CN113220749A - 业务数据的处理方法、装置和电子设备 - Google Patents
业务数据的处理方法、装置和电子设备 Download PDFInfo
- Publication number
- CN113220749A CN113220749A CN202110572863.6A CN202110572863A CN113220749A CN 113220749 A CN113220749 A CN 113220749A CN 202110572863 A CN202110572863 A CN 202110572863A CN 113220749 A CN113220749 A CN 113220749A
- Authority
- CN
- China
- Prior art keywords
- service data
- preset number
- statistics
- statistic
- principal component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title description 10
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 50
- 230000008859 change Effects 0.000 claims abstract description 33
- 239000013598 vector Substances 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 description 11
- 230000009286 beneficial effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000000513 principal component analysis Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Technology Law (AREA)
- Algebra (AREA)
- Fuzzy Systems (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供了一种业务数据的处理方法、装置和电子设备,在确定目标对象所属的类型时,可以先获取目标对象的业务数据;其中,业务数据中包括第一预设数量个维度的特征;并确定业务数据在第一预设数量个维度的特征中,各维度的特征对应的第一主元方向上的统计量;鉴于统计量用于描述业务数据在主元方向上的变化情况,这样根据业务数据在各第一主元方向上的统计量,从第一预设数量个主元中确定出的统计量大于预设阈值的第二主元,均为对于业务数据特征的选择较为重要的第二主元,因此,在根据业务数据在各较为重要的第二主元方向上的统计量,确定目标对象所属的类型时,可以有效地提高确定结果的准确度。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种业务数据的处理方法、装置和电子设备。
背景技术
目前,越来越多的业务可通过线上办理,很多服务方都设置有用户端,用户可以通过用户端办理相关业务。以用户端掌上银行为例,越来越多的用户使用掌上银行办理投资理财、信用卡还款和ETC等交易,极大地方便了用户。
根据用户在掌上银行上的操作,可以采集用户的业务数据,若根据业务数据可以确定出用户的类型,例如,活跃用户或者非活跃用户,则可以根据用户的类型,有针对性地实施优化、营销等措施来拓展用户。
因此,如何根据业务数据可以确定用户的类型,是本领域技术人员亟待解决的问题。
发明内容
本申请实施例提供了一种业务数据的处理方法、装置和电子设备,可以根据用户的业务数据确定用户所属的类型,且提高了确定结果的准确度。
第一方面,本申请实施例提供了一种业务数据的处理方法,该业务数据的处理方法可以包括:
获取目标对象的业务数据;其中,所述业务数据中包括第一预设数量个维度的特征。
确定所述业务数据在所述第一预设数量个维度的特征中,各维度的特征对应的第一主元方向上的统计量;其中,统计量用于描述业务数据在主元方向上的变化情况。
根据所述业务数据在各第一主元方向上的统计量,从第一预设数量个主元中确定统计量大于预设阈值的第二预设数量个第二主元;其中,所述第二预设数量小于所述第一预设数量。
根据所述业务数据在各第二主元方向上的统计量,确定所述目标对象所属的类型。
在一种可能的实现方式中,所述根据所述业务数据在各第二主元方向上的统计量,确定所述目标对象所属的类型,包括:
根据贝叶斯推理计算方法,对所述业务数据在各第二主元方向上的统计量进行加权融合,得到所述业务数据在主元空间上对应的目标统计量;其中,所述主元空间中包括所述各维度的特征对应的第一主元方向。
根据所述目标统计量确定所述目标对象所属的类型。
在一种可能的实现方式中,所述确定所述业务数据在所述第一预设数量个维度的特征中,各维度的特征对应的第一主元方向上的统计量,包括:
针对各第一主元方向,确定所述业务数据的采集时间点之前,距离所述采集时间点最近采集的所述目标对象的第三预设数量个历史业务数据中,各历史业务数据在所述第一主元方向上的统计量。
确定所述业务数据在所述第一主元方向上的初始统计量。
根据所述各历史业务数据在所述第一主元方向上的统计量,和所述初始统计量,确定所述业务数据在所述第一主元方向上的统计量。
