CN116188021A - 一种数据的处理方法、装置及设备 - Google Patents

Abstract

本说明书实施例公开了一种数据的处理方法、装置及设备，该方法包括：获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于第一特征和基础特征构建审理定性策略，获取用户提交的针对预设风险的投诉数据，如果投诉数据对应的第三特征中存在未包含于第一特征和/或基础特征中的特征，则基于基础特征对第三特征进行回溯处理，基于第三特征对应的回溯信息、第一特征和基础特征对投诉数据进行审理定性处理，得到第一审理结果；若第一审理结果优于基于审理定性策略对投诉数据进行审理定性处理得到的第二审理结果，则基于第三特征对应的回溯信息和第一特征对审理定性策略进行更新。

Description

一种数据的处理方法、装置及设备

技术领域

本文件涉及计算机技术领域，尤其涉及一种数据的处理方法、装置及设备。

背景技术

风险投诉或风险举报是用户在使用某项业务的过程中，对发现的风险事实或者存在风险嫌疑的事件，通过人工客服或者自助通道等方式向该服务的平台进行告发、揭露的行为，对用户来说，风险投诉是用户为数不多主动进行安全反馈问题的场景之一。因此，风险投诉的审理定性在风控系统中发挥着非常重要的作用，是不可缺少的关键一环。

目前，案件定性回溯的方式一般是用当前的线上审理定性策略对历史数据进行审理定性，即使用线上正式生效的审理定性策略对历史数据进行判定，评估历史数据得到相应的审理定性结果。但是，上述方式会存在特征穿越的现象，具体如被投诉方被投诉时存在短期内(如7天或30天等)被多个用户投诉，但对案件进行定性回溯时短期内无用户投诉，这样会使得前后特征不一致，从而可能导致案件定性结果存在差异。为此，需要提供一种能够保证定性回溯时使用的特征是有效的，从而可以有效避免特征穿越现象的发生，以克服定性回溯结果与当下审理定性策略期望结果不一致的技术方案。

发明内容

本说明书实施例的目的是提供一种能够保证定性回溯时使用的特征是有效的，从而可以有效避免特征穿越现象的发生，以克服定性回溯结果与当下审理定性策略期望结果不一致的技术方案。

为了实现上述技术方案，本说明书实施例是这样实现的：

本说明书实施例提供的一种数据的处理方法，所述方法包括：获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于所述第一特征和所述基础特征构建针对所述预设风险的审理定性策略，所述第二特征是复杂程度高于预设复杂度阈值的特征。获取用户提交的针对所述预设风险的投诉数据。如果所述投诉数据对应的第三特征中存在未包含于所述第一特征和/或所述基础特征中的特征，则基于所述基础特征对所述第三特征进行回溯处理，得到所述第三特征对应的回溯信息，基于所述第三特征对应的回溯信息、所述第一特征和所述基础特征对所述投诉数据进行审理定性处理，得到相应的第一审理结果。如果所述第一审理结果优于基于所述审理定性策略对所述投诉数据进行审理定性处理得到的第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新。

本说明书实施例提供的一种数据的处理装置，所述装置包括：策略构建模块，获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于所述第一特征和所述基础特征构建针对所述预设风险的审理定性策略，所述第二特征是复杂程度高于预设复杂度阈值的特征。数据获取模块，获取用户提交的针对所述预设风险的投诉数据。审理模块，如果所述投诉数据对应的第三特征中存在未包含于所述第一特征和/或所述基础特征中的特征，则基于所述基础特征对所述第三特征进行回溯处理，得到所述第三特征对应的回溯信息，基于所述第三特征对应的回溯信息、所述第一特征和所述基础特征对所述投诉数据进行审理定性处理，得到相应的第一审理结果。策略更新模块，如果所述第一审理结果优于基于所述审理定性策略对所述投诉数据进行审理定性处理得到的第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新。

本说明书实施例提供的一种数据的处理设备，所述数据的处理设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于所述第一特征和所述基础特征构建针对所述预设风险的审理定性策略，所述第二特征是复杂程度高于预设复杂度阈值的特征。获取用户提交的针对所述预设风险的投诉数据。如果所述投诉数据对应的第三特征中存在未包含于所述第一特征和/或所述基础特征中的特征，则基于所述基础特征对所述第三特征进行回溯处理，得到所述第三特征对应的回溯信息，基于所述第三特征对应的回溯信息、所述第一特征和所述基础特征对所述投诉数据进行审理定性处理，得到相应的第一审理结果。如果所述第一审理结果优于基于所述审理定性策略对所述投诉数据进行审理定性处理得到的第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新。

本说明书实施例还提供了一种存储介质，所述存储介质用于存储计算机可执行指令，所述可执行指令在被处理器执行时实现以下流程：获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于所述第一特征和所述基础特征构建针对所述预设风险的审理定性策略，所述第二特征是复杂程度高于预设复杂度阈值的特征。获取用户提交的针对所述预设风险的投诉数据。如果所述投诉数据对应的第三特征中存在未包含于所述第一特征和/或所述基础特征中的特征，则基于所述基础特征对所述第三特征进行回溯处理，得到所述第三特征对应的回溯信息，基于所述第三特征对应的回溯信息、所述第一特征和所述基础特征对所述投诉数据进行审理定性处理，得到相应的第一审理结果。如果所述第一审理结果优于基于所述审理定性策略对所述投诉数据进行审理定性处理得到的第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新。

附图说明

为了更清楚地说明本说明书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说明书中记载的一些实施例，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他的附图。

