CN113362180B - 疑似不规范的理财行为的客户信息识别方法、装置和设备 - Google Patents
疑似不规范的理财行为的客户信息识别方法、装置和设备 Download PDFInfo
- Publication number
- CN113362180B CN113362180B CN202110741186.6A CN202110741186A CN113362180B CN 113362180 B CN113362180 B CN 113362180B CN 202110741186 A CN202110741186 A CN 202110741186A CN 113362180 B CN113362180 B CN 113362180B
- Authority
- CN
- China
- Prior art keywords
- financial
- transaction
- detail data
- data
- suspected
- 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
Links
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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—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
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/2477—Temporal data queries
-
- 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
- G06F16/248—Presentation of query results
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Finance (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请实施例提供一种疑似不规范的理财行为的客户信息识别方法、装置和设备,其中,该方法包括:根据预设的筛选条件,对从HBase数据库中读取到的理财明细数据表进行筛选处理,得到疑似的不规范数据表;对理财明细数据表和疑似的不规范数据表进行分析,得到交易客户对手表;客户对手方表中的交易接收方,为理财明细数据表与疑似的不规范数据表中相同的交易接收方;提取与客户对手方表中的每一个交易接收方对应的详细信息;确定详细信息表中的每一交易接收方具有疑似不规范的理财行为,并发出警示信息。及时有效的识别出疑似不规范的理财明细数据和理财行为。对筛选条件进行实时的灵活配置,进而可以有效的对理财明细数据表中的数据进行处理。
Description
技术领域
本申请实施例涉及数据库技术领域,尤其涉及一种疑似不规范的理财行为的客户信息识别方法、装置和设备。
背景技术
随着信息化的发展,可以通过网络的方式进行理财产品的交易,其中,理财产品的种类繁多、理财明细数据的量较大。可以基于数据处理的方式,对理财交易所产生的理财明细数据进行处理和分析。
现有技术中,理财产品的种类较多、基于理财产品产生的理财明细数据较多,但是基于数据的理财明细数据的处理,尚不完善,从而一旦出现不规范的理财交易行为(即,理财行为)的时候,例如,出现私自交易理财产品,无法及时有效的识别到疑似不规范的理财明细数据和理财行为;进而导致出现公共财产的损失。
从而,亟需一种可以及时有效的识别到疑似不规范的理财明细数据和理财行为的数据处理方式。
发明内容
本申请实施例提供一种疑似不规范的理财行为的客户信息识别方法、装置和设备,用以解决无法及时有效的识别到疑似不规范的理财明细数据和理财行为的问题。
第一方面,本申请实施例提供一种疑似不规范的理财行为的客户信息识别方法,所述方法包括:
响应于触发时间点,从Hbase数据库中读取用户的理财明细数据表,其中,所述理财明细数据表包括多个理财明细数据;根据预设的筛选条件,对所述理财明细数据表进行筛选处理,得到疑似的不规范数据表,所述疑似的不规范数据表中每一理财明细数据的交易接收方为第三方机构或者个人用户;
对所述理财明细数据表和所述疑似的不规范数据表进行分析,得到交易客户对手表;其中,所述客户对手方表中包括多个交易接收方,且所述客户对手方表中的交易接收方,为所述理财明细数据表与所述疑似的不规范数据表中相同的交易接收方;
根据所述客户对手方表中的每一个交易接收方,从预设的个人客户信息表中提取与所述客户对手方表中的每一个交易接收方对应的详细信息,其中,所述个人客户信息表汇总包括多个交易接收方各自对应的详细信息,得到详细信息表;
确定所述详细信息表中的每一交易接收方具有疑似不规范的理财行为,并发出警示信息。
在可行的一种实施方式中,对所述理财明细数据表和所述疑似的不规范数据表进行分析,得到交易客户对手表,包括:
根据所述筛选条件、以及预设条件,对所述理财明细数据表和所述疑似的不规范数据表进行分析,得到交易客户对手表;其中,所述预设条件为所述理财明细数据表中理财明细数据的交易接收方、所述疑似的不规范数据表中理财明细数据的交易接收方两者相同。
在可行的一种实施方式中,所述筛选条件包括以下的一种或多种:
理财明细数据中的交易日期在预设日期区间内、理财明细数据中的收付标识为预设标识、理财明细数据的交易额大于第一预设阈值、理财明细数据的发生额符合预设额度要求、理财明细数据的交易接收方中包含预设标识词、理财明细数据的交易接收方所对应的开户网点数小于第二预设阈值。
