CN114612207A - 基于万物互联的金融数据处理方法及装置 - Google Patents
基于万物互联的金融数据处理方法及装置 Download PDFInfo
- Publication number
- CN114612207A CN114612207A CN202210340781.3A CN202210340781A CN114612207A CN 114612207 A CN114612207 A CN 114612207A CN 202210340781 A CN202210340781 A CN 202210340781A CN 114612207 A CN114612207 A CN 114612207A
- Authority
- CN
- China
- Prior art keywords
- target user
- consumption
- scene
- amount
- life
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于万物互联的金融数据处理方法及装置,该方法包括:获取目标用户多个物联终端的支付信息,根据所有所述物联终端的支付信息计算所述目标用户在多个生活场景中的消费金额;根据所述目标用户在所有所述生活场景中的消费金额,通过第一加权计算方式确定所述目标用户的消费能力;根据所述目标用户的消费能力,确定所述目标用户的信用情况。可见,实施本发明通过物联网获取金融信息,能够提高获取金融数据的准确性,进而提高处理金融数据的效率和准确性;通过综合考虑用户在不同生活场景的消费金额的加权计算方式确定用户的消费能力,进而根据消费能力确定用户的信用情况,能够实现对用户金融数据的分析处理。
Description
技术领域
本发明涉及金融数据处理技术领域,尤其涉及一种基于万物互联的金融数据处理方法及装置。
背景技术
随着社会的发展和进步,金融行业可以获取的数据来源和属性类型多种多样,因而需要处理的数据量也越来越大。
然而,由于数据量大、金融数据的属性类型众多,导致处理金融数据的效率和准确性低,因此,如何提高处理金融数据的效率和准确性显得非常重要。
发明内容
本发明所要解决的技术问题在于,提供一种基于万物互联的金融数据处理方法及装置,基于物联网获取用户的消费信息,由于物联设备贴近用户的实际生活,因而通过物联网获取金融信息能够提高获取金融数据的准确性,进而提高处理金融数据的效率和准确性;通过综合考虑用户在不同生活场景的消费金额的加权计算方式确定用户的消费能力,进而根据消费能力确定用户的信用情况,能够实现对用户金融数据的分析处理。
为了解决上述技术问题,本发明第一方面公开了一种基于万物互联的金融数据处理方法,所述方法包括:
获取目标用户多个物联终端的支付信息,根据所有所述物联终端的支付信息计算所述目标用户在多个生活场景中的消费金额;所述物联终端包括智能手环、智能眼镜、智能pos机、智能充电桩、智能电表、智能水表、智能燃气表、智能灯杆以及智能交通设备中的至少一种;所述生活场景包括购物场景、水电燃气使用场景以及交通运输场景中的至少一种;
根据所述目标用户在所有所述生活场景中的消费金额,通过第一加权计算方式确定所述目标用户的消费能力;其中,在所述第一加权计算方式中,购物场景中消费金额的权重为0.6、水电燃气使用场景中消费金额的权重为0.2,交通运输场景中的消费金额的权重为0.2;
根据所述目标用户的消费能力,确定所述目标用户的信用情况;其中,当所述目标用户的消费能力越高时,确定出的所述目标用户的信用情况越高。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
确定固定基础融资额度;
根据所述目标用户当前信用情况和历史信用情况通过第二加权计算方式确定所述目标用户的综合信用情况;在所述第二加权计算方式中,所述目标用户在当前时刻之前且一年内的信用情况的权重为0.6,在当前时刻的一年前到两年内的信用情况的权重为0.3,在当前时刻的两年前的信用情况的权重为0.1;
根据所述目标用户的综合信用情况在所述固定基础融资额度基础上确定所述目标用户的融资额度;当所述综合信用情况等于预设信用情况时,所述目标用户的融资额度等于所述固定基础融资额度;当所述综合信用情况小于所述预设信用情况时,所述目标用户的融资额度小于所述固定基础融资额度,且该固定基础融资额度与该融资额度的差值为将所述预设信用情况与所述综合信用情况的差值输入指数函数的输出结果,该指数函数的底数大于1;当所述综合信用情况大于所述预设信用情况时,所述目标用户的融资额度大于所述固定基础融资额度,且该融资额度与该固定基础融资额度的差值为将所述预设信用情况与所述综合信用情况的差值输入对数函数的输出结果,该指数函数的底数大于1;所述指数函数的底数与所述对数函数的底数相等。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
获取所述目标用户提交的融资请求;
根据所述融资请求所属的目标生活场景,获取所述目标生活场景对应物联终端的消费记录,以确定所述目标用户在所述目标生活场景中的历史消费金额信息,根据所述历史消费金额信息通过第三加权计算方式确定所述目标用户在所述目标生活场景中的加权消费金额,并作为所述目标用户在所述目标生活场景的消费能力;其中,在所述第三加权计算方式中,所述目标用户在所述目标生活场景中当前时刻之前且一年内的历史消费金额总数的权重为0.6,在所述目标生活场景中当前时刻的一年前到两年内的历史消费金额总数的权重为0.3,在所述目标生活场景中当前时刻的两年前的历史消费金额总数的权重为0.1;
根据所述目标用户的融资额度、所述目标生活场景和所述目标用户在所述目标生活场景的消费能力确定针对所述融资请求的融资金额;
以及,所述根据所述目标用户的融资额度、所述目标生活场景和所述目标用户在所述目标生活场景的消费能力确定针对所述融资请求的融资金额,包括:
根据所述目标用户在所述目标生活场景的消费能力通过预设归一化计算方式计算得到该消费能力的归一化结果,确定为该消费能力的消费能力换算值;其中,所述预设归一化计算方式设置有最大消费金额数,所述预设归一化计算方式为当输入的消费能力小于等于所述最大消费金额数时,将输入的消费能力与所述最大消费金额数的比值确定为计算得到的归一化结果,以及当输入的消费能力大于所述最大消费金额数时,将1确定为计算得到的归一化结果;
