CN113592293A - 风险识别处理方法、电子设备及计算机可读存储介质 - Google Patents
风险识别处理方法、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113592293A CN113592293A CN202110862934.6A CN202110862934A CN113592293A CN 113592293 A CN113592293 A CN 113592293A CN 202110862934 A CN202110862934 A CN 202110862934A CN 113592293 A CN113592293 A CN 113592293A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- risk identification
- dimension
- service scene
- 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
Links
- 238000003860 storage Methods 0.000 title claims abstract description 67
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 230000003068 static effect Effects 0.000 claims abstract description 80
- 238000004364 calculation method Methods 0.000 claims abstract description 42
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 29
- 238000012544 monitoring process Methods 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000006399 behavior Effects 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 2
- 238000005094 computer simulation Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012954 risk control Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/2291—User-Defined Types; Storage 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- 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
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Finance (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Technology Law (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种风险识别处理方法、电子设备及计算机可读存储介质。本申请实施例根据预先配置从主接口存储模块中获取目标用户的静态数据，并对所述静态数据进行特征提取，以得到至少一个维度的静态特征，同时，从子接口存储模块中获取所述目标用户在第一业务场景下的动态数据，并对所述动态数据进行特征提取，以得到至少一个维度的动态特征；然后，将所述至少一个维度的静态特征和所述至少一个维度的动态特征输入所述第一业务场景对应的计算模型，由所述计算模型计算得到所述目标用户在所述第一业务场景中的风险识别结果，所述风险识别结果包括所述目标用户的风险类型，从而实现了对各业务场景中用户的风险类型的识别和风险管理。
Description
【技术领域】
本申请涉及互联网技术领域，具体地涉及互联网数据处理技术，尤其涉及一种风险识别处理方法、电子设备及计算机可读存储介质。
【背景技术】
风险管理体系(Risk Management System)指的是组织管理体系中与管理风险有关的要素集合。在金融行业，一般分为风险管理策略、组织职能体系、内部控制系统和风险理财措施这四个方面。风险管理是制定和执行政策与程序以帮助确保风险应对得以有效实施。
目前，随着互联网技术和发展，社交软件产品越来越丰富，越来越多的用户通过社交软件产品进行各种交际往来。而应用在社交软件产品中的风险管理目前还较少。目前社交软件的数据量和场景相对于金融场景表现出体量更大、场景更为复杂但是数据严谨度较低。
因此，对于社交软件来说，风险管理更具有挑战性。在社交软件的风险管理中，如何识别目标风险用户就是一项巨大的挑战。
【发明内容】