在可行的一种实施方式中,在从Hbase数据库中读取用户的理财明细数据表之前,还包括:
获取初始理财交易数据,将所述初始理财交易数据的格式转换为符合所述Hbase数据库的格式,得到格式转换后的初始理财交易数据;
依据所述初始理财交易数据中的每一理财明细数据的键值信息,对格式转换后的初始理财交易数据中的理财明细数据进行排序,得到所述理财明细数据表;
将所述理财明细数据表存储至所述Hbase数据库。
在可行的一种实施方式中,所述触发时间点表征当前时间点符合预设时间条件。
在可行的一种实施方式中,所述方法还包括:
对将所述详细信息表中每一交易接收方所对应的理财明细数据进行再次检测,得到检测结果,所述检测结果表征所述详细信息表中每一交易接收方所对应的理财明细数据是否为不规范的理财行为;
根据所述检测结果,对所述筛选条件进行修正。
第二方面,本申请实施例提供一种疑似不规范的理财行为的客户信息识别装置,所述装置包括:
读取单元,用于响应于触发时间点,从Hbase数据库中读取用户的理财明细数据表,其中,所述理财明细数据表包括多个理财明细数据;
筛选单元,用于根据预设的筛选条件,对所述理财明细数据表进行筛选处理,得到疑似的不规范数据表,所述疑似的不规范数据表中每一理财明细数据的交易接收方为第三方机构或者个人用户;
分析单元,用于对所述理财明细数据表和所述疑似的不规范数据表进行分析,得到交易客户对手表;其中,所述客户对手方表中包括多个交易接收方,且所述客户对手方表中的交易接收方,为所述理财明细数据表与所述疑似的不规范数据表中相同的交易接收方;
提取单元,用于根据所述客户对手方表中的每一个交易接收方,从预设的个人客户信息表中提取与所述客户对手方表中的每一个交易接收方对应的详细信息,其中,所述个人客户信息表汇总包括多个交易接收方各自对应的详细信息,得到详细信息表;
警示单元,用于确定所述详细信息表中的每一交易接收方具有疑似不规范的理财行为,并发出警示信息。
在可行的一种实施方式中,所述分析单元,具体用于:
根据所述筛选条件、以及预设条件,对所述理财明细数据表和所述疑似的不规范数据表进行分析,得到交易客户对手表;其中,所述预设条件为所述理财明细数据表中理财明细数据的交易接收方、所述疑似的不规范数据表中理财明细数据的交易接收方两者相同。
在可行的一种实施方式中,所述筛选条件包括以下的一种或多种:
理财明细数据中的交易日期在预设日期区间内、理财明细数据中的收付标识为预设标识、理财明细数据的交易额大于第一预设阈值、理财明细数据的发生额符合预设额度要求、理财明细数据的交易接收方中包含预设标识词、理财明细数据的交易接收方所对应的开户网点数小于第二预设阈值。
在可行的一种实施方式中,所述装置,还包括:
获取单元,用于在所述读取单元从Hbase数据库中读取用户的理财明细数据表之前,获取初始理财交易数据;
转换单元,用于将所述初始理财交易数据的格式转换为符合所述Hbase数据库的格式,得到格式转换后的初始理财交易数据;
排序单元,用于依据所述初始理财交易数据中的每一理财明细数据的键值信息,对格式转换后的初始理财交易数据中的理财明细数据进行排序,得到所述理财明细数据表;
存储单元,用于将所述理财明细数据表存储至所述Hbase数据库。
在可行的一种实施方式中,所述触发时间点表征当前时间点符合预设时间条件。
在可行的一种实施方式中,所述装置还包括:
检测单元,用于对将所述详细信息表中每一交易接收方所对应的理财明细数据进行再次检测,得到检测结果,所述检测结果表征所述详细信息表中每一交易接收方所对应的理财明细数据是否为不规范的理财行为;
修正单元,用于根据所述检测结果,对所述筛选条件进行修正。
第三方面,本申请实施例提供一种电子设备,所述电子设备包括:存储器,处理器;
存储器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行第一方面所述的方法。
第四方面,本申请实施例提供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,所述计算机执行指令被处理器执行时用于实现第一方面所述的方法。
第五方面,本申请实施例提供一种计算机程序产品,所述计算机程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
本申请实施例提供的疑似不规范的理财行为的客户信息识别方法、装置和设备,响应于触发时间点,从Hbase数据库中读取用户的理财明细数据表,依据预设筛选条件对理财明细数据表进行筛选处理,得到疑似的不规范数据表,疑似的不规范数据表中每一理财明细数据的交易接收方为第三方机构或者个人用户;再对疑似的不规范数据表进行分析,得到交易客户对手表,然后依据预设的个人客户信息表对交易客户对手表中的交易接收方的信息进行完善。本实施例中基于Hadoop集群和Spark运行脚本去实现上述处理过程,可以及时有效的识别出疑似不规范的理财明细数据和理财行为,及时有效的得到疑似不规范的理财行为所对应的交易接收方的信息;且可以基于海量的理财明细数据,完成疑似不规范的理财明细数据和理财行为的识别和分析。并且,基于详细信息表中的每一交易接收方,对工作人员和其他用户进行提示,避免个人财产和公共财产的进一步损失。并且,本实施例中可以基于筛选条件对理财明细数据表进行数据分析,去得到疑似的不规范理财行为;筛选条件可以被灵活配置,即可以被实时修改;电子设备可以读取预设数据库中的筛选条件,替换掉之前所设置的筛选条件,基于新的筛选条件对理财明细数据表进行处理;可以对筛选条件进行实时的灵活配置,筛选条件与疑似不规范的理财行为所产生的数据相匹配,进而可以有效的对理财明细数据表中的数据进行处理。
