CN112465629A - 风险预测方法、装置、电子设备及存储介质 - Google Patents

风险预测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112465629A
CN112465629A CN202011444099.6A CN202011444099A CN112465629A CN 112465629 A CN112465629 A CN 112465629A CN 202011444099 A CN202011444099 A CN 202011444099A CN 112465629 A CN112465629 A CN 112465629A
Authority
CN
China
Prior art keywords
equipment
node
overdue
target
target user
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.)
Withdrawn
Application number
CN202011444099.6A
Other languages
English (en)
Inventor
杜洋
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.)
Shenzhen Huantai Digital Technology Co ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp Ltd
Shenzhen Huantai 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 Guangdong Oppo Mobile Telecommunications Corp Ltd, Shenzhen Huantai Technology Co Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN202011444099.6A priority Critical patent/CN112465629A/zh
Publication of CN112465629A publication Critical patent/CN112465629A/zh
Withdrawn legal-status Critical Current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
    • G06Q40/03—Credit; Loans; Processing thereof
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种风险预测方法、装置、电子设备及存储介质，涉及计算机技术领域。获取目标用户标识对应的用户设备关系图，基于所述用户设备关系图，获取每个介质节点连接的所有相关设备节点对应的用户设备中逾期设备的逾期率，获取所述每个介质节点对应的置信度分值，基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述目标用户标识对应的逾期风险分值，所述逾期风险分值用于为所述目标用户标识对应的用户分配所述指定任务。如此，可以根据已经表现出来是否逾期的设备量化预测风险还未知的目标用户标识对应的目标设备的风险程度，并根据目标设备的风险程度对其分配指定任务。