本申请的多个方面提供一种风险识别处理方法、电子设备及计算机可读存储介质。
本申请的一方面，提供一种风险识别处理方法，包括：
根据预先配置，从主接口存储模块中获取目标用户的静态数据，并对所述静态数据进行特征提取，以得到至少一个维度的静态特征；
根据所述预先配置，从子接口存储模块中获取所述目标用户在第一业务场景下的动态数据，并对所述动态数据进行特征提取，以得到至少一个维度的动态特征；
将所述至少一个维度的静态特征和所述至少一个维度的动态特征输入所述第一业务场景对应的计算模型，由所述计算模型计算得到所述目标用户在所述第一业务场景中的风险识别结果，所述风险识别结果包括：所述目标用户的风险类型。
本申请的另一方面，提供一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据上述任一方面所提供的方法。
本申请的再一方面，提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行根据上述任一方面所提供的方法。
本申请的又一方面，提供一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述任一方面所提供的方法。
由上述技术方案可知，本申请实施例根据预先配置，从主接口存储模块中获取目标用户的静态数据，并对所述静态数据进行特征提取，以得到至少一个维度的静态特征，同时，从子接口存储模块中获取所述目标用户在第一业务场景下的动态数据，并对所述动态数据进行特征提取，以得到至少一个维度的动态特征；然后，将所述至少一个维度的静态特征和所述至少一个维度的动态特征输入所述第一业务场景对应的计算模型，由所述计算模型计算得到所述目标用户在所述第一业务场景中的风险识别结果，所述风险识别结果包括所述目标用户的风险类型。由此，本申请实施例实现了对各业务场景中用户的风险类型的识别，能够在社交软件的风险管理中，根据用户的风险类型有效识别目标风险用户，有助于实现对社交软件的风险管理。
另外，采用本申请所提供的技术方案，用户的静态数据和在业务场景下的动态数据分别存储在主接口存储模块和子接口存储模块中，由于静态数据和动态数据更新频率不同，通过将用户的静态数据和在业务场景下的动态数据分开存储在不同地方，能够提升静态数据和动态数据的存储效率，以及静态数据和动态数据的对访问获取速度，从而提高风险识别处理效率。
另外，采用本申请所提供的技术方案，通过将用户的静态数据和在业务场景下的动态数据分开存储在不同地方，能够减少动态数据频繁更新、写入可能导致的数据混乱，提高了数据的稳定性。
【附图说明】
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请一实施例提供的风险识别处理方法的流程示意图。
图2是本申请一实施例提供的风险识别处理方法中的一个可视化效果图。
图3是用来实现本申请实施例的风险识别处理方法的一个风险识别处理系统的框图。
图4是图3所示风险识别处理系统中数据存储模块的一个框图。
图5是图3所示风险识别处理系统中智能业务端口模块的一个框图。
图6是图3所示风险识别处理系统用于风险识别处理的一个流程示意图。
图7是用来实现本申请实施例的业务指标的处理方法的电子设备的框图。
【具体实施方式】
为使本申请实施例的目的、技术方案和优点更加清楚，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，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其它实施例，都属于本申请保护的范围。
需要说明的是，本发明实施例中所涉及的终端可以包括但不限于手机、个人数字助理(Personal Digital Assistant，PDA)、无线手持设备、平板电脑(Tablet Computer)、个人电脑(Personal Computer，PC)、MP3播放器、MP4播放器、可穿戴设备(例如，智能眼镜、智能手表、智能手环等)等。
另外，本申请实施例中术语“和/或”，仅仅是一种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。另外，本申请实施例中字符“/”，一般表示前后关联对象是一种“或”的关系。
图1为本申请一实施例提供的风险识别处理方法的流程示意图，如图1所示。
101，根据预先配置，从主接口存储模块中获取目标用户的静态数据，并对所述静态数据进行特征提取，以得到至少一个维度的静态特征。
本申请可用于包括但不限于社交软件类应用(APP)，其中的社交软件主要是通过网络来实现交际往来的软件，例如微信、QQ等。
本申请中的接口是软件类接口，是指对协定进行定义的引用类型或其他类型的实现接口，以保证它们支持某些操作。可以由类提供的成员或实现它的其他接口实现接口指定。
本申请中的静态数据，是指在APP运行过程中主要作为控制或参考使用的数据，它们在预设的较长一段时间内不会变化，一般不随APP的运行而变。
102，根据所述预先配置，从子接口存储模块中获取所述目标用户在第一业务场景下的动态数据，并对所述动态数据进行特征提取，以得到至少一个维度的动态特征。