图1为本说明书一种数据的处理方法实施例；

图2为本说明书另一种数据的处理方法实施例；

图3为本说明书一种数据的处理系统的结构示意图；

图4为本说明书一种数据的处理装置实施例；

图5为本说明书一种数据的处理设备实施例。

具体实施方式

本说明书实施例提供一种数据的处理方法、装置及设备。

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都应当属于本说明书保护的范围。

实施例一

如图1所示，本说明书实施例提供一种数据的处理方法，该方法的执行主体可以为终端设备或服务器等，其中的终端设备可以如手机、平板电脑等移动终端设备，还可以如笔记本电脑或台式电脑等计算机设备，或者，也可以为IoT设备(具体如智能手表、车载设备等)等，其中的服务器可以是独立的一个服务器，还可以是由多个服务器构成的服务器集群等，该服务器可以是如金融业务或网络购物业务等的后台服务器，也可以是某应用程序的后台服务器等。本实施例中以执行主体为服务器为例进行详细说明，对于执行主体为终端设备的情况，可以参见下述服务器的情况处理，在此不再赘述。该方法具体可以包括以下步骤：

在步骤S102中，获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于第一特征和基础特征构建针对预设风险的审理定性策略，第二特征是复杂程度高于预设复杂度阈值的特征。

其中，预设风险可以包括多种，例如，预设风险可以是欺诈风险、盗用风险等，具体可以根据实际情况设定，本说明书实施例对此不做限定。审理定性策略可以是用户投诉(或举报)存在某风险后，风险防控系统会结合用户提交的投诉信息和其它相关信息判定用户投诉的案件是否存在风险、是什么类型的风险、是使用什么手法实现的风险等的策略，审理定性策略可以包括多种，例如，可以包括用户投诉信息的关键特征和被投诉方的账户信息等，具体可以根据实际情况设定，本说明书实施例对此不做限定。第一特征可以是用于构建审理定性策略的较常用特征，例如，预设风险为欺诈风险，第一特征可以包括欺诈风险的关键特征等，可以通过多种不同的途径获得，具体可以根据实际情况设定。复杂度阈值可以根据实际情况设定，具体如60％或80％等。

在实施中，风险投诉或风险举报是用户在使用某项业务的过程中，对发现的风险事实或者存在风险嫌疑的事件，通过人工客服或者自助通道等方式向该服务的平台进行告发、揭露的行为，如用户发现其账号或其资金被盗后，对上述盗用风险或欺诈风险进行举报。用户举报存在的风险后，该业务的风控系统会结合用户提交的投诉信息(如文本描述、举证图像等)和事实类信息(如交易信息、账户信息、投诉方和被投诉方之间的关系等)判定用户投诉的事件是否存在风险、是什么类型的风险(如盗用风险、欺诈风险、非法融资风险等)、是采用什么手法实现的风险(仿冒公检法进行欺诈、手机丢失被盗用等)等。因此，风险投诉的审理定性在风控系统中发挥着非常重要的作用，对用户来说，风险投诉是用户为数不多主动进行安全反馈问题的场景之一，案件的审理定性是反馈用户安全解决方案、满足用户合理安全诉求的重要抓手，对风控系统来说，审理定性是感知风险的雷达，是风险样本获取的重要来源，也是客观科学的风险水位量化指标。因此，风险投诉的定性回溯对审理定性和风控系统来说，有着重要的现实意义，是不可缺少的关键一环。通过历史案件的定性回溯，可以更加客观公正的衡量同一种风险类型、风险手法的变化趋势，进而对过去一个阶段风险治理效果做出准确的评价，同时也为下阶段风控治理目标的合理设定提供科学依据，并且，可以提供更准确更全面的风险样本，用于模型训练、策略建设等。

目前，案件定性回溯的方式一般是用当前的线上审理定性策略对历史数据进行审理定性，即使用线上正式生效的审理定性策略对历史数据进行判定，评估历史数据得到相应的审理定性结果。但是，上述方式会存在特征穿越的现象，即审理定性策略中除了用到用户投诉中的文本描述、举证图像等非结构化特征外，也会使用大量的结构化特征(如被投诉方被投诉的记录、被投诉方的交易信息、投诉方和被投诉方之间的交易历史数据等)，如果直接使用当前线上审理定性策略对历史数据定性回溯，则会存在特征穿越的现象，具体如被投诉方被投诉时存在短期内(如7天或30天等)被多个用户投诉，但对案件进行定性回溯时短期内无用户投诉，这样会使得前后特征不一致，从而可能导致案件定性结果存在差异，为此，需要提供一种能够保证定性回溯时使用的特征是有效的，从而可以有效避免特征穿越现象的发生，以克服定性回溯结果与当下审理定性策略期望结果不一致的技术方案。本说明书实施例提供一种可实现的技术方案，具体可以包括以下内容。

为了避免出现特征穿越的现象，需要提前梳理审理定性策略可能会用到的特征，预估未来需要构建的审理定性策略可能会用到的特征在实际中很难完全做到，本实施例中可以通过两种方式分别收集相应的特征来构建审理定性策略，首先可以通过多种不同的方式获取用于构建针对预设风险的审理定性策略所需的第一特征，例如，可以从指定的数据库中获取上述第一特征，该数据库可以用于存储构建多种不同审理定性策略的第一特征，其中的第一特征可以是从多种不同的平台或系统中获取，或者，可以获取预先存储的针对预设风险的历史投诉数据，可以对历史投诉数据进行特征提取，可以从提取的特征中选取能够表征审理定性策略常用的特征，并可以将选取的特征作为上述第一特征，或者，也可以基于专家经验确定构建审理定性策略所需的第一特征。

