CN117668628A - 对象分类方法和装置、电子设备及存储介质 - Google Patents
对象分类方法和装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117668628A CN117668628A CN202311375335.7A CN202311375335A CN117668628A CN 117668628 A CN117668628 A CN 117668628A CN 202311375335 A CN202311375335 A CN 202311375335A CN 117668628 A CN117668628 A CN 117668628A
- Authority
- CN
- China
- Prior art keywords
- resource
- data
- allocation
- target object
- evaluation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000011156 evaluation Methods 0.000 claims abstract description 265
- 238000013468 resource allocation Methods 0.000 claims abstract description 139
- 238000012502 risk assessment Methods 0.000 claims abstract description 92
- 230000006399 behavior Effects 0.000 claims abstract description 85
- 238000012545 processing Methods 0.000 claims abstract description 53
- 230000010485 coping Effects 0.000 claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000013507 mapping Methods 0.000 claims description 82
- 238000007726 management method Methods 0.000 claims description 20
- 238000012216 screening Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000002156 mixing Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 16
- 230000006854 communication Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 17
- 238000013473 artificial intelligence Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Technology Law (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种对象分类方法和装置、电子设备及存储介质，属于金融科技技术领域。该方法包括：获取目标对象的资源配置数据和资源损失数据；基于资源配置数据进行资源流向检测得到资源流向数据和资源剩余数据；根据资源流向数据和资源剩余数据对目标对象执行资源分配操作进行调配风险评估得到资源调配风险评估数据；根据资源损失数据对目标对象执行虚拟危机处理操作进行危机应对评估得到危机应对评估数据；根据危机应对评估数据、资源调配风险评估数据对目标对象进行行为评估得到资源分配行为评估数据；根据资源分配行为评估数据对目标对象进行分类。本申请实施例能够降低对象分类的门槛和人力，提高对象分类的效率。
Description
技术领域
本申请涉及金融科技的技术领域，尤其涉及一种对象分类方法和装置、电子设备及存储介质。
背景技术