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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的一种疑似不规范的理财行为的客户信息识别方法的流程图;
图2为本申请实施例提供的另一种疑似不规范的理财行为的客户信息识别方法的流程图;
图3为本申请实施例提供的一种疑似不规范的理财行为的客户信息识别装置的结构示意图;
图4为本申请实施例提供的另一种疑似不规范的理财行为的客户信息识别装置的结构示意图;
图5为本申请实施例提供的一种电子设备的结构示意图;
图6是本申请实施例提供的一种电子设备的框图。
通过上述附图,已示出本申请明确的实施例,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申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
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申请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、本申请的一些方面相一致的装置和方法的例子。
理财作为一种创新型的投资渠道,日益成为热点话题,并且随着信息化的发展,人们可以通过网络的方式进行理财产品的交易。但国内的理财市场起步较晚,相关法律法规还不健全,交易机制尚不成熟,这就会导致理财产品销售过程中的种种不规范行为。为了保障投资者资金安全,需要对不规范的理财行为的客户信息进行识别。
一个示例中,可以基于数据处理的方式,对理财交易所产生的理财明细数据进行处理和分析。然而目前理财明细数据的量较大,传统的数据处理方式已经很难满足海量数据中不规范的理财行为的客户信息的识别;并且理财产品的种类繁多、不同阶段的不规范的理财行为的交易方式变化较大,传统的不规范的理财行为识别模型不能很好的应对这些变化情况,模型参数的维护较困难。
本申请实施例提供的疑似不规范的理财行为的客户信息识别方法、装置和设备,旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。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中不再赘述。下面将结合附图,对本申请的实施例进行描述。
为了便于对本申请进行说明,下面将对相关术语进行说明。
(1)Hbase数据库:是海杜普(Hadoop Distributed File System,简称Hadoop)分布式文件系统下的分布式存储系统。Hadoop是一个能够对大量数据进行分布式处理的软件安框架。Hadoop以一种可靠、高效、可伸缩的方式进行数据处理,用户可以在不了解分布式底层细节的情况下,开发分布式程序,充分利用集群的威力进行高速的运算和存储。Hadoop实现了一个分布式文件系统,简称分布式文件系统(Hadoop Distributed File System,简称HDFS)。HDFS有高容错性的特点,并且设计用来部署在低廉的硬件上,与此同时它还提供高吞吐量来访问应用程序的数据,非常适合那些有着超大数据集的应用程序。Hadoop主要有以下优点:高可靠性,按位存储和处理数据的能力值得信赖;高扩展性,在可用的计算机簇间分配数据并完成计算任务,这些集簇可以扩展到数以千计的节点中;高效性,能够在节点之间动态地移动数据,并保证各个节点的动态平衡,因此处理数据非常快;高容错性,能够自动保存数据的多个副本,并且能够自动将失败的任务重新分配;低成本,与一体机、商用数据仓库等数据集市相比,Hadoop是开源的,项目的软件成本因此会大大降低。
(2)Spark:是一个基于内存的分布式批处理引擎。Spark可以用来快速处理数据,兼具容错性和可扩展性;支持迭代计算,有效应对多部数据处理逻辑;与此同时还可以在海量数据的基础上进行复杂的数据挖掘分析,可支持各种数据挖掘和机器学习算法。有以下优点:高性能,Spark的中间数据存放在内存中,对于迭代运算的效率高,能高效的进行批处理;延时低,提供了更多的数据操作类型,灵活,开发效率高;容错能力高。
图1为本申请实施例提供的一种疑似不规范的理财行为的客户信息识别方法的流程图,如图1所示,该方法包括:
101、响应于触发时间点,从Hbase数据库中读取用户的理财明细数据表,其中,理财明细数据表包括多个理财明细数据;根据预设的筛选条件,对理财明细数据表进行筛选处理,得到疑似的不规范数据表,疑似的不规范数据表中每一理财明细数据的交易接收方为第三方机构或者个人用户。
一个示例中,触发时间点表征当前时间点符合预设时间条件。
一个示例中,筛选条件包括以下的一种或多种:
理财明细数据中的交易日期在预设日期区间内、理财明细数据中的收付标识为预设标识、理财明细数据的交易额大于第一预设阈值、理财明细数据的发生额符合预设额度要求、理财明细数据的交易接收方中包含预设标识词、理财明细数据的交易接收方所对应的开户网点数小于第二预设阈值。
示例性地,本实施例的执行主体为电子设备、或者终端设备、或者服务器、或者不规范的理财行为的识别装置或设备、或者其他可执行本实施例的装置或设备,不做限制。本实施例以执行主体为电子设备进行介绍和说明。
电子设备实时检测当前时间点,若确定当前时间点符合预设时间条件(例如,当前时间为每季度的初始第7日),则电子设备基于Spark引擎首先读取理财明细数据表和预设筛选条件。其中,理财明细数据表中包括多个理财明细数据,每一理财明细数据为基于理财产品的交易而产生的数据的详细内容。并且由于理财明细数据表存储在Hbase数据库中,所以电子设备是从Hbase数据库中读取用户的理财明细数据表。