在一种可能的实现方式中,所述根据所述各历史业务数据在所述第一主元方向上的统计量,和所述初始统计量,确定所述业务数据在所述第一主元方向上的统计量,包括:
对所述各历史业务数据在所述第一主元方向上的统计量,和所述初始统计量进行加权平均。
根据加权平均结果,确定所述业务数据在所述第一主元方向上的统计量。
在一种可能的实现方式中,所述业务数据的处理方法还包括:
根据所述第一预设数量个维度的特征,构建所述各维度的特征对应的负载向量。
根据所述业务数据分别和所述各维度的特征对应的负载向量,确定所述各维度的特征对应的第一主元。
在一种可能的实现方式中,所述获取目标对象的业务数据,包括:
获取所述目标对象的初始业务数据;所述初始业务数据中包括所述第一预设数量个维度的初始特征。
对所述第一预设数量个维度的初始特征进行归一化处理,得到所述目标对象的业务数据。
第二方面,本申请实施例还提供了一种业务数据的处理装置,该业务数据的处理装置可以包括:
获取单元,用于获取目标对象的业务数据;其中,所述业务数据中包括第一预设数量个维度的特征。
处理单元,用于确定所述业务数据在所述第一预设数量个维度的特征中,各维度的特征对应的第一主元方向上的统计量;其中,统计量用于描述业务数据在主元方向上的变化情况。
确定单元,用于根据所述业务数据在各第一主元方向上的统计量,从第一预设数量个主元中确定统计量大于预设阈值的第二预设数量个第二主元。其中,所述第二预设数量小于所述第一预设数量;并根据所述业务数据在各第二主元方向上的统计量,确定所述目标对象所属的类型。
在一种可能的实现方式中,所述确定单元,具体用于根据贝叶斯推理计算方法,对所述业务数据在各第二主元方向上的统计量进行加权融合,得到所述业务数据在主元空间上对应的目标统计量;并根据所述目标统计量确定所述目标对象所属的类型;其中,所述主元空间中包括所述各维度的特征对应的第一主元方向。
在一种可能的实现方式中,所述处理单元,具体用于针对各第一主元方向,确定所述业务数据的采集时间点之前,距离所述采集时间点最近采集的所述目标对象的第三预设数量个历史业务数据中,各历史业务数据在所述第一主元方向上的统计量;并确定所述业务数据在所述第一主元方向上的初始统计量;再根据所述各历史业务数据在所述第一主元方向上的统计量,和所述初始统计量,确定所述业务数据在所述第一主元方向上的统计量。
在一种可能的实现方式中,所述处理单元,具体用于对所述各历史业务数据在所述第一主元方向上的统计量,和所述初始统计量进行加权平均;根据加权平均结果,确定所述业务数据在所述第一主元方向上的统计量。
在一种可能的实现方式中,所述处理单元,还用于根据所述第一预设数量个维度的特征,构建所述各维度的特征对应的负载向量;并根据所述业务数据分别和所述各维度的特征对应的负载向量,确定所述各维度的特征对应的第一主元。
在一种可能的实现方式中,所述获取单元,具体用于获取所述目标对象的初始业务数据;所述初始业务数据中包括所述第一预设数量个维度的初始特征;对所述第一预设数量个维度的初始特征进行归一化处理,得到所述目标对象的业务数据。
第三方面,本申请实施例还提供了一种电子设备,该电子设备可以包括处理器和存储器;其中,
所述存储器,用于存储计算机程序。
所述处理器,用于读取所述存储器存储的计算机程序,并根据所述存储器中的计算机程序执行上述第一方面任一种可能的实现方式所述的业务数据的处理方法。
第四方面,本申请实施例还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计算机执行指令,当处理器执行所述计算机执行指令时,实现上述第一方面任一种可能的实现方式所述的业务数据的处理方法。
第五方面,本申请实施例还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时,实现上述第一方面任一种可能的实现方式所述的业务数据的处理方法。
由此可见,本申请实施例提供的业务数据的处理方法、装置和电子设备,在确定目标对象所属的类型时,可以先获取目标对象的业务数据;其中,业务数据中包括第一预设数量个维度的特征;并确定业务数据在第一预设数量个维度的特征中,各维度的特征对应的第一主元方向上的统计量;鉴于统计量用于描述业务数据在主元方向上的变化情况,这样根据业务数据在各第一主元方向上的统计量,从第一预设数量个主元中确定出的统计量大于预设阈值的第二主元,均为对于业务数据特征的选择较为重要的第二主元,因此,在根据业务数据在各较为重要的第二主元方向上的统计量,确定目标对象所属的类型时,可以有效地提高确定结果的准确度。
附图说明
图1为本申请实施例提供的一种PCA的示意图;
图2为本申请实施例提供的一种业务数据的处理方法的流程示意图;
图3为本申请实施例提供的一种业务数据的处理装置的结构示意图;
图4为本申请实施例提供的一种电子设备的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本发明的实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。在本发明的文字描述中,字符“/”一般表示前后关联对象是一种“或”的关系。
本申请实施例提供的技术方案可以应用于信息推送场景中。在进行信息推送时,为了提高信息推送的准确度,通常需要对用户进行画像,并根据画像结果有针对性地向用户推送相关业务。以推送银行相关业务为例,在向用户推送相关业务时,例如投资理财、信用卡还款和ETC等交易等,若能根据用户的业务数据识别出用户的类型,例如,活跃用户或者非活跃用户,则可以根据用户的类型,有针对性地实施优化、营销等措施来拓展用户。