随着计算机的发展，越来越多的技术(例如，大数据、云计算或者区块链)应用在金融领域，也随即出现了各种金融系统，这些金融系统可以是保险系统、银行系统、交易系统、订单系统。这些系统都会不定期给对象做金融行为评估，以给对象分类，并根据对象的类别给对象推荐感兴趣的金融业务。
以银行系统为例，为了给对象推荐更加符合对象情况的业务方案，提前给对象进行分类得到对象类别，再根据对象类别选择符合的业务方案提供给对象。但，相关技术中，对象分类主要通过人工完成，不仅需要分类人员具备丰富的经验，且分类过程需要与对象沟通多次才能确定对象类别，使得对象分类耗费大量的人力。因此，如何降低对象分类的人力和分类门槛，成为了亟待解决的技术问题。
发明内容
本申请实施例的主要目的在于提出一种对象分类方法和装置、电子设备及存储介质，旨在降低对象分类的人力和门槛。
为实现上述目的，本申请实施例的第一方面提出了一种对象分类方法，所述方法包括：
获取目标对象的历史行为关联数据；其中，所述历史行为关联数据包括：资源配置数据和资源损失数据，所述资源配置数据是所述目标对象在目标应用中执行资源分配操作所产生的数据，所述资源损失数据是所述目标对象在所述目标应用中执行虚拟危机处理操作所产生的数据；
基于所述资源配置数据进行资源流向检测，得到资源流向数据和资源剩余数据；
根据所述资源流向数据和所述资源剩余数据对所述目标对象执行所述资源分配操作进行调配风险评估，得到资源调配风险评估数据；其中，所述资源调配风险评估数据用于表征所述资源分配操作的风险程度；
根据所述资源损失数据对所述目标对象执行所述虚拟危机处理操作进行危机应对评估，得到危机应对评估数据；其中，所述危机应对评估数据用于表征所述虚拟危机处理操作的安全程度；
根据所述危机应对评估数据、所述资源调配风险评估数据对所述目标对象进行行为评估，得到资源分配行为评估数据；
根据所述资源分配行为评估数据对所述目标对象进行分类。
在一些实施例，所述资源流向数据包括：资源增加数据、资源固定流向数据和资源交换数据；所述资源分配操作包括：对变动资源池的第一调配操作和对固定资源池的第二调配操作；所述资源调配风险评估数据包括：第一调配风险评估数据、第二调配风险评估数据和资源变动评估数据；所述根据所述资源流向数据和所述资源剩余数据对所述目标对象执行所述资源分配操作进行调配风险评估，得到资源调配风险评估数据，包括：
根据所述资源增加数据和所述资源剩余数据对所述目标对象执行所述第一调配操作进行调配风险评估处理，得到所述第一调配风险评估数据；其中，所述第一调配风险评估数据用于表征对所述变动资源池的所述第一调配操作的风险程度；
根据所述资源交换数据对所述目标对象执行所述第一调配操作进行资源变动评估处理，得到所述资源变动评估数据；其中，所述资源变动评估数据用于表征所述第一调配操作的所述变动资源池的资源变动程度；
根据所述资源固定流向数据对所述目标对象执行所述第二调配操作进行调配风险评估处理，得到所述第二调配风险评估数据；其中，所述第二调配风险评估数据用于表征对所述固定资源池的所述第二调配操作的风险程度。
在一些实施例，所述根据所述资源增加数据和所述资源剩余数据对所述目标对象执行所述第一调配操作进行调配风险评估处理，得到所述第一调配风险评估数据，包括：
根据所述资源增加数据对预设的第一映射关系表中的评估数据进行筛选处理，得到第一评估数据；其中，所述第一映射关系表包括资源增加范围和所述评估数据之间的映射关系；
根据所述资源剩余数据对预设的第二映射关系表中的评估数据进行筛选处理，得到第二评估数据；其中，所述第二映射关系表包括资源剩余范围和所述评估数据之间的映射关系；
将所述第一评估数据和所述第二评估数据进行拼接，得到所述第一调配风险评估数据。
在一些实施例，所述资源交换数据包括：资源原始数据和资源当前数据；所述根据所述资源交换数据对所述目标对象执行所述第一调配操作进行资源变动评估处理，得到所述资源变动评估数据，包括：
将所述资源原始数据和所述资源当前数据进行比率计算，得到资源变动比率；
根据所述资源变动比率对预设的第三映射关系表中的资源变动率范围进行筛选处理，得到目标比率范围；其中，所述第三映射关系表包括所述资源变动率范围和所述评估数据之间的映射关系；
根据所述目标比率范围对所述评估数据进行筛选处理，得到所述资源变动评估数据。
在一些实施例，所述根据所述资源固定流向数据对所述目标对象执行所述第二调配操作进行调配风险评估处理，得到所述第二调配风险评估数据，包括：
