在信用维度上的评估等级。
其中，预设的标识规则包括：附件标识规则以及发票标识规则，附件标识规则包括：用户的单据缺少内部附件、缺少外部附件、附件与报销金额不同、附件信息不全、附件信息有误、附件信息逻辑不符、重复上传附件、附件与报销无关、原件与附件不符；发票标识规则为：发票未盖章。
第一状态为处于审批流程中的待处理数据，第一状态标识结果集为通过审批处理得到的第一标识结果。第二状态为处于审核流程中的待处理数据，第二状态标识结果集为通过审核处理得到的第二标识结果。具体的，根据预设的标识规则对历史用户数据进行标识，根据标识对应的得分值，得到第一标识结果集以及第二标识结果集。举例而言，当处于审批流程中的待处理数据被标记为缺少内部附件以及发票未盖章时，根据缺少内部附件标识所对应的得分值-1，以及发票未盖章标识所对应的得分值-2，得到第一状态标识结果集[-1，-2]，状态标识结果集的形式可以为数组，也可以为集合，在本示例实施例中对标识结果集的形式不做具体限定。
得到第一状态标识结果集以及第二状态标识结果集之后，将所述第一状态标识结果集以及所述第二状态标识结果集输入至所述第二评估模型，得到所述目标用户在信用维度上的评估等级，包括：
将所述第一状态标识结果集以及所述第二状态标识结果集输入至所述预设的概率模型中；
通过最大期望算法对所述预设的概率模型进行迭代计算，当所述预设的概率模型收敛时，得到所述第二评估模型的参数；
通过所述第二评估模型的参数对所述预设的概率模型进行建模，得到所述第二评估模型，并根据所述第二评估模型得到所述目标用户在信用维度上的评估等级。
具体的，通过输入第一状态结果集以及第二状态结果集对预设的概率模型进行训练，并通过最大期望算法E步以及M步的不断迭代计算，得到第二评估模型的参数。将得到的第二评估模型的参数带入到预设的概率模型中，得到分布参数已知的评估模型，该分布参数已知的评估模型即为第二评估模型，本示例实施例中得到第二评估模型的参数的计算的过程与上述获得第一评估模型的参数的计算过程相同，因此此处不再赘述。
在步骤S130中，根据预设的判断规则对与所述目标用户对应的待处理数据的处理节点进行判断，并根据判断结果计算所述待处理数据的评估分数。
其中，预设的判断规则包括两部分，分别为：处于审批流程中的待处理数据的处理流程节点中是否包含预算调整项、审核扣分项、审批调整项、审批拒绝项以及审批同意项；以及处于审核流程中的待处理数据的处理流程节点中是否包含调整费用项、审核拒绝项以及审核同意项。
当目标用户的待处理数据的处理流程节点中包括上述一项或者多项时，需要对目标用户的评估分数做相应的加分或减分。其中，当目标用户的待处理数据在审批流程中存在预算调整项时可以扣0.1分也可以扣0.5分，存在审核扣分项可以扣0.5分也可以扣1分，存在审批调整项可以扣0.5分也可以扣1分，存在审批拒绝项可以扣1分也可以扣2分，存在审批同意项可以加1分也可以加1.5分，目标用户的扣分分数在审批流程中没有上限，但每个月每一位目标用户的累计扣分总和不超过3分。当目标用户的待处理数据在审核流程中存在费用调整项时可以扣0.1分也可以扣0.5分，存在审核拒绝项时可以扣1分也可以扣1.5分，存在审核同意项时可以加1分也可以加1.5分，目标用户的扣分分数在审核流程中没有上限，但每个月每一位目标用户的累计扣分中和不超过3分。
本示例实施例中对审批流程以及审核流程中存在的加、扣分的分数以及累计扣分总和不做具体的限定，本领域技术人员可以根据不同需求按照各项所占的权重确定加、扣分的分数以及累计扣分总和。目标用户的评估分数包括审批流程中得到的评估分数与审核流程中得到的评估分数之和。
在步骤S140中，根据所述时效维度上的评估等级、所述信用维度上的评估等级以及所述评估分数，确定所述目标用户的分类结果。
在本示例实施例中，根据所述时效维度上的评估等级、所述信用维度上的评估等级以及所述评估分数，对所述目标用户进行分类，包括：
将所述时效维度上的评估等级以及所述信用维度上的评估等级输入至预设的概率模型中；
通过所述最大期望算法对所述预设的概率模型进行迭代计算，当所述预设的概率模型收敛时，得到第三评估模型的参数；
通过所述第三评估模型的参数对所述预设的概率模型进行建模，得到所述第三评估模型；
通过所述第三评估模型对所述待处理数据进行预测，得到所述目标用户的等级评价结果；
根据所述等级评价结果以及所述评估分数，确定所述目标用户的分类结果。
具体的，得到用户在时效维度上的评估等级以及在信用维度上的评估等级之后，首先，需要将所有用户在时效维度上的评估等级以及在信用维度上的评估等级作为参数，输入到预设的概率模型中，并通过大数据最大期望算法对预设的概率模型进行迭代计算，直到预设的概率模型的对数似然函数收敛，当该预设的概率模型的对数似然函数收敛时，得到的分布参数即为第三评估模型的参数；其次，将第三评估模型的参数带入到预设的概率模型中进行建模，得到第三评估模型；再次，将目标用户在时效维度上的评估等级以及在信用维度上的评估等级作为参数，输入到第三评估模型中，得到目标用户的等级评价结果；最后，根据目标用户的等级评价结果、目标用户在审批流程中得到的评估分数以及目标用户在审核流程中得到的评估分数，确定目标用户的分类结果。