因此,如何根据业务数据可以识别出用户的类型,是本领域技术人员亟待解决的问题。
通常情况下,在根据用户的业务数据识别用户的类型时,可以采用主元分析(Principal Components Analysis,PCA)法。主元分析方法的基本思路是:通过坐标投影变换寻找一组新变量来代替原变量,新变量是原变量的线性组合。从优化的角度看,新变量的个数要比原变量少,并且最大限度地携带原变量的有用信息,且新变量之间互不相关。从代数的观点来看,主元是某几个特定变量间的线性组合。从几何的角度看,这些线性组合是通过对坐标轴旋转得到,示例的,请参见1所示,图1为本申请实施例提供的一种PCA的示意图,图1中主元的方向表示方差变异性最大的方向,并且提供了一个更简单的协方差结构的描述;其中,图1所示的x1和x2组成的坐标轴为旋转前的坐标轴,t1和t2组成的坐标轴为旋转后的坐标轴。
具体过程为:先获取用户的业务数据,若业务数据中包括a个维度的特征,则根据a个维度的特征各自对应的主元构建主元空间,并根据主元累积贡献率(cumulativepercent variance,CPV),从a个维度的特征各自对应的主元中选择出CPV值最大的前b个主元,再用b个主元对应的特征值矩阵确定业务数据在主元空间上的统计量T2,并用后a-b个主元对应的特征值矩阵确定Q,Q表示数理统计指标,统计量T2和Q判断用户是否为活跃用户,若统计量T2和Q中存在某一个值大于其各自对应的阈值,则确定该用户为活跃用户,相反的,若统计量T2和Q均小于其各自对应的阈值,则确定该用户为非活跃用户,从而完成对用户类型的识别。
但是,采用现有的方法,在识别用户的类型时,鉴于CPV的取值,并不能准确地描述特征的变化情况,因为,通过CPV的取值,从a个维度的特征各自对应的主元中筛选得到的主元包含了无效的主元,并不能准确地描述用户的特征,使得后续基于筛选出的主元对应的特征值矩阵,识别用户的类型时,会导致识别结果的准确度较低。
为了提高识别结果的准确度,鉴权业务数据在主元方向上的统计量,可以准确地描述特征的变化情况,因此,可以考虑根据业务数据在各个维度的特征对应的主元方向上的统计量,从a个维度的特征各自对应的主元中选择出b个主元,再根据选择出的业务数据在b个主元中各个主元方向上的统计量,识别出用户的类型,这样不但可以根据业务数据识别出用户的类型,而且可以提高识别结果的准确度。
基于上述技术构思,本申请实施例提供了一种业务数据的处理方法,下面,将通过具体的实施例对本申请提供的业务数据的处理方法进行详细地说明。可以理解的是,下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本申请实施例提供的一种业务数据的处理方法的流程示意图,该业务数据的处理方法可以由软件和/或硬件装置执行,例如,该硬件装置可以为业务数据的处理装置。示例的,请参见图2所示,该业务数据的处理方法可以包括:
S201、获取目标对象的业务数据;其中,业务数据中包括第一预设数量个维度的特征。
示例的,特征可以包括用户的访问时间、登录次数、菜单使用情况、页面停留时间等信息,具体可以根据实际需要进行设置,在此,本申请实施例不做具体限制。
示例的,在获取目标对象的业务数据时,可以先获取目标对象的初始业务数据;初始业务数据中包括第一预设数量个维度的初始特征,鉴于不同维度的初始特征的取值范围不同,因此,为了便于计算,可以对第一预设数量个维度的初始特征进行归一化处理,得到目标对象的业务数据,这样归一化处理过后的业务数的取值范围可以保持一致。示例的,在对第一预设数量个维度的初始特征进行归一化处理时,可以采用均值方差的方式对初始特征进行归一化处理,当然,也可以采用其它归一化处理方法,在此,本申请实施例只是以可以采用均值方差的方式对初始特征进行归一化处理为例进行说明,但并不代表本申请实施例仅局限于此。
在获取到包括第一预设数量个维度的特征的业务数据后,鉴权业务数据在主元方向上的统计量,可以准确地描述特征的变化情况,因此,可以计算业务数据在第一预设数量个维度的特征中,各维度的特征对应的第一主元方向上的统计量,即执行下述S202,这样就可以通过各第一主元方向上的统计量,实现对主元的筛选。
S202、确定业务数据在第一预设数量个维度的特征中,各维度的特征对应的第一主元方向上的统计量。
其中,统计量用于描述业务数据在主元方向上的变化情况。
可以理解的是,本申请实施例中,在确定业务数据在各维度的特征对应的第一主元方向上的统计量时,鉴于业务数据在各维度的特征对应的第一主元方向上的统计量的确定方法类似,为了避免赘述,下面,将以业务数据在任一个维度的特征对应的第一主元方向上的统计量为例,对如何确定业务数据在第一预设数量个维度的特征中,各维度的特征对应的第一主元方向上的统计量进行详细描述。
示例的,在确定业务数据在第一主元方向上的统计量时,为了提高计算得到的业务数据在第一主元方向上的准确度,可以考虑在当前的业务数据在该第一主元方向上的初始统计量的基础上,结合之前采集的目标对象的历史业务数据在该第一主元方向上的统计量,这样可以进一步提高计算得到的业务数据在第一主元方向上的准确度。
具体过程为:可以先确定业务数据的采集时间点之前,距离采集时间点最近采集的目标对象的第三预设数量个历史业务数据中,各历史业务数据在第一主元方向上的统计量;并确定业务数据在第一主元方向上的初始统计量;再根据各历史业务数据在第一主元方向上的统计量,和初始统计量共同确定业务数据在第一主元方向上的统计量,即结合之前采集的目标对象的历史业务数据在该第一主元方向上的统计量,这样可以进一步提高计算得到的业务数据在第一主元方向上的准确度。