Description

风险预测方法、装置、电子设备及存储介质
技术领域
本申请涉及计算机技术领域，更具体地，涉及一种风险预测方法、装置、电子设备及存储介质。
背景技术
随着科技水平的进步，银行等金融机构内部通常设有针对用户的评价体系和指标，金融机构可以利用风险预测，来决定是否为用户提供贷款、理财等业务。近年来，有很多关于预测风险方面的研究，这些研究几乎都会利用到图谱建模，建立一个巨大的关系网络，然后基于社区发现或者标签传播等算法进行风险预测，但是这样的方法无法准确地预测风险，进而在为用户提供业务时存在风险问题。
发明内容
有鉴于此，本申请提出了一种风险预测的识别方法、装置、电子设备及存储介质。
第一方面，本申请实施例提供了一种风险预测方法，所述方法包括：获取目标用户标识对应的用户设备关系图，所述用户设备关系图包括目标用户标识对应的目标设备节点、多个相关设备节点以及多个介质节点，所述介质节点与所述目标用户标识的用户设备的设备标签对应，每个相关设备节点通过其对应的介质节点与所述目标设备节点连接；基于所述用户设备关系图，获取每个介质节点连接的所有相关设备节点对应的用户设备中逾期设备的逾期率，所述逾期设备为完成指定任务时出现逾期的用户设备；获取所述每个介质节点对应的置信度分值；基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述目标用户标识对应的逾期风险分值，所述逾期风险分值用于为所述目标用户标识对应的用户分配所述指定任务。
第二方面，本申请实施例提供了一种风险预测装置，所述装置包括：设备关系图获取模块、逾期率获取模块以、置信度分值获取模块及逾期风险分值获取模块。设备关系图获取模块，用于获取目标用户标识对应的用户设备关系图，所述用户设备关系图包括目标用户标识对应的目标设备节点、多个相关设备节点以及多个介质节点，所述介质节点与所述目标用户标识的用户设备对应的设备标签对应，每个相关设备节点通过其对应的介质节点与所述目标设备节点连接；逾期率获取模块，用于基于所述用户设备关系图，获取每个介质节点连接的所有相关设备节点对应的用户设备中逾期设备的逾期率，所述逾期设备为完成指定任务时出现逾期的用户设备；置信度分值获取模块，用于获取所述每个介质节点对应的置信度分值；逾期风险分值获取模块，用于基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述目标用户标识对应的逾期风险分值，所述逾期风险分值用于为所述目标用户标识对应的用户分配所述指定任务。
第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储器；一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行第一方面提供的风险预测方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有程序代码，所述程序代码可被处理器调用执行第一方面提供的风险预测方法。
本申请提供的方案中，获取目标用户标识对应的用户设备关系图，并基于所述用户设备关系图，获取每个介质节点连接的所有相关设备节点对应的用户设备中逾期设备的逾期率，再获取所述每个介质节点对应的置信度分值，最后基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述目标用户标识对应的逾期风险分值，并且根据逾期风险分值为所述目标用户标识对应的用户分配所述指定任务。如此，可以实现对逾期风险预测进行量化，为指定任务的分配提供了参考，并且基于参考了与目标用户标识相关的多种介质节点对应的逾期率，进行逾期风险预测，提升了逾期风险预测的准确性，另外，预测逾期风险时，还获取每个介质节点对应的置信度分值，作为各个介质节点的风险预测的参考，进一步提升了逾期风险预测的准确性，从而可以准确地确定是否为用户分配指定任务，避免用户的逾期风险带来的影响。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，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示出了本申请一实施例提供的风险预测方法的流程示意图。
图2示出了本申请一实施例提供的拓扑关系示意图。
图3示出了本申请又一实施例提供的风险预测方法的流程示意图。
图4示出了图3所示步骤S360在一种实施方式中的子步骤流程示意图。
图5示出了本申请再一实施例提供的风险预测方法的流程示意图。
图6示出了本申请实施例提供的风险预测方法的一种实现流程图。
图7是根据本申请一实施例提供的一种风险预测装置的框图。
图8是本申请实施例的用于执行根据本申请实施例的风险预测方法的电子设备的框图。
图9是本申请实施例的用于保存或者携带实现根据本申请实施例的路径生成方法的程序代码的存储单元。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
在金融风险模型领域，一般基于逻辑回归模型(Logistic Regression,LR)或者决策树的模型去建模用户的风险。但这些模型并不能刻画关系维度的风险或者团伙风险，例如一个人逾期了属于高风险用户，那这个用户关系紧密的朋友风险也会一定程度变高。
近年来，有很多关于反欺诈方面的研究。这其中几乎都会利用到图谱建模，建立一个巨大的关系网络，然后基于社区发现或者标签传播等算法进行欺诈的防范。基于关系网络的反欺诈已经在风险控制领域取得了较好效果，但现在的方法依然存在这一些天然的缺陷，例如，基于社区发现的算法把节点划分到一个一个的社区内，但这种社区的划分还是粒度较粗，又例如，通过标签传播算法来预测风险，但是标签传播算法本质是把邻居节点的标签传播给当前节点，这也就要求图谱是一个同构图，针对包含多种类型节点的异构图不适用，除此之外，不论是使用社区发现还是标签传播算法，都是侧重在欺诈风险，更多是把图中节点归属到一个社区或者打上一个标签，并没有给出一个量化节点风险的概率分值。
针对上述问题，发明人提出一种风险预测方法、装置及电子设备，可以基于与目标用户标识相关的多个介质节点(即多种传播介质)对应的逾期率，以及每个介质节点对应的置信度分值，来计算目标用户标识对应的逾期风险值，并逾期风险值对目标用户标识对应的用户分配所述指定任务，避免用户的逾期风险带来的影响。下面对该内容进行详细描述。
请参照图1，图1为本申请一实施例提供的一种风险预测方法的流程示意图。下面将结合图1对本申请实施例提供的风险预测方法进行详细阐述。该风险预测方法可以包括以下步骤：
步骤S110：获取目标用户标识对应的用户设备关系图，所述用户设备关系图包括目标用户标识对应的目标设备节点、多个相关设备节点以及多个介质节点，所述介质节点与所述目标用户标识的用户设备的设备标签对应，每个相关设备节点通过其对应的介质节点与所述目标设备节点连接。
在本实施例中，目标用户标识对应的目标用户即为风险程度未知的待预测的用户，对一个风险程度未知的目标用户进行风险预测，首先需要获取该目标用户标识对应的用户设备关系图，设备关系图包括目标用户标识对应的目标设备节点、多个相关设备节点以及多个介质节点。
其中，目标设备节点以及相关设备节点可以是如手机、智能手环或电脑等设备对应的节点，相关设备节点可以为与目标设备节点有某种关联的设备节点。介质节点可以是为目标设备节点与相关设备节点之间提供某种关联的节点，用于连接目标设备节点与相关设备节点。可以理解地，设备节点可以代表不同的用户，用户设备关系图可以表征目标用户与其他相关设备的用户之间的关系。以上设备节点可以根据目标用户标识的设备标签确定，设备标签可以表征设备特征，例如，设备的电话号码、位置、应用程序、使用的网络等，利用设备标签可以建立起目标设备节点与相关设备节点之间的关系，从而建立用户设备关系图。