然后,电子设备根据该筛选条件,对获取到的理财明细数据表进行筛选处理,进而对理财明细数据表进行筛选。在筛选处理的过程中,选出理财明细数据的交易接收方为第三方机构或者个人用户的理财明细数据,进而得到疑似的不规范数据表。
一个示例中,电子设备依据以下筛选条件,对理财明细数据表进行筛选。将理财明细数据表按照理财明细数据中的交易日期在预设日期区间内、理财明细数据中的收付标识为预设标识、理财明细数据的交易额大于第一预设阈值、理财明细数据的发生额符合预设额度要求、理财明细数据的交易接收方中包含预设标识词、理财明细数据的交易接收方所对应的开户网点数小于第二预设阈值筛选出理财明细数据。
举例来说,电子设备筛选出符合以下要求的数据:理财明细数据中的交易日期在预设的交易日期区间内,理财明细数据中的收付标识为“付”,理财明细数据的交易额大于A(A为第一预设阈值),理财明细数据的发生额大于一个阈值、且发生额为预设值的整数倍,理财明细数据的交易接收方中包含敏感词(敏感词例如是,私自、非公开),理财明细数据的交易接收方所对应的开户网点数小于B(B为第二预设阈值)。
102、对理财明细数据表和疑似的不规范数据表进行分析,得到交易客户对手表;其中,客户对手方表中包括多个交易接收方,且客户对手方表中的交易接收方,为理财明细数据表与疑似的不规范数据表中相同的交易接收方。
示例性地,电子设备将理财明细数据表和步骤101得到的疑似不规范数据表进行比对分析,选出理财明细数据表中理财明细数据的交易接收方与疑似的不规范数据表中理财明细数据的交易接收方,相同的交易接收方,进而得到由多个交易接收方所构成的客户对手方表。可知,此时是选出理财明细数据表中的交易接收方与疑似不规范数据表中的交易接收方相同的交易接收方,即得到疑似的第三方机构或者个人用户进行不规范理财行为到的账号信息(即,交易接收方),并将这样的交易接收方存储在交易客户对手表中。
103、根据客户对手方表中的每一个交易接收方,从预设的个人客户信息表中提取与客户对手方表中的每一个交易接收方对应的详细信息,其中,个人客户信息表汇总包括多个交易接收方各自对应的详细信息,得到详细信息表。
示例性地,电子设备还需要对步骤102得到的客户对手方表中的每一个交易接收方的个人信息进行完善补充。电子设备已经预先存储有一个个人客户信息表,个人客户信息表中包括多个交易接收方中每一个交易接收方的详细信息(即,交易接收方的详细的客户个人信息);电子设备将客户对手方表中的交易接收方与个人客户信息表进行对照,把个人客户信息表中与客户对手方表中交易接收方一致的交易接收方的详细信息提取出来,并将提取出的详细信息存储到客户对手方表中,进而得到详细信息表。
104、确定详细信息表中的每一交易接收方具有疑似不规范的理财行为,并发出警示信息。
示例性地,在步骤103之后,电子设备确定所得到的详细信息表中的每一交易接收方具有意思不规范的理财行为,为了防止个人财产、公共财产的损失,电子设备可以发出警示信息,警示信息中包括详细信息表中的每一交易接收方的详细信息,进而提示工作人员和其他用户。其中,警示信息为以下的任意一种或多种:文字提示信息、图像提示信息、振动提示信息。
在本实施例中,响应于触发时间点,从Hbase数据库中读取用户的理财明细数据表,依据预设筛选条件对理财明细数据表进行筛选处理,得到疑似的不规范数据表,疑似的不规范数据表中每一理财明细数据的交易接收方为第三方机构或者个人用户;再对疑似的不规范数据表进行分析,得到交易客户对手表,然后依据预设的个人客户信息表对交易客户对手表中的交易接收方的信息进行完善。本实施例中基于Hadoop集群和Spark运行脚本去实现上述处理过程,可以及时有效的识别出疑似不规范的理财明细数据和理财行为,及时有效的得到疑似不规范的理财行为所对应的交易接收方的信息;且可以基于海量的理财明细数据,完成疑似不规范的理财明细数据和理财行为的识别和分析。并且,基于详细信息表中的每一交易接收方,对工作人员和其他用户进行提示,避免个人财产和公共财产的进一步损失。并且,本实施例中可以基于筛选条件对理财明细数据表进行数据分析,去得到疑似的不规范理财行为;筛选条件可以被灵活配置,即可以被实时修改;电子设备可以读取预设数据库中的筛选条件,替换掉之前所设置的筛选条件,基于新的筛选条件对理财明细数据表进行处理;可以对筛选条件进行实时的灵活配置,筛选条件与疑似不规范的理财行为所产生的数据相匹配,进而可以有效的对理财明细数据表中的数据进行处理。
图2为本申请实施例提供的另一种疑似不规范的理财行为的客户信息识别方法的流程图,如图2所示,该方法包括:
201、获取初始理财交易数据,将初始理财交易数据的格式转换为符合Hbase数据库的格式,得到格式转换后的初始理财交易数据。
示例性地,本实施例的执行主体为电子设备、或者终端设备、或者服务器、或者不规范的理财行为的识别装置或设备、或者其他可执行本实施例的装置或设备,不做限制。本实施例以执行主体为电子设备进行介绍和说明。
电子设备获取初始理财交易数据,初始理财交易数据是基于理财产品的交易所产生的数据。电子设备需要将初始理财交易数据的数据格式(即,结构)转化为符合Hbase数据库的数据格式,该数据格式为KeyValue结构、在KeyValue结构中,主键和与主键有关联的值映射。其中,主键为初始理财交易数据中的客户信息,与主键有关联的值为与客户信息对应的交易数据信息。
一个示例中,利用MapReduce中的Map阶段,将初始理财交易数据转化为Hbase数据库的KeyValue结构。
202、依据初始理财交易数据中的每一理财明细数据的键值信息,对格式转换后的初始理财交易数据中的理财明细数据进行排序,得到理财明细数据表。
示例性地,在HBase数据库中存储的数据,要求写入的数据是有序排列,所以对已经转化为键值结构的初始理财交易数据中的理财明细数据按照一定的规则进行排序,得到理财明细数据表。例如,依据理财明细数据的关键字,对各理财明细数据进行了排序。