示例的,在根据各历史业务数据在第一主元方向上的统计量,和初始统计量,确定业务数据在第一主元方向上的统计量时,可以对各历史业务数据在第一主元方向上的统计量,和初始统计量进行加权平均,并根据加权平均结果,确定业务数据在第一主元方向上的统计量,这样结合之前采集的目标对象的历史业务数据在该第一主元方向上的统计量,并根据各历史业务数据在第一主元方向上的统计量,和初始统计量的加权平均结果,确定业务数据在第一主元方向上的统计量,进一步提高了计算得到的业务数据在第一主元方向上的准确度。
示例的,在根据加权平均确定业务数据在第一主元方向上的统计量时,可以直接将加权平均处理结果确定为业务数据在第一主元方向上的统计量,也可以对加权平均处理结果做一定的处理,例如,四舍五入或者取整处理等,具体可以根据实际需要进行设置。
可以理解的是,在确定业务数据在各维度的特征对应的第一主元方向上的统计量之前,通常需要先确定各维度的特征对应的第一主元。示例的,在确定各维度的特征对应的第一主元时,可以先根据第一预设数量个维度的特征,构建各维度的特征对应的负载向量;并根据业务数据分别和各维度的特征对应的负载向量,确定各维度的特征对应的第一主元,这样在确定出各维度的特征对应的第一主元之后,就可以在当前的业务数据在第一主元方向上的初始统计量的基础上,结合之前采集的目标对象的历史业务数据在该第一主元方向上的统计量,这样可以进一步提高计算得到的业务数据在第一主元方向上的准确度。
为了便于理解在本申请实施例中,如何确定业务数据在各维度的特征对应的第一主元方向上的统计量,假设通过上述S201获取到的业务数据包括m个维度的特征,且业务数据对应的业务数据矩阵可记为X,则业务数据矩阵X可以通过奇异值分解为m个向量的外积之和,如下述公式1
其中,p∈Rm表示负载向量,p1表示m个维度的特征中,第1个维度的特征对应的负载向量,p2表示m个维度的特征中,第2个维度的特征对应的负载向量,pm表示m个维度的特征中,第m个维度的特征对应的负载向量,t表示负载向量对应的得分向量,t1表示负载向量p1对应的得分向量,t2表示负载向量p2对应的得分向量,tm表示负载向量pm对应的得分向量,得分向量t也记为业务数据矩阵X中各维度的特征对应的第一主元。经过变换,上述公式1也可以表示为:
T=[t1,t2,…,tm]=XP 公式2
其中,T=[t1,t2,…,tm],是由m个负载向量对应的m个得分向量构成的得分矩阵,又可记为业务数据矩阵X对应的主元空间,即保留业务数据中100%的特征,P=[p1,p2,…,pm]称为负荷矩阵,针对主元空间T中的第i个第一主元,i的取值为1,2,…,m,则ti=Xpi,即第i个第一主元是根据业务数据矩阵X和第i个负载向量计算得到的。
在根据上述公式2分别计算得到m个第一主元中的每一个第一主元后,就可以计算业务数据在m个第一主元中,各第一主元方向上的统计量。以计算业务数据在第i个第一主元方向上的统计量为例,在计算业务数据在第i个第一主元方向上的统计量时,可以结合移动窗口内的第一主元方向上的统计量,具体过程为:先确定业务数据的采集时间点之前,距离采集时间点最近采集的目标对象的5个历史业务数据中,分别在该第i个第一主元方向上的统计量;并对的5个历史业务数据中,分别在该第i个第一主元方向上的统计量和当前的业务数据在该第i个第一主元方向上的初始统计量,进行加权平均,并可以将加权平均结果直接确定为业务数据在第i个第一主元方向上的统计量,从而计算得到业务数据在第i个第一主元方向上的统计量,具体可参见下述公式3:
其中,表示业务数据在第i个第一主元方向上的统计量,可用于描述业务数据在主元方向上的变化情况,j表示第三预设数量中的历史业务数据的序号,w表示选取的历史业务数据的第三预设数量,即窗口宽度,ti(w)表示序号为w的历史业务数据的第i个第一主元,λi表示第i个维度的特征的协方差矩阵所对应的特征值。
结合上述公式3分别计算得到业务数据在各第一主元方向上的统计量之后,由于统计量用于描述业务数据在主元方向上的变化情况,因此,可以进一步根据业务数据在各第一主元方向上的统计量,从第一预设数量个主元中确定变化情况较大的第二预设数量个第二主元,即执行下述S203:
S203、根据业务数据在各第一主元方向上的统计量,从第一预设数量个主元中确定统计量大于预设阈值的第二预设数量个第二主元;其中,第二预设数量小于第一预设数量。
可以理解的是,在本申请实施例中,第二预设数量个第二主元属于第一预设数量个第一主元,之所以用第一主元和第二主元描述,仅是为了区分筛选前的主元和筛选后的主元。
示例的,在根据业务数据在各第一主元方向上的统计量选择变化情况较大的第二主元时,可以直接从第一预设数量个主元中确定统计量大于预设阈值的第二预设数量个第二主元,变化情况较大,说明该第二主元对应的特征对于业务数据的重要程度越高,这样可以在一定程度上可以解决可用特征丢失或者是可用特征被淹没的问题。
当然,在根据业务数据在各第一主元方向上的统计量选择变化情况较大的第二主元时,也可以进一步根据业务数据在各第一主元方向上的统计量,计算业务数据在各第一主元方向上的变化率,并根据业务数据在各第一主元方向上的变化率,从第一预设数量个主元中确定变化情况较大的第二预设数量个第二主元。以计算业务数据在第i个第一主元方向上的变化率为例,可参见下述公式4:
在根据上述公式4确定出业务数据在第一主元方向上的变化率,变化率越大,说明业务数据在第一主元方向上的变化越大,该第一主元对于特征的选择较为重要,因此,可以将较大变化率对应的第一主元,确定为第二预设数量个第二主元,从而在第一预设数量个主元中筛选出变化情况较大的第二预设数量个第二主元。