如图2所述，图2为本申请一实施例提供的拓扑关系示意图，目标设备20与设备21、设备22以及设备29通过电话号码33进行过信息交流，或者目标设备20、设备21、设备22以及设备29都通过电话号码33与其他设备有过信息交流，则可以将目标设备20作为目标设备节点，将设备21、设备22以及设备29作为目标设备20的相关设备节点，对应地，电话号码33则作为设备21、设备22、设备29对应的介质节点，目标设备20与设备21、设备22、设备29通过电话号码33相连接，其中，可以基于目标设备的设备标签确定其对应的介质节点，示例性地，相关设备与目标设备相关联的设备标签为电话号码，对应地，目标设备与该相关设备之间的介质节点可以为电话号码，电话号码33可以是一个电话号码或多个电话号码，本实施例对此不作限制。
步骤S120：基于所述用户设备关系图，获取每个介质节点连接的所有相关设备节点对应的用户设备中逾期设备的逾期率，所述逾期设备为完成指定任务时出现逾期的用户设备。
在本实施例中，逾期率可以是完成指定任务时出现逾期的用户设备与该用户设备对应的某种设备标签下的所有用户设备的比值，其中，指定任务可以是用户参与的贷款活动或者其他征信活动等，本实施例对此不作限制。
示例性地，设备27、设备26以及设备25均通过APP(Application，应用程序)31向银行进行了贷款，若设备27在规定的还款期限内未将贷款的总金额通过APP31归还至银行，设备27则被视为逾期设备，设备25和设备26在规定的还款期限内将贷款的总金额通过APP31归还至银行，则设备25和设备26则被视为未逾期设备，对应地，参与了该贷款的总设备数量为3，其中逾期设备为1，可以得到其逾期率为1/3。
步骤S130：获取所述每个介质节点对应的置信度分值。
在本实施例中，由于每个介质节点下的相关设备节点，可能存在未参与过以上指定任务的相关设备对应的相关设备节点，例如，未参与过贷款，也可能参与过指定任务的相关设备对应的相关设备节点，但未到指定任务的期限，例如，参与了贷款，还未到还款期，所以以上确定的各个介质节点对应的逾期率，会因为这些相关设备节点，而导致准确性受到影响。因此，在获取了每个介质节点连接的所有相关设备节点对应的用户设备中逾期设备的逾期率之后，还需要获取每个介质节点对应的置信度分值，其中，置信度分值的大小可以反映该介质节点在预测目标用户的风险程度中的可信程度，即，置信度分值越大，则该介质节点在预测目标用户程度中的可信程度越高，最终预测出的目标用户的风险程度越准确。
在一些实施方式中，每个介质节点对应的置信度分值，可以根据每个介质节点对应的相关设备节点中完成过指定任务的节点数量确定，例如，根据完成过至少一次贷款的介质节点的节点数量确定。可以理解地，完成过指定任务的节点数量表示了每个介质节点对应的相关设备节点中，能够真实有效地反映设备是否存在逾期的设备节点的数量，因此，该数量越多，则表示该介质节点的可信程度越高，进而可以据此来计算各个介质节点的置信度分值。
步骤S140：基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述目标用户标识对应的逾期风险分值，所述逾期风险分值用于为所述目标用户标识对应的用户分配所述指定任务。
在本实时例中，由于判断目标用户的逾期风险程度与每个介质节点的逾期率以及置信度分值均有关，因此可以先获取每个介质节点的逾期率以及置信度分值，再基于已获取到的每个介质节点的逾期率以及对应的置信度分值对目标用户标识对应的逾期风险分值进行计算，进一步地，可以根据逾期风险分值来给目标用户标识对应的用户分配指定任务，例如，若根据逾期风险分值判断目标用户标识对应的用户为高风险用户，可以禁止该目标用户标识对应的用户参与该指定任务(如：申请贷款)，若根据逾期风险分值判断该目标用户标识对应的用户为低风险用户，则可以允许该目标标识对应的用户参加该指定任务(如：申请贷款)。
在本实施例中，获取目标用户标识对应的用户设备关系图，并基于所述用户设备关系图，获取每个介质节点连接的所有相关设备节点对应的用户设备中逾期设备的逾期率，再获取所述每个介质节点对应的置信度分值，最后基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述目标用户标识对应的逾期风险分值，并且根据逾期风险分值为所述目标用户标识对应的用户分配所述指定任务。如此，可以实现对逾期风险预测进行量化，为指定任务的分配提供了参考，并且基于参考了与目标用户标识相关的多种介质节点对应的逾期率，进行逾期风险预测，提升了逾期风险预测的准确性，另外，预测逾期风险时，还获取每个介质节点对应的置信度分值，作为各个介质节点的风险预测的参考，进一步提升了逾期风险预测的准确性，从而可以准确地确定是否为用户分配指定任务，避免用户的逾期风险带来的影响。
请参照图3，图3为本申请又一实施例提供的一种风险预测方法的流程示意图。下面将结合图3对本申请实施例提供的风险预测方法进行详细阐述。该风险预测方法可以包括以下步骤：
步骤S310：获取所述目标用户标识的用户设备的设备标签，以及所述目标用户标识对应的相关设备的设备标签，所述设备标签用于表征设备的设备特征。
在本实施例中，设备标签可以表征设备特征，例如，设备的电话号码、位置、应用程序、使用的网络等，利用设备标签可以确定出与目标设备有关联的相关设备，并据此建立起目标设备节点与相关设备节点之间的关系。
步骤S320：基于所述目标用户标识的用户设备的设备标签，以及所述目标用户标识对应的相关设备的设备标签，并以所述目标用户的用户设备作为所述目标设备节点，以及以所述相关设备作为相关设备节点，生成所述目标用户标识对应的用户设备关系图。
在本实施例中，基于获取到的目标用户标识的用户设备的设备标签以及目标用户标识对应的相关设备的设备标签之后，将该设备标签作为风险预测中的传播介质，进一步地，以每种传播介质作为介质节点、以目标用户的用户设备作为目标设备节点，以及以相关设备作为相关设备节点，生成目标用户标识对应的用户设备关系图。
在实际应用中，考虑到一些设备标签是不适合作为传播介质的，例如类似于中国移动这样的设备标签，大部分设备都可能与中国移动这样的设备标签，因此若将该类的设备标签引入作为传播介质，会引入预测噪音，即，可能会造成最终预测出的逾期风险值不准确。
针对上述实际情况，在生成目标用户标识对应的用户设备关系图之前，可以通过一些方式过滤掉类似于中国移动这样的设备标签。
首先，将所述目标用户标识的用户设备的设备标签与预设设备标签进行匹配，其中，所述预设设备标签与所述指定任务对应。
其次，根据匹配结果，从所述目标用户标识的用户设备的设备标签中，获取与所述预设设备标签匹配的设备标签，作为目标设备标签。
在该实施方式中，提前存储与指定任务对应的预设设备标签，其中，预设设备标签可以为电话号码1、电话号码2、电话号码3、APP1、APP2、位置1、位置2、WIFI1以及WIFI2，预设设备标签可以是多个，本实施例对预设设备标签的个数在此不做限制。进一步地，可以将目标用户标识的用户设备的设备标签与上述预设设备标签进行匹配，并将与预设设备标签匹配的设备标签作为目标设备标签。示例性地，若目标用户标识的用户设备的设备标签包括电话号码1、电话号码2、电话号码3、电话号码4、APP1、APP2、位置1、位置2、WIFI1以及WIFI2，预设设备标签为电话号码1、电话号码2、电话号码3、APP1、APP2、位置1、位置2、WIFI1以及WIFI2，进一步地，可以得到目标设备标签为电话号码1、电话号码2、电话号码3、APP1、APP2、位置1、位置2、WIFI1以及WIFI2，其中，电话号码4未能在预设设备标签中找到匹配的标签，则将电话号码4这个设备标签过滤掉，可以理解为电话号码4这个设备标签不适合放在预测风险传播介质中来，电话号码4可能是某公共电话号码，也就是该电话号码4这个设备标签背后不太可能有催收信息在里面，如果将电话号码4这个设备标签作为目标设备标签，则可能会给预测风险的过程引入噪音，影响最终的预测结果。可以理解，筛选目标设备标签的主要目的就是过滤掉不适合作为传播介质的设备标签，提高风险预测的准确性。
最后，基于所述目标用户标识的用户设备的所述目标设备标签，以及所述目标用户标识对应的相关设备的目标设备标签，并以所述目标用户的用户设备作为所述目标设备节点，以及以所述相关设备作为相关设备节点，生成所述目标用户标识对应的用户设备关系图。