在步骤S150中，根据所述目标用户的分类结果确定所述目标用户的报销流程。
在本示例实施例中，参考图4所示，根据所述目标用户的分类结果确定所述目标用户的报销流程，包括：
S410.当所述目标用户的分类等级高于第一预设等级时，所述目标用户的处理流程中不包含所述处理流程中包含的所有处理节点；
S420.当所述目标用户的分类等级低于第二预设等级时，降低所述目标用户的处理优先级。
在步骤S410中，当所述目标用户的分类等级高于第一预设等级时，所述目标用户的处理流程中不包含所述处理流程中包含的所有处理节点。
其中，用户的分类等级包括A、B、C、D四个等级，四个等级按照顺序等级依次降低，默认的用户分类等级为C级，第一预设等级可以为B等级，即，当目标用户的分类等级为A等级时，该用户可以跳过审批及审核流程，实现自动审批；进一步的，当目标用户的分类等级为B等级时，可跳过审批或者审核流程，缩短了整个处理流程，达到快速审批的效果。本示例实施例中对用户的分类等级以及第一预设等级不做具体的限定，本领域技术人员可以根据需要划分不同的用户等级。
在步骤S420中，当所述目标用户的分类等级低于第二预设等级时，降低所述目标用户的处理优先级。
其中，第二预设等级可以为C等级，具体的，当目标用户的分类等级为D等级时，该用户的处理流程不会发生改变，但是会降低该目标用户的处理优先级，为分类等级高的用户节约出审批以及审核资源。
进一步的，上述处理流程对应于审批链管控系统230的处理流程，参考图5所示，审批链管控系统230的处理流程可以为：根据信用评估评分引擎220得到的目标用户的分类等级对目标用户的处理流程进行控制，具体为：当目标用户的分类等级为A等级时，加速审批；当目标用户的分类等级为D等级时，该用户的审批受限。当用户的处理流程完成后，对用户进行审批进行支付。
本发明示例实施例提供的用户数据处理方法以及用户数据处理系统至少具有以下优点：
一方面，根据目标用户的所有历史用户数据在不同维度对目标用户的等级进行评估，提高了用户画像的准确率。
另一方面，利用所有用户的历史用户数据对训练模型进行训练，并通过大数据最大期望算法的迭代计算，得到模型参数，并基于模型参数建立完整的评估模型，通过评估模型对用户等级进行评估，提高了用户分类的效率。
再一方面，由于根据用户的分类结果为用户匹配对应的报销审批流程，提高了用户报销流程的精简性和合理性。
本发明示例实施例还提供了一种用户数据处理装置，参考图6所示，该用户数据处理装置可以包括：时效评估等级计算模块610、信用评估等级计算模块620、评估分数计算模块630、用户分类模块640以及报销流程确定模块650。其中：
时效评估等级计算模块610，用于获取与目标用户对应的待处理数据，并将所述待处理数据输入至第一评估模型中，得到所述目标用户在时效维度上的评估等级；
信用评估等级计算模块620，用于将所述待处理数据输入至第二评估模型中，得到所述目标用户在信用维度上的评估等级；其中，所述第一评估模型以及所述第二评估模型是根据历史用户数据对预设的概率模型进行训练得到的；
评估分数计算模块630，用于根据预设的判断规则对与所述目标用户对应的待处理数据的处理节点进行判断，并根据判断结果计算所述待处理数据的评估分数；
用户分类模块640，用于根据所述时效维度上的评估等级、所述信用维度上的评估等级以及所述评估分数，确定所述目标用户的分类结果；
报销流程确定模块650，用于根据所述目标用户的分类结果确定所述目标用户的报销流程。
在本公开的一种示例性实施例中，所述获取与目标用户对应的待处理数据，并将所述待处理数据输入至第一评估模型中，得到所述目标用户在时效维度上的评估等级，包括：
获取类别为第一类别的待处理数据以及所述类别为第二类别的待处理数据；
将所述第一类别的待处理数据以及所述类别为第二类别的待处理数据输入至所述第一评估模型中，得到所述目标用户在时效维度上的评估等级。
在本公开的一种示例性实施例中，所述将所述第一类别的待处理数据以及所述类别为第二类别的待处理数据输入至所述第一评估模型中，得到所述目标用户在时效维度上的评估等级，包括：
将所述第一类别的待处理数据以及所述类别为第二类别的待处理数据输入至所述预设的概率模型中；
通过最大期望算法对所述预设的概率模型进行迭代计算，当所述预设的概率模型收敛时，得到所述第一评估模型的参数；
通过所述第一评估模型的参数对所述预设的概率模型进行建模，得到所述第一评估模型，并通过所述第一评估模型得到所述目标用户在时效维度上的评估等级。
在本公开的一种示例性实施例中，所述将所述待处理数据输入至第二评估模型中，得到所述目标用户在信用维度上的评估等级，包括：
根据预设的标识规则对所述待处理数据的第一状态进行标识，得到第一状态标识结果集，以及根据所述预设的标识规则对所述待处理数据的第二状态进行标识，得到第二状态标识结果集；