对所述固定资源池的所述资源固定流向数据进行比例计算，得到固定资源流向比例；
将所述固定资源流向比例和预设分配比例进行差值计算，得到比例差值；
根据所述比例差值和预设阈值对预设的第四映射关系表中的评估数据进行筛选处理，得到所述第二调配风险评估数据；其中，所述第四映射关系表包括所述比例差值、预设阈值和所述评估数据之间的映射关系。
在一些实施例，所述将所述根据所述危机应对评估数据、所述资源调配风险评估数据对所述目标对象进行行为评估，得到资源分配行为评估数据，包括：
根据预设的第一权值和所述第一调配风险评估数据进行乘积计算，得到第三调配风险评估数据；
根据预设的第二权值和所述第二调配风险评估数据进行乘积计算，得到第四调配风险评估数据；
根据预设的第三权值和所述资源变动评估数据进行乘积计算，得到第一变动评估数据；
根据预设的第四权值和所述危机应对评估数据进行乘积计算，得到第一应对评估数据；
将所述第三调配风险评估数据、所述第四调配风险评估数据、所述第一变动评估数据和所述第一应对评估数据进行拼接处理，得到所述资源分配行为评估数据。
在一些实施例，在所述根据所述资源分配行为评估数据对所述目标对象进行分类之后，所述方法还包括：
获取所述目标对象分类后的对象类别；
根据所述对象类别在预设的候选资源管理配置方案中筛选出推荐资源管理配置方案；
向所述目标对象推送所述推荐资源管理配置方案。
为实现上述目的，本申请实施例的第二方面提出了一种对象分类装置，所述装置包括：
数据获取模块，用于获取目标对象的历史行为关联数据；其中，所述历史行为关联数据包括：资源配置数据和资源损失数据，所述资源配置数据是所述目标对象在目标应用中执行资源分配操作所产生的数据，所述资源损失数据是所述目标对象在所述目标应用中执行虚拟危机处理操作所产生的数据；
资源流向检测模块，用于基于所述资源配置数据进行资源流向检测，得到资源流向数据和资源剩余数据；
调配风险评估模块，用于根据所述资源流向数据和所述资源剩余数据对所述目标对象执行所述资源分配操作进行调配风险评估，得到资源调配风险评估数据；其中，所述资源调配风险评估数据用于表征所述资源分配操作的风险程度；
危机应对评估模块，用于根据所述资源损失数据对所述目标对象执行所述虚拟危机处理操作进行危机应对评估，得到危机应对评估数据；其中，所述危机应对评估数据用于表征所述虚拟危机处理操作的安全程度；
行为评估模块，用于根据所述危机应对评估数据、所述资源调配风险评估数据对所述目标对象进行行为评估，得到资源分配行为评估数据；
分类模块，用于根据所述资源分配行为评估数据对所述目标对象进行分类。
为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
为实现上述目的，本申请实施例的第四方面提出了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第一方面所述的方法。
本申请提出的对象分类方法和装置、电子设备及存储介质，其通过采集目标对象在目标应用执行资源分配操作产生的资源配置数据、执行虚拟危机处理产生的资源损失数据，以根据资源配置数据检测资源流向得到资源流向数据和资源剩余数据。然后根据资源流向数据和资源剩余数据评估目标对象执行资源分配操作的风险程度得到资源调配风险评估数据，再根据资源损失数据评估目标对象执行虚拟危机处理的安全程度得到危机应对评估数据，以根据资源调配风险评估数据和危机应对评估数据评估目标对象在目标应用上的行为以得到资源分配行为评估数据。最后根据资源分配行为评估数据对目标对象进行分类。因此，对象分类的参考数据是目标对象在目标应用上操作所产生数据，无需专业人员和目标对象之间进行沟通和分析，从而降低对象分类的门槛和人力。然后基于目标对象在目标应用上操作产生的数据对目标对象资源分配操作和虚拟危机处理两方面进行评估，再基于评估数据对目标对象分类，使得目标对象分类操作自动化，提高对象分类的效率和准确度。
附图说明
图1是本申请实施例提供的对象分类方法的流程图；
图2是图1中的步骤S103的流程图；
图3是图2中的步骤S201的流程图；
图4是图2中的步骤S202的流程图；
图5是图2中的步骤S203的流程图；
图6是图1中的步骤S104的流程图；
图7是图1中的步骤S105的流程图；