将所述目标用户的融资额度、所述目标生活场景的场景换算值与所述消费能力换算值的乘积结果确定为针对所述融资请求的融资金额;所述购物场景的场景换算值为0.6,水电燃气使用场景的场景换算值为0.2,交通运输场景的场景换算值为0.2。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
根据所述目标用户在每个所述生活场景中所有的消费记录,获取该生活场景的每个所述消费记录对应的发票信息;所述消费记录对应的发票信息包括该消费记录对应的税额值;
对于每个所述生活场景,将所述目标用户在该生活场景中的所有所述消费记录对应的税额值相加,确定为所述目标用户在该生活场景的缴税信息。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
将每个所述生活场景和该生活场景对应的缴税信息输入预先训练出的第一神经网络模型,获取所述第一神经网络模型输出的该生活场景对应的偷税漏税预测结果,以确定所述目标用户在该生活场景中是否存在偷税漏税的情况;
其中,所述第一神经网络模型的训练集中每个数据包括生活场景、缴税信息和数据标注,所述数据标注包括有偷税漏税标注或者没有偷税漏税标注;所述第一神经网络模型在训练时将所述训练集中每条数据的生活场景和该生活场景的缴税信息作为输入,以该条数据的数据标注作为输出。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
将每个所述生活场景和该生活场景对应的缴税信息输入预先训练出的第二神经网络模型,获取所述第二神经网络模型输出的该生活场景对应的消费风险结果,以确定所述目标用户在该生活场景中是否存在消费不足或有消费欺诈的情况;
其中,所述第二神经网络模型的训练集中每个数据包括生活场景、缴税信息和数据标注,所述数据标注包括消费不足标注、消费欺诈标注或无消费风险标注;所述第二神经网络模型在训练时将所述训练集中每条数据的生活场景和该生活场景的缴税信息作为输入,以该条数据的数据标注作为输出。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
当所述目标用户使用所述物联终端付款时,控制该物联终端投射付款码,并读取本次交易金额;
将对应的生活场景中的本周已消费金额与前面多周的平均消费金额之差发送至所述目标用户的移动终端,或者,
将对应的生活场景中的本周已消费金额与前面多周的平均消费金额之差显示在该物联终端的屏幕上,或者,
当所述物联终端包括所述智能眼镜时,将对应的生活场景中的本周已消费金额与前面多周的平均消费金额之差通过无害激光投射在所述目标用户的视网膜上,以提示用户本周消费不足或本周消费过度。
本发明第二方面公开了一种基于万物互联的金融数据处理装置,所述装置包括:
获取处理模块,用于获取目标用户多个物联终端的支付信息,根据所有所述物联终端的支付信息计算所述目标用户在多个生活场景中的消费金额;所述物联终端包括智能手环、智能眼镜、智能pos机、智能充电桩、智能电表、智能水表、智能燃气表、智能灯杆以及智能交通设备中的至少一种;所述生活场景包括购物场景、水电燃气使用场景以及交通运输场景中的至少一种;
确定模块,用于根据所述目标用户在所有所述生活场景中的消费金额,通过第一加权计算方式确定所述目标用户的消费能力;其中,在所述第一加权计算方式中,购物场景中消费金额的权重为0.6、水电燃气使用场景中消费金额的权重为0.2,交通运输场景中的消费金额的权重为0.2;
所述确定模块,还用于根据所述目标用户的消费能力,确定所述目标用户的信用情况;其中,当所述目标用户的消费能力越高时,确定出的所述目标用户的信用情况越高。
作为一种可选的实施方式,在本发明第二方面中,所述确定模块,还用于确定固定基础融资额度,根据所述目标用户当前信用情况和历史信用情况通过第二加权计算方式确定所述目标用户的综合信用情况;在所述第二加权计算方式中,所述目标用户在当前时刻之前且一年内的信用情况的权重为0.6,在当前时刻的一年前到两年内的信用情况的权重为0.3,在当前时刻的两年前的信用情况的权重为0.1;根据所述目标用户的综合信用情况在所述固定基础融资额度基础上确定所述目标用户的融资额度;当所述综合信用情况等于预设信用情况时,所述目标用户的融资额度等于所述固定基础融资额度;当所述综合信用情况小于所述预设信用情况时,所述目标用户的融资额度小于所述固定基础融资额度,且该固定基础融资额度与该融资额度的差值为将所述预设信用情况与所述综合信用情况的差值输入指数函数的输出结果;当所述综合信用情况大于所述预设信用情况时,所述目标用户的融资额度大于所述固定基础融资额度,且该融资额度与该固定基础融资额度的差值为将所述预设信用情况与所述综合信用情况的差值输入对数函数的输出结果。
作为一种可选的实施方式,在本发明第二方面中,所述装置还包括:
第一获取模块,用于获取所述目标用户提交的融资请求;
所述第一获取模块,还用于根据所述融资请求所属的目标生活场景,获取所述目标生活场景对应物联终端的消费记录,以确定所述目标用户在所述目标生活场景中的历史消费金额信息;
所述确定模块,还用于根据所述历史消费金额信息通过第三加权计算方式确定所述目标用户在所述目标生活场景中的加权消费金额,并作为所述目标用户在所述目标生活场景的消费能力;其中,在所述第三加权计算方式中,所述目标用户在所述目标生活场景中当前时刻之前且一年内的历史消费金额总数的权重为0.6,在所述目标生活场景中当前时刻的一年前到两年内的历史消费金额总数的权重为0.3,在所述目标生活场景中当前时刻的两年前的历史消费金额总数的权重为0.1;
所述确定模块,还用于根据所述目标用户的融资额度、所述目标生活场景和所述目标用户在所述目标生活场景的消费能力确定针对所述融资请求的融资金额;
以及,所述确定模块根据所述目标用户的融资额度、所述目标生活场景和所述目标用户在所述目标生活场景的消费能力确定针对所述融资请求的融资金额的方式具体包括:
根据所述目标用户在所述目标生活场景的消费能力通过预设归一化计算方式计算得到该消费能力的归一化结果,确定为该消费能力的消费能力换算值;其中,所述预设归一化计算方式设置有最大消费金额数,所述预设归一化计算方式为当输入的消费能力小于等于所述最大消费金额数时,将输入的消费能力与所述最大消费金额数的比值确定为计算得到的归一化结果,以及当输入的消费能力大于所述最大消费金额数时,将1确定为计算得到的归一化结果;