此外，考虑到后续可能会存在较复杂的特征(即第二特征)，为了能够构建上述第二特征，可以通过多种不同的方式获取用于构建第二特征对应的基础特征，例如，可以从指定的数据库中获取用于构建第二特征对应的基础特征，该数据库可以用于存储构建多种不同第二特征对应的基础特征，其中的第二特征可以是从多种不同的平台或系统中获取，或者，也可以基于专家经验梳理可能会在未来用于加工复杂特征(即第二特征)的基础类特征(即基础特征)，后续构建的审理定性策略中用到的不同于第一特征的大部分新特征(可以是复杂程度高于预设复杂度阈值的第二特征)均可以从上述基础特征加工而来。

可以基于第一特征和基础特征进行相应的计算，通过计算可以得到针对预设风险的审理定性策略，具体可以根据历史数据，确定在时间上第一特征和基础特征的排序，从而得到第一特征和基础特征对应的时间序列，可以基于该时间序列构建针对预设风险的审理定性策略。在实际应用中，除了可以通过上述方式构建初始的审理定性策略，还可以通过多种不同的方式构建上述初始的审理定性策略，具体可以根据实际情况设定，本说明书实施例对此不做限定。

在步骤S104中，获取用户提交的针对预设风险的投诉数据。

其中，用户可以是任意用户，本实施例中，该用户可以是在执行某业务的过程中遇到预设风险的用户，具体可以根据实际情况设定。投诉数据中可以包括多种不同的数据，例如，用户对预设风险的描述文本信息、被投诉方提供给投诉方的具有预设风险的信息(可以是文本信息，也可以是截图等)、举证的图像，还可以包括如投诉方的账户信息、被投诉方的账户信息、投诉方和被投诉方之间的交易信息等，具体可以根据实际情况设定，本说明书实施例对此不做限定。

在实施中，用户在执行某项业务的过程中，如果发现其中存在预设风险，则该用户可以查找该业务提供的投诉机制，并可以通过该投诉机制向该业务平台或相应的风险防控系统进行投诉，用户填写投诉的各个项目的信息(即投诉数据)后，可以将上述投诉信息提交给风险防控系统，当需要对该投诉数据进行审理定性时，可以获取用户提交的针对预设风险的投诉数据。

在步骤S106中，如果上述投诉数据对应的第三特征中存在未包含于第一特征和/或基础特征中的特征，则基于基础特征对第三特征进行回溯处理，得到第三特征对应的回溯信息，基于第三特征对应的回溯信息、第一特征和基础特征对上述投诉数据进行审理定性处理，得到相应的第一审理结果。

在实施中，通过上述方式得到用户提交的投诉数据后，可以对该投诉数据进行特征提取，得到该投诉数据中包含的特征(即第三特征)，然后，可以对第三特征进行分析，通过分析，可以得到第三特征是否包含于第一特征和/或基础特征中，如果第三特征包含于第一特征和/或基础特征中，则可以继续基于上述构建的审理定性模型对投诉数据进行审理定性。如果第三特征中存在未包含于第一特征和/或基础特征中的特征，则表明该投诉数据中包含新增加的特征，此时，可以基于基础特征进行计算，以对第三特征进行回溯处理，得到第三特征对应的回溯信息。之后，可以基于第三特征对应的回溯信息，并结合第一特征和基础特征对上述投诉数据进行审理定性处理，得到相应的第一审理结果。

在步骤S108中，如果第一审理结果优于基于审理定性策略对上述投诉数据进行审理定性处理得到的第二审理结果，则基于第三特征对应的回溯信息和第一特征对上述审理定性策略进行更新。

在实施中，为了确定上述第一审理结果是否是较优的结果，可以使用上述审理定性策略对上述投诉数据进行计算，从而对上述投诉数据进行审理定性处理，得到相应的第二审理结果。然后，可以将第一审理结果与第二审理结果进行对比分析，从而确定第一审理结果是否优于第二审理结果，如果第一审理结果优于第二审理结果，则表明用户的投诉数据对应的特征对投诉审理的定性能够起到积极的作用，此时，可以对上述审理定性策略进行更新，即可以基于第三特征对应的回溯信息和第一特征对上述审理定性策略进行更新，得到更新后的审理定性策略。可以将更新后的审理定性策略部署到相应的业务中，从而使得用户在执行该业务的过程中，对用户提供的投诉数据进行审理定性。

本说明书实施例提供一种数据的处理方法，通过获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于第一特征和基础特征构建针对预设风险的审理定性策略，第二特征是复杂程度高于预设复杂度阈值的特征，然后，可以获取用户提交的针对预设风险的投诉数据，如果该投诉数据对应的第三特征中存在未包含于第一特征和/或基础特征中的特征，则基于基础特征对第三特征进行回溯处理，得到第三特征对应的回溯信息，基于第三特征对应的回溯信息、第一特征和基础特征对该投诉数据进行审理定性处理，得到相应的第一审理结果，如果第一审理结果优于基于审理定性策略对该投诉数据进行审理定性处理得到的第二审理结果，则基于第三特征对应的回溯信息和第一特征对审理定性策略进行更新，这样，通过核心特征(即第一特征和基础特征)的梳理、新增特征或变化特征回溯、定性策略回溯计算，可以保证案件定性回溯时使用的特征是真实有效的，符合时间顺序，并可以有效避免特征穿越的现象出现，可以克服风险事件审理定性回溯结果与当下审理定性策略期望结果不一致的情况，并且可以通过客观、真实、准确的事件定性回溯方式，可以为后续各风险防控系统提供更准、更全、更客观的定性数据资产、建模训练样本等，也可以为各风险防控系统提供更客观、科学的风险水位、风险事件量化指标，从而让审理定性在风控中充分发挥应有作用，成为更好的安全基础设施。

