CN114065860A - 银行账户数据分类方法及装置 - Google Patents
银行账户数据分类方法及装置 Download PDFInfo
- Publication number
- CN114065860A CN114065860A CN202111363644.3A CN202111363644A CN114065860A CN 114065860 A CN114065860 A CN 114065860A CN 202111363644 A CN202111363644 A CN 202111363644A CN 114065860 A CN114065860 A CN 114065860A
- Authority
- CN
- China
- Prior art keywords
- bank account
- bank
- accounts
- historical
- classification result
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24317—Piecewise classification, i.e. whereby each classification requires several discriminant rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种银行账户数据分类方法及装置,其中该方法包括:获取多个银行账户的历史数据,计算每一银行账户在不同维度的属性特征值;根据每一银行账户在不同维度的属性特征值,确定每一银行账户的历史特征值;根据每一银行账户的历史特征值,确定每一银行账户的一级分类结果;根据多个银行账户的历史特征值之间的相似度,对多个银行账户进行聚类计算,确定每一银行账户的二级分类结果,可以从多个维度对银行账户数据进行分析和归类,提高银行账户数据分类的准确性。
Description
技术领域
本发明涉及计算机数据处理技术领域,尤其涉及一种银行账户分类方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
在现有银行分布式系统中,通常依照单一原则对银行账户数据进行划分,例如根据不同的地域对银行账户数据进行划分,或者是对银行账户号进行HASH计算后均匀划分。但是,单一的分类原则无法准确的对不同类型的银行账户数据进行归类分析,降低银行账户分类的准确性。
针对上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供一种银行账户数据分类方法,用以从多个维度对银行账户数据进行分析和归类,提高银行账户数据分类的准确性,该方法包括:
获取多个银行账户的历史数据,计算每一银行账户在不同维度的属性特征值;
根据每一银行账户在不同维度的属性特征值,确定每一银行账户的历史特征值;
根据每一银行账户的历史特征值,确定每一银行账户的一级分类结果;
根据多个银行账户的历史特征值之间的相似度,对多个银行账户进行聚类计算,确定每一银行账户的二级分类结果。
本发明实施例还提供一种银行账户数据分类装置,用以从多个维度对银行账户数据进行分析和归类,提高银行账户数据分类的准确性,该装置包括:
属性特征值计算模块,用于获取多个银行账户的历史数据,计算每一银行账户在不同维度的属性特征值;
历史特征值确定模块,用于根据每一银行账户在不同维度的属性特征值,确定每一银行账户的历史特征值;
一级分类结果确定模块,用于根据每一银行账户的历史特征值,确定每一银行账户的一级分类结果;
二级分类结果确定模块,用于根据多个银行账户的历史特征值之间的相似度,对多个银行账户进行聚类计算,确定每一银行账户的二级分类结果。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述银行账户数据分类方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述银行账户数据分类方法。
本发明实施例还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,所述计算机程序被处理器执行时实现上述银行账户数据分类方法。
与现有技术中依照单一原则对银行账户数据进行划分不同,本发明实施例中,获取多个银行账户的历史数据,计算每一银行账户在不同维度的属性特征值;根据每一银行账户在不同维度的属性特征值,确定每一银行账户的历史特征值;根据每一银行账户的历史特征值,确定每一银行账户的一级分类结果;根据多个银行账户的历史特征值之间的相似度,对多个银行账户进行聚类计算,确定每一银行账户的二级分类结果,可以从多个维度对银行账户数据进行分析和归类,提高银行账户数据分类的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本发明实施例中银行账户数据分类方法的处理流程图;