将所述第一状态标识结果集以及所述第二状态标识结果集输入至所述第二评估模型，得到所述目标用户在信用维度上的评估等级。
在本公开的一种示例性实施例中，所述将所述第一状态标识结果集以及所述第二状态标识结果集输入至所述第二评估模型，得到所述目标用户在信用维度上的评估等级，包括：
将所述第一状态标识结果集以及所述第二状态标识结果集输入至所述预设的概率模型中；
通过最大期望算法对所述预设的概率模型进行迭代计算，当所述预设的概率模型收敛时，得到所述第二评估模型的参数；
通过所述第二评估模型的参数对所述预设的概率模型进行建模，得到所述第二评估模型，并根据所述第二评估模型得到所述目标用户在信用维度上的评估等级。
在本公开的一种示例性实施例中，所述根据所述时效维度上的评估等级、所述信用维度上的评估等级以及所述评估分数，确定所述目标用户的分类结果，包括：
将所述时效维度上的评估等级以及所述信用维度上的评估等级输入至预设的概率模型中；
通过所述最大期望算法对所述预设的概率模型进行迭代计算，当所述预设的概率模型收敛时，得到第三评估模型的参数；
通过所述第三评估模型的参数对所述预设的概率模型进行建模，得到所述第三评估模型；
通过所述第三评估模型对所述待处理数据进行预测，得到所述目标用户的等级评价结果；
根据所述等级评价结果以及所述评估分数，确定所述目标用户的分类结果。
在本公开的一种示例性实施例中，确定所述目标用户的分类结果，包括：
当所述目标用户的分类等级高于第一预设等级时，所述目标用户的处理流程中不包含所述处理流程中包含的所有处理节点；
当所述目标用户的分类等级低于第二预设等级时，降低所述目标用户处理优先级。
上述用户数据处理装置中各模块的具体细节已经在对应的用户数据处理方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本发明中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
在本发明的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参考图7来描述根据本发明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，电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于：上述至少一个处理单元710、上述至少一个存储单元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以及显示单元740。
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“示例性方法”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710可以执行如图1中所示的步骤S110：获取与目标用户对应的待处理数据，并将所述待处理数据输入至第一评估模型中，得到所述目标用户在时效维度上的评估等级；步骤S120：将所述待处理数据输入至第二评估模型中，得到所述目标用户在信用维度上的评估等级；其中，所述第一评估模型以及所述第二评估模型是根据历史用户数据对预设的概率模型进行训练得到的；步骤S130：根据预设的判断规则对与目标用户对应的待处理数据的处理节点进行判断，并根据判断结果计算所述待处理数据的评估分数；步骤S140：根据所述时效维度上的评估等级、所述信用维度上的评估等级以及所述评估分数，确定所述目标用户的分类结果；步骤S150：根据所述目标用户的分类结果确定所述目标用户的报销流程。
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。
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800(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。如图所示，网络适配器760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，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、终端装置、或者网络设备等)执行根据本发明实施方式的方法。
在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
根据本发明的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序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。
计算机可读信号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。可读信号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)。