在本实施例中，通过将目标用户标识的用户设备的设备标签与预设设备标签进行匹配来过滤掉不适合作为传播介质的设备标签，并将与所述预设设备标签匹配的设备标签，作为目标设备标签，将目标设备标签作为风险预测中的传播介质，并基于过滤后的每种传播介质、以目标用户的用户设备作为目标设备节点，以及以相关设备作为相关设备节点生成目标用户标识对应的用户设备关系图。
步骤S330：获取所述每个介质节点连接的所有相关设备节点中的指定设备节点的数量，作为第一数量，其中，所述指定设备节点为已完成过所述指定任务的设备对应的相关设备节点。
在本实施例中，获取每个介质节点对应的置信度分值可以先获取每个介质节点连接的所有相关设备节点中的指定设备节点的数量，其中指定设备节点为已完成过所述指定任务的设备对应的相关设备节点，仍以指定任务为通过APP31进行贷款，已完成过指定任务的设备可以是在指定还款期限日已经还款的设备和在指定还款期限日未完成还款的设备。示例性地，设备25和设备26均在2020年10月1日通过APP31向银行申请贷款，设备27在2020年10月30日通过APP31向银行申请贷款，指定还款期限日为申请贷款日累加30天的日期，即，设备25和设备26需要在2020年10月31日之前向银行还款，设备27需要再2020年11月19日向银行还款，因此，若获取已完成过所述指定任务的设备的日期为2020年11月22日，则设备25和设备26都可以作为已完成指定任务的设备对应的相关设备节点，即指定节点，由于设备27的指定还款期限日还未到，设备27还未完成指定任务，因此不能视为指定设备节点，对应的，针对该例子获取的指定节点的数量则为2个。
步骤S340：获取所述预设介质节点参数值与每个所述第一数量的比值对应的相反数，得到所述每个介质节点对应的目标参数值。
步骤S350：将所述每个介质节点对应的所述目标参数值作为自变量，获取预设指数函数的函数值，得到所述每个介质节点对应的置信度分值，所述预设指数函数的底数数值大于1。
在本实施例中，基于获取到的指定设备节点的第一数量以及预设介质节点参数值，可以得到每个介质节点对应的目标参数值，其中，目标参数值可以是一个负数，示例性地，若获取到的第一数量为4，预设介质节点参数值为2，可以得到目标参数值为-1/2，由于存在多种介质，所以需要获取到每种介质对应的目标参数值。
由于每种介质对应的目标参数值可能相同可能不同，因此可以将目标参数值看做为自变量，并基于该自变量获取预设指数函数的函数值，其中该指数函数的底数数值为大于1的，示例性的，取e为该指数函数的底数，可以得到上述例子中对应的置信度分值为e-1/2b。若将预设介质节点参数值x表示，第一数量用confidence表示，对应地，计算介质节点对应的置信度分值的公式可以表示为e-x/confidence，可以通过该公式计算每个介质节点对应的置信度分值。
另一种实施方式中，还可以获取预设介质节点参数值与每个所述第一数量的比值，得到每个介质节点对应的目标参数值，并将每个介质节点对应的目标参数值作为自变量，获取预设指数函数的函数值，得到所述每个介质节点对应的置信度分值，所述预设指数函数的底数数值小于1，在这种情况下，该指数函数的底数可以为1/e，对应地，此时计算置信度的公式可以为(1/e)x/confidence，同样的也可以通过该公式计算每个介质节点对应的置信度分值。
在上述两种实施方式中，置信度分值的大小均在0至1之间，在本实施例中，对置信度分值的大小在此不作限制。
又一种实施方式中，可以将获取到的每个所述第一数量与预设介质节点参数值的比值直接作为置信度分值，在此情况下，置信度分值可以大于1。示例性地，若获取到的第一数量为6，预设介质节点参数值4，对应地，置信度分值为1.5。
步骤S360：基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述目标用户标识对应的逾期风险分值，所述逾期风险分值用于为所述目标用户标识对应的用户分配所述指定任务。
在一些实施方式中，请参阅图4，步骤S360可以包括：
步骤S361：基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述每个介质节点对应的逾期风险分值。
在本实施例中，存在多种类型的介质节点，如图2所示的电话号码33、WIFI32、APP31以及位置34四种类型的介质节点，其中，同一类型的介质节点中可以只包括1个介质节点也可以包括多个不同的介质节点，例如，介质节点APP31可以只包括APP1，也可以包括多个不同的介质节点APP1、APP2、APP3以及APP4，因此针对不同情况，获取每种介质节点对应的逾期风险值不同。
一些情况下，每种介质节点中均只存在一个介质节点，则获取到的每个介质节点的逾期率，则为对应的类型的介质节点的逾期率，再基于每种类型的介质节点的逾期率，进一步获取每种类型的介质节点对应的逾期风险分值。示例性地，若存在两种类型的介质节点，分别为WIFI32和APP31。其中，WIFI32中只包含一个介质节点WIFI1，APP31中只包含一个介质节点APP1，对应地，获取到的WIFI1的逾期率即为WIFI32该类型对应的逾期率，获取到的APP1的逾期率即为APP31该类型的逾期率。
另一些情况下，每种类型的介质节点中均存在多个不同的介质节点，则需要将获取到的每种类型下的多个不同的介质节点的逾期率求进行求和，得到每种类型的介质节点对应的逾期率。示例性地，若存在两种类型的介质节点，分别为WIFI32和APP31。其中，WIFI32中分别包含WIFI1和WIFI2，APP31中分别包含介质节点APP1和APP2，对应地，WIFI1的逾期率和WIFI2的逾期率的总和才为WIFI32类型的介质节点的逾期率，APP1的逾期率和APP2的逾期率的总和才为APP31类型的介质节点的逾期率.
步骤S362：基于所述每个介质节点对应的权重，以及所述每个介质节点对应的逾期风险分值，获得所述目标用户标识对应的逾期风险分值。
一种实施方式中，在每种类型的介质节点中均存在多个不同的介质节点的情况下，在获取到每种类型的介质节点对应的逾期风险值后，结合每种介质节点对应的权重，计算得到目标用户标识对应的逾期风险分值。根据上述已获得的数据，计算目标用户标识对应的逾期风险分值的公式可以表达为：
Figure BDA0002823701430000121
其中，
Figure BDA0002823701430000122
表示传播介质类型的集合，f(g)表示g介质下的权重系数，p表示概率，confidence表示第一数量，x为预设介质节点参数值，i表示每种同类型的介质中包括的介质数量。
有一种实施方式中，每种介质节点中均只存在一个介质节点的情况下，在获取到每种类型的介质节点对应的逾期风险值后，结合每个介质节点对应的权重，计算得到目标用户标识对应的逾期风险分值。根据上述已获得的数据，计算目标用户标识对应的逾期风险分值的公式可以表达为：
Figure BDA0002823701430000123
其中，
Figure BDA0002823701430000124
表示传播介质类型的集合，f(g)表示g介质下的权重系数，p表示概率，confidence表示第一数量，x为预设介质节点参数值。
步骤S370：判断所述目标用户标识对应的所述逾期风险分值是否大于预设逾期风险阈值。
在本实施例中，获取到目标用户标识对应的逾期风险值后，还可以对该逾期风险值进行判断，判断该逾期风险值是否大于预设逾期风险阈值，其中，大于预设逾期风险阈值的目标用户标识对应的用户为高风险用户，不大于预设逾期风险阈值的目标用户标识对应的用户为低风险用户。
步骤S380：若否，则为所述目标用户标识对应的用户分配所述指定任务。
若目标用户标识对应的逾期风险值不大于预设逾期风险阈值，则确定该目标用户标识对应的用户为低风险用户，即，该用户在规定期限内能完成指定任务的概率较高，进一步地，可以为该目标用户标识对应的用户分配指定任务。示例性地，若获取的目标用户标识对应的逾期风险分值为0.3，预设逾期风险阈值为0.6，可以判断该目标用户标识对应的用户为低风险用户，可以给该用户分配指定任务，例如允许其在某段时间内申请贷款。