将所述目标用户的融资额度、所述目标生活场景的场景换算值与所述消费能力换算值的乘积结果确定为针对所述融资请求的融资金额;所述购物场景的场景换算值为0.6,水电燃气使用场景的场景换算值为0.2,交通运输场景的场景换算值为0.2。
作为一种可选的实施方式,在本发明第二方面中,所述装置还包括:
第二获取模块,用于根据所述目标用户在每个所述生活场景中所有的消费记录,获取该生活场景的每个所述消费记录对应的发票信息;所述消费记录对应的发票信息包括该消费记录对应的税额值;
所述确定模块,还用于对于每个所述生活场景,将所述目标用户在该生活场景中的所有所述消费记录对应的税额值相加,确定为所述目标用户在该生活场景的缴税信息。
作为一种可选的实施方式,在本发明第二方面中,所述获取处理模块,还用于将每个所述生活场景和该生活场景对应的缴税信息输入预先训练出的第一神经网络模型,获取所述第一神经网络模型输出的该生活场景对应的偷税漏税预测结果,以确定所述目标用户在该生活场景中是否存在偷税漏税的情况;
其中,所述第一神经网络模型的训练集中每个数据包括生活场景、缴税信息和数据标注,所述数据标注包括有偷税漏税标注或者没有偷税漏税标注;所述第一神经网络模型在训练时将所述训练集中每条数据的生活场景和该生活场景的缴税信息作为输入,以该条数据的数据标注作为输出。
作为一种可选的实施方式,在本发明第二方面中,所述获取处理模块,还用于将每个所述生活场景和该生活场景对应的缴税信息输入预先训练出的第二神经网络模型,获取所述第二神经网络模型输出的该生活场景对应的消费风险结果,以确定所述目标用户在该生活场景中是否存在消费不足或有消费欺诈的情况;
其中,所述第二神经网络模型的训练集中每个数据包括生活场景、缴税信息和数据标注,所述数据标注包括消费不足标注、消费欺诈标注或无消费风险标注;所述第二神经网络模型在训练时将所述训练集中每条数据的生活场景和该生活场景的缴税信息作为输入,以该条数据的数据标注作为输出。
作为一种可选的实施方式,在本发明第二方面中,其特征在于,所述装置还包括:
控制处理模块,用于当所述目标用户使用所述物联终端付款时,控制该物联终端投射付款码,并读取本次交易金额;将对应的生活场景中的本周已消费金额与前面多周的平均消费金额之差发送至所述目标用户的移动终端,或者,将对应的生活场景中的本周已消费金额与前面多周的平均消费金额之差显示在该物联终端的屏幕上,或者,当所述物联终端包括所述智能眼镜时,将对应的生活场景中的本周已消费金额与前面多周的平均消费金额之差通过无害激光投射在所述目标用户的视网膜上,以提示用户本月消费不足或本月消费过度。
本发明第三方面公开了另一种基于万物互联的金融数据处理装置,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的基于万物互联的金融数据处理方法。
本发明第四方面公开了一种计算机可存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的基于万物互联的金融数据处理方法。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,获取目标用户多个物联终端的支付信息,根据所有所述物联终端的支付信息计算所述目标用户在多个生活场景中的消费金额;所述物联终端包括智能手环、智能眼镜、智能pos机、智能充电桩、智能电表、智能水表、智能燃气表、智能灯杆以及智能交通设备中的至少一种;所述生活场景包括购物场景、水电燃气使用场景以及交通运输场景中的至少一种;根据所述目标用户在所有所述生活场景中的消费金额,通过第一加权计算方式确定所述目标用户的消费能力;其中,在所述第一加权计算方式中,购物场景中消费金额的权重为0.6、水电燃气使用场景中消费金额的权重为0.2,交通运输场景中的消费金额的权重为0.2;根据所述目标用户的消费能力,确定所述目标用户的信用情况;其中,当所述目标用户的消费能力越高时,确定出的所述目标用户的信用情况越高。可见,实施本发明基于物联网获取用户的消费信息,由于物联设备贴近用户的实际生活,因而通过物联网获取金融信息能够提高获取金融数据的准确性,进而提高处理金融数据的效率和准确性;通过综合考虑用户在不同生活场景的消费金额的加权计算方式确定用户的消费能力,进而根据消费能力确定用户的信用情况,能够实现对用户金融数据的分析处理。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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。
图1是本发明实施例公开的一种基于万物互联的金融数据处理方法的流程示意图;
图2是本发明实施例公开的另一种基于万物互联的金融数据处理方法的流程示意图;
图3是本发明实施例公开的一种基于万物互联的金融数据处理装置的结构示意图;
图4是本发明实施例公开的另一种基于万物互联的金融数据处理装置的结构示意图;
图5是本发明实施例公开的又一种基于万物互联的金融数据处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种基于万物互联的金融数据处理方法及装置,基于物联网获取用户的消费信息,由于物联设备贴近用户的实际生活,因而通过物联网获取金融信息能够提高获取金融数据的准确性,进而提高处理金融数据的效率和准确性;通过综合考虑用户在不同生活场景的消费金额的加权计算方式确定用户的消费能力,进而根据消费能力确定用户的信用情况,能够实现对用户金融数据的分析处理。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种基于万物互联的金融数据处理方法的流程示意图。其中,图1所描述的基于万物互联的金融数据处理方法可以应用于金融数据处理系统,也可以应用于金融数据应用系统,本发明实施例不做限定。如图1所示,该基于万物互联的金融数据处理方法可以包括以下操作:
101、获取目标用户多个物联终端的支付信息,根据所有物联终端的支付信息计算目标用户在多个生活场景中的消费金额。
本发明实施例中,物联终端包括智能手环、智能眼镜、智能pos机、智能充电桩、智能电表、智能水表、智能燃气表、智能灯杆以及智能交通设备中的至少一种。可选的,生活场景包括购物场景、水电燃气使用场景以及交通运输场景中的至少一种。