一个示例中,电子设备利用MapReduce中的Reduce阶段对格式转换后的初始理财交易数据中的理财明细数据进行排序,具体的,利用TreeSet函数对Map阶段的生成的keyvalue结构进行排序。
203、将理财明细数据表存储至Hbase数据库。
示例性地,电子设备将理财明细数据表,装载到到Hbase数据库,该操作过程是不影响线上数据的读写操作的。
一个示例中,电子设备利用Bulkload数据导入将生成的理财明细数据表移动到Hbase数据库。该过程是即时生效,导入的过程不影响线上数据的读写操作。
204、响应于触发时间点,从Hbase数据库中读取用户的理财明细数据表,其中,理财明细数据表包括多个理财明细数据;根据预设的筛选条件,对理财明细数据表进行筛选处理,得到疑似的不规范数据表,疑似的不规范数据表中每一理财明细数据的交易接收方为第三方机构或者个人用户。
示例性地,本步骤可以参见图1的步骤101,不再赘述。
205、根据筛选条件、以及预设条件,对理财明细数据表和疑似的不规范数据表进行分析,得到交易客户对手表;其中,预设条件为理财明细数据表中理财明细数据的交易接收方、疑似的不规范数据表中理财明细数据的交易接收方两者相同。
其中,客户对手方表中包括多个交易接收方,且客户对手方表中的交易接收方,为理财明细数据表与疑似的不规范数据表中相同的交易接收方。
示例性地,电子设备再次依据筛选条件对理财明细数据表和疑似的不规范数据表进行分析,此时,加入了一个预设条件;进而,电子设备选出理财明细数据表中的交易接收方与疑似不规范数据表中的交易接收方相同的交易接收方,即得到疑似的第三方机构或者个人用户进行不规范理财行为到的账号信息(即,交易接收方),并将这样的交易接收方存储在交易客户对手表中。
206、根据客户对手方表中的每一个交易接收方,从预设的个人客户信息表中提取与客户对手方表中的每一个交易接收方对应的详细信息,其中,个人客户信息表汇总包括多个交易接收方各自对应的详细信息,得到详细信息表。
示例性地,本步骤可以参加图1的步骤103,不再赘述。
207、确定详细信息表中的每一交易接收方具有疑似不规范的理财行为,并发出警示信息。
示例性地,本步骤可以参加图1的步骤104,不再赘述。
208、对将详细信息表中每一交易接收方所对应的理财明细数据进行再次检测,得到检测结果,检测结果表征详细信息表中每一交易接收方所对应的理财明细数据是否为不规范的理财行为。
示例性地,电子设备可以再次对详细信息表中每一交易接收方所对应的理财明细数据进行再次检测,以确定详细信息表中每一交易接收方所对应的理财明细数据是否为不规范的理财行为。
一个示例中,电子设备中预先存储了校正表,校正表中包括详细信息表中每一交易接收方所对应的理财明细数据的分析结果,分析结果表征理财明细数据是否为不规范的理财行为;电子设备根据校正表,对详细信息表中每一交易接收方所对应的理财明细数据进行再次检测,进而比对步骤207所得到的结果是否正确,即,确定详细信息表中每一交易接收方所对应的理财明细数据是否为不规范的理财行为。
或者,另一个示例中,预先训练有成熟的识别模型,该识别模型用于识别理财明细数据是否为不规范的理财行为。电子设备将详细信息表中每一交易接收方所对应的理财明细数据,输入至识别模型中,得到检测结果,检测结果表征详细信息表中每一交易接收方所对应的理财明细数据是否为不规范的理财行为。
209、根据检测结果,对筛选条件进行修正。
示例性地,为了提高对不规范理财行为的识别精度,电子设备根据检测结果,对筛选条件进行修正调整。
一个示例中,若检测结果表明筛选得到详细信息表中的交易接收方都具有不规范的理财行为,则可以将筛选条件的筛选范围适当调大;若检测结果表明筛选得到详细信息表中的交易接收方有一部分不具有不规范的理财行为,则可以将筛选条件的筛选范围适当调小,以提高对不规范理财行为的识别精度。
在本实施例中,在上述实施例的基础上,预设筛选条件是可以灵活配置的,基于Hadoop集群运行Spark运行脚本,Spark运行脚本下表征本实施例提供的方案,进而生成疑似不规范的理财行为的详细信息表。可以及时有效的识别出疑似不规范的理财明细数据和理财行为,及时有效的得到疑似不规范的理财行为所对应的交易接收方的信息。并且,上述预设筛选条件是可以依据最终的上述检测结果进行修正和调整,并且可以进行定期化的修正和调整,可以进一步提高对疑似不规范理财行为的识别精度;完成自动的预设筛选条件的修改,不需要人工手动干预。
图3为本申请实施例提供的一种疑似不规范的理财行为的客户信息识别装置的结构示意图,如图3所示,该装置包括:
读取单元31,用于响应于触发时间点,从Hbase数据库中读取用户的理财明细数据表,其中,理财明细数据表包括多个理财明细数据。
筛选单元32,用于根据预设的筛选条件,对理财明细数据表进行筛选处理,得到疑似的不规范数据表,疑似的不规范数据表中每一理财明细数据的交易接收方为第三方机构或者个人用户。
分析单元33,用于对理财明细数据表和疑似的不规范数据表进行分析,得到交易客户对手表;其中,客户对手方表中包括多个交易接收方,且客户对手方表中的交易接收方,为理财明细数据表与疑似的不规范数据表中相同的交易接收方。
提取单元34,用于根据客户对手方表中的每一个交易接收方,从预设的个人客户信息表中提取与客户对手方表中的每一个交易接收方对应的详细信息,其中,个人客户信息表汇总包括多个交易接收方各自对应的详细信息,得到详细信息表。
警示单元35,用于确定详细信息表中的每一交易接收方具有疑似不规范的理财行为,并发出警示信息。
示例性地,本实施例可以参见上述方法实施例,其原理和技术效果类似,不再赘述。