此外，上述附图仅是根据本发明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。
本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其他实施例。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。

Claims (10)

1.一种用户数据处理方法，其特征在于，包括：
获取与目标用户对应的待处理数据，并将所述待处理数据输入至第一评估模型中，得到所述目标用户在时效维度上的评估等级；
将所述待处理数据输入至第二评估模型中，得到所述目标用户在信用维度上的评估等级；其中，所述第一评估模型以及所述第二评估模型是根据历史用户数据对预设的概率模型进行训练得到的；
根据预设的判断规则对与所述目标用户对应的待处理数据的处理节点进行判断，并根据判断结果计算所述待处理数据的评估分数；
根据所述时效维度上的评估等级、所述信用维度上的评估等级以及所述评估分数，确定所述目标用户的分类结果；
根据所述目标用户的分类结果确定所述目标用户的报销流程。
2.根据权利要求1所述的用户数据处理方法，其特征在于，所述获取与目标用户对应的待处理数据，并将所述待处理数据输入至第一评估模型中，得到所述目标用户在时效维度上的评估等级，包括：
获取类别为第一类别的待处理数据以及所述类别为第二类别的待处理数据；
将所述第一类别的待处理数据以及所述类别为第二类别的待处理数据输入至所述第一评估模型中，得到所述目标用户在时效维度上的评估等级。
3.根据权利要求2所述的用户数据处理方法，其特征在于，所述将所述第一类别的待处理数据以及所述类别为第二类别的待处理数据输入至所述第一评估模型中，得到所述目标用户在时效维度上的评估等级，包括：
将所述第一类别的待处理数据以及所述类别为第二类别的待处理数据输入至所述预设的概率模型中；
通过最大期望算法对所述预设的概率模型进行迭代计算，当所述预设的概率模型收敛时，得到所述第一评估模型的参数；
通过所述第一评估模型的参数对所述预设的概率模型进行建模，得到所述第一评估模型，并通过所述第一评估模型得到所述目标用户在时效维度上的评估等级。
4.根据权利要求1所述的用户数据处理方法，其特征在于，所述将所述待处理数据输入至第二评估模型中，得到所述目标用户在信用维度上的评估等级，包括：
根据预设的标识规则对所述待处理数据的第一状态进行标识，得到第一状态标识结果集，以及根据所述预设的标识规则对所述待处理数据的第二状态进行标识，得到第二状态标识结果集；
将所述第一状态标识结果集以及所述第二状态标识结果集输入至所述第二评估模型，得到所述目标用户在信用维度上的评估等级。
5.根据权利要求4所述的用户数据处理方法，其特征在于，所述将所述第一状态标识结果集以及所述第二状态标识结果集输入至所述第二评估模型，得到所述目标用户在信用维度上的评估等级，包括：
将所述第一状态标识结果集以及所述第二状态标识结果集输入至所述预设的概率模型中；
通过最大期望算法对所述预设的概率模型进行迭代计算，当所述预设的概率模型收敛时，得到所述第二评估模型的参数；
通过所述第二评估模型的参数对所述预设的概率模型进行建模，得到所述第二评估模型，并根据所述第二评估模型得到所述目标用户在信用维度上的评估等级。
6.根据权利要求5所述的用户数据处理方法，其特征在于，所述根据所述时效维度上的评估等级、所述信用维度上的评估等级以及所述评估分数，确定所述目标用户的分类结果，包括：
将所述时效维度上的评估等级以及所述信用维度上的评估等级输入至预设的概率模型中；
通过所述最大期望算法对所述预设的概率模型进行迭代计算，当所述预设的概率模型收敛时，得到第三评估模型的参数；
通过所述第三评估模型的参数对所述预设的概率模型进行建模，得到所述第三评估模型；
通过所述第三评估模型对所述待处理数据进行预测，得到所述目标用户的等级评价结果；
根据所述等级评价结果以及所述评估分数，确定所述目标用户的分类结果。
7.根据权利要求6所述的用户数据处理方法，其特征在于，根据所述目标用户的分类结果确定所述目标用户的报销流程，包括：
当所述目标用户的分类等级高于第一预设等级时，所述目标用户的处理流程中不包含所述处理流程中包含的所有处理节点；
当所述目标用户的分类等级低于第二预设等级时，降低所述目标用户处理优先级。
8.一种用户数据处理装置，其特征在于，包括：
时效评估等级计算模块，用于获取与目标用户对应的待处理数据，并将所述待处理数据输入至第一评估模型中，得到所述目标用户在时效维度上的评估等级；
信用评估等级计算模块，用于将所述待处理数据输入至第二评估模型中，得到所述目标用户在信用维度上的评估等级；其中，所述第一评估模型以及所述第二评估模型是根据历史用户数据对预设的概率模型进行训练得到的；