图2为本发明实施例中确定银行账户一级分类结果的具体实例示意图;
图3为本发明实施例中银行账户数据分类装置的结构示意图;
图4为本发明实施例中银行账户数据分类装置的一具体实例结构示意图;
图5为本发明一实施例的计算机设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
图1为本发明实施例中银行账户数据分类方法的处理流程图。如图1所示,本发明实施例中银行账户数据分类方法可以包括:
步骤101、获取多个银行账户的历史数据,计算每一银行账户在不同维度的属性特征值;
步骤102、根据每一银行账户在不同维度的属性特征值,确定每一银行账户的历史特征值;
步骤103、根据每一银行账户的历史特征值,确定每一银行账户的一级分类结果;
步骤104、根据多个银行账户的历史特征值之间的相似度,对多个银行账户进行聚类计算,确定每一银行账户的二级分类结果。
由图1所示流程可以得知,本发明实施例中银行账户数据分类方法,首先可以获取多个银行账户的历史数据,计算每一银行账户在不同维度的属性特征值。
在一个实施例中,获取多个银行账户的历史数据,计算每一银行账户在不同维度的属性特征值,可以包括:获取多个银行账户的历史数据,计算每一银行账户在如下任意多种维度的属性特征值:平均余额、平均活跃度、平均交易金额、交易用途、交易关联性。具体实施时,以银行账户A为例,可以根据银行账户A的历史数据,计算银行账户A在平均余额、平均活跃度、平均交易金额这三个维度的属性特征值。
计算每一银行账户在不同维度的属性特征值之后,可以根据每一银行账户在不同维度的属性特征值,确定每一银行账户的历史特征值,进而可以根据每一银行账户的历史特征值,确定每一银行账户的一级分类结果。
在一个实施例中,根据每一银行账户在不同维度的属性特征值,确定每一银行账户的历史特征值,可以包括:对每一银行账户,根据该银行账户在不同维度的属性特征值,在对应的不同维度的属性特征空间唯一确定一属性特征点,将该属性特征点的值确定为该银行账户的历史特征值。
图2为本发明实施例中确定银行账户一级分类结果的具体实例示意图,如图2所示,仍以银行账户A为例,可以根据银行账户A在平均余额、平均活跃度、平均交易金额这三个维度的属性特征值进行账户分类,相当于构建三维特征空间,可以对应23即8个象限,也就是8个类别。在对应的平均余额、平均活跃度、平均交易金额的属性特征空间唯一确定一属性特征点,该属性特征点的值即为银行账户A的历史特征值,根据银行账户A的历史特征值可以确定银行账户A的一级分类结果,假设可以根据历史特征值将银行账户分为八类,分别为:第一类银行账户,对应平均余额、平均活跃度、平均交易金额都超过预设阈值的银行账户;第二类银行账户,对应平均余额超过预设阈值,平均活跃度、平均交易金额未超过预设阈值的银行账户;第三类银行账户,对应平均余额、平均活跃度超过预设阈值,平均交易金额未超过预设阈值的银行账户;第四类银行账户,对应平均余额、平均交易金额超过预设阈值,平均活跃度未超过预设阈值的银行账户;第五类银行账户,对应平均活跃度、平均交易金额超过预设阈值,平均余额未超过预设阈值的银行账户;第六类银行账户,对应平均活跃度超过预设阈值,平均余额、平均交易金额未超过预设阈值的银行账户;第七类银行账户,对应平均交易金额超过预设阈值,平均余额、平均活跃度未超过预设阈值的银行账户;第八类银行账户,对应平均余额、平均活跃度、平均交易金额中没有一个超过预设阈值的银行账户。例如,银行账户A的平均余额超过预设阈值,但平均活跃度和平均交易金额没有超过预设阈值,则银行账户A的一级分类结果为第二类银行账户。
在根据每一银行账户的历史特征值,确定每一银行账户的一级分类结果之后,可以根据多个银行账户的历史特征值之间的相似度,对多个银行账户进行聚类计算,确定每一银行账户的二级分类结果。
在一个实施例中,根据多个银行账户的历史特征值之间的相似度,对多个银行账户进行聚类计算,确定每一银行账户的二级分类结果,可以包括:计算多个银行账户中每两个银行账户之间的历史特征值的相似度,得到多个银行账户对应的相似度矩阵;将所有银行账户对象排成一队列,可以按如下方式进行聚类计算:将队列中第一个银行账户对象归入一新簇,扫描队列中除第一个银行账户对象外的其它银行账户对象,在检查出未聚类的银行账户对象与新簇中银行账户对象的历史特征值的相似度大于等于阈值时,将未聚类的银行账户对象归入新簇;扫描完成后将剩余未聚类的银行账户对象重新排成一队列,重新执行上述聚类计算步骤,直至所有银行账户对象聚类完成,得到每一银行账户的二级分类结果。