图8是本申请另一实施例提供的对象分类方法的流程图；
图9是本申请实施例提供的对象分类装置的结构示意图；
图10是本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
首先，对本申请中涉及的若干名词进行解析：
人工智能(artificial intelligence，AI)：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
财商：指个人、集体认识、创造和管理财富的能力，包括观念、知识、行为三个方面。财商包括两方面的能力：一是正确认识财富及财富倍增规律的能力(即价值观)；二是驾驭财富、正确应用财富及财富倍增规律的能力。
被动收入：是指没有重大参与贸易或商业活动而获得的收入。被动收入的特点是不需要花费时间和精力自动收入，作为一种获得的收入，是资本增长的结果，或跟负扣税机制有关，被动收入通常属于应税收入。
投资回报率(ROI)：是指通过投资而应返回的价值，即企业从一项投资活动中得到的经济回报。投资回报率涵盖了企业的获利目标。利润和投入经营所必备的财产相关，因为管理人员必须通过投资和现有财产获得利润。
随着经济和计算机的发展，越来越多的计算机技术(例如，大数据、云计算或者区块链)应用在金融领域。因此，出现了各种各样的金融软件(例如，保险软件、银行软件、商品交易软件等等)，以通过金融软件帮助对象完成金融业务，无需到线下金融机构完成相关的金融业务，使得金融业务办理更加方便。为了提高对象使用金融软件的频率，会定期与对象进行互动，并根据互动过程中采集的信息给对象分类以确定对象类别，再根据对象类别进行金融方案推荐。
以银行软件为例，为了给投资人推荐更加符合其财商的金融产品，需要由银行业务人员和投资人进行面对面沟通，以分析出投资人的财商水平。根据财商水平对投资人进行分类得到分类结果，再根据分类结果更加准确地给投资人推荐金融产品。但，投资人分类要求银行业务人员具备丰富的财商分析经验，且沟通过程会耗费银行业务人员和投资人大量的时间。除此之外，投资人在漫长沟通中容易失去兴趣从而随意回复相关问题，导致银行业务人员无法准确地分析出投资人的财商水平，使得投资人分类的准确性低。
基于此，本申请实施例提供了一种对象分类方法和装置、电子设备及存储介质，通过采集目标对象在目标应用执行资源分配操作产生资源配置数据，并采集目标对象在目标应用执行虚拟危机操作产生的资源损失数据，再分析出资源配置数据的流向得到资源流向数据和资源剩余数据。通过资源流向数据和资源剩余数据评估目标对象执行资源分配操作导致的资源风险得到资源风险评估数据，通过资源损失数据评估目标对象执行虚拟危机操作的安全程度得到危机应对评估数据。根据资源风险评估数据和危机应对评估数据确定为目标对象的行为评估数据得到资源分配行为评估数据，以根据资源分配行为评估数据给对象分类。因此，只需要目标对象在目标应用中执行资源分配操作和虚拟危机操作，即可自动评估出目标对象的资源分配行为评估数据，从而自动对目标对象分类，使得目标对象分类操作简易，无需耗费大量人力去沟通和分析，提高对象分类的效率和准确性。
本申请实施例提供的对象分类方法和装置、电子设备及存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的对象分类方法。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供的对象分类方法，涉及金融科技技术领域。本申请实施例提供的对象分类方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现对象分类方法的应用等，但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请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申请，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。