图4为本申请实施例提供的另一种疑似不规范的理财行为的客户信息识别装置的结构示意图,在图3所示实施例的基础上,如图4所示,分析单元33,具体用于:
根据筛选条件、以及预设条件,对理财明细数据表和疑似的不规范数据表进行分析,得到交易客户对手表;其中,预设条件为理财明细数据表中理财明细数据的交易接收方、疑似的不规范数据表中理财明细数据的交易接收方两者相同。
一个示例中,筛选条件包括以下的一种或多种:
理财明细数据中的交易日期在预设日期区间内、理财明细数据中的收付标识为预设标识、理财明细数据的交易额大于第一预设阈值、理财明细数据的发生额符合预设额度要求、理财明细数据的交易接收方中包含预设标识词、理财明细数据的交易接收方所对应的开户网点数小于第二预设阈值。
一个示例中,本实施例提供的装置,还包括:
获取单元41,用于在读取单元31从Hbase数据库中读取用户的理财明细数据表之前,获取初始理财交易数据。
转换单元42,用于将初始理财交易数据的格式转换为符合Hbase数据库的格式,得到格式转换后的初始理财交易数据。
排序单元43,用于依据初始理财交易数据中的每一理财明细数据的键值信息,对格式转换后的初始理财交易数据中的理财明细数据进行排序,得到理财明细数据表。
存储单元44,用于将理财明细数据表存储至Hbase数据库。
一个示例中,触发时间点表征当前时间点符合预设时间条件。
一个示例中,本实施例提供的装置,还包括:
检测单元45,用于对将详细信息表中每一交易接收方所对应的理财明细数据进行再次检测,得到检测结果,检测结果表征详细信息表中每一交易接收方所对应的理财明细数据是否为不规范的理财行为。
修正单元46,用于根据检测结果,对筛选条件进行修正。
示例性地,本实施例可以参见上述方法实施例,其原理和技术效果类似,不再赘述。
图5为本申请实施例提供的一种电子设备的结构示意图,如图5所示,电子设备包括:存储器51,处理器52;
存储器51;用于存储处理器52可执行指令的存储器;
其中,处理器52被配置为执行如上述实施例提供的方法。
电子设备还包括接收器53和发送器54。接收器53用于接收外部设备发送的指令和数据,发送器54用于向外部设备发送指令和数据。
图6是本申请实施例提供的一种电子设备的框图,该电子设备可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以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。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到装置800的打开/关闭状态,组件的相对定位,例如组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由装置800的处理器820执行以完成上述方法。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本申请实施例还提供了一种非临时性计算机可读存储介质,当该存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行上述实施例提供的方法。
本申请实施例还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
本申请本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、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申请的一般性原理并包括本申请未公开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,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种疑似不规范的理财行为的客户信息识别方法,其特征在于,所述方法包括:
响应于触发时间点,从Hbase数据库中读取用户的理财明细数据表,其中,所述理财明细数据表包括多个理财明细数据;根据预设的筛选条件,对所述理财明细数据表进行筛选处理,得到疑似的不规范数据表,所述疑似的不规范数据表中每一理财明细数据的交易接收方为第三方机构或者个人用户;
根据所述筛选条件、以及预设条件,对所述理财明细数据表和所述疑似的不规范数据表进行分析,得到交易客户对手方表;其中,所述预设条件为所述理财明细数据表中理财明细数据的交易接收方、所述疑似的不规范数据表中理财明细数据的交易接收方两者相同,所述客户对手方表中包括多个交易接收方,且所述客户对手方表中的交易接收方,为所述理财明细数据表与所述疑似的不规范数据表中相同的交易接收方;所述筛选条件包括以下的一种或多种:理财明细数据中的交易日期在预设日期区间内、理财明细数据中的收付标识为预设标识、理财明细数据的交易额大于第一预设阈值、理财明细数据的发生额符合预设额度要求、理财明细数据的交易接收方中包含预设标识词、理财明细数据的交易接收方所对应的开户网点数小于第二预设阈值;
根据所述客户对手方表中的每一个交易接收方,从预设的个人客户信息表中提取与所述客户对手方表中的每一个交易接收方对应的详细信息,得到详细信息表;其中,所述个人客户信息表包括多个交易接收方各自对应的详细信息;
确定所述详细信息表中的每一交易接收方具有疑似不规范的理财行为,并发出警示信息。
2.根据权利要求1所述的方法,其特征在于,在从Hbase数据库中读取用户的理财明细数据表之前,还包括:
获取初始理财交易数据,将所述初始理财交易数据的格式转换为符合所述Hbase数据库的格式,得到格式转换后的初始理财交易数据;