评估分数计算模块，用于根据预设的判断规则对与所述目标用户对应的待处理数据的处理节点进行判断，并根据判断结果计算所述待处理数据的评估分数；
用户分类模块，用于根据所述时效维度上的评估等级、所述信用维度上的评估等级以及所述评估分数，确定所述目标用户的分类结果；
报销流程确定模块，用于根据所述目标用户的分类结果确定所述目标用户的报销流程。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的用户数据处理方法。
10.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的用户数据处理方法。
CN202011314837.5A 2020-11-20 2020-11-20 用户数据处理方法和装置、存储介质、电子设备 Pending CN112419025A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011314837.5A CN112419025A (zh) 2020-11-20 2020-11-20 用户数据处理方法和装置、存储介质、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011314837.5A CN112419025A (zh) 2020-11-20 2020-11-20 用户数据处理方法和装置、存储介质、电子设备

Publications (1)

Publication Number Publication Date
CN112419025A true CN112419025A (zh) 2021-02-26

Family

ID=74777218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011314837.5A Pending CN112419025A (zh) 2020-11-20 2020-11-20 用户数据处理方法和装置、存储介质、电子设备

Country Status (1)

Country Link
CN (1) CN112419025A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113591095A (zh) * 2021-08-04 2021-11-02 百度在线网络技术（北京）有限公司 一种标识信息处理方法、装置及电子设备
CN114011076A (zh) * 2021-11-16 2022-02-08 网易（杭州）网络有限公司 组合道具的数据处理方法及电子设备、存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101251913A (zh) * 2008-04-10 2008-08-27 华为技术有限公司 一种自助报销管理系统及方法
CN108053310A (zh) * 2017-11-24 2018-05-18 深圳市牛鼎丰科技有限公司 信用风险评分方法、装置、计算机设备及存储介质
CN109509085A (zh) * 2018-11-27 2019-03-22 平安科技（深圳）有限公司 贷前信息处理方法、装置、计算机设备及存储介质
CN110930116A (zh) * 2019-11-21 2020-03-27 深圳春沐源控股有限公司 一种报销方法、报销系统及计算机可读存储介质
CN111180065A (zh) * 2018-11-09 2020-05-19 天津幸福生命科技有限公司 保险用户评估方法、装置、电子设备及计算机可读介质
CN111222846A (zh) * 2019-12-27 2020-06-02 广东德诚科教有限公司 报销流程的跟踪方法、装置、计算机设备和存储介质
CN111402026A (zh) * 2020-03-25 2020-07-10 支付宝(杭州)信息技术有限公司 业务处理方法及因公报销处理方法
WO2020168459A1 (en) * 2019-02-19 2020-08-27 Suanhua Intelligent Technology Co., Ltd. System and method for credit assessment
CN111897815A (zh) * 2020-07-15 2020-11-06 中国建设银行股份有限公司 一种业务处理方法和装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101251913A (zh) * 2008-04-10 2008-08-27 华为技术有限公司 一种自助报销管理系统及方法
CN108053310A (zh) * 2017-11-24 2018-05-18 深圳市牛鼎丰科技有限公司 信用风险评分方法、装置、计算机设备及存储介质
CN111180065A (zh) * 2018-11-09 2020-05-19 天津幸福生命科技有限公司 保险用户评估方法、装置、电子设备及计算机可读介质