102、根据目标用户在所有生活场景中的消费金额,通过第一加权计算方式确定目标用户的消费能力。
本发明实施例中,在第一加权计算方式中,购物场景中消费金额的权重为0.6、水电燃气使用场景中消费金额的权重为0.2,交通运输场景中的消费金额的权重为0.2。
103、根据目标用户的消费能力,确定目标用户的信用情况。
本发明实施例中,当目标用户的消费能力越高时,确定出的目标用户的信用情况越高。
可见,本发明实施例基于物联网获取用户的消费信息,由于物联设备贴近用户的实际生活,因而通过物联网获取金融信息能够提高获取金融数据的准确性,进而提高处理金融数据的效率和准确性;通过综合考虑用户在不同生活场景的消费金额的加权计算方式确定用户的消费能力,进而根据消费能力确定用户的信用情况,能够实现对用户金融数据的分析处理。
在一个可选的实施例中,该方法还包括:
确定固定基础融资额度;
根据目标用户当前信用情况和历史信用情况通过第二加权计算方式确定目标用户的综合信用情况;
根据目标用户的综合信用情况在固定基础融资额度基础上确定目标用户的融资额度。
该可选的实施例中,固定基础融资额度可以为预设值。
该可选的实施例中,在第二加权计算方式中,目标用户在当前时刻之前且一年内的信用情况的权重为0.6,在当前时刻的一年前到两年内的信用情况的权重为0.3,在当前时刻的两年前的信用情况的权重为0.1。
该可选的实施例中,当综合信用情况等于预设信用情况时,目标用户的融资额度等于固定基础融资额度;当综合信用情况小于预设信用情况时,目标用户的融资额度小于固定基础融资额度,且该固定基础融资额度与该融资额度的差值为将预设信用情况与综合信用情况的差值输入指数函数的输出结果,其中,该指数函数的底数大于1;当综合信用情况大于预设信用情况时,目标用户的融资额度大于固定基础融资额度,且该融资额度与该固定基础融资额度的差值为将预设信用情况与综合信用情况的差值输入对数函数的输出结果,其中,该对数函数的底数大于1;该对数函数的底数与上述指数函数的底数相等。由于指数函数在相同数值输入情况下的函数值均高于以指数函数的底数为系数的线性函数,而对数函数在相同数值输入情况下的函数值均低于以对数函数的底数为系数的线性函数,因而导致当用户信用低于预设信用时,信用越低在固定基础融资额度上扣除的额度越多,而当用户信用高于预设信用时,信用越高在固定基础融资额度上增加的额度越少,有助于鼓励用户提高信用同时避免出现随着用户信用的提高融资额度过快增长的情况。
可见,该可选的实施例通过综合考虑了用户所有的历史信用情况的加权计算的方式确定用户信用情况,能够提高确定用户信用情况的准确性;通过用户信用情况对预设融资额度进行调整得到用户最终的融资额度,能够提高确定融资额度的准确性和效率,同时,由于通过指数函数和对数函数的相关计算确定用户融资额度,当用户信用低于预设信用时,信用越低在基础融资额度上扣除的额度越多,而当用户信用高于预设信用时,信用越高在基础融资额度上增加的额度越少,有助于鼓励用户提高信用同时避免出现随着用户信用的提高融资额度过快增长的情况,提高确定融资额度的精准性。
在另一个可选的实施例中,该方法还包括:
获取目标用户提交的融资请求;
根据融资请求所属的目标生活场景,获取目标生活场景对应物联终端的消费记录,以确定目标用户在目标生活场景中的历史消费金额信息,根据历史消费金额信息通过第三加权计算方式确定目标用户在目标生活场景中的加权消费金额,并作为目标用户在目标生活场景的消费能力;
根据目标用户的融资额度、目标生活场景和目标用户在目标生活场景的消费能力确定针对融资请求的融资金额。
该可选的实施例中,在第三加权计算方式中,目标用户在目标生活场景中当前时刻之前且一年内的历史消费金额总数的权重为0.6,在目标生活场景中当前时刻的一年前到两年内的历史消费金额总数的权重为0.3,在目标生活场景中当前时刻的两年前的历史消费金额总数的权重为0.1。
可见,该可选的实施例通过综合考虑了用户在同一生活场景中不同消费时期消费金额的加权计算方式来确定用户在该生活场景的消费能力,能够提高确定用户在具体生活场景的消费能力的准确性,还能够根据具体生活场景、用户在具体生活场景中的消费能力以及先前确定的用户融资额度确定针对用户提出的融资请求的融资金额,提高确定针对用户融资请求的融资金额的准确性。
在又一个可选的实施例中,根据目标用户的融资额度、目标生活场景和目标用户在目标生活场景的消费能力确定针对融资请求的融资金额,包括:
根据目标用户在目标生活场景的消费能力通过预设归一化计算方式计算得到该消费能力的归一化结果,确定为该消费能力的消费能力换算值;
将目标用户的融资额度、目标生活场景的场景换算值与消费能力换算值的乘积结果确定为针对融资请求的融资金额。
该可选的实施例中,预设归一化计算方式设置有最大消费金额数,预设归一化计算方式为当输入的消费能力小于等于最大消费金额数时,将输入的消费能力与最大消费金额数的比值确定为计算得到的归一化结果,以及当输入的消费能力大于最大消费金额数时,将1确定为计算得到的归一化结果。该可选的实施例中,购物场景的场景换算值为0.6,水电燃气使用场景的场景换算值为0.2,交通运输场景的场景换算值为0.2。可见,确定出的针对融资请求的融资金额必定小于目标用户的融资额度,且不大于融资请求对应生活场景的场景换算值与用户融资额度的乘积,避免出现用户在所有生活场景中融资金额之和大于用户融资额度的情况。
可见,该可选的实施例通过场景的换算值与用户在该场景的消费能力换算值和用户的融资额度综合确定针对用户融资请求的融资金额,能够提高确定针对用户融资请求的融资金额的准确性和效率;由于确定出的针对融资请求的融资金额必定小于目标用户的融资额度,且不大于融资请求对应生活场景的场景换算值与用户融资额度的乘积,因而避免了出现用户在所有生活场景中融资金额之和大于用户融资额度的情况。
实施例二
请参阅图2,图2是本发明实施例公开的另一种基于万物互联的金融数据处理方法的流程示意图。其中,图2所描述的基于万物互联的金融数据处理方法可以应用于金融数据处理系统,也可以应用于金融数据应用系统,本发明实施例不做限定。如图2所示,该基于万物互联的金融数据处理方法可以包括以下操作:
201、获取目标用户多个物联终端的支付信息,根据所有物联终端的支付信息计算目标用户在多个生活场景中的消费金额。
202、根据目标用户在所有生活场景中的消费金额,通过第一加权计算方式确定目标用户的消费能力。