依据所述初始理财交易数据中的每一理财明细数据的键值信息,对格式转换后的初始理财交易数据中的理财明细数据进行排序,得到所述理财明细数据表;
将所述理财明细数据表存储至所述Hbase数据库。
3.根据权利要求1所述的方法,其特征在于,所述触发时间点表征当前时间点符合预设时间条件。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
对将所述详细信息表中每一交易接收方所对应的理财明细数据进行再次检测,得到检测结果,所述检测结果表征所述详细信息表中每一交易接收方所对应的理财明细数据是否为不规范的理财行为;
根据所述检测结果,对所述筛选条件进行修正。
5.一种疑似不规范的理财行为的客户信息识别装置,其特征在于,所述装置包括:
读取单元,用于响应于触发时间点,从Hbase数据库中读取用户的理财明细数据表,其中,所述理财明细数据表包括多个理财明细数据;
筛选单元,用于根据预设的筛选条件,对所述理财明细数据表进行筛选处理,得到疑似的不规范数据表,所述疑似的不规范数据表中每一理财明细数据的交易接收方为第三方机构或者个人用户;
分析单元,用于根据所述筛选条件、以及预设条件,对所述理财明细数据表和所述疑似的不规范数据表进行分析,得到交易客户对手方表;其中,所述预设条件为所述理财明细数据表中理财明细数据的交易接收方、所述疑似的不规范数据表中理财明细数据的交易接收方两者相同,其中,所述客户对手方表中包括多个交易接收方,且所述客户对手方表中的交易接收方,为所述理财明细数据表与所述疑似的不规范数据表中相同的交易接收方;所述筛选条件包括以下的一种或多种:理财明细数据中的交易日期在预设日期区间内、理财明细数据中的收付标识为预设标识、理财明细数据的交易额大于第一预设阈值、理财明细数据的发生额符合预设额度要求、理财明细数据的交易接收方中包含预设标识词、理财明细数据的交易接收方所对应的开户网点数小于第二预设阈值;
提取单元,用于根据所述客户对手方表中的每一个交易接收方,从预设的个人客户信息表中提取与所述客户对手方表中的每一个交易接收方对应的详细信息,得到详细信息表;其中,所述个人客户信息表包括多个交易接收方各自对应的详细信息;
警示单元,用于确定所述详细信息表中的每一交易接收方具有疑似不规范的理财行为,并发出警示信息。
6.根据权利要求5所述的装置,其特征在于,所述装置,还包括:
获取单元,用于在所述读取单元从Hbase数据库中读取用户的理财明细数据表之前,获取初始理财交易数据;
转换单元,用于将所述初始理财交易数据的格式转换为符合所述Hbase数据库的格式,得到格式转换后的初始理财交易数据;
排序单元,用于依据所述初始理财交易数据中的每一理财明细数据的键值信息,对格式转换后的初始理财交易数据中的理财明细数据进行排序,得到所述理财明细数据表;
存储单元,用于将所述理财明细数据表存储至所述Hbase数据库。
7.根据权利要求5所述的装置,其特征在于,所述触发时间点表征当前时间点符合预设时间条件。
8.根据权利要求5-7任一项所述的装置,其特征在于,所述装置还包括:
检测单元,用于对将所述详细信息表中每一交易接收方所对应的理财明细数据进行再次检测,得到检测结果,所述检测结果表征所述详细信息表中每一交易接收方所对应的理财明细数据是否为不规范的理财行为;
修正单元,用于根据所述检测结果,对所述筛选条件进行修正。
9.一种电子设备,其特征在于,所述电子设备包括:存储器,处理器;
存储器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行如权利要求1-4任一项所述的方法。
10.一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,所述计算机执行指令被处理器执行时用于实现如权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110741186.6A CN113362180B (zh) | 2021-06-30 | 2021-06-30 | 疑似不规范的理财行为的客户信息识别方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110741186.6A CN113362180B (zh) | 2021-06-30 | 2021-06-30 | 疑似不规范的理财行为的客户信息识别方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113362180A CN113362180A (zh) | 2021-09-07 |
CN113362180B true CN113362180B (zh) | 2023-10-03 |
Family
ID=77537686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110741186.6A Active CN113362180B (zh) | 2021-06-30 | 2021-06-30 | 疑似不规范的理财行为的客户信息识别方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113362180B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008099142A1 (en) * | 2007-02-13 | 2008-08-21 | Future Route Limited | Methods and apparatus for analysing and/or pre-processing financial accounting data |