具体实施时,假设有银行账户A、银行账户B、银行账户C、银行账户D、银行账户E这五个银行账户,其中每一银行账户已确定一级分类结果,可以计算这五个银行账户中每两个银行账户之间的历史特征值的相似度:S(Xa,Xb)、S(Xa,Xc)、S(Xa,Xd)、S(Xa,Xe)、S(Xb,Xc)、S(Xb,Xd)、S(Xb,Xe)、S(Xc,Xd)、S(Xc,Xe)、S(Xd,Xe),其中,Xa、Xb、Xc、Xd、Xe分别代表银行账户A、银行账户B、银行账户C、银行账户D、银行账户E对应的历史特征值,S代表相似度计算结果,通过排列组合计算得到这五个银行账户对应的相似度矩阵;
将银行账户A、银行账户B、银行账户C、银行账户D、银行账户E这五个银行账户排成一队列,可以按如下方式聚类计算:将银行账户A归入新簇1,扫描剩余未聚类的银行账户B、银行账户C、银行账户D、银行账户E,将与银行账户A的历史特征值的相似度大于等于阈值的银行账户也归入新簇1,若仅银行账户C与银行账户A的历史特征值的相似度,即S(Xa,Xc)大于等于阈值,则将银行账户C归入新簇1;将剩余的银行账户B、银行账户D、银行账户E这三个银行账户重新排成一队列,将银行账户B归入新簇2,扫描剩余未聚类的银行账户D、银行账户E,若仅银行账户E与银行账户B的历史特征值的相似度,即S(Xb,Xe)大于等于阈值,则将银行账户E归入新簇2;将剩余的银行账户D归入新簇3,最终可以得到银行账户A、银行账户B、银行账户C、银行账户D、银行账户E的二级分类结果。
在一个实施例中,还可以包括:根据每一银行账户的一级分类结果和二级分类结果,对每一银行账户进行资源分配和/或交易活动推送。
具体实施时,在确定每一银行账户的一级分类结果和二级分类结果之后,可以根据每一银行账户的历史特征值以及历史特征值的聚类结果,对每一银行账户进行资源分配或交易活动推送,例如可以向平均余额、平均活跃度以及平均交易金额较高的这类银行账户分配更多资源,推送更多交易活动,从而有利于合理利用银行资源,提高交易成交率。
本发明实施例中还提供了一种银行账户数据分类装置,如下面的实施例所述。由于该装置解决问题的原理与银行账户数据分类方法相似,因此该装置的实施可以参见银行账户数据分类方法的实施,重复之处不再赘述。
图3为本发明实施例中银行账户数据分类装置的结构示意图。如图3所示,本发明实施例中银行账户数据分类装置具体可以包括:
属性特征值计算模块301,用于获取多个银行账户的历史数据,计算每一银行账户在不同维度的属性特征值;
历史特征值确定模块302,用于根据每一银行账户在不同维度的属性特征值,确定每一银行账户的历史特征值;
一级分类结果确定模块303,用于根据每一银行账户的历史特征值,确定每一银行账户的一级分类结果;
二级分类结果确定模块304,用于根据多个银行账户的历史特征值之间的相似度,对多个银行账户进行聚类计算,确定每一银行账户的二级分类结果。
在一个实施例中,属性特征值计算模块301具体用于:
获取多个银行账户的历史数据,计算每一银行账户在如下任意多种维度的属性特征值:平均余额、平均活跃度、平均交易金额、交易用途、交易关联性。
在一个实施例中,历史特征值确定模块302具体用于:
对每一银行账户,根据该银行账户在不同维度的属性特征值,在对应的不同维度的属性特征空间唯一确定一属性特征点,将该属性特征点的值确定为该银行账户的历史特征值。
在一个实施例中,二级分类结果确定模块304具体用于:
计算多个银行账户中每两个银行账户之间的历史特征值的相似度,得到多个银行账户对应的相似度矩阵;
将所有银行账户对象排成一队列,按如下方式进行聚类计算:将队列中第一个银行账户对象归入一新簇,扫描队列中除第一个银行账户对象外的其它银行账户对象,在检查出未聚类的银行账户对象与新簇中银行账户对象的历史特征值的相似度大于等于阈值时,将未聚类的银行账户对象归入新簇;扫描完成后将剩余未聚类的银行账户对象重新排成一队列,重新执行上述聚类计算步骤,直至所有银行账户对象聚类完成,得到每一银行账户的二级分类结果。
图4为本发明实施例中银行账户数据分类装置的一具体实例结构示意图。如图4所示,在实施例中,图3所示的银行账户数据分类装置还包括:
推送模块401,用于:
根据每一银行账户的一级分类结果和二级分类结果,对每一银行账户进行资源分配和/或交易活动推送。
基于前述发明构思,如图5所示,本发明还提出了一种计算机设备500,包括存储器510、处理器520及存储在存储器510上并可在处理器520上运行的计算机程序530,所述处理器520执行所述计算机程序530时实现前述银行账户数据分类方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述银行账户数据分类方法。
本发明实施例还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,所述计算机程序被处理器执行时实现上述银行账户数据分类方法。