实施例二

如图2所示，本说明书实施例提供一种数据的处理方法，该方法的执行主体可以为终端设备或服务器等，其中的终端设备可以如手机、平板电脑等移动终端设备，还可以如笔记本电脑或台式电脑等计算机设备，或者，也可以为IoT设备(具体如智能手表、车载设备等)等，其中的服务器可以是独立的一个服务器，还可以是由多个服务器构成的服务器集群等，该服务器可以是如金融业务或网络购物业务等的后台服务器，也可以是某应用程序的后台服务器等。本实施例中以执行主体为服务器为例进行详细说明，对于执行主体为终端设备的情况，可以参见下述服务器的情况处理，在此不再赘述。该方法具体可以包括以下步骤：

在步骤S202中，获取针对预设风险的历史投诉数据。

其中，预设风险包括盗用风险、欺诈风险、非法金融活动中的一种或多种。历史投诉数据可以包括多种，例如，历史投诉数据可以包括对预设风险的描述信息、举证图像、被投诉方的账户信息、用户(即投诉方)与被投诉方之间的交易信息等，具体可以根据实际情况设定，本说明书实施例对此不做限定。

在实施中，可以通过多种不同的方式获取针对预设风险的历史投诉数据，例如，如图3所示，可以从指定的数据库中获取针对预设风险的历史投诉数据，该数据库可以用于存储多个不同用户的提供的针对预设风险的历史投诉数据，其中的历史投诉数据可以是从多种不同的平台或系统中获取，或者，可以获取预先存储的历史投诉数据，也可以从上述获取的历史投诉数据中选取一些历史投诉数据作为针对预设风险的历史投诉数据。

在步骤S204中，基于针对预设风险的历史投诉数据确定用于构建针对预设风险的审理定性策略所需的第一特征。

其中，预设风险的审理定性策略可以包括投诉数据的内容描述信息、举证图像、被投诉方的被投诉记录、被投诉方的交易信息、投诉方与被投诉方之间的交易信息中的一项或多项。

在实施中，可以对历史投诉数据进行分析，梳理当下待构建的审理定性策略用到的常用的特征(即第一特征)，在实际应用中，第一特征的数量可以由一定的数量限制，例如，第一特征的数量可以不超过1000个等，具体可以根据实际情况设定，本说明书实施例对此不做限定。然后，可以通过对历史头投诉数据的分析，可以从历史投诉数据中提取出上述第一特征。

在步骤S206中，获取用于构建第二特征对应的基础特征，基于第一特征和基础特征构建针对预设风险的审理定性策略，第二特征是复杂程度高于预设复杂度阈值的特征。

上述步骤S206的具体处理过程可以参见上述实施例一中的相关内容，在此不再赘述。

在步骤S208中，分别对第一特征和基础特征进行计算，得到第一特征对应的特征值和基础特征对应的特征值。

在步骤S210中，存储第一特征对应的特征值和基础特征对应的特征值。

针对上述步骤S208和步骤S210，基于上述步骤S202～步骤S06的处理得到的第一特征和基础特征，在对投诉数据进行审理定性的过程中进行计算，得到第一特征对应的特征值和基础特征对应的特征值，并存储上述特征值到指定位置(通常可以为数据表)，即每个事件完成投诉后，在审理定性时，会对所有的第一特征和基础特征进行计算，得到第一特征对应的特征值和基础特征对应的特征值，并存储上述各特征值，相比于交易事件量和操作事件量，投诉事件量通常不大，存储周期可以限定在一定的时长内，例如6个月、1年或3年等。

在步骤S212中，获取用户提交的针对预设风险的投诉数据。

上述步骤S212的具体处理过程可以参见上述实施例一中的相关内容，在此不再赘述。

在步骤S214中，如果投诉数据对应的第三特征中存在未包含于第一特征和/或基础特征中的特征，则基于基础特征对第三特征进行回溯处理，得到第三特征对应的回溯信息。

上述步骤S214的具体处理过程可以参见上述实施例一中的相关内容，在此不再赘述。

在步骤S216中，基于第三特征对应的回溯信息、第一特征对应的特征值和基础特征对应的特征值对上述投诉数据进行审理定性处理，得到相应的第一审理结果。

上述步骤S216的具体处理过程可以参见上述实施例一中的相关内容，在此不再赘述。

在步骤S218中，通过换入换出分析方式对第一审理结果和第二审理结果进行分析，得到相应的分析结果。

其中，换入换出(Swap In&Swap Out)分析方式是风控策略分析中非常重要的一种方式，在新策略替换旧策略或者新模型替换旧模型时，通常会遇到用户群置换的问题，不论是模型开发还是策略分析，都需要熟练掌握换入换出分析方式，使得新策略(或新模型)产生最大的业务价值，其中的换入(Swap In)是新策略准入而旧策略拒绝的用户群体，换出(Swap Out)是新策略拒绝而旧策略准入的用户群体，一般情况下，期望换入一组好账户，换出一组坏账户，或者换入更多的好账户，从而用好账户代替旧账户，从而降低整体的坏账率。

在实施中，完成上述处理后，需要对第一审理结果和第二审理结果进行对比分析，具体可以采用换入换出分析方式评估前后审理定性不一致的事件，第一审理结果是否优于第二审理结果，如果第一审理结果优于第二审理结果，则可以认定第一审理结果对应的审理定性策略优当前的审理定性策略(当前线上实际生效的审理定性策略)，否则，认定第一审理结果对应的审理定性策略没有提升。