JP5873939B1 (ja) * | 2015-02-02 | 2016-03-01 | 慶司 杉本 | 資金移動明細作成装置、資金移動明細作成方法及び資金移動明細作成プログラム |
CN109146638A (zh) * | 2018-08-29 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 异常金融交易群体的识别方法及装置 |
CN112488719A (zh) * | 2020-11-17 | 2021-03-12 | 中信银行股份有限公司 | 一种账户风险识别方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7878393B2 (en) * | 2006-12-07 | 2011-02-01 | Moneygram International, Inc. | Method and apparatus for distribution of money transfers |
-
2021
- 2021-06-30 CN CN202110741186.6A patent/CN113362180B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008099142A1 (en) * | 2007-02-13 | 2008-08-21 | Future Route Limited | Methods and apparatus for analysing and/or pre-processing financial accounting data |
JP5873939B1 (ja) * | 2015-02-02 | 2016-03-01 | 慶司 杉本 | 資金移動明細作成装置、資金移動明細作成方法及び資金移動明細作成プログラム |
CN109146638A (zh) * | 2018-08-29 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 异常金融交易群体的识别方法及装置 |
CN112488719A (zh) * | 2020-11-17 | 2021-03-12 | 中信银行股份有限公司 | 一种账户风险识别方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113362180A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106202330B (zh) | 垃圾信息的判断方法及装置 | |
CN105843615B (zh) | 通知消息的处理方法及装置 | |
US11106354B2 (en) | Method and device for hiding messages in a messaging group | |
US11431833B1 (en) | Generating a screening interface for communications | |
US11889011B2 (en) | Restricting access based on voice communication parameters | |
CN108668241B (zh) | 信息提醒方法、装置、存储介质及电子设备 | |
CN110730120A (zh) | 即时通信消息处理方法、装置、设备及存储介质 | |
CN111797746B (zh) | 人脸识别方法、装置及计算机可读存储介质 | |
CN113362180B (zh) | 疑似不规范的理财行为的客户信息识别方法、装置和设备 | |
CN110213062B (zh) | 处理消息的方法及装置 | |
CN109460458B (zh) | 查询改写意图的预测方法及装置 | |
CN114189719B (zh) | 视频信息提取方法、装置、电子设备及存储介质 | |
CN113515746B (zh) | 安全漏洞检测方法、装置、电子设备、存储介质及产品 | |
CN111078860A (zh) | 文本筛选方法、文本筛选装置及电子设备 | |
CN111611470A (zh) | 一种数据处理方法、装置和电子设备 | |
CN113206772B (zh) | 应答报文正确性判别方法、装置、设备、介质及产品 | |
US11463572B1 (en) | Using communication source data to generate modifications to user interfaces | |
CN110020244B (zh) | 一种对网址信息进行纠错的方法及装置 | |
CN116303101B (zh) | 测试案例生成方法、装置和设备 | |
CN110209775B (zh) | 一种文本的处理方法和装置 | |
CN116910097A (zh) | 规则匹配方法、装置、服务器以及计算机可读存储介质 | |
CN116136855A (zh) | 一种账户分组的确定方法、装置、电子设备及存储介质 | |
CA3161996A1 (en) | Modifying user interfaces based on communication parameters | |
CN117033246A (zh) | 交易回放处理方法、装置、设备及存储介质 | |
CN113312252A (zh) | 一种实现服务请求测试的方法及装置 |
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 |