本申请中的动态数据，是指在APP运行中发生变化的数据以及在运行中需要输入、输出的数据和在连机操作中需要改变的数据。
本申请中的主接口存储模块和子接口存储模块，基于功能划分，将用户基础信息数据、用户画像数据等静态数据存储在主接口存储模块中，而将在业务场景中产生的动态数据存储在子接口存储模块中。
103，将所述至少一个维度的静态特征和所述至少一个维度的动态特征输入所述第一业务场景对应的计算模型，由所述计算模型计算得到所述目标用户在所述第一业务场景中的风险识别结果。
其中，所述风险识别结果包括：所述目标用户的风险类型。
本申请中的风险类型用于表示用户的风险等级，在一种实现方式中，风险类型例如可以包括但不限于：低风险、中风险、高风险等。
需要说明的是，101～103的执行主体的部分或全部可以为位于终端的应用，或者还可以为设置在位于终端的应用中的插件或软件开发工具包(Software DevelopmentKit，SDK)等功能单元，或者还可以为位于网络侧服务器中的处理引擎，本实施例对此不进行特别限定。
可以理解的是，所述应用可以是安装在终端上的本地程序(nativeApp)，或者还可以是终端上的浏览器的一个网页程序(webApp)，本实施例对此不进行限定。
这样，实现了对各业务场景中用户的风险类型的识别，能够在社交软件的风险管理中，根据用户的风险类型有效识别目标风险用户，有助于实现对社交软件的风险管理；将用户的静态数据和在业务场景下的动态数据分别存储在主接口存储模块和子接口存储模块中，由于静态数据和动态数据更新频率不同，通过将用户的静态数据和在业务场景下的动态数据分开存储在不同地方，能够提升静态数据和动态数据的存储效率，以及静态数据和动态数据的对访问获取速度，从而提高风险识别处理效率，并且，能够减少动态数据频繁更新、写入可能导致的数据混乱，提高了数据的稳定性。
可选地，在本实施例的一个可能的实现方式中，不同的业务场景可以对应于不同的子接口存储模块和独立接口模块。相应地，该实施例中，在101中，可以利用第一业务场景对应的独立接口模块，根据预先配置，从主接口存储模块中获取目标用户的静态数据，并对所述静态数据进行特征提取，以得到至少一个维度的静态特征。相应地，在102中，可以利用所述独立接口模块，根据预先配置，从第一业务场景对应的子接口存储模块中获取所述目标用户在第一业务场景下的动态数据，然后对所述动态数据进行特征提取，以得到至少一个维度的动态特征。在103中，可以利用所述独立接口模块，将所述至少一个维度的静态特征和所述至少一个维度的动态特征输入所述第一业务场景对应的计算模型，由所述计算模型计算得到所述目标用户在所述第一业务场景中的风险识别结果。
本实施例中，针对不同业务场景，可以通过对应的计算模型，对输入的静态特征和动态特征进行计算处理，得到对应业务场景中的风险识别结果并输出该风险识别结果。可以通过对APP中至少一种业务场景中的多种业务场景的对应计算模型并行计算得到目标用户在该多种业务场景中的风险识别结果。
通常，一个APP产品中涉及到至少一个功能区域，供给用户参与或使用，本申请中的业务场景即APP产品中涉及到的功能区域对应场景，例如微信APP中附近的人、扫一扫等就分别是一个微信APP中的业务场景。
本申请中的第一业务场景为需要进行风险识别处理的一个业务场景，如果需要对APP中的多个业务场景均进行风险识别处理，则可以分别以多个业务场景中的每个业务场景作为第一业务场景，执行本实施例的流程。
可选地，在本实施例的一个可能的实现方式中，可以预先在主接口存储模块中存储注册APP的用户的静态数据，并在注册APP的用户中第一用户的静态数据发生变化时，更新主接口存储模块中第一用户的静态数据。其中，所述APP包括至少一种业务场景，所述至少一种业务场景包括所述第一业务场景。其中的第一用户为静态数据发生变化的用户，可以是一个，也可以是多个。
可选地，在本实施例的一个可能的实现方式中，所述静态数据可以包括用户基础信息数据，例如可以包括但不限于用户的性别、年龄、所在城市、爱好、用户画像数据等等。另外，所述静态数据还可以包括用户的偏静态的数据，例如用户在APP的注册时间、活跃天数、聊天次数、距离上次活跃的天数等。关于用户的所有可以静态储存的数据都属于静态数据。
其中，用户画像数据即用户信息标签化，可以通过收集与分析用户的社会属性、生活习惯、消费行为等主要信息数据得到，可以抽象出一个用户的全貌，是企业应用大数据技术的基本方式。
可选地，在本实施例的一个可能的实现方式中，主接口存储模块可以通过关系型数据库管理系统(mysql)数据库或其他数据库存储用户的静态数据。
如下表1所示，为主接口存储模块中存储的静态数据维度(字段)的一个示例。
表1静态数据维度
其中的用户ID唯一标识一个APP上的注册用户。
可选地，在本实施例的一个可能的实现方式中，可以预先在所述至少一种业务场景中各业务场景对应的子接口存储模块中存储注册APP的用户的动态数据，并在注册APP的用户中第二用户在第二业务场景中的动态数据发生变化时，更新第二业务场景对应的子接口存储模块中所述第二用户的动态数据。其中的第二业务场景为用户的动态数据发生变化的业务场景，可以是所述APP中的一个业务场景，也可以是所述APP中的多个业务场景。其中，所述至少一种业务场景包括所述第二业务场景。