在步骤S220中，如果上述分析结果指示第一审理结果优于第二审理结果，则基于第三特征对应的回溯信息和第一特征对审理定性策略进行更新。

在实施中，完成上述处理后，如果第一审理结果符合预期结果，则可以用第三特征对应的回溯信息和第一特征覆盖第一特征和基础特征，即可以基于第三特征对应的回溯信息和第一特征对审理定性策略进行更新，得到更新后的审理定性策略。

在步骤S222中，将针对预设风险的历史投诉数据和用户提交的针对预设风险的投诉数据作为训练样本提供给针对预设风险的风险防控模型，以通过训练样本对风险防控模型进行模型训练；或者，将第一特征和第三特征作为训练样本提供给针对预设风险的风险防控模型，以通过训练样本对风险防控模型进行模型训练。

在实施中，如图3所示，可以将针对预设风险的历史投诉数据和用户提交的针对预设风险的投诉数据作为训练样本提供给针对预设风险的风险防控模型(图3中的业务服务器中)，以通过训练样本对风险防控模型进行模型训练；或者，可以将第一特征和第三特征作为训练样本提供给针对预设风险的风险防控模型，以通过训练样本对风险防控模型进行模型训练，从而可以为风险防控模型提供更准的定性数据资产、建模样本，提供更加准确的风险水位、风险案件量化指标。

本说明书实施例提供一种数据的处理方法，通过获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于第一特征和基础特征构建针对预设风险的审理定性策略，第二特征是复杂程度高于预设复杂度阈值的特征，然后，可以获取用户提交的针对预设风险的投诉数据，如果该投诉数据对应的第三特征中存在未包含于第一特征和/或基础特征中的特征，则基于基础特征对第三特征进行回溯处理，得到第三特征对应的回溯信息，基于第三特征对应的回溯信息、第一特征和基础特征对该投诉数据进行审理定性处理，得到相应的第一审理结果，如果第一审理结果优于基于审理定性策略对该投诉数据进行审理定性处理得到的第二审理结果，则基于第三特征对应的回溯信息和第一特征对审理定性策略进行更新，这样，通过核心特征(即第一特征和基础特征)的梳理、新增特征或变化特征回溯、定性策略回溯计算，可以保证案件定性回溯时使用的特征是真实有效的，符合时间顺序，并可以有效避免特征穿越的现象出现，可以克服风险事件审理定性回溯结果与当下审理定性策略期望结果不一致的情况，并且可以通过客观、真实、准确的事件定性回溯方式，可以为后续各风险防控系统提供更准、更全、更客观的定性数据资产、建模训练样本等，也可以为各风险防控系统提供更客观、科学的风险水位、风险事件量化指标，从而让审理定性在风控中充分发挥应有作用，成为更好的安全基础设施。

实施例三

以上为本说明书实施例提供的数据的处理方法，基于同样的思路，本说明书实施例还提供一种数据的处理装置，如图4所示。

该数据的处理装置包括：策略构建模块401、数据获取模块402、审理模块403和策略更新模块404，其中：

策略构建模块401，获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于所述第一特征和所述基础特征构建针对所述预设风险的审理定性策略，所述第二特征是复杂程度高于预设复杂度阈值的特征；

数据获取模块402，获取用户提交的针对所述预设风险的投诉数据；

审理模块403，如果所述投诉数据对应的第三特征中存在未包含于所述第一特征和/或所述基础特征中的特征，则基于所述基础特征对所述第三特征进行回溯处理，得到所述第三特征对应的回溯信息，基于所述第三特征对应的回溯信息、所述第一特征和所述基础特征对所述投诉数据进行审理定性处理，得到相应的第一审理结果；

策略更新模块404，如果所述第一审理结果优于基于所述审理定性策略对所述投诉数据进行审理定性处理得到的第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新。

本说明书实施例中，所述策略构建模块401，包括：

历史投诉获取单元，获取针对预设风险的历史投诉数据；

特征获取单元，基于针对预设风险的历史投诉数据确定用于构建针对所述预设风险的审理定性策略所需的第一特征。

本说明书实施例中，所述装置还包括：

对比分析模块，通过换入换出分析方式对所述第一审理结果和所述第二审理结果进行分析，得到相应的分析结果；

所述策略更新模块404，如果所述分析结果指示所述第一审理结果优于所述第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新。

本说明书实施例中，所述装置还包括：

特征值确定模块，分别对所述第一特征和所述基础特征进行计算，得到所述第一特征对应的特征值和所述基础特征对应的特征值；

存储模块，存储所述第一特征对应的特征值和所述基础特征对应的特征值；

所述审理模块403，基于所述第三特征对应的回溯信息、所述第一特征对应的特征值和所述基础特征对应的特征值对所述投诉数据进行审理定性处理，得到相应的第一审理结果。

本说明书实施例中，所述装置还包括：

第一模型训练模块，将针对预设风险的历史投诉数据和用户提交的针对所述预设风险的投诉数据作为训练样本提供给针对所述预设风险的风险防控模型，以通过所述训练样本对所述风险防控模型进行模型训练；或者，

第二模型训练模块，将所述第一特征和所述第三特征作为训练样本提供给针对所述预设风险的风险防控模型，以通过所述训练样本对所述风险防控模型进行模型训练。

本说明书实施例中，所述预设风险包括盗用风险、欺诈风险、非法金融活动中的一种或多种。

本说明书实施例中，所述预设风险的审理定性策略包括投诉数据的内容描述信息、举证图像、被投诉方的被投诉记录、被投诉方的交易信息、投诉方和被投诉方之间的交易信息中的一项或多项。