CN109509085A (zh) * 2018-11-27 2019-03-22 平安科技（深圳）有限公司 贷前信息处理方法、装置、计算机设备及存储介质
WO2020168459A1 (en) * 2019-02-19 2020-08-27 Suanhua Intelligent Technology Co., Ltd. System and method for credit assessment
CN110930116A (zh) * 2019-11-21 2020-03-27 深圳春沐源控股有限公司 一种报销方法、报销系统及计算机可读存储介质
CN111222846A (zh) * 2019-12-27 2020-06-02 广东德诚科教有限公司 报销流程的跟踪方法、装置、计算机设备和存储介质
CN111402026A (zh) * 2020-03-25 2020-07-10 支付宝(杭州)信息技术有限公司 业务处理方法及因公报销处理方法
CN111897815A (zh) * 2020-07-15 2020-11-06 中国建设银行股份有限公司 一种业务处理方法和装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113591095A (zh) * 2021-08-04 2021-11-02 百度在线网络技术（北京）有限公司 一种标识信息处理方法、装置及电子设备
CN113591095B (zh) * 2021-08-04 2023-08-29 百度在线网络技术（北京）有限公司 一种标识信息处理方法、装置及电子设备
CN114011076A (zh) * 2021-11-16 2022-02-08 网易（杭州）网络有限公司 组合道具的数据处理方法及电子设备、存储介质

Similar Documents

Publication Publication Date Title
US20200210899A1 (en) Machine learning model training method and device, and electronic device
US20180308160A1 (en) Risk assessment method and system
CN112270545A (zh) 基于迁移样本筛选的金融风险预测方法、装置和电子设备
CN111192131A (zh) 金融风险预测方法、装置和电子设备
CN109214436A (zh) 一种针对目标场景的预测模型训练方法及装置
CN111340616B (zh) 线上贷款的审批方法、装置、设备及介质
WO2020168851A1 (zh) 行为识别
US9355370B2 (en) System and method for generating legal documents
CN111127178A (zh) 数据处理方法与装置、存储介质、电子设备
CN112270547A (zh) 基于特征构造的金融风险评估方法、装置和电子设备
CN112270546A (zh) 基于stacking算法的风险预测方法、装置和电子设备
CN110046986A (zh) 基于大数据的借款逾期客户分群方法及装置
US11501239B2 (en) Metric specific machine learning model improvement through metric specific outlier removal
CN111199469A (zh) 用户还款模型生成方法、装置及电子设备
CN110009154A (zh) 一种退款预测方法、装置、终端设备及存储介质
CN112419025A (zh) 用户数据处理方法和装置、存储介质、电子设备
CN111179051A (zh) 金融目标客户确定方法、装置及电子设备
CA3135466A1 (en) User loan willingness prediction method and device and computer system
CN110689425A (zh) 基于收益进行额度定价的方法、装置和电子设备
CN113554504A (zh) 一种车贷风控模型生成方法、装置及评分卡生成方法
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
CN111382909A (zh) 基于生存分析模型扩展坏样本的拒绝推断方法及相关设备
CN111861757A (zh) 一种融资匹配方法、系统、设备和存储介质
CN116739750A (zh) 贷户违约预测方法、装置、设备和介质
CN110610320A (zh) 金融风险等级预测方法、装置、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