可以理解的是,通常情况下,业务数据在某一第一主元方向上的统计量的值越大,则对应的计算出的业务数据在该第一主元方向上的变化率越大,即统计量的取值与变化率成正比例关系,因此,在确定出业务数据在第一主元方向上的统计量后,可以直接根据变化量的取值,从第一预设数量个主元中筛选出变化情况较大的第二预设数量个第二主元,也可以再进一步根据业务数据在第一主元方向上的统计量计算业务数据在该第一主元方向上的变化率,并根据变化量的取值从第一预设数量个主元中筛选出变化情况较大的第二预设数量个第二主元,具体可以根据实际需要进行设置。在本申请实施例中,是以直接根据变化量的取值,从第一预设数量个主元中筛选出变化情况较大的第二预设数量个第二主元为例进行说明,但并不代表本申请实施例仅局限于此。
在从第一预设数量个主元中确定统计量大于预设阈值的第二预设数量个第二主元后,就可以根据业务数据在各第二主元方向上的统计量,确定目标对象所属的类型,即执行下述S204:
S204、根据业务数据在各第二主元方向上的统计量,确定目标对象所属的类型。
示例的,在根据业务数据在各第二主元方向上的统计量,确定目标对象所属的类型时,可以根据贝叶斯推理计算方法,对业务数据在各第二主元方向上的统计量进行加权融合,得到业务数据在主元空间上对应的目标统计量;并根据目标统计量确定目标对象所属的类型,这样通过对业务数据在各第二主元方向上的统计量进行加权融合,并根据加权融合结果确定目标对象所属的类型,提高了确定结果的准确度。
示例的,在根据目标统计量确定目标对象所属的类型时,以类型包括活跃对象和非活跃对象为例,若目标统计量大于统计量阈值,则确定目标对象为活跃对象,若目标统计量小于统计量阈值,则确定目标对象为非活跃对象,从而确定出目标对象所属的类型。示例的,统计量阈值可以为离线建模得到的。示例的,在离线建模确定统计量阈值时,可以先采集过程正常运行状态下的业务数据作为离线样本数据,并对其进行均值方差标准化,并建立PCA监测模型,确定CPV为100%的所有主成分所在的主元空间T;保留累计方差贡献率为100%的主元,计算正常过程每个离线样本数据中的每个主元对应的统计量,并通过核密度估计(Kernel Density Estimation,KDE)估算得到统计量阈值。
通常情况下,在根据贝叶斯推理计算(Bayesian reasoning calculation,BIC)方法,对业务数据在各第二主元方向上的统计量进行加权融合,得到业务数据在主元空间上对应的目标统计量时,具体过程为:可以先对业务数据在各第二主元方向上的统计量进行平滑处理,再根据平滑处理结果,确定业务数据在主元空间上对应的目标统计量。
以第二预设数量为k个为例,即经过筛选得到k个第二主元,示例的,在对业务数据在k个第二主元中各第二主元方向上的统计量进行平滑处理时,以对业务数据在第i个第二主元方向上的统计量进行平滑处理为例,可以将业务数据在第i个第二主元方向上的统计量变化为一种条件概率的形式,可参见下述公式5和公式6所示:
其中,表示目标对象所属的类型为非活跃对象的条件下,业务数据在第i个第二主元方向上的统计量的概率表示,表示在根据统计量选择k个第二主元时采用的预设阈值,表示目标对象所属的类型为活跃对象的条件下,业务数据在第i个第二主元方向上的统计量的概率表示。
在转换得到上述两个条件概率后,可以根据这两个条件概率,进一步计算确定业务数据在第i个第二主元方向上对应的后验概率,可参见下述公式7:
其中,BIC表示采用BIC方法对业务数据在各第二主元方向上的统计量进行加权融合,并根据加权融合结果,这样根据加权融合结果确定目标对象所属的类型,可以提高确定结果的准确度。
可以看出,本申请实施例中,在确定目标对象所属的类型时,可以先获取目标对象的业务数据;其中,业务数据中包括第一预设数量个维度的特征;并确定业务数据在第一预设数量个维度的特征中,各维度的特征对应的第一主元方向上的统计量;鉴于统计量用于描述业务数据在主元方向上的变化情况,这样根据业务数据在各第一主元方向上的统计量,从第一预设数量个主元中确定出的统计量大于预设阈值的第二主元,均为对于业务数据特征的选择较为重要的第二主元,因此,在根据业务数据在各较为重要的第二主元方向上的统计量,确定目标对象所属的类型时,可以有效地提高确定结果的准确度。
图3为本申请实施例提供的一种业务数据的处理装置30的结构示意图,示例的,请参见图3所示,该业务数据的处理装置30可以包括:
获取单元301,用于获取目标对象的业务数据;其中,业务数据中包括第一预设数量个维度的特征。
处理单元302,用于确定业务数据在第一预设数量个维度的特征中,各维度的特征对应的第一主元方向上的统计量;其中,统计量用于描述业务数据在主元方向上的变化情况。
确定单元303,用于根据业务数据在各第一主元方向上的统计量,从第一预设数量个主元中确定统计量大于预设阈值的第二预设数量个第二主元;其中,第二预设数量小于第一预设数量;并根据业务数据在各第二主元方向上的统计量,确定目标对象所属的类型。
可选的,确定单元303,具体用于根据贝叶斯推理计算方法,对业务数据在各第二主元方向上的统计量进行加权融合,得到业务数据在主元空间上对应的目标统计量;并根据目标统计量确定目标对象所属的类型;其中,主元空间中包括各维度的特征对应的第一主元方向。
可选的,处理单元302,具体用于针对各第一主元方向,确定业务数据的采集时间点之前,距离采集时间点最近采集的目标对象的第三预设数量个历史业务数据中,各历史业务数据在第一主元方向上的统计量;并确定业务数据在第一主元方向上的初始统计量;再根据各历史业务数据在第一主元方向上的统计量,和初始统计量,确定业务数据在第一主元方向上的统计量。