203、根据目标用户的消费能力,确定目标用户的信用情况。
本发明实施例中,针对步骤201-步骤203的其它描述,请参照实施例一中针对步骤101-步骤103的详细描述,本发明实施例不再赘述。
204、根据目标用户在每个生活场景中所有的消费记录,获取该生活场景的每个消费记录对应的发票信息。
本发明实施例中,消费记录对应的发票信息包括该消费记录对应的税额值。
205、对于每个生活场景,将目标用户在该生活场景中的所有消费记录对应的税额值相加,确定为目标用户在该生活场景的缴税信息。
可见,本发明实施例基于物联网获取用户的消费信息,由于物联设备贴近用户的实际生活,因而通过物联网获取金融信息能够提高获取金融数据的准确性,进而提高处理金融数据的效率和准确性;通过综合考虑用户在不同生活场景的消费金额的加权计算方式确定用户的消费能力,进而根据消费能力确定用户的信用情况,能够实现对用户金融数据的分析处理;根据用户在生活场景中消费记录的税额值确定用户在生活场景中的缴税信息,能够保证确定的缴税信息的准确性。
在一个可选的实施例中,该方法还包括:
将每个生活场景和该生活场景对应的缴税信息输入预先训练出的第一神经网络模型,获取第一神经网络模型输出的该生活场景对应的偷税漏税预测结果,以确定目标用户在该生活场景中是否存在偷税漏税的情况。
该可选的实施例中,第一神经网络模型的训练集中每个数据包括生活场景、缴税信息和数据标注,数据标注包括有偷税漏税标注或者没有偷税漏税标注。该可选的实施例中,第一神经网络模型在训练时将训练集中每条数据的生活场景和该生活场景的缴税信息作为输入,以该条数据的数据标注作为输出。
可见,该可选的实施例能够基于用户的缴税数据通过神经网络模型分析得到用户是否可能存在偷税漏税的情况,有助于根据分析结果预评估用户的缴税情况是否合法,提高确定用户是否有偷税漏税情况的效率。
在又一个可选的实施例中,该方法还包括:
将每个生活场景和该生活场景对应的缴税信息输入预先训练出的第二神经网络模型,获取第二神经网络模型输出的该生活场景对应的消费风险结果,以确定目标用户在该生活场景中是否存在消费不足或有消费欺诈的情况;
该可选的实施例中,第二神经网络模型的训练集中每个数据包括生活场景、缴税信息和数据标注,数据标注包括消费不足标注、消费欺诈标注或无消费风险标注。该可选的实施例中,第二神经网络模型在训练时将训练集中每条数据的生活场景和该生活场景的缴税信息作为输入,以该条数据的数据标注作为输出。
可见,该可选的实施例能够基于用户的缴税数据通过神经网络模型分析得到用户是否可能存在消费不足或消费欺诈的情况,有助于根据分析结果预评估用户是否有消费不足或消费欺诈的情况,提高确定用户是否有消费不足或消费欺诈的情况的效率。
在又一个可选的实施例中,该方法还包括:
当目标用户使用物联终端付款时,控制该物联终端投射付款码,并读取本次交易金额;
将对应的生活场景中的本周已消费金额与前面多周的平均消费金额之差发送至目标用户的移动终端,或者,
将对应的生活场景中的本周已消费金额与前面多周的平均消费金额之差显示在该物联终端的屏幕上,或者,
当物联终端包括智能眼镜时,将对应的生活场景中的本周已消费金额与前面多周的平均消费金额之差通过无害激光投射在目标用户的视网膜上,以提示用户本周消费不足或本周消费过度。
可见,该可选的实施例通过物联终端投射付款码来实现付款,能够实现便捷付款;通过将当前时段的已消费金额与之前多个时段的平均消费金额之差发送至用户的移动终端、物联终端的屏幕或者用户的视网膜,能够提示用户在当前时段消费不足或消费过度,有助于用户根据提示结果采取相应的措施避免出现更大的经济损失。
实施例三
请参阅图3,图3是本发明实施例公开的一种基于万物互联的金融数据处理装置的结构示意图。其中,图3所描述的基于万物互联的金融数据处理装置可以应用于金融数据处理系统,也可以应用于金融数据应用系统,本发明实施例不做限定。如图3所示,该基于万物互联的金融数据处理装置可以包括:
获取处理模块301,用于获取目标用户多个物联终端的支付信息,根据所有物联终端的支付信息计算目标用户在多个生活场景中的消费金额;物联终端包括智能手环、智能眼镜、智能pos机、智能充电桩、智能电表、智能水表、智能燃气表、智能灯杆以及智能交通设备中的至少一种;生活场景包括购物场景、水电燃气使用场景以及交通运输场景中的至少一种;
确定模块302,用于根据目标用户在所有生活场景中的消费金额,通过第一加权计算方式确定目标用户的消费能力;其中,在第一加权计算方式中,购物场景中消费金额的权重为0.6、水电燃气使用场景中消费金额的权重为0.2,交通运输场景中的消费金额的权重为0.2;
确定模块302,还用于根据目标用户的消费能力,确定目标用户的信用情况;其中,当目标用户的消费能力越高时,确定出的目标用户的信用情况越高。
可见,本发明实施例基于物联网获取用户的消费信息,由于物联设备贴近用户的实际生活,因而通过物联网获取金融信息能够提高获取金融数据的准确性,进而提高处理金融数据的效率和准确性;通过综合考虑用户在不同生活场景的消费金额的加权计算方式确定用户的消费能力,进而根据消费能力确定用户的信用情况,能够实现对用户金融数据的分析处理。
在一个可选的实施例中,如图4所示,确定模块302,还用于确定固定基础融资额度,根据目标用户当前信用情况和历史信用情况通过第二加权计算方式确定目标用户的综合信用情况;在第二加权计算方式中,目标用户在当前时刻之前且一年内的信用情况的权重为0.6,在当前时刻的一年前到两年内的信用情况的权重为0.3,在当前时刻的两年前的信用情况的权重为0.1;根据目标用户的综合信用情况在固定基础融资额度基础上确定目标用户的融资额度;当综合信用情况等于预设信用情况时,目标用户的融资额度等于固定基础融资额度;当综合信用情况小于预设信用情况时,目标用户的融资额度小于固定基础融资额度,且该固定基础融资额度与该融资额度的差值为将预设信用情况与综合信用情况的差值输入指数函数的输出结果;当综合信用情况大于预设信用情况时,目标用户的融资额度大于固定基础融资额度,且该融资额度与该固定基础融资额度的差值为将预设信用情况与综合信用情况的差值输入对数函数的输出结果。