需要说明的是，在本申请的各个具体实施方式中，当涉及到需要根据用户信息、用户行为数据，用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时，都会先获得用户的许可或者同意，而且，对这些数据的收集、使用和处理等，都会遵守相关法律法规和标准。此外，当本申请实施例需要获取用户的敏感个人信息时，会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意，在明确获得用户的单独许可或者单独同意之后，再获取用于使本申请实施例能够正常运行的必要的用户相关数据。
图1是本申请实施例提供的对象分类方法的一个可选的流程图，图1中的方法可以包括但不限于包括步骤S101至步骤S106。
步骤S101，获取目标对象的历史行为关联数据；其中，历史行为关联数据包括：资源配置数据和资源损失数据，资源配置数据是目标对象在目标应用中执行资源分配操作所产生的数据，资源损失数据是目标对象在目标应用中执行虚拟危机处理操作所产生的数据；
步骤S102，基于资源配置数据进行资源流向检测，得到资源流向数据和资源剩余数据；
步骤S103，根据资源流向数据和资源剩余数据对目标对象执行资源分配操作进行调配风险评估，得到资源调配风险评估数据；其中，资源调配风险评估数据用于表征资源分配操作的风险程度；
步骤S104，根据资源损失数据对目标对象执行虚拟危机处理操作进行危机应对评估，得到危机应对评估数据；其中，危机应对评估数据用于表征虚拟危机处理操作的安全程度；
步骤S105，根据危机应对评估数据、资源调配风险评估数据对目标对象进行行为评估，得到资源分配行为评估数据；
步骤S106，根据资源分配行为评估数据对目标对象进行分类。
本申请实施例所示意的步骤S101至步骤S106，当目标对象在目标应用上执行资源分配操作产生资源配置数据，且在目标应用上执行虚拟危机处理操作产生资源损失数据。通过获取资源配置数据和资源损失数据，并检测资源配置数据的流向得到资源流向数据和资源剩余数据，以确定目标对象在目标应用上执行资源分配操作后资源的流向情况。然后根据资源流向数据和资源剩余数据对目标对象执行资源分配操作会产生的风险程度进行评估以得到资源调配风险评估数据，再根据资源损失数据对目标对象执行虚拟危机处理操作会产生的安全程度进行评估得到危机应对评估数据。最后根据资源调配风险评估数据和危机应对评估数据确定目标对象在目标应用上分配行为的资源分配行为评估数据，以采用数字化地形式自动评估目标对象的资源分配行为，以根据资源分配行为评估数据对目标对象进行分类，使得目标对象的分类更加准确。因此，仅需要目标对象在目标应用上进行资源分配操作、虚拟危机处理操作，自动产生相应的数据以分析出目标对象的资源调配能力和危机应对能力，然后根据资源调配能力和危机应对能力对目标对象分类，使得目标对象的分类准确且简易，无需人工和目标对象沟通再分析，降低对象分类的门槛和人力。
在一些实施例的步骤S101中，目标对象在目标应用上进行操作时会产生各个各样的数据，且以日志数据存储在本地数据库中。历史行为关联数据为目标对象在目标应用中的行为关联数据，例如目标对象浏览的内容、分配操作产生后每个资源池内的资源数据、处理虚拟危机损失的资源数据。当需要对目标对象分类时，可以从本地数据库采集历史的日志数据，并从日志数据中提取出历史行为关联数据。也可以通过其他方式实时采集目标对象在目标应用中的行为关联数据作为历史行为关联数据。
需要说明的是，历史行为关联数据包括资源配置数据和资源损失数据，且资源配置数据是目标对象在目标应用中执行资源分配操作所产生的数据，也即在目标应用中将资源分配到不同资源池，每一资源池内的资源数据。资源损失数据为目标对象在目标应用中执行虚拟危机处理所产生的数据，也即目标对象处理虚拟危机时会产生的资源损失。例如，目标应用为一种财富分配软件，财富分配软件内设置各种卡牌以供目标对象抉择。通过弹出卡牌给目标对象抉择后确定虚拟资源划分到哪些资源池，且部分资源池会随着时间节点变化以出现资源减少和资源增多的情况。同时也会根据预设的时间节点产生一些虚拟危机，提供给目标对象在产生虚拟危机的解决卡牌，以根据目标对象选择的解决卡牌算出每一次处理虚拟危机的资源损失。因此，目标对象仅需要在财富分配软件上进行资源分配和虚拟危机处理即可采集目标对象分配所需要的资源配置数据和资源损失数据，无需对目标对象询问大量的问题，降低目标对象做分类时的枯燥感，提升目标对象的兴趣度。