可选的,处理单元302,具体用于对各历史业务数据在第一主元方向上的统计量,和初始统计量进行加权平均;根据加权平均结果,确定业务数据在第一主元方向上的统计量。
可选的,处理单元302,还用于根据第一预设数量个维度的特征,构建各维度的特征对应的负载向量;并根据业务数据分别和各维度的特征对应的负载向量,确定各维度的特征对应的第一主元。
可选的,获取单元301,具体用于获取目标对象的初始业务数据;初始业务数据中包括第一预设数量个维度的初始特征;对第一预设数量个维度的初始特征进行归一化处理,得到目标对象的业务数据。
本申请实施例提供的业务数据的处理装置30,可以执行上述任一实施例中业务数据的处理方法的技术方案,其实现原理以及有益效果与业务数据的处理方法的实现原理及有益效果类似,可参见业务数据的处理方法的实现原理及有益效果,此处不再进行赘述。
图4为本申请实施例提供的一种电子设备40的结构示意图,示例的,请参见图4所示,该电子设备40可以包括处理器401和存储器402;其中,
所述存储器402,用于存储计算机程序。
所述处理器401,用于读取所述存储器402存储的计算机程序,并根据所述存储器402中的计算机程序执行上述任一实施例中的业务数据的处理方法的技术方案。
可选地,存储器402既可以是独立的,也可以跟处理器401集成在一起。当存储器402是独立于处理器401之外的器件时,电子设备40还可以包括:总线,用于连接存储器402和处理器401。
可选地,本实施例还包括:通信接口,该通信接口可以通过总线与处理器401连接。处理器401可以控制通信接口来实现上述电子设备40的获取和发送的功能。
本申请实施例所示的电子设备40,可以执行上述任一实施例中业务数据的处理方法的技术方案,其实现原理以及有益效果与业务数据的处理方法的实现原理及有益效果类似,可参见业务数据的处理方法的实现原理及有益效果,此处不再进行赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现上述任一实施例中业务数据的处理方法的技术方案,其实现原理以及有益效果与业务数据的处理方法的实现原理及有益效果类似,可参见业务数据的处理方法的实现原理及有益效果,此处不再进行赘述。
本申请实施例还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时,实现上述任一实施例中业务数据的处理方法的技术方案,其实现原理以及有益效果与业务数据的处理方法的实现原理及有益效果类似,可参见业务数据的处理方法的实现原理及有益效果,此处不再进行赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所展示或讨论的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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元展示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,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)或处理器(英文:processor)执行本申请各个实施例方法的部分步骤。
应理解的是,上述处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital SignalProcessor,简称:DSP)、专用集成电路(英文:Application Specific IntegratedCircuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述计算机可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各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应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种业务数据的处理方法,其特征在于,包括:
获取目标对象的业务数据;其中,所述业务数据中包括第一预设数量个维度的特征;
确定所述业务数据在所述第一预设数量个维度的特征中,各维度的特征对应的第一主元方向上的统计量;其中,统计量用于描述业务数据在主元方向上的变化情况;
根据所述业务数据在各第一主元方向上的统计量,从第一预设数量个主元中确定统计量大于预设阈值的第二预设数量个第二主元;其中,所述第二预设数量小于所述第一预设数量;
根据所述业务数据在各第二主元方向上的统计量,确定所述目标对象所属的类型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述业务数据在各第二主元方向上的统计量,确定所述目标对象所属的类型,包括:
根据贝叶斯推理计算方法,对所述业务数据在各第二主元方向上的统计量进行加权融合,得到所述业务数据在主元空间上对应的目标统计量;其中,所述主元空间中包括所述各维度的特征对应的第一主元方向;
根据所述目标统计量确定所述目标对象所属的类型。
3.根据权利要求1所述的方法,其特征在于,所述确定所述业务数据在所述第一预设数量个维度的特征中,各维度的特征对应的第一主元方向上的统计量,包括:
针对各第一主元方向,确定所述业务数据的采集时间点之前,距离所述采集时间点最近采集的所述目标对象的第三预设数量个历史业务数据中,各历史业务数据在所述第一主元方向上的统计量;
确定所述业务数据在所述第一主元方向上的初始统计量;
根据所述各历史业务数据在所述第一主元方向上的统计量,和所述初始统计量,确定所述业务数据在所述第一主元方向上的统计量。
4.根据权利要求3所述的方法,其特征在于,所述根据所述各历史业务数据在所述第一主元方向上的统计量,和所述初始统计量,确定所述业务数据在所述第一主元方向上的统计量,包括:
对所述各历史业务数据在所述第一主元方向上的统计量,和所述初始统计量进行加权平均;
根据加权平均结果,确定所述业务数据在所述第一主元方向上的统计量。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述方法还包括:
根据所述第一预设数量个维度的特征,构建所述各维度的特征对应的负载向量;
根据所述业务数据分别和所述各维度的特征对应的负载向量,确定所述各维度的特征对应的第一主元。
6.根据权利要求1-4任一项所述的方法,其特征在于,所述获取目标对象的业务数据,包括:
获取所述目标对象的初始业务数据;所述初始业务数据中包括所述第一预设数量个维度的初始特征;
对所述第一预设数量个维度的初始特征进行归一化处理,得到所述目标对象的业务数据。
7.一种业务数据的处理装置,其特征在于,包括:
获取单元,用于获取目标对象的业务数据;其中,所述业务数据中包括第一预设数量个维度的特征;
处理单元,用于确定所述业务数据在所述第一预设数量个维度的特征中,各维度的特征对应的第一主元方向上的统计量;其中,统计量用于描述业务数据在主元方向上的变化情况;
确定单元,用于根据所述业务数据在各第一主元方向上的统计量,从第一预设数量个主元中确定统计量大于预设阈值的第二预设数量个第二主元;其中,所述第二预设数量小于所述第一预设数量;并根据所述业务数据在各第二主元方向上的统计量,确定所述目标对象所属的类型。
8.一种电子设备,其特征在于,包括处理器和存储器;其中,
所述存储器,用于存储计算机程序;
所述处理器,用于读取所述存储器存储的计算机程序,并根据所述存储器中的计算机程序执行上述权利要求1-6任一项所述的业务数据的处理方法。
9.一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计算机执行指令,当处理器执行所述计算机执行指令时,实现上述权利要求1-6任一项所述的业务数据的处理方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时,实现上述权利要求1-6任一项所述的业务数据的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110572863.6A CN113220749B (zh) | 2021-05-25 | 2021-05-25 | 业务数据的处理方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110572863.6A CN113220749B (zh) | 2021-05-25 | 2021-05-25 | 业务数据的处理方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113220749A true CN113220749A (zh) | 2021-08-06 |
CN113220749B CN113220749B (zh) | 2024-02-27 |
Family
ID=77098375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110572863.6A Active CN113220749B (zh) | 2021-05-25 | 2021-05-25 | 业务数据的处理方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113220749B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220246A (zh) * | 2016-03-21 | 2017-09-29 | 阿里巴巴集团控股有限公司 | 业务对象的分析方法及装置 |
CN110019110A (zh) * | 2017-07-28 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 一种业务系统的容量管理方法、装置、设备及业务系统 |
CN110163611A (zh) * | 2019-03-18 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种身份识别方法、装置以及相关设备 |
CN111835561A (zh) * | 2020-06-29 | 2020-10-27 | 中国平安财产保险股份有限公司 | 基于用户行为数据的异常用户群体检测方法、装置、设备 |
CN111859141A (zh) * | 2020-07-28 | 2020-10-30 | 北京达佳互联信息技术有限公司 | 内容推送方法、装置、服务器及存储介质 |
CN112235162A (zh) * | 2020-10-14 | 2021-01-15 | 北京嘀嘀无限科技发展有限公司 | 基于业务的监控方法、装置、电子设备及存储介质 |