可选地，在本实施例的一个可能的实现方式中，所述动态数据为用户在APP的功能区域内表现出来的数据，例如可以包括但不限于用户行为数据、内容数据(例如发送或上传的图片、收发的消息内容等)、使用的设备信息、经纬度信息等，属于产品的业务场景数据。
可选地，在本实施例的一个可能的实现方式中，子接口存储模块可以通过数据结构服务器(redis)数据库或其他数据库存储用户的动态数据，该部分动态数据不限于用户行为数据和内容数据等，还可以包括偏重动态更新数据。关于用户业务在场景和产品中的所有动态更新的数据都可以存储在子接口存储模块中。以社交APP为例，业务场景例如可以包括但不限于附近的人、扫一扫、好友圈、群、直播等。
以附近的人这一业务场景为例，子接口存储模块中存储的动态数据维度(字段)的一个示例如下表2所示。
表2动态数据维度
可选地，在本实施例的一个可能的实现方式中，在103中，所述独立接口模块，具体可以将所述至少一个维度的静态特征和所述至少一个维度的动态特征进行融合，以得到融合特征，然后将所述融合特征输入所述第一业务场景对应的计算模型，由所述计算模型计算得到所述目标用户在所述第一业务场景中的风险识别结果。
通过将所述至少一个维度的静态特征和所述至少一个维度的动态特征进行融合，可以通过数据融合的方式，将静态特征和动态特征在维度上进行拼接，得到同时包括所述至少一个维度的静态特征和所述至少一个维度的动态特征的信息。如下表3所示，为通过用户ID匹配，将上述表1所述静态数据的特征与上述表2所示附近的人业务场景的动态数据的特征进行融合得到的一个融合特征。
表3融合特征
可选地，在本实施例的一个可能的实现方式中，在103中，所述风险识别结果还可以包括：第一业务场景对应的至少一个业务场景指标的计算结果。
其中，业务场景指标即各业务场景对应的考核指标，本申请中的业务场景指标可以是行业内的通用指标，也可以是针对该业务场景单独设置的个性化指标。例如，在微信APP中附近的人这一业务场景中，业务场景指标可以是附近的人的进入率，是将进入附近的人的用户数除以当天新增用户数，该指标可用于反应新增用户对附近的人的使用情况等。
可选地，在本实施例的一个可能的实现方式中，通过103，由计算模型计算得到目标用户在第一业务场景中的风险识别结果之后，还可以分别比较所述至少一个业务场景指标中各的业务场景指标的计算结果是否满足对应的预设要求；响应于所述至少一个业务场景指标中第一业务场景指标的计算结果不满足对应的预设要求，按照预设处罚方式，对目标用户与第一业务场景指标对应的行为或内容进行处罚。
其中，对目标用户与第一业务场景指标对应的行为或内容进行处罚，即对目标用户与第一业务场景指标对应的行为或内容进行一定的限制。例如，第一业务场景为微信APP中附件的人时，如果标用户的风险类型为高风险，则可以禁止目标用户出现在附近的人列表中，等等，从而实现针对业务场景对风险用户的风险管控。
可选地，在本实施例的一个可能的实现方式中，通过103，由计算模型计算得到目标用户在第一业务场景中的风险识别结果之后，还可以存储目标用户在至少一种业务场景中的风险识别结果，其中，所述至少一种业务场景包括所述第一业务场景。
基于本实施例，可以针对每个用户得到至少一种业务场景中的风险识别结果，以便后续对该用户进行风险管控时可以直接调取使用。
进一步可选地，在本实施例的一个可能的实现方式中，存储目标用户在所述至少一种业务场景中的风险识别结果之后，还可以按照预设监控周期，获取预设范围内用户在当前监控周期内，在第三业务场景中的风险识别结果，其中，所述至少一种业务场景包括所述第三业务场景，然后，将获取到的预设范围内用户在第三业务场景中的风险识别结果按照风险识别结果的维度进行拼接，以得到合并结果数据，并按照预设统计方式对所述合并结果数据进行指定维度的统计处理，以得到统计结果数据；进而，以可视化方式展示所述统计结果数据。
或者，进一步可选地，在本实施例的一个可能的实现方式中，存储目标用户在所述至少一种业务场景中的风险识别结果之后，还可以按照预设统计周期，获取预设范围内用户在当前统计周期内，在第三业务场景中的风险识别结果，其中，所述至少一种业务场景包括所述第三业务场景，其中的第三业务场景中需要对用户群体进行监管的业务场景。然后，将获取到的预设范围内用户在第三业务场景中的风险识别结果按照风险识别结果的维度进行拼接，以得到合并结果数据并存储，并按照监控周期和预设统计方式，对所述合并结果数据进行指定维度的统计处理，以得到统计结果数据，进而，以可视化方式展示所述统计结果数据。
基于本实施例，实现了对预设范围内多用户在同一业务场景中风险识别结果的合并存储，即将风险识别结果基于维度进行拼接存储，以满足后续针对该多用户群体的监管需求。本实施例可以支持统计结果数据的实时生成与展示、或离线生成与展示。