与现有技术中依照单一原则对银行账户数据进行划分不同,本发明实施例中,获取多个银行账户的历史数据,计算每一银行账户在不同维度的属性特征值;根据每一银行账户在不同维度的属性特征值,确定每一银行账户的历史特征值;根据每一银行账户的历史特征值,确定每一银行账户的一级分类结果;根据多个银行账户的历史特征值之间的相似度,对多个银行账户进行聚类计算,确定每一银行账户的二级分类结果,可以从多个维度对银行账户数据进行分析和归类,提高银行账户数据分类的准确性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种银行账户数据分类方法,其特征在于,包括:
获取多个银行账户的历史数据,计算每一银行账户在不同维度的属性特征值;
根据每一银行账户在不同维度的属性特征值,确定每一银行账户的历史特征值;
根据每一银行账户的历史特征值,确定每一银行账户的一级分类结果;
根据多个银行账户的历史特征值之间的相似度,对多个银行账户进行聚类计算,确定每一银行账户的二级分类结果。
2.如权利要求1所述的方法,其特征在于,获取多个银行账户的历史数据,计算每一银行账户在不同维度的属性特征值,包括:
获取多个银行账户的历史数据,计算每一银行账户在如下任意多种维度的属性特征值:平均余额、平均活跃度、平均交易金额、交易用途、交易关联性。
3.如权利要求1所述的方法,其特征在于,根据每一银行账户在不同维度的属性特征值,确定每一银行账户的历史特征值,包括:
对每一银行账户,根据该银行账户在不同维度的属性特征值,在对应的不同维度的属性特征空间唯一确定一属性特征点,将该属性特征点的值确定为该银行账户的历史特征值。
4.如权利要求1所述的方法,其特征在于,根据多个银行账户的历史特征值之间的相似度,对多个银行账户进行聚类计算,确定每一银行账户的二级分类结果,包括:
计算多个银行账户中每两个银行账户之间的历史特征值的相似度,得到多个银行账户对应的相似度矩阵;
将所有银行账户对象排成一队列,按如下方式进行聚类计算:将队列中第一个银行账户对象归入一新簇,扫描队列中除第一个银行账户对象外的其它银行账户对象,在检查出未聚类的银行账户对象与新簇中银行账户对象的历史特征值的相似度大于等于阈值时,将未聚类的银行账户对象归入新簇;扫描完成后将剩余未聚类的银行账户对象重新排成一队列,重新执行上述聚类计算步骤,直至所有银行账户对象聚类完成,得到每一银行账户的二级分类结果。
5.如权利要求1至4任一项所述的方法,其特征在于,还包括:
根据每一银行账户的一级分类结果和二级分类结果,对每一银行账户进行资源分配和/或交易活动推送。
6.一种银行账户数据分类装置,其特征在于,包括:
属性特征值计算模块,用于获取多个银行账户的历史数据,计算每一银行账户在不同维度的属性特征值;
历史特征值确定模块,用于根据每一银行账户在不同维度的属性特征值,确定每一银行账户的历史特征值;
一级分类结果确定模块,用于根据每一银行账户的历史特征值,确定每一银行账户的一级分类结果;
二级分类结果确定模块,用于根据多个银行账户的历史特征值之间的相似度,对多个银行账户进行聚类计算,确定每一银行账户的二级分类结果。
7.如权利要求6所述的装置,其特征在于,属性特征值计算模块具体用于:
获取多个银行账户的历史数据,计算每一银行账户在如下任意多种维度的属性特征值:平均余额、平均活跃度、平均交易金额、交易用途、交易关联性。
8.如权利要求6所述的装置,其特征在于,历史特征值确定模块具体用于:
对每一银行账户,根据该银行账户在不同维度的属性特征值,在对应的不同维度的属性特征空间唯一确定一属性特征点,将该属性特征点的值确定为该银行账户的历史特征值。
9.如权利要求6所述的装置,其特征在于,二级分类结果确定模块具体用于:
计算多个银行账户中每两个银行账户之间的历史特征值的相似度,得到多个银行账户对应的相似度矩阵;
将所有银行账户对象排成一队列,按如下方式进行聚类计算:将队列中第一个银行账户对象归入一新簇,扫描队列中除第一个银行账户对象外的其它银行账户对象,在检查出未聚类的银行账户对象与新簇中银行账户对象的历史特征值的相似度大于等于阈值时,将未聚类的银行账户对象归入新簇;扫描完成后将剩余未聚类的银行账户对象重新排成一队列,重新执行上述聚类计算步骤,直至所有银行账户对象聚类完成,得到每一银行账户的二级分类结果。
10.如权利要求6至9任一项所述的装置,其特征在于,还包括推送模块,用于:
根据每一银行账户的一级分类结果和二级分类结果,对每一银行账户进行资源分配和/或交易活动推送。
11.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5任一所述方法。
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存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至5任一所述方法。