步骤S390：若是，生成提示信息，并将所述提示信息发送至所述目标用户标识的用户设备，所述提示信息用于提示用户无法参与所述指定任务。
若目标用户标识对应的逾期风险值大于预设逾期风险阈值，则确定该目标用户标识对应的用户为高风险用户，即，该用户在规定期限内能完成指定任务的概率较低，进一步地，生成提示信息，并将该提示信息发送至所述目标用户标识的用户设备，提示该用户无法参与所述指定任务。示例性地，若获取的目标用户标识对应的逾期风险分值为0.8，预设逾期风险阈值为0.6，可以判断该目标用户标识对应的用户为高风险用户，则生成提示信息“您的逾期风险较高，系统将禁止您参与该任务”，并将该提示信息发送至高风险用户对应的用户设备处，以提示该用户无法参与所述指定任务，例如禁止其在某段时间内申请贷款。
在本实施例中，获取目标用户标识对应的用户设备关系图，对未完成指定任务的介质节点进行滤除，并基于所述用户设备关系图，获取每个介质节点连接的所有相关设备节点对应的用户设备中逾期设备的逾期率，再获取所述每个介质节点对应的置信度分值，最后基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述目标用户标识对应的逾期风险分值，并且根据逾期风险分值为所述目标用户标识对应的用户分配所述指定任务。如此，可以实现对逾期风险预测进行量化，为指定任务的分配提供了参考，并且基于参考了与目标用户标识相关的多种介质节点对应的逾期率，进行逾期风险预测，提升了逾期风险预测的准确性，另外，预测逾期风险时，还获取每个介质节点对应的置信度分值，作为各个介质节点的风险预测的参考，进一步提升了逾期风险预测的准确性，从而可以准确地确定是否为用户分配指定任务，避免用户的逾期风险带来的影响。
请参照图5，图5为本申请再一实施例提供的一种风险预测方法的流程示意图。下面将结合图5对本申请实施例提供的风险预测方法进行详细阐述。该风险预测方法可以包括以下步骤：
步骤S510：获取目标用户标识对应的用户设备关系图，所述用户设备关系图包括目标用户标识对应的目标设备节点、多个相关设备节点以及多个介质节点，所述介质节点与所述目标用户标识的用户设备的设备标签对应，每个相关设备节点通过其对应的介质节点与所述目标设备节点连接。
在本申请实施例中，步骤S510可以参阅前述实施例中步骤S110的内容，在此不再赘述。
步骤S520：获取所述每个介质节点连接的所有相关设备节点中的指定设备节点的数量，作为第二数量，其中，所述指定设备节点为已完成过所述指定任务的设备对应的相关设备节点。
在本实施例中，仍以指定任务为通过APP31进行贷款，已完成过指定任务的设备可以是在指定还款期限日已经还款的设备和在指定还款期限日未完成还款的设备。示例性地，设备25和设备26均在2020年10月1日通过APP31向银行申请贷款，设备27在2020年10月30日通过APP31向银行申请贷款，指定还款期限日为申请贷款日累加30天的日期，即，设备25和设备26需要在2020年10月31日之前向银行还款，设备27需要再2020年11月19日向银行还款，因此，若获取已完成过所述指定任务的设备的日期为2020年11月22日，则设备25和设备26都可以作为已完成指定任务的设备对应的相关设备节点，即指定节点，由于设备27的指定还款期限日还未到，设备27还未完成指定任务，因此不能视为指定设备节点，对应的，针对该例子获取的指定节点的数量则为2个，即第二数量为2。
步骤S530：根据所述每个介质节点对应的第二数量，从所有介质节点中滤除目标介质节点，其中，所述目标介质节点对应的所述第二数量小于预设数量。
进一步地，判断每个介质节点对应的第二数量是否小于预设数量，若判断结果为是，则将第二数量小于预设数量的目标介质节点进行滤除，例如，若第二数量为2，预设数量为5，对应地，将给第二数量对应的介质节点作为目标介质节点进行滤除，可以理解，第二数量越小，代表该介质节点在预测风险的过程中的作用较小，如果将该介质引入到风险预测的过程中，则会导致风险预测的结果不准确，因此需要对该目标介质节点进行过滤。
步骤S540：基于所述用户设备关系图，获取每个介质节点连接的所有相关设备节点对应的用户设备中逾期设备的逾期率，所述逾期设备为完成指定任务时出现逾期的用户设备。
步骤S550：获取所述每个介质节点对应的置信度分值。
步骤S560：基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述目标用户标识对应的逾期风险分值，所述逾期风险分值用于为所述目标用户标识对应的用户分配所述指定任务。
步骤S570：判断所述目标用户标识对应的所述逾期风险分值是否大于预设逾期风险阈值。
步骤S580：若否，则为所述目标用户标识对应的用户分配所述指定任务。
步骤S590：若是，生成提示信息，并将所述提示信息发送至所述目标用户标识的用户设备，所述提示信息用于提示用户无法参与所述指定任务。
在本申请实施例中，步骤S540-步骤S590可以参阅前述实施例中步骤S320-步骤S390的内容，在此不再赘述。
在本实施例中，获取目标用户标识对应的用户设备关系图，对未完成指定任务的介质节点进行滤除，并基于所述用户设备关系图，获取每个介质节点连接的所有相关设备节点对应的用户设备中逾期设备的逾期率，再获取所述每个介质节点对应的置信度分值，最后基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述目标用户标识对应的逾期风险分值，并且根据逾期风险分值为所述目标用户标识对应的用户分配所述指定任务。如此，可以实现对逾期风险预测进行量化，为指定任务的分配提供了参考，并且基于参考了与目标用户标识相关的多种介质节点对应的逾期率，进行逾期风险预测，提升了逾期风险预测的准确性，另外，预测逾期风险时，还获取每个介质节点对应的置信度分值，作为各个介质节点的风险预测的参考，进一步提升了逾期风险预测的准确性，从而可以准确地确定是否为用户分配指定任务，避免用户的逾期风险带来的影响。
请参照图6，其中示出了本方案的实现流程图。
其中，通过噪音过滤对传播介质进行挑选，将不符合的噪音传播介质过滤丢弃掉，相当于上述方案中的将目标用户标识的用户设备的设备标签与预设设备标签进行匹配，与预设设备标签匹配的设备标签，作为目标设备标签，并将目标设备标签作为符合要求的传播介质，可以理解，将不与预设设备标签匹配的设备标签滤除丢弃；计算符合要求的传播介质的传播至相当于上述方案中的计算每个介质节点对应的逾期率；通过置信度对传播介质进行过滤相当于上述方案中的获取所述每个介质节点连接的所有相关设备节点中的指定设备节点的数量，作为第二数量，根据所述每个介质节点对应的第二数量，从所有介质节点中滤除目标介质节点，其中，目标介质节点即为不符合要求的传播介质；计算折损函数相当于上述方案中的基于所述每个介质节点对应的逾期率，获取目标用户标识对应的每种介质节点对应的逾期风险分值；根据传播模型预测风险得分，相当于上述方案中的基于每个介质节点对应的所述逾期率，以及每个介质节点对应的置信度分值，获取目标用户标识对应的逾期风险分值；最终的风险传播分则相当于上述方案中最终获取到的逾期风险分值。
请参照图7，其中示出了本申请实施例提供的一种风险预测装置700的结构框图。该装置700可以包括：设备关系图获取模块710、逾期率获取模块720、置信度分值获取模块730和逾期风险分值获取模块740。
设备关系图获取模块710用于获取目标用户标识对应的用户设备关系图，所述用户设备关系图包括目标用户标识对应的目标设备节点、多个相关设备节点以及多个介质节点，所述介质节点与所述目标用户标识的用户设备对应的设备标签对应，每个相关设备节点通过其对应的介质节点与所述目标设备节点连接。
逾期率获取模块720用于基于所述用户设备关系图，获取每个介质节点连接的所有相关设备节点对应的用户设备中逾期设备的逾期率，所述逾期设备为完成指定任务时出现逾期的用户设备。
置信度分值获取模块730用于获取所述每个介质节点对应的置信度分值。
逾期风险分值获取模块740用于基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述目标用户标识对应的逾期风险分值，所述逾期风险分值用于为所述目标用户标识对应的用户分配所述指定任务。