可选地，在本实施例的一个可能的实现方式中，存储目标用户在所述至少一种业务场景中的风险识别结果之后，还可以按照预设方式，例如可以采用降维技术、非监督聚类算法等，获取所述风险识别结果中风险类型为预设风险类型的用户，得到预设风险类型的用户群体，其中，所述预设范围内用户包括所述预设风险类型(例如高风险)的用户群体。
基于本实施例，可以按照预设方式将用户进行分群，对聚集起来的预设风险类型的用户群体，进行监控监管。例如按照预设监管策略，限制该用户群体在该业务场景下的行为和/或内容。
本申请中，监控监管，是指将风险指标进行可视化实时或者离线地推送到可视化界面或者报表形式进行展示，短时间内附近的人业务场景中出现大批量好友申请，以起到提示风险的目的。
如下表4所示，为风险类型为中高风险的用户群体的一个监管示例。
表4高风险的用户群体的一个监管示例
可选地，在本实施例的一个可能的实现方式中，以可视化方式展示所述统计结果数据时，具体可以利用可视化效果图，展示所述统计结果数据；或者，可以利用结构化数据表格，展示所述统计结果数据。
如下表5所示，为结构化数据表格的一个监管示例。
表5结构化数据表格的一个监管示例
| 风险范围 | 时间 | 用户数 | 报表一 |
| 中高风险 | 早上八点 | 500 | 小时级风险情况用户数趋势表 |
如图2所示，是本申请一实施例提供的风险识别处理方法中的一个可视化效果图。图2中示出了24小时内各时间段中中风险用户群体和高风险用户群体的聊天消息的数量。
基于本实施例，可以以可视化方式展示统计结果数据，从而实现对业务场景进行风险监控和预警。
图3是用来实现本申请实施例的风险识别处理方法的一个风险识别处理系统的框图。如图3所示，该风险识别处理系统包括数据存储模块、智能业务端口模块和处罚监控服务模块。图4是图3所示风险识别处理系统中数据存储模块的一个框图。图5是图3所示风险识别处理系统中智能业务端口模块的一个框图。图6是图3所示风险识别处理系统用于风险识别处理的一个流程示意图。
其中，数据存储模块包括主接口存储模块和各业务场景对应的子接口存储模块。
智能业务端口模块包括各业务场景对应的独立接口模块，根据业务需求配置，分别请求主接口存储模块和子接口存储模块中存储的数据，为后续计算模型接入进行计算做好准备工作。接入的数据是为了满足来自于各方面的需求，包括业务需求、模型需求，但不限于如上两个需求方，该智能业务端口模块支持对计算模型的选配，支持多个计算模型并行计算处理的逻辑选择，对复杂的业务需求进行支持。智能业务端口模块，将各独立接口模块结合机器学习技术，使得针对业务场景可以多维快速分析锁定风险，形成智能业务端接口，让该智能业务端接口具有反省和自学的功能，例如，利用自己产生的风险识别结果与参考信息进行学习，从而达到自我检查、自我学习的功能。
处罚监控服务模块用于按照预设处罚方式，对业务场景指标的计算结果不满足对应的预设要求的用户进行处罚，以及对风险类型为预设风险类型的用户群体进行监管。通过处罚监控服务模块的处罚、监管服务，可以业务场景的需求对用户进行处罚，以及结合业务场景指标，对场景氛围进行监控，起到监督预警作用。
可选地，在本申请上述各实施例中，在存储和计算资源足够的情况下，也可以将动态数据和静态数据统一的存储，针对每个业务场景从统一存储中获取相应的数据进行大批量计算。
可选地，在本申请上述各实施例中，也可以采取第三方提供的处罚方式和监管方式，对预设风险类型的用户和用户群体进行风险管控。
本申请实施例根据预先配置，从主接口存储模块中获取目标用户的静态数据，并对所述静态数据进行特征提取，以得到至少一个维度的静态特征，同时，从子接口存储模块中获取所述目标用户在第一业务场景下的动态数据，并对所述动态数据进行特征提取，以得到至少一个维度的动态特征；然后，将所述至少一个维度的静态特征和所述至少一个维度的动态特征输入所述第一业务场景对应的计算模型，由所述计算模型计算得到所述目标用户在所述第一业务场景中的风险识别结果，所述风险识别结果包括所述目标用户的风险类型。由此，本申请实施例实现了对各业务场景中用户的风险类型的识别，能够在社交软件的风险管理中，根据用户的风险类型有效识别目标风险用户，有助于实现对社交软件的风险管理。
另外，采用本申请所提供的技术方案，用户的静态数据和在业务场景下的动态数据分别存储在主接口存储模块和子接口存储模块中，由于静态数据和动态数据更新频率不同，通过将用户的静态数据和在业务场景下的动态数据分开存储在不同地方，能够提升静态数据和动态数据的存储效率，以及静态数据和动态数据的对访问获取速度，从而提高风险识别处理效率。
另外，采用本申请所提供的技术方案，通过将用户的静态数据和在业务场景下的动态数据分开存储在不同地方，能够减少动态数据频繁更新、写入可能导致的数据混乱，提高了数据的稳定性。
基于本申请所提供的技术方案，可以将社交软件的风控体系理解为设计实施对抗风险保护产品氛围的综合体系，该综合体系包括制订风险控制策略，对目标用户进行策略性识别、实施相应处罚、行为限制或引导、对产品氛围进行监控管理、保持持续的自我优化等的综合体系。
基于本申请所提供的技术方案，可以将机器学习、人工智能等成果引入风控体系，在各业务场景中进行更精准高效的监管控制，形成一个智能化的主次配合的风险管理体系，为社交软件保驾护航。