可见,该可选的实施例通过综合考虑了用户所有的历史信用情况的加权计算的方式确定用户信用情况,能够提高确定用户信用情况的准确性;通过用户信用情况对预设融资额度进行调整得到用户最终的融资额度,能够提高确定融资额度的准确性和效率,同时,由于通过指数函数和对数函数的相关计算确定用户融资额度,当用户信用低于预设信用时,信用越低在基础融资额度上扣除的额度越多,而当用户信用高于预设信用时,信用越高在基础融资额度上增加的额度越少,有助于鼓励用户提高信用同时避免出现随着用户信用的提高融资额度过快增长的情况,提高确定融资额度的精准性。
在又一个可选的实施例中,如图4所示,该装置还包括:
第一获取模块303,用于获取目标用户提交的融资请求;
以及,第一获取模块303,还用于根据融资请求所属的目标生活场景,获取目标生活场景对应物联终端的消费记录,以确定目标用户在目标生活场景中的历史消费金额信息;
确定模块302,还用于根据历史消费金额信息通过第三加权计算方式确定目标用户在目标生活场景中的加权消费金额,并作为目标用户在目标生活场景的消费能力;其中,在第三加权计算方式中,目标用户在目标生活场景中当前时刻之前且一年内的历史消费金额总数的权重为0.6,在目标生活场景中当前时刻的一年前到两年内的历史消费金额总数的权重为0.3,在目标生活场景中当前时刻的两年前的历史消费金额总数的权重为0.1;
确定模块302,还用于根据目标用户的融资额度、目标生活场景和目标用户在目标生活场景的消费能力确定针对融资请求的融资金额;
以及,确定模块302根据目标用户的融资额度、目标生活场景和目标用户在目标生活场景的消费能力确定针对融资请求的融资金额的方式具体包括:
根据目标用户在目标生活场景的消费能力通过预设归一化计算方式计算得到该消费能力的归一化结果,确定为该消费能力的消费能力换算值;其中,预设归一化计算方式设置有最大消费金额数,预设归一化计算方式为当输入的消费能力小于等于最大消费金额数时,将输入的消费能力与最大消费金额数的比值确定为计算得到的归一化结果,以及当输入的消费能力大于最大消费金额数时,将1确定为计算得到的归一化结果;
将目标用户的融资额度、目标生活场景的场景换算值与消费能力换算值的乘积结果确定为针对融资请求的融资金额;购物场景的场景换算值为0.6,水电燃气使用场景的场景换算值为0.2,交通运输场景的场景换算值为0.2。
可见,该可选的实施例通过综合考虑了用户在同一生活场景中不同消费时期消费金额的加权计算方式来确定用户在该生活场景的消费能力,能够提高确定用户在具体生活场景的消费能力的准确性,还能够根据具体生活场景、用户在具体生活场景中的消费能力以及先前确定的用户融资额度确定针对用户提出的融资请求的融资金额,提高确定针对用户融资请求的融资金额的准确性;通过场景的换算值与用户在该场景的消费能力换算值和用户的融资额度综合确定针对用户融资请求的融资金额,能够提高确定针对用户融资请求的融资金额的准确性和效率;由于确定出的针对融资请求的融资金额必定小于目标用户的融资额度,且不大于融资请求对应生活场景的场景换算值与用户融资额度的乘积,因而避免了出现用户在所有生活场景中融资金额之和大于用户融资额度的情况。
在又一个可选的实施例中,如图4所示,该装置还包括:
第二获取模块304,用于根据目标用户在每个生活场景中所有的消费记录,获取该生活场景的每个消费记录对应的发票信息;消费记录对应的发票信息包括该消费记录对应的税额值;
以及,确定模块302,还用于对于每个生活场景,将目标用户在该生活场景中的所有消费记录对应的税额值相加,确定为目标用户在该生活场景的缴税信息。
可见,该可选的实施例根据用户在生活场景中消费记录的税额值确定用户在生活场景中的缴税信息,能够保证确定的缴税信息的准确性。
在又一个可选的实施例中,如图4所示,获取处理模块301,还用于将每个生活场景和该生活场景对应的缴税信息输入预先训练出的第一神经网络模型,获取第一神经网络模型输出的该生活场景对应的偷税漏税预测结果,以确定目标用户在该生活场景中是否存在偷税漏税的情况;
其中,第一神经网络模型的训练集中每个数据包括生活场景、缴税信息和数据标注,数据标注包括有偷税漏税标注或者没有偷税漏税标注;第一神经网络模型在训练时将训练集中每条数据的生活场景和该生活场景的缴税信息作为输入,以该条数据的数据标注作为输出。
可见,该可选的实施例能够基于用户的缴税数据通过神经网络模型分析得到用户是否可能存在偷税漏税的情况,有助于根据分析结果预评估用户的缴税情况是否合法,提高确定用户是否有偷税漏税情况的效率。
在又一个可选的实施例中,如图4所示,获取处理模块301,还用于将每个生活场景和该生活场景对应的缴税信息输入预先训练出的第二神经网络模型,获取第二神经网络模型输出的该生活场景对应的消费风险结果,以确定目标用户在该生活场景中是否存在消费不足或有消费欺诈的情况;
其中,第二神经网络模型的训练集中每个数据包括生活场景、缴税信息和数据标注,数据标注包括消费不足标注、消费欺诈标注或无消费风险标注;第二神经网络模型在训练时将训练集中每条数据的生活场景和该生活场景的缴税信息作为输入,以该条数据的数据标注作为输出。
可见,该可选的实施例能够基于用户的缴税数据通过神经网络模型分析得到用户是否可能存在消费不足或消费欺诈的情况,有助于根据分析结果预评估用户是否有消费不足或消费欺诈的情况,提高确定用户是否有消费不足或消费欺诈的情况的效率。
在又一个可选的实施例中,如图4所示,该装置还包括:
控制处理模块305,用于当目标用户使用物联终端付款时,控制该物联终端投射付款码,并读取本次交易金额;将对应的生活场景中的本周已消费金额与前面多周的平均消费金额之差发送至目标用户的移动终端,或者,将对应的生活场景中的本周已消费金额与前面多周的平均消费金额之差显示在该物联终端的屏幕上,或者,当物联终端包括智能眼镜时,将对应的生活场景中的本周已消费金额与前面多周的平均消费金额之差通过无害激光投射在目标用户的视网膜上,以提示用户本月消费不足或本月消费过度。
可见,该可选的实施例通过物联终端投射付款码来实现付款,能够实现便捷付款;通过将当前时段的已消费金额与之前多个时段的平均消费金额之差发送至用户的移动终端、物联终端的屏幕或者用户的视网膜,能够提示用户在当前时段消费不足或消费过度,有助于用户根据提示结果采取相应的措施避免出现更大的经济损失。
实施例四
请参阅图5,图5是本发明实施例公开的又一种基于万物互联的金融数据处理装置的结构示意图。如图5所示,该基于万物互联的金融数据处理装置可以包括:
存储有可执行程序代码的存储器401;
与存储器401耦合的处理器402;