作为一种实施方式，设备关系图获取模块710可以具体用于：获取所述目标用户标识的用户设备的设备标签，以及所述目标用户标识对应的相关设备的设备标签，所述设备标签用于表征设备的设备特征；基于所述目标用户标识的用户设备的设备标签，以及所述目标用户标识对应的相关设备的设备标签，并以所述目标用户的用户设备作为所述目标设备节点，以及以所述相关设备作为相关设备节点，生成所述目标用户标识对应的用户设备关系图。
在该方式下，设备关系图获取模块710还可以用于：将所述目标用户标识的用户设备的设备标签与预设设备标签进行匹配，其中，所述预设设备标签与所述指定任务对应；根据匹配结果，从所述目标用户标识的用户设备的设备标签中，获取与所述预设设备标签匹配的设备标签，作为目标设备标签。
设备关系图获取模块710基于所述目标用户标识的用户设备的设备标签，以及所述目标用户标识对应的相关设备的设备标签，并以所述目标用户的用户设备作为所述目标设备节点，以及以所述相关设备作为相关设备节点，生成所述目标用户标识对应的用户设备关系图，可以包括：
基于所述目标用户标识的用户设备的所述目标设备标签，以及所述目标用户标识对应的相关设备的目标设备标签，并以所述目标用户的用户设备作为所述目标设备节点，以及以所述相关设备作为相关设备节点，生成所述目标用户标识对应的用户设备关系图。
在一些实施方式中，置信度分值获取模块730可以具体用于：获取所述每个介质节点连接的所有相关设备节点中的指定设备节点的数量，作为第一数量，其中，所述指定设备节点为已完成过所述指定任务的设备对应的相关设备节点；基于预设介质节点参数值以及所述每个介质节点对应的所述第一数量，获取所述每个介质节点对应的置信度分值。
在该方式下，置信度分值获取模块730基于预设介质节点参数值以及所述每个介质节点对应的所述第一数量，获取所述每个介质节点对应的置信度分值，可以包括：获取所述预设介质节点参数值与每个所述第一数量的比值对应的相反数，得到所述每个介质节点对应的目标参数值；将所述每个介质节点对应的所述目标参数值作为自变量，获取预设指数函数的函数值，得到所述每个介质节点对应的置信度分值，所述预设指数函数的底数数值大于1。
在一些实施方式中，逾期风险分值获取模块740可以具体用于：基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述每个介质节点对应的逾期风险分值；基于所述每个介质节点对应的权重，以及所述每个介质节点对应的逾期风险分值，获得所述目标用户标识对应的逾期风险分值。
在一些实施方式中，风险预测装置700还可以包括：介质过滤模块。介质过滤模块可以用于：在所述基于所述用户设备关系图，获取每个介质节点连接的所有相关设备节点对应的用户设备中逾期设备的逾期率之前，获取所述每个介质节点连接的所有相关设备节点中的指定设备节点的数量，作为第二数量，其中，所述指定设备节点为已完成过所述指定任务的设备对应的相关设备节点；根据所述每个介质节点对应的第二数量，从所有介质节点中滤除目标介质节点，其中，所述目标介质节点对应的所述第二数量小于预设数量。
在一些实施方式中，风险预测装置700还可以包括：风险判断模块以及任务分配模块。风险判断模块用于在所述获取所述目标用户标识对应的所述逾期风险分值之后，判断所述目标用户标识对应的所述逾期风险分值是否大于预设逾期风险阈值；任务分配模块用于所述逾期风险分值不大于所述预设逾期风险阈值时，则为所述目标用户标识对应的用户分配所述指定任务。
在该方式下，风险预测装置700还可以包括：信息提示模块。信息提示模块用于所述逾期风险分值大于所述预设逾期风险阈值时，生成提示信息，并将所述提示信息发送至所述目标用户标识的用户设备，所述提示信息用于提示用户无法参与所述指定任务。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，模块相互之间的耦合可以是电性，机械或其它形式的耦合。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
综上所述，本申请实施例提供的方案中，通过获取目标用户标识对应的用户设备关系图，并基于所述用户设备关系图，获取每个介质节点连接的所有相关设备节点对应的用户设备中逾期设备的逾期率，再获取所述每个介质节点对应的置信度分值，最后基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述目标用户标识对应的逾期风险分值，并且根据逾期风险分值为所述目标用户标识对应的用户分配所述指定任务。如此，可以基于与目标用户标识相关的每个介质节点对应的逾期率，以及每个介质节点对应的置信度分值，来计算目标用户标识对应的逾期风险值，通过将该目标用户标识对应的目标用户的风险程度量化为具体的数值，并根据量化后的逾期风险值对目标用户标识对应的用户分配所述指定任务，实现了根据已经表现出来是否逾期的设备量化预测风险还未知的目标用户标识对应的目标设备的风险程度。
下面将结合图8对本申请提供的一种电子设备进行说明。
基于上述的风险预测方法和装置，本申请实施例提供了一种可以执行前述风险预测方法的服务器800，服务器800可以为传统服务器、云服务器等，在此不做限定。参照图8，图8示出了本申请实施例提供的一种电子设备800的结构框图，本申请实施例提供的风险预测方法可以由该电子设备800执行。
本申请实施例中的服务器800可以包括一个或多个如下部件：处理器801、存储器802、以及一个或多个应用程序，其中一个或多个应用程序可以被存储在存储器802中并被配置为由一个或多个处理器801执行，一个或多个程序配置用于执行如前述方法实施例所描述的方法。
处理器801可以包括一个或者多个处理核。处理器801利用各种接口和线路连接整个服务器800内的各个部分，通过运行或执行存储在存储器802内的指令、程序、代码集或指令集，以及调用存储在存储器802内的数据，执行服务器800的各种功能和处理数据。可选地，处理器801可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器801可集成中央处理器(CentralProcessing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器801中，单独通过一块通信芯片进行实现。
存储器802可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。存储器802可用于存储指令、程序、代码、代码集或指令集。存储器802可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储服务器800在使用中所创建的数据(比如上述的各种对应关系)等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，所显示或讨论的模块相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
请参考图9，其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读介质900中存储有程序代码，所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质900可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地，计算机可读存储介质900包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质900具有执行上述方法中的任何方法步骤的程序代码910的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码910可以例如以适当形式进行压缩。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (12)