基于本申请所提供的技术方案，可以为业务场景提供个性化定制化的风控节点，满足业务需求而做灵活处罚和管理；在业务场景端结合算法，进行相对独立的风控环境，提炼风险系数，一方面保护该业务场景，另一方面，输出风险识别结果供其他业务场景以及数据信息主体使用，仿佛是动物触角，不光实现自身的功能，而且可以跟数据信息主体进行信息交互。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本申请的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示，电子设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许电子设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如数据处理方法。例如，在一些实施例中，数据处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的数据处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行数据处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (14)
1.一种风险识别处理方法，其特征在于，包括：
根据预先配置，从主接口存储模块中获取目标用户的静态数据，并对所述静态数据进行特征提取，以得到至少一个维度的静态特征；
根据所述预先配置，从子接口存储模块中获取所述目标用户在第一业务场景下的动态数据，并对所述动态数据进行特征提取，以得到至少一个维度的动态特征；
将所述至少一个维度的静态特征和所述至少一个维度的动态特征输入所述第一业务场景对应的计算模型，由所述计算模型计算得到所述目标用户在所述第一业务场景中的风险识别结果，所述风险识别结果包括：所述目标用户的风险类型。
2.根据权利要求1所述的方法，其特征在于，所述根据预先配置，从主接口存储模块中获取目标用户的静态数据，并对所述静态数据进行特征提取，以得到至少一个维度的静态特征，包括：
利用第一业务场景对应的独立接口模块，根据预先配置，从主接口存储模块中获取目标用户的静态数据，并对所述静态数据进行特征提取，以得到至少一个维度的静态特征；
所述根据所述预先配置，从子接口存储模块中获取所述目标用户在第一业务场景下的动态数据，并对所述动态数据进行特征提取，以得到至少一个维度的动态特征，包括：
利用所述独立接口模块，根据所述预先配置，从第一业务场景对应的子接口存储模块中获取所述目标用户在所述第一业务场景下的动态数据，并对所述动态数据进行特征提取，以得到至少一个维度的动态特征；
所述将所述至少一个维度的静态特征和所述至少一个维度的动态特征输入所述第一业务场景对应的计算模型，由所述计算模型计算得到所述目标用户在所述第一业务场景中的风险识别结果，包括：
利用所述独立接口模块，将所述至少一个维度的静态特征和所述至少一个维度的动态特征输入所述第一业务场景对应的计算模型，由所述计算模型计算得到所述目标用户在所述第一业务场景中的风险识别结果。
3.根据权利要求2所述的方法，其特征在于，还包括：
预先在主接口存储模块中存储注册应用的用户的静态数据，并在所述注册应用的用户中第一用户的静态数据发生变化时，更新所述主接口存储模块中所述第一用户的静态数据；其中，所述应用包括至少一种业务场景，所述至少一种业务场景包括所述第一业务场景；其中，所述静态数据包括用户基础信息数据；
预先在所述至少一种业务场景中各业务场景对应的子接口存储模块中存储所述注册应用的用户的动态数据，并在所述注册应用的用户中第二用户在第二业务场景中的动态数据发生变化时，更新所述第二业务场景对应的子接口存储模块中所述第二用户的动态数据；其中，所述动态数据包括用户行为数据和内容数据。
4.根据权利要求2所述的方法，其特征在于，所述将所述至少一个维度的静态特征和所述至少一个维度的动态特征输入所述第一业务场景对应的计算模型，包括：
将所述至少一个维度的静态特征和所述至少一个维度的动态特征进行融合，以得到融合特征；
将所述融合特征输入所述第一业务场景对应的计算模型。
5.根据权利要求2所述的方法，其特征在于，所述风险识别结果还包括：所述第一业务场景对应的至少一个业务场景指标的计算结果。
6.根据权利要求5所述的方法，其特征在于，所述由所述计算模型计算得到所述目标用户在所述第一业务场景中的风险识别结果之后，还包括：
分别比较所述至少一个业务场景指标中各的业务场景指标的计算结果是否满足对应的预设要求；
响应于所述至少一个业务场景指标中第一业务场景指标的计算结果不满足对应的预设要求，按照预设处罚方式，对所述目标用户与所述第一业务场景指标对应的行为或内容进行处罚。
7.根据权利要求5所述的方法，其特征在于，所述由所述计算模型计算得到所述目标用户在所述第一业务场景中的风险识别结果之后，还包括：
存储所述目标用户在所述至少一种业务场景中的风险识别结果，所述至少一种业务场景包括所述第一业务场景。
8.根据权利要求7所述的方法，其特征在于，所述存储所述目标用户在所述至少一种业务场景中的风险识别结果之后，还包括：