处理器402调用存储器401中存储的可执行程序代码,执行本发明实施例一或本发明实施例二所描述的基于万物互联的金融数据处理方法中的步骤。
实施例五
本发明实施例公开了一种计算机可存储介质,该计算机存储介质存储有计算机指令,该计算机指令被调用时,用于执行本发明实施例一或本发明实施例二所描述的基于万物互联的金融数据处理方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的基于万物互联的金融数据处理方法中的步骤。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种基于万物互联的金融数据处理方法及装置所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种基于万物互联的金融数据处理方法,其特征在于,所述方法包括:
获取目标用户多个物联终端的支付信息,根据所有所述物联终端的支付信息计算所述目标用户在多个生活场景中的消费金额;所述物联终端包括智能手环、智能眼镜、智能pos机、智能充电桩、智能电表、智能水表、智能燃气表、智能灯杆以及智能交通设备中的至少一种;所述生活场景包括购物场景、水电燃气使用场景以及交通运输场景中的至少一种;
根据所述目标用户在所有所述生活场景中的消费金额,通过第一加权计算方式确定所述目标用户的消费能力;其中,在所述第一加权计算方式中,购物场景中消费金额的权重为0.6、水电燃气使用场景中消费金额的权重为0.2,交通运输场景中的消费金额的权重为0.2;
根据所述目标用户的消费能力,确定所述目标用户的信用情况;其中,当所述目标用户的消费能力越高时,确定出的所述目标用户的信用情况越高。
2.根据权利要求1所述的基于万物互联的金融数据处理方法,其特征在于,所述方法还包括:
确定固定基础融资额度;
根据所述目标用户当前信用情况和历史信用情况通过第二加权计算方式确定所述目标用户的综合信用情况;在所述第二加权计算方式中,所述目标用户在当前时刻之前且一年内的信用情况的权重为0.6,在当前时刻的一年前到两年内的信用情况的权重为0.3,在当前时刻的两年前的信用情况的权重为0.1;
根据所述目标用户的综合信用情况在所述固定基础融资额度基础上确定所述目标用户的融资额度;当所述综合信用情况等于预设信用情况时,所述目标用户的融资额度等于所述固定基础融资额度;当所述综合信用情况小于所述预设信用情况时,所述目标用户的融资额度小于所述固定基础融资额度,且该固定基础融资额度与该融资额度的差值为将所述预设信用情况与所述综合信用情况的差值输入指数函数的输出结果,该指数函数的底数大于1;当所述综合信用情况大于所述预设信用情况时,所述目标用户的融资额度大于所述固定基础融资额度,且该融资额度与该固定基础融资额度的差值为将所述预设信用情况与所述综合信用情况的差值输入对数函数的输出结果,该指数函数的底数大于1;所述指数函数的底数与所述对数函数的底数相等。
3.根据权利要求2所述的基于万物互联的金融数据处理方法,其特征在于,所述方法还包括:
获取所述目标用户提交的融资请求;
根据所述融资请求所属的目标生活场景,获取所述目标生活场景对应物联终端的消费记录,以确定所述目标用户在所述目标生活场景中的历史消费金额信息,根据所述历史消费金额信息通过第三加权计算方式确定所述目标用户在所述目标生活场景中的加权消费金额,并作为所述目标用户在所述目标生活场景的消费能力;其中,在所述第三加权计算方式中,所述目标用户在所述目标生活场景中当前时刻之前且一年内的历史消费金额总数的权重为0.6,在所述目标生活场景中当前时刻的一年前到两年内的历史消费金额总数的权重为0.3,在所述目标生活场景中当前时刻的两年前的历史消费金额总数的权重为0.1;
根据所述目标用户的融资额度、所述目标生活场景和所述目标用户在所述目标生活场景的消费能力确定针对所述融资请求的融资金额;
以及,所述根据所述目标用户的融资额度、所述目标生活场景和所述目标用户在所述目标生活场景的消费能力确定针对所述融资请求的融资金额,包括:
根据所述目标用户在所述目标生活场景的消费能力通过预设归一化计算方式计算得到该消费能力的归一化结果,确定为该消费能力的消费能力换算值;其中,所述预设归一化计算方式设置有最大消费金额数,所述预设归一化计算方式为当输入的消费能力小于等于所述最大消费金额数时,将输入的消费能力与所述最大消费金额数的比值确定为计算得到的归一化结果,以及当输入的消费能力大于所述最大消费金额数时,将1确定为计算得到的归一化结果;
将所述目标用户的融资额度、所述目标生活场景的场景换算值与所述消费能力换算值的乘积结果确定为针对所述融资请求的融资金额;所述购物场景的场景换算值为0.6,水电燃气使用场景的场景换算值为0.2,交通运输场景的场景换算值为0.2。
4.根据权利要求1-3任一项所述的基于万物互联的金融数据处理方法,其特征在于,所述方法还包括:
根据所述目标用户在每个所述生活场景中所有的消费记录,获取该生活场景的每个所述消费记录对应的发票信息;所述消费记录对应的发票信息包括该消费记录对应的税额值;
对于每个所述生活场景,将所述目标用户在该生活场景中的所有所述消费记录对应的税额值相加,确定为所述目标用户在该生活场景的缴税信息。
5.根据权利要求4所述的基于万物互联的金融数据处理方法,其特征在于,所述方法还包括:
将每个所述生活场景和该生活场景对应的缴税信息输入预先训练出的第一神经网络模型,获取所述第一神经网络模型输出的该生活场景对应的偷税漏税预测结果,以确定所述目标用户在该生活场景中是否存在偷税漏税的情况;
其中,所述第一神经网络模型的训练集中每个数据包括生活场景、缴税信息和数据标注,所述数据标注包括有偷税漏税标注或者没有偷税漏税标注;所述第一神经网络模型在训练时将所述训练集中每条数据的生活场景和该生活场景的缴税信息作为输入,以该条数据的数据标注作为输出。
6.根据权利要求4所述的基于万物互联的金融数据处理方法,其特征在于,所述方法还包括:
将每个所述生活场景和该生活场景对应的缴税信息输入预先训练出的第二神经网络模型,获取所述第二神经网络模型输出的该生活场景对应的消费风险结果,以确定所述目标用户在该生活场景中是否存在消费不足或有消费欺诈的情况;
其中,所述第二神经网络模型的训练集中每个数据包括生活场景、缴税信息和数据标注,所述数据标注包括消费不足标注、消费欺诈标注或无消费风险标注;所述第二神经网络模型在训练时将所述训练集中每条数据的生活场景和该生活场景的缴税信息作为输入,以该条数据的数据标注作为输出。