1.一种风险预测方法，其特征在于，所述方法包括：
获取目标用户标识对应的用户设备关系图，所述用户设备关系图包括目标用户标识对应的目标设备节点、多个相关设备节点以及多个介质节点，所述介质节点与所述目标用户标识的用户设备的设备标签对应，每个相关设备节点通过其对应的介质节点与所述目标设备节点连接；
基于所述用户设备关系图，获取每个介质节点连接的所有相关设备节点对应的用户设备中逾期设备的逾期率，所述逾期设备为完成指定任务时出现逾期的用户设备；
获取所述每个介质节点对应的置信度分值；
基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述目标用户标识对应的逾期风险分值，所述逾期风险分值用于为所述目标用户标识对应的用户分配所述指定任务。
2.根据权利要求1所述的方法，其特征在于，在所述获取所述目标用户标识对应的所述逾期风险分值之后，所述方法还包括：
判断所述目标用户标识对应的所述逾期风险分值是否大于预设逾期风险阈值；
若否，则为所述目标用户标识对应的用户分配所述指定任务。
3.根据权利要求2所述的方法，其特征在于，在所述判断所述目标用户标识对应的所述逾期风险分值是否大于预设逾期风险阈值之后，所述方法还包括：
若是，生成提示信息，并将所述提示信息发送至所述目标用户标识的用户设备，所述提示信息用于提示用户无法参与所述指定任务。
4.根据权利要求1所述的方法，其特征在于，所述获取所述每个介质节点对应的置信度分值，包括：
获取所述每个介质节点连接的所有相关设备节点中的指定设备节点的数量，作为第一数量，其中，所述指定设备节点为已完成过所述指定任务的设备对应的相关设备节点；
基于预设介质节点参数值以及所述每个介质节点对应的所述第一数量，获取所述每个介质节点对应的置信度分值。
5.根据权利要求4所述的方法，其特征在于，所述基于预设介质节点参数值以及所述每个介质节点对应的所述第一数量，获取所述每个介质节点对应的置信度分值，包括：
获取所述预设介质节点参数值与每个所述第一数量的比值对应的相反数，得到所述每个介质节点对应的目标参数值；
将所述每个介质节点对应的所述目标参数值作为自变量，获取预设指数函数的函数值，得到所述每个介质节点对应的置信度分值，所述预设指数函数的底数数值大于1。
6.根据权利要求1所述的方法，其特征在于，所述获取目标用户标识对应的用户设备关系图，包括：
获取所述目标用户标识的用户设备的设备标签，以及所述目标用户标识对应的相关设备的设备标签，所述设备标签用于表征设备的设备特征；
基于所述目标用户标识的用户设备的设备标签，以及所述目标用户标识对应的相关设备的设备标签，并以所述目标用户的用户设备作为所述目标设备节点，以及以所述相关设备作为相关设备节点，生成所述目标用户标识对应的用户设备关系图。
7.根据权利要求6所述的方法，其特征在于，在所述获取所述目标用户标识的用户设备的设备标签，以及所述目标用户标识对应的相关设备的设备标签之后，所述方法还包括：
将所述目标用户标识的用户设备的设备标签与预设设备标签进行匹配，其中，所述预设设备标签与所述指定任务对应；
根据匹配结果，从所述目标用户标识的用户设备的设备标签中，获取与所述预设设备标签匹配的设备标签，作为目标设备标签；
所述基于所述目标用户标识的用户设备的设备标签，以及所述目标用户标识对应的相关设备的设备标签，并以所述目标用户的用户设备作为所述目标设备节点，以及以所述相关设备作为相关设备节点，生成所述目标用户标识对应的用户设备关系图，包括：
基于所述目标用户标识的用户设备的所述目标设备标签，以及所述目标用户标识对应的相关设备的目标设备标签，并以所述目标用户的用户设备作为所述目标设备节点，以及以所述相关设备作为相关设备节点，生成所述目标用户标识对应的用户设备关系图。
8.根据权利要求1所述的方法，其特征在于，在所述基于所述用户设备关系图，获取每个介质节点连接的所有相关设备节点对应的用户设备中逾期设备的逾期率之前，所述方法还包括：
获取所述每个介质节点连接的所有相关设备节点中的指定设备节点的数量，作为第二数量，其中，所述指定设备节点为已完成过所述指定任务的设备对应的相关设备节点；
根据所述每个介质节点对应的第二数量，从所有介质节点中滤除目标介质节点，其中，所述目标介质节点对应的所述第二数量小于预设数量。
9.根据权利要求1-8任一项所述的方法，其特征在于，所述基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述目标用户标识对应的逾期风险分值，包括：
基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述每个介质节点对应的逾期风险分值；
基于所述每个介质节点对应的权重，以及所述每个介质节点对应的逾期风险分值，获得所述目标用户标识对应的逾期风险分值。
10.一种风险预测装置，其特征在于，所述装置包括：
设备关系图获取模块，用于获取目标用户标识对应的用户设备关系图，所述用户设备关系图包括目标用户标识对应的目标设备节点、多个相关设备节点以及多个介质节点，所述介质节点与所述目标用户标识的用户设备对应的设备标签对应，每个相关设备节点通过其对应的介质节点与所述目标设备节点连接；
逾期率获取模块，用于基于所述用户设备关系图，获取每个介质节点连接的所有相关设备节点对应的用户设备中逾期设备的逾期率，所述逾期设备为完成指定任务时出现逾期的用户设备；
置信度分值获取模块，用于获取所述每个介质节点对应的置信度分值；
逾期风险分值获取模块，用于基于所述每个介质节点对应的所述逾期率，以及所述每个介质节点对应的置信度分值，获取所述目标用户标识对应的逾期风险分值，所述逾期风险分值用于为所述目标用户标识对应的用户分配所述指定任务。
11.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器；
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行如权利要求1-9中任意一项所述的方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1-9中任意一项所述的方法。
CN202011444099.6A 2020-12-08 2020-12-08 风险预测方法、装置、电子设备及存储介质 Withdrawn CN112465629A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011444099.6A CN112465629A (zh) 2020-12-08 2020-12-08 风险预测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011444099.6A CN112465629A (zh) 2020-12-08 2020-12-08 风险预测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112465629A true CN112465629A (zh) 2021-03-09