本说明书实施例提供一种数据的处理装置，通过获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于第一特征和基础特征构建针对预设风险的审理定性策略，第二特征是复杂程度高于预设复杂度阈值的特征，然后，可以获取用户提交的针对预设风险的投诉数据，如果该投诉数据对应的第三特征中存在未包含于第一特征和/或基础特征中的特征，则基于基础特征对第三特征进行回溯处理，得到第三特征对应的回溯信息，基于第三特征对应的回溯信息、第一特征和基础特征对该投诉数据进行审理定性处理，得到相应的第一审理结果，如果第一审理结果优于基于审理定性策略对该投诉数据进行审理定性处理得到的第二审理结果，则基于第三特征对应的回溯信息和第一特征对审理定性策略进行更新，这样，通过核心特征(即第一特征和基础特征)的梳理、新增特征或变化特征回溯、定性策略回溯计算，可以保证案件定性回溯时使用的特征是真实有效的，符合时间顺序，并可以有效避免特征穿越的现象出现，可以克服风险事件审理定性回溯结果与当下审理定性策略期望结果不一致的情况，并且可以通过客观、真实、准确的事件定性回溯方式，可以为后续各风险防控系统提供更准、更全、更客观的定性数据资产、建模训练样本等，也可以为各风险防控系统提供更客观、科学的风险水位、风险事件量化指标，从而让审理定性在风控中充分发挥应有作用，成为更好的安全基础设施。

实施例四

以上为本说明书实施例提供的数据的处理装置，基于同样的思路，本说明书实施例还提供一种数据的处理设备，如图5所示。

所述数据的处理设备可以为上述实施例提供终端设备或服务器等。

数据的处理设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器501和存储器502，存储器502中可以存储有一个或一个以上存储应用程序或数据。其中，存储器502可以是短暂存储或持久存储。存储在存储器502的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对数据的处理设备中的一系列计算机可执行指令。更进一步地，处理器501可以设置为与存储器502通信，在数据的处理设备上执行存储器502中的一系列计算机可执行指令。数据的处理设备还可以包括一个或一个以上电源503，一个或一个以上有线或无线网络接口504，一个或一个以上输入输出接口505，一个或一个以上键盘506。

具体在本实施例中，数据的处理设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对数据的处理设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：

获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于所述第一特征和所述基础特征构建针对所述预设风险的审理定性策略，所述第二特征是复杂程度高于预设复杂度阈值的特征；

获取用户提交的针对所述预设风险的投诉数据；

如果所述投诉数据对应的第三特征中存在未包含于所述第一特征和/或所述基础特征中的特征，则基于所述基础特征对所述第三特征进行回溯处理，得到所述第三特征对应的回溯信息，基于所述第三特征对应的回溯信息、所述第一特征和所述基础特征对所述投诉数据进行审理定性处理，得到相应的第一审理结果；

如果所述第一审理结果优于基于所述审理定性策略对所述投诉数据进行审理定性处理得到的第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新。

本说明书实施例中，所述获取用于构建针对所述预设风险的审理定性策略所需的第一特征，包括：

获取针对预设风险的历史投诉数据；

基于针对预设风险的历史投诉数据确定用于构建针对所述预设风险的审理定性策略所需的第一特征。

本说明书实施例中，还包括：

通过换入换出分析方式对所述第一审理结果和所述第二审理结果进行分析，得到相应的分析结果；

所述如果所述第一审理结果优于基于所述审理定性策略对所述投诉数据进行审理定性处理得到的第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新，包括：

如果所述分析结果指示所述第一审理结果优于所述第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新。

本说明书实施例中，还包括：

分别对所述第一特征和所述基础特征进行计算，得到所述第一特征对应的特征值和所述基础特征对应的特征值；

存储所述第一特征对应的特征值和所述基础特征对应的特征值；

所述基于所述第三特征对应的回溯信息、所述第一特征和所述基础特征对所述投诉数据进行审理定性处理，得到相应的第一审理结果，包括：

基于所述第三特征对应的回溯信息、所述第一特征对应的特征值和所述基础特征对应的特征值对所述投诉数据进行审理定性处理，得到相应的第一审理结果。

本说明书实施例中，还包括：

将针对预设风险的历史投诉数据和用户提交的针对所述预设风险的投诉数据作为训练样本提供给针对所述预设风险的风险防控模型，以通过所述训练样本对所述风险防控模型进行模型训练；或者，

将所述第一特征和所述第三特征作为训练样本提供给针对所述预设风险的风险防控模型，以通过所述训练样本对所述风险防控模型进行模型训练。

本说明书实施例中，所述预设风险包括盗用风险、欺诈风险、非法金融活动中的一种或多种。

本说明书实施例中，所述预设风险的审理定性策略包括投诉数据的内容描述信息、举证图像、被投诉方的被投诉记录、被投诉方的交易信息、投诉方和被投诉方之间的交易信息中的一项或多项。