CN112395510A (zh) * | 2019-08-15 | 2021-02-23 | 北京京东尚科信息技术有限公司 | 基于活跃度确定目标用户的方法和装置 |
CN112685639A (zh) * | 2020-12-31 | 2021-04-20 | 苏宁金融科技(南京)有限公司 | 活动推荐方法、装置、计算机设备和存储介质 |
-
2021
- 2021-05-25 CN CN202110572863.6A patent/CN113220749B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220246A (zh) * | 2016-03-21 | 2017-09-29 | 阿里巴巴集团控股有限公司 | 业务对象的分析方法及装置 |
CN110019110A (zh) * | 2017-07-28 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 一种业务系统的容量管理方法、装置、设备及业务系统 |
CN110163611A (zh) * | 2019-03-18 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种身份识别方法、装置以及相关设备 |
CN112395510A (zh) * | 2019-08-15 | 2021-02-23 | 北京京东尚科信息技术有限公司 | 基于活跃度确定目标用户的方法和装置 |
CN111835561A (zh) * | 2020-06-29 | 2020-10-27 | 中国平安财产保险股份有限公司 | 基于用户行为数据的异常用户群体检测方法、装置、设备 |
CN111859141A (zh) * | 2020-07-28 | 2020-10-30 | 北京达佳互联信息技术有限公司 | 内容推送方法、装置、服务器及存储介质 |
CN112235162A (zh) * | 2020-10-14 | 2021-01-15 | 北京嘀嘀无限科技发展有限公司 | 基于业务的监控方法、装置、电子设备及存储介质 |
CN112685639A (zh) * | 2020-12-31 | 2021-04-20 | 苏宁金融科技(南京)有限公司 | 活动推荐方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113220749B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10861028B2 (en) | Detecting and reducing bias (including discrimination) in an automated decision making process | |
CN111192131A (zh) | 金融风险预测方法、装置和电子设备 | |
CN106600369A (zh) | 基于朴素贝叶斯分类的银行金融产品实时推荐系统和方法 | |
CN106462794B (zh) | 安全智能网络系统 | |
CN110503566B (zh) | 风控模型建立方法、装置、计算机设备及存储介质 | |
JP7430816B2 (ja) | 異常行為検出方法、装置、電子機器及びコンピュータプログラム | |
CN112990386A (zh) | 用户价值聚类方法、装置、计算机设备和存储介质 | |
CN111798047A (zh) | 风控预测方法、装置、电子设备及存储介质 | |
CN114187112A (zh) | 账户风险模型的训练方法和风险用户群体的确定方法 | |
CN113034046A (zh) | 一种数据风险计量方法、装置、电子设备及存储介质 | |
CN110020939B (zh) | 建立违约损失率预测模型的装置、方法及存储介质 | |
CN111695938A (zh) | 产品推送方法及系统 | |
CN115392937A (zh) | 一种用户欺诈风险识别方法、装置、电子设备及存储介质 | |
CN114782201A (zh) | 股票推荐方法、装置、计算机设备和存储介质 | |
CN111144899A (zh) | 识别虚假交易的方法及装置和电子设备 | |
CN110796379B (zh) | 业务渠道的风险评估方法、装置、设备及存储介质 | |
CN113220749A (zh) | 业务数据的处理方法、装置和电子设备 | |
CN116542673A (zh) | 应用于机器学习的欺诈行为识别方法及系统 | |
CN116681497A (zh) | 基于图神经网络的资金风险识别方法、计算机装置及计算机可读存储介质 | |
CN110827137A (zh) | 信用评价方法和装置 | |
CN114707420A (zh) | 一种信贷欺诈行为识别方法、装置、设备及存储介质 | |
CN114943619A (zh) | 交易异常账户识别方法、系统、服务器及存储介质 | |
CN110570301B (zh) | 风险识别方法、装置、设备及介质 | |
CN113807943A (zh) | 一种不良资产的多因子估值方法及系统、介质、设备 | |
CN111429232A (zh) | 产品推荐方法、装置和电子设备及计算机可读存储介质 |
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 |