Family

ID=74802044

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011444099.6A Withdrawn CN112465629A (zh) 2020-12-08 2020-12-08 风险预测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112465629A (zh)

Similar Documents

Publication Publication Date Title
US10691494B2 (en) Method and device for virtual resource allocation, modeling, and data prediction
CN110619065A (zh) 资源调度业务处理方法、装置、计算机设备和存储介质
CN110991789B (zh) 置信区间的确定方法和装置、存储介质及电子装置
CN112231592A (zh) 基于图的网络社团发现方法、装置、设备以及存储介质
CN110807129A (zh) 多层用户关系图集合的生成方法、装置及电子设备
CN116468444A (zh) 一种消费预警方法、系统、设备和存储介质
CN109377347B (zh) 基于特征选择的网络信用预警方法、系统及电子设备
CN111061948A (zh) 一种用户标签推荐方法、装置、计算机设备及存储介质
CN113760521A (zh) 一种虚拟资源的分配方法和装置
CN111461871A (zh) 额度控制方法、装置、设备与计算机可读存储介质
CN112465629A (zh) 风险预测方法、装置、电子设备及存储介质
CN116860470A (zh) 数据传输方法、装置、计算机设备和存储介质
CN115914363A (zh) 消息推送方法、装置、计算机设备和存储介质
CN114925275A (zh) 产品推荐方法、装置、计算机设备及存储介质
CN114186831A (zh) 一种应用迁移学习进行个人信用风险预测方法及系统
CN114240605A (zh) 贷款测算方法、装置、计算机设备和存储介质
WO2019218668A1 (zh) 配送范围的确定
CN112966968A (zh) 一种基于人工智能的名单分配方法及相关设备
CN111461863A (zh) 数据处理方法、装置、计算机设备及存储介质
CN113822490B (zh) 基于人工智能的资产清收方法及装置、电子设备
CN113705682B (zh) 用户行为特征的处理方法及装置
CN113450124B (zh) 基于用户行为的外呼方法、装置、电子设备及介质
CN117391490A (zh) 金融业务的评价信息处理方法、装置和计算机设备
CN117494226A (zh) 基于区块链的资源管理方法以及装置
CN117035843A (zh) 客户流失的预测方法、装置、电子设备和介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210730

Address after: 518052 2501, office building T2, Qianhai China Resources Financial Center, 55 guiwan 4th Road, Nanshan street, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen City, Guangdong Province

Applicant after: Shenzhen Huantai Digital Technology Co.,Ltd.

Address before: 518057 Fuan Science and Technology Building, Block B, No. 13, Yuehai Street, Nanshan District, Shenzhen City, Guangdong Province, 207-2

Applicant before: Shenzhen Huantai Technology Co.,Ltd.

Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd.

WW01 Invention patent application withdrawn after publication

Application publication date: 20210309