本说明书实施例提供一种数据的处理设备，通过获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于第一特征和基础特征构建针对预设风险的审理定性策略，第二特征是复杂程度高于预设复杂度阈值的特征，然后，可以获取用户提交的针对预设风险的投诉数据，如果该投诉数据对应的第三特征中存在未包含于第一特征和/或基础特征中的特征，则基于基础特征对第三特征进行回溯处理，得到第三特征对应的回溯信息，基于第三特征对应的回溯信息、第一特征和基础特征对该投诉数据进行审理定性处理，得到相应的第一审理结果，如果第一审理结果优于基于审理定性策略对该投诉数据进行审理定性处理得到的第二审理结果，则基于第三特征对应的回溯信息和第一特征对审理定性策略进行更新，这样，通过核心特征(即第一特征和基础特征)的梳理、新增特征或变化特征回溯、定性策略回溯计算，可以保证案件定性回溯时使用的特征是真实有效的，符合时间顺序，并可以有效避免特征穿越的现象出现，可以克服风险事件审理定性回溯结果与当下审理定性策略期望结果不一致的情况，并且可以通过客观、真实、准确的事件定性回溯方式，可以为后续各风险防控系统提供更准、更全、更客观的定性数据资产、建模训练样本等，也可以为各风险防控系统提供更客观、科学的风险水位、风险事件量化指标，从而让审理定性在风控中充分发挥应有作用，成为更好的安全基础设施。

实施例五

进一步地，基于上述图1到图3所示的方法，本说明书一个或多个实施例还提供了一种存储介质，用于存储计算机可执行指令信息，一种具体的实施例中，该存储介质可以为U盘、光盘、硬盘等，该存储介质存储的计算机可执行指令信息在被处理器执行时，能实现以下流程：

获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于所述第一特征和所述基础特征构建针对所述预设风险的审理定性策略，所述第二特征是复杂程度高于预设复杂度阈值的特征；

获取用户提交的针对所述预设风险的投诉数据；

如果所述投诉数据对应的第三特征中存在未包含于所述第一特征和/或所述基础特征中的特征，则基于所述基础特征对所述第三特征进行回溯处理，得到所述第三特征对应的回溯信息，基于所述第三特征对应的回溯信息、所述第一特征和所述基础特征对所述投诉数据进行审理定性处理，得到相应的第一审理结果；

如果所述第一审理结果优于基于所述审理定性策略对所述投诉数据进行审理定性处理得到的第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新。

本说明书实施例中，所述获取用于构建针对所述预设风险的审理定性策略所需的第一特征，包括：

获取针对预设风险的历史投诉数据；

基于针对预设风险的历史投诉数据确定用于构建针对所述预设风险的审理定性策略所需的第一特征。

本说明书实施例中，还包括：

通过换入换出分析方式对所述第一审理结果和所述第二审理结果进行分析，得到相应的分析结果；

所述如果所述第一审理结果优于基于所述审理定性策略对所述投诉数据进行审理定性处理得到的第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新，包括：

如果所述分析结果指示所述第一审理结果优于所述第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新。

本说明书实施例中，还包括：

分别对所述第一特征和所述基础特征进行计算，得到所述第一特征对应的特征值和所述基础特征对应的特征值；

存储所述第一特征对应的特征值和所述基础特征对应的特征值；

所述基于所述第三特征对应的回溯信息、所述第一特征和所述基础特征对所述投诉数据进行审理定性处理，得到相应的第一审理结果，包括：

基于所述第三特征对应的回溯信息、所述第一特征对应的特征值和所述基础特征对应的特征值对所述投诉数据进行审理定性处理，得到相应的第一审理结果。

本说明书实施例中，还包括：

将针对预设风险的历史投诉数据和用户提交的针对所述预设风险的投诉数据作为训练样本提供给针对所述预设风险的风险防控模型，以通过所述训练样本对所述风险防控模型进行模型训练；或者，

将所述第一特征和所述第三特征作为训练样本提供给针对所述预设风险的风险防控模型，以通过所述训练样本对所述风险防控模型进行模型训练。

本说明书实施例中，所述预设风险包括盗用风险、欺诈风险、非法金融活动中的一种或多种。

本说明书实施例中，所述预设风险的审理定性策略包括投诉数据的内容描述信息、举证图像、被投诉方的被投诉记录、被投诉方的交易信息、投诉方和被投诉方之间的交易信息中的一项或多项。

本说明书实施例提供一种存储介质，通过获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于第一特征和基础特征构建针对预设风险的审理定性策略，第二特征是复杂程度高于预设复杂度阈值的特征，然后，可以获取用户提交的针对预设风险的投诉数据，如果该投诉数据对应的第三特征中存在未包含于第一特征和/或基础特征中的特征，则基于基础特征对第三特征进行回溯处理，得到第三特征对应的回溯信息，基于第三特征对应的回溯信息、第一特征和基础特征对该投诉数据进行审理定性处理，得到相应的第一审理结果，如果第一审理结果优于基于审理定性策略对该投诉数据进行审理定性处理得到的第二审理结果，则基于第三特征对应的回溯信息和第一特征对审理定性策略进行更新，这样，通过核心特征(即第一特征和基础特征)的梳理、新增特征或变化特征回溯、定性策略回溯计算，可以保证案件定性回溯时使用的特征是真实有效的，符合时间顺序，并可以有效避免特征穿越的现象出现，可以克服风险事件审理定性回溯结果与当下审理定性策略期望结果不一致的情况，并且可以通过客观、真实、准确的事件定性回溯方式，可以为后续各风险防控系统提供更准、更全、更客观的定性数据资产、建模训练样本等，也可以为各风险防控系统提供更客观、科学的风险水位、风险事件量化指标，从而让审理定性在风控中充分发挥应有作用，成为更好的安全基础设施。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书一个或多个实施例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，本说明书一个或多个实施例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。