13.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至5任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111363644.3A CN114065860A (zh) | 2021-11-17 | 2021-11-17 | 银行账户数据分类方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111363644.3A CN114065860A (zh) | 2021-11-17 | 2021-11-17 | 银行账户数据分类方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114065860A true CN114065860A (zh) | 2022-02-18 |
Family
ID=80277801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111363644.3A Pending CN114065860A (zh) | 2021-11-17 | 2021-11-17 | 银行账户数据分类方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114065860A (zh) |
-
2021
- 2021-11-17 CN CN202111363644.3A patent/CN114065860A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108491302B (zh) | 一种检测spark集群节点状态的方法 | |
US8775338B2 (en) | Computer-implemented systems and methods for constructing a reduced input space utilizing the rejected variable space | |
US10606867B2 (en) | Data mining method and apparatus | |
CN107908536B (zh) | Cpu-gpu异构环境中对gpu应用的性能评估方法及系统 | |
CN106610977B (zh) | 一种数据聚类方法和装置 | |
CN106708875B (zh) | 一种特征筛选方法及系统 | |
CN107515876B (zh) | 一种特征模型的生成、应用方法及装置 | |
KR20140130014A (ko) | 그래프 분류를 위한 빈발 부분그래프의 생성 방법 | |
CN113111351B (zh) | 测试方法、装置和计算机可读存储介质 | |
CN113204642A (zh) | 文本聚类方法、装置、存储介质和电子设备 | |
CN107203916B (zh) | 一种用户信用模型建立方法及装置 | |
CN114065860A (zh) | 银行账户数据分类方法及装置 | |
CN110807286A (zh) | 一种结构网格识别方法 | |
CN111353332A (zh) | 指纹图像处理方法、装置和计算机可读存储介质 | |
CN115688853A (zh) | 一种流程挖掘方法及系统 | |
CN109901931B (zh) | 一种归约函数数量确定方法、装置及系统 | |
CN105224389B (zh) | 基于线性相关性及分段性装箱理论的虚拟机资源整合方法 | |
CN110825493A (zh) | 一种虚拟机调优的方法及装置 | |
EP4398152A1 (en) | Analytics platform optimisation | |
US11861938B2 (en) | Device and method for classifying biometric authentication data | |
US20240078840A1 (en) | Device and method for classifying biometric authentication data | |
US11354286B1 (en) | Outlier identification and removal | |
CN114615144B (zh) | 网络优化方法及系统 | |
CN111698700B (zh) | 一种小区的工作状态的判定方法及装置 | |
CN108762918B (zh) | 一种基于概率分布的工作流资源配置优化方法和系统 |
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 |