按照预设监控周期，获取预设范围内用户在当前监控周期内，在第三业务场景中的风险识别结果；
将获取到的预设范围内用户在第三业务场景中的风险识别结果按照风险识别结果的维度进行拼接，以得到合并结果数据；
按照预设统计方式，对所述合并结果数据进行指定维度的统计处理，以得到统计结果数据；
以可视化方式展示所述统计结果数据。
9.根据权利要求7所述的方法，其特征在于，所述存储所述目标用户在至少一种业务场景中的风险识别结果之后，还包括：
按照预设统计周期，获取预设范围内用户在当前统计周期内，在第三业务场景中的风险识别结果；
将获取到的预设范围内用户在第三业务场景中的风险识别结果按照风险识别结果的维度进行拼接，以得到合并结果数据并存储；
按照监控周期和预设统计方式，对所述合并结果数据进行指定维度的统计处理，以得到统计结果数据；
以可视化方式展示所述统计结果数据。
10.根据权利要求8或9所述的方法，其特征在于，所述存储所述目标用户在至少一种业务场景中的风险识别结果之后，还包括：
按照预设方式，获取所述风险识别结果中风险类型为预设风险类型的用户，得到用户群体；其中，所述预设范围内用户包括所述用户群体。
11.根据权利要求8或9所述的方法，其特征在于，所述以可视化方式展示所述统计结果数据，包括：
利用可视化效果图，展示所述统计结果数据；或者，
利用结构化数据表格，展示所述统计结果数据。
12.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据权利要求1～11中任一项所述的方法。
13.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行根据权利要求1～11中任一项所述的方法。
14.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1～11中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110862934.6A CN113592293A (zh) | 2021-07-29 | 2021-07-29 | 风险识别处理方法、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110862934.6A CN113592293A (zh) | 2021-07-29 | 2021-07-29 | 风险识别处理方法、电子设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113592293A true CN113592293A (zh) | 2021-11-02 |
Family
ID=78251728
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110862934.6A Pending CN113592293A (zh) | 2021-07-29 | 2021-07-29 | 风险识别处理方法、电子设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113592293A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114938285A (zh) * | 2022-03-24 | 2022-08-23 | 阿里云计算有限公司 | 数据的安全识别方法及存储介质 |
| CN116383026A (zh) * | 2023-06-05 | 2023-07-04 | 阿里巴巴（中国）有限公司 | 基于大模型的数据处理方法及服务器 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107886243A (zh) * | 2017-11-10 | 2018-04-06 | 阿里巴巴集团控股有限公司 | 风险识别模型构建和风险识别方法、装置及设备 |
| CN109711970A (zh) * | 2018-08-17 | 2019-05-03 | 深圳壹账通智能科技有限公司 | 贷款授信平台及其授信方法、授信设备、可读存储介质 |
| CN113051448A (zh) * | 2021-03-17 | 2021-06-29 | 平安普惠企业管理有限公司 | 数据处理方法、装置、电子设备及存储介质 |
| WO2023202496A1 (zh) * | 2022-04-22 | 2023-10-26 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置、系统及设备 |
-
2021
- 2021-07-29 CN CN202110862934.6A patent/CN113592293A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107886243A (zh) * | 2017-11-10 | 2018-04-06 | 阿里巴巴集团控股有限公司 | 风险识别模型构建和风险识别方法、装置及设备 |