本说明书的实施例是参照根据本说明书实施例的方法、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欺诈案例的串并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欺诈案例的串并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欺诈案例的串并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欺诈案例的串并设备上，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。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例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，本说明书一个或多个实施例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。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (10)

1.一种数据的处理方法，所述方法包括：

获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于所述第一特征和所述基础特征构建针对所述预设风险的审理定性策略，所述第二特征是复杂程度高于预设复杂度阈值的特征；

获取用户提交的针对所述预设风险的投诉数据；

如果所述投诉数据对应的第三特征中存在未包含于所述第一特征和/或所述基础特征中的特征，则基于所述基础特征对所述第三特征进行回溯处理，得到所述第三特征对应的回溯信息，基于所述第三特征对应的回溯信息、所述第一特征和所述基础特征对所述投诉数据进行审理定性处理，得到相应的第一审理结果；

如果所述第一审理结果优于基于所述审理定性策略对所述投诉数据进行审理定性处理得到的第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新。

2.根据权利要求1所述的方法，所述获取用于构建针对所述预设风险的审理定性策略所需的第一特征，包括：

获取针对预设风险的历史投诉数据；

基于针对预设风险的历史投诉数据确定用于构建针对所述预设风险的审理定性策略所需的第一特征。

3.根据权利要求1所述的方法，所述方法还包括：

通过换入换出分析方式对所述第一审理结果和所述第二审理结果进行分析，得到相应的分析结果；

所述如果所述第一审理结果优于基于所述审理定性策略对所述投诉数据进行审理定性处理得到的第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新，包括：

如果所述分析结果指示所述第一审理结果优于所述第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新。

4.根据权利要求1所述的方法，所述方法还包括：

分别对所述第一特征和所述基础特征进行计算，得到所述第一特征对应的特征值和所述基础特征对应的特征值；

存储所述第一特征对应的特征值和所述基础特征对应的特征值；

所述基于所述第三特征对应的回溯信息、所述第一特征和所述基础特征对所述投诉数据进行审理定性处理，得到相应的第一审理结果，包括：

基于所述第三特征对应的回溯信息、所述第一特征对应的特征值和所述基础特征对应的特征值对所述投诉数据进行审理定性处理，得到相应的第一审理结果。

5.根据权利要求2述的方法，所述方法还包括：

将针对预设风险的历史投诉数据和用户提交的针对所述预设风险的投诉数据作为训练样本提供给针对所述预设风险的风险防控模型，以通过所述训练样本对所述风险防控模型进行模型训练；或者，

将所述第一特征和所述第三特征作为训练样本提供给针对所述预设风险的风险防控模型，以通过所述训练样本对所述风险防控模型进行模型训练。

6.根据权利要求1-5中任一项所述的方法，所述预设风险包括盗用风险、欺诈风险、非法金融活动中的一种或多种。

7.根据权利要求6所述的方法，所述预设风险的审理定性策略包括投诉数据的内容描述信息、举证图像、被投诉方的被投诉记录、被投诉方的交易信息、投诉方和被投诉方之间的交易信息中的一项或多项。

8.一种数据的处理装置，所述装置包括：

策略构建模块，获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于所述第一特征和所述基础特征构建针对所述预设风险的审理定性策略，所述第二特征是复杂程度高于预设复杂度阈值的特征；

数据获取模块，获取用户提交的针对所述预设风险的投诉数据；

审理模块，如果所述投诉数据对应的第三特征中存在未包含于所述第一特征和/或所述基础特征中的特征，则基于所述基础特征对所述第三特征进行回溯处理，得到所述第三特征对应的回溯信息，基于所述第三特征对应的回溯信息、所述第一特征和所述基础特征对所述投诉数据进行审理定性处理，得到相应的第一审理结果；

策略更新模块，如果所述第一审理结果优于基于所述审理定性策略对所述投诉数据进行审理定性处理得到的第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新。

9.一种数据的处理设备，所述数据的处理设备包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于所述第一特征和所述基础特征构建针对所述预设风险的审理定性策略，所述第二特征是复杂程度高于预设复杂度阈值的特征；

获取用户提交的针对所述预设风险的投诉数据；

如果所述投诉数据对应的第三特征中存在未包含于所述第一特征和/或所述基础特征中的特征，则基于所述基础特征对所述第三特征进行回溯处理，得到所述第三特征对应的回溯信息，基于所述第三特征对应的回溯信息、所述第一特征和所述基础特征对所述投诉数据进行审理定性处理，得到相应的第一审理结果；

如果所述第一审理结果优于基于所述审理定性策略对所述投诉数据进行审理定性处理得到的第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新。

10.一种存储介质，所述存储介质用于存储计算机可执行指令，所述可执行指令在被处理器执行时实现以下流程：

获取用于构建针对预设风险的审理定性策略所需的第一特征，并获取用于构建第二特征对应的基础特征，基于所述第一特征和所述基础特征构建针对所述预设风险的审理定性策略，所述第二特征是复杂程度高于预设复杂度阈值的特征；

获取用户提交的针对所述预设风险的投诉数据；

如果所述投诉数据对应的第三特征中存在未包含于所述第一特征和/或所述基础特征中的特征，则基于所述基础特征对所述第三特征进行回溯处理，得到所述第三特征对应的回溯信息，基于所述第三特征对应的回溯信息、所述第一特征和所述基础特征对所述投诉数据进行审理定性处理，得到相应的第一审理结果；

如果所述第一审理结果优于基于所述审理定性策略对所述投诉数据进行审理定性处理得到的第二审理结果，则基于所述第三特征对应的回溯信息和所述第一特征对所述审理定性策略进行更新。

Images