7.根据权利要求1、2、3、5或6所述的基于万物互联的金融数据处理方法,其特征在于,所述方法还包括:
当所述目标用户使用所述物联终端付款时,控制该物联终端投射付款码,并读取本次交易金额;
将对应的生活场景中的本周已消费金额与前面多周的平均消费金额之差发送至所述目标用户的移动终端,或者,
将对应的生活场景中的本周已消费金额与前面多周的平均消费金额之差显示在该物联终端的屏幕上,或者,
当所述物联终端包括所述智能眼镜时,将对应的生活场景中的本周已消费金额与前面多周的平均消费金额之差通过无害激光投射在所述目标用户的视网膜上,以提示用户本周消费不足或本周消费过度。
8.一种基于万物互联的金融数据处理装置,其特征在于,所述装置包括:
获取处理模块,用于获取目标用户多个物联终端的支付信息,根据所有所述物联终端的支付信息计算所述目标用户在多个生活场景中的消费金额;所述物联终端包括智能手环、智能眼镜、智能pos机、智能充电桩、智能电表、智能水表、智能燃气表、智能灯杆以及智能交通设备中的至少一种;所述生活场景包括购物场景、水电燃气使用场景以及交通运输场景中的至少一种;
确定模块,用于根据所述目标用户在所有所述生活场景中的消费金额,通过第一加权计算方式确定所述目标用户的消费能力;其中,在所述第一加权计算方式中,购物场景中消费金额的权重为0.6、水电燃气使用场景中消费金额的权重为0.2,交通运输场景中的消费金额的权重为0.2;
以及,所述确定模块,还用于根据所述目标用户的消费能力,确定所述目标用户的信用情况;其中,当所述目标用户的消费能力越高时,确定出的所述目标用户的信用情况越高。
9.一种基于万物互联的金融数据处理装置,其特征在于,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-7任一项所述的基于万物互联的金融数据处理方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-7任一项所述的基于万物互联的金融数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210340781.3A CN114612207A (zh) | 2022-04-02 | 2022-04-02 | 基于万物互联的金融数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210340781.3A CN114612207A (zh) | 2022-04-02 | 2022-04-02 | 基于万物互联的金融数据处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114612207A true CN114612207A (zh) | 2022-06-10 |
Family
ID=81867784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210340781.3A Pending CN114612207A (zh) | 2022-04-02 | 2022-04-02 | 基于万物互联的金融数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114612207A (zh) |
-
2022
- 2022-04-02 CN CN202210340781.3A patent/CN114612207A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104965844A (zh) | 信息处理方法及装置 | |
CN110555751B (zh) | 信用项目中的履约处理方法以及装置 | |
CN111383093A (zh) | 账单逾期智能催收方法及系统 | |
CN109741177A (zh) | 用户信用的评估方法、装置及智能终端 | |
CN108711013A (zh) | 异常行为确定方法、装置、设备及存储介质 | |
CN110415106A (zh) | 一种经营主体的经营分析预测评估系统 | |
CN114757710A (zh) | 一种用于负荷聚合商投标的评估方法 | |
CN114612207A (zh) | 基于万物互联的金融数据处理方法及装置 | |
CN111369347A (zh) | 业务处理方法、装置、设备及存储介质 | |
CN116228225A (zh) | 一种在线充值自动匹配钱包的匹配方法和系统 | |
CN115001976B (zh) | 网络切片智能化订购方法、装置和计算机存储介质 | |
CN109658083A (zh) | 存储器、基于微信小程序的宽带缴费方法、装置和设备 | |
CN112037049B (zh) | 银行卡收费方法及装置 | |
CN113807943A (zh) | 一种不良资产的多因子估值方法及系统、介质、设备 | |
CN112150269A (zh) | 企业借款用途核验方法及其系统、计算机设备、存储介质 | |
CN116843489B (zh) | 基于多系统联动的工程财务核算方法及系统 | |
CN111709831A (zh) | 黑名单的分析方法及装置 | |
CN110210959A (zh) | 财务数据的分析方法、装置及存储介质 | |
CN116151670B (zh) | 一种投行业务上市项目质量的智能评估方法、系统及介质 | |
CN112308719B (zh) | 虚拟资源获取方法、装置、服务器及存储介质 | |
CN112184450B (zh) | 基于区块链的交易结算方法、交易节点、设备及介质 | |
WO2022210017A1 (ja) | Ai分析システム、利用料算出方法、及び、記録媒体 | |
CN115099964A (zh) | 数据处理方法、终端设备以及存储介质 | |
CN114945143A (zh) | 一种欠费用户短信催缴方法、装置、设备及可读储存介质 | |
CN117114806A (zh) | 一种面向手机银行用户的产品议价方法及装置 |
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 |