| CN109711970A (zh) * | 2018-08-17 | 2019-05-03 | 深圳壹账通智能科技有限公司 | 贷款授信平台及其授信方法、授信设备、可读存储介质 |
| CN113051448A (zh) * | 2021-03-17 | 2021-06-29 | 平安普惠企业管理有限公司 | 数据处理方法、装置、电子设备及存储介质 |
| WO2023202496A1 (zh) * | 2022-04-22 | 2023-10-26 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置、系统及设备 |
Non-Patent Citations (1)
| Title |
|---|
| 江继龙;李宇希;: "数据挖掘在个人贷款潜在风险客户识别中的应用", 电子技术与软件工程, no. 09, pages 189 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114938285A (zh) * | 2022-03-24 | 2022-08-23 | 阿里云计算有限公司 | 数据的安全识别方法及存储介质 |
| CN116383026A (zh) * | 2023-06-05 | 2023-07-04 | 阿里巴巴（中国）有限公司 | 基于大模型的数据处理方法及服务器 |
| CN116383026B (zh) * | 2023-06-05 | 2023-09-01 | 阿里巴巴（中国）有限公司 | 基于大模型的数据处理方法及服务器 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111079006B (zh) | 一种消息推送方法、装置、电子设备及介质 | |
| US20120130940A1 (en) | Real-time analytics of streaming data | |
| WO2019062081A1 (zh) | 业务员画像形成方法、电子装置及计算机可读存储介质 | |
| CN112559631B (zh) | 分布式图数据库的数据处理方法、装置以及电子设备 | |
| CN113360580A (zh) | 基于知识图谱的异常事件检测方法、装置、设备及介质 | |
| US11847599B1 (en) | Computing system for automated evaluation of process workflows | |
| CN113849531A (zh) | 查询方法及装置 | |
| CN112860811A (zh) | 数据血缘关系的确定方法、装置、电子设备和存储介质 | |
| CN113592293A (zh) | 风险识别处理方法、电子设备及计算机可读存储介质 | |
| CN114153862A (zh) | 业务数据处理方法、装置、设备及存储介质 | |
| CN113987152A (zh) | 一种知识图谱抽取方法、系统、电子设备及介质 | |
| EP2884438A1 (en) | Method and device for grouping contacts in social network | |
| CN113704256A (zh) | 数据识别方法、装置、电子设备及存储介质 | |
| CN113761381A (zh) | 兴趣点推荐的方法、装置、设备以及存储介质 | |
| CN114118937A (zh) | 基于任务的信息推荐方法、装置、电子设备及存储介质 | |
| CN114118420A (zh) | 一种因果关系确定方法、装置、电子设备及存储介质 | |
| CN113961797A (zh) | 资源推荐方法、装置、电子设备和可读存储介质 | |
| CN113239889A (zh) | 图像识别方法、装置、设备、存储介质以及计算机程序产品 | |
| CN113032251A (zh) | 应用程序服务质量的确定方法、设备和存储介质 | |
| CN118333620B (zh) | 一种数据的处理方法、装置、电子设备及存储介质 | |
| CN113572679B (zh) | 账户亲密度的生成方法、装置、电子设备和存储介质 | |
| WO2024214406A1 (ja) | 省エネ行動変容支援装置及び省エネ行動変容支援方法 | |
| CN115480918A (zh) | 数据处理方法、装置、设备、介质及程序产品 | |
| CN113220997A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN118034647A (zh) | 面向低代码平台的工作流中的任务处理方法、装置及介质 |
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 |