在一些实施例的步骤S102中，基于资源配置数据进行资源流向检测，得到资源流向数据和资源剩余数据。需要说明的是，通过目标对象在目标应用中将资源划分到不同的资源池，且部分资源池会随着时间节点增加或者减少。资源流向数据表征虚拟资源分配到哪些资源池，以根据目标对象将虚拟资源分配到哪些资源池以确定资源流向数据。资源剩余数据是随着目标对象将虚拟资源分配到不同资源池之后，每一时间节点因为资源数据的增加或者减少都要更新以确定每一资源池内的资源数据，再将每一资源池的资源数据综合起来得到资源剩余数据。
例如，在财富分配软件设置资源池，且资源池包括：金融配置资源池、房产配置资源池、副业配置资源池、企业配置资源池、家庭财务配置资源池等。目标对象通过卡牌抉择以将虚拟资源放入不同的资源池，且目标对象会在财富分配软件中不定时调节每一资源池内的虚拟资源，以得到资源流向数据。需要说明的是，在每次目标对象对资源池的虚拟资源调节时更新每一资源池内的资源数据，再将所有资源池内的资源数据总和得到资源剩余数据。需要强调的是，家庭财务配置资源池内虚拟资源属于开销，所以家庭财务配置资源池内资源数据为负数。
在一些实施例中，资源流向数据包括：资源增加数据、资源固定流向数据和资源交换数据。
需要说明的是，资源增加数据为目标对象将虚拟资源放入不同变动资源池后，变动资源池会随着时间节点增加或减少，将增加的资源数据作为资源增加数据。资源固定流向数据为放入固定资源池的资源数据，且资源固定流向数据是支出，属于负数。资源交换数据为目标对象每一次在变动资源池内放入虚拟资源后再取出虚拟资源，将放入的资源数据和取出的资源数据作为资源交换数据。因此，通过资源增加数据、资源固定流向数据和资源交换数据三个维度来分析目标对象执行资源调配操作的风险程度，能够更加全面且准确地分析出目标对象调配资源抵抗风险的能力。
在一些实施例中，资源分配操作包括：对变动资源池的第一调配操作和对固定资源池的第二调配操作；资源调配风险评估数据包括：第一调配风险评估数据、第二调配风险评估数据和资源变动评估数据。需要说明的是，第一调配操作为目标对象将虚拟资源放入不同的变动资源池的操作，且第一调配风险评估数据表征目标对象对变动资源池的第一调配操作的风险程度。第二调配操作为目标对象将虚拟资源放入不同的固定资源池的操作，且第二调配风险评估数据表征目标对象对固定资源池的第二调配操作的风险程度。资源变动评估数据表征目标对象对变动资源池的第一调配操作产生的资源变动情况。
在一些实施例中，请参照图2，步骤S103可以包括但不限于包括步骤S201至步骤S203：
步骤S201，根据资源增加数据和资源剩余数据对目标对象执行第一调配操作进行调配风险评估处理，得到第一调配风险评估数据；其中，第一调配风险评估数据用于表征对变动资源池的第一调配操作的风险程度；
步骤S202，根据资源交换数据对目标对象执行第一调配操作进行资源变动评估处理，得到资源变动评估数据；其中，资源变动评估数据用于表征第一调配操作的变动资源池的资源变动程度；
步骤S203，根据资源固定流向数据对目标对象执行第二调配操作进行调配风险评估处理，得到第二调配风险评估数据；其中，第二调配风险评估数据用于表征对固定资源池的第二调配操作的风险程度。
在一些实施例的步骤S201中，根据资源增加数据和资源剩余数据对目标对象的第一调配操作进行资源变动评估，以确定目标对象对变动资源池调配后存在风险的程度。因此，第一调配风险评估数据可以表征目标对象应对资源变动时的分配能力，以确定目标对象资源配置的合理性。
例如，若变动资源池为金融配置资源池、房产配置资源池、副业配置资源池、企业配置资源池，且金融配置资源池包括股票资源池、外汇资源池、基金资源池和保险资源池等；房产配置资源池包括商品房资源池、小产权资源池；服务配置资源池包括不同副业的资源池，企业配置资源池为不同企业类别的资源池。需要说明的是，金融配置资源池、房产配置资源池、副业配置资源池、企业配置资源池会随着预设的时间节点的变化发生浮动，也即每一资源池的虚拟资源会随着预设的时间节点增加或者减少。通过目标对象在每一个变动资源池中执行第一调配操作，以调配不同的变动资源池的资源数据。完成第一调配操作之后，按照时间节点更新资源增加数据和资源剩余数据，通过资源增加数据和资源剩余数据确定目标对象执行第一调配操作的风险程度以确定第一调配风险评估数据，以通过第一调配风险评估数据判断目标对象是否能够合理掌握变动资源池的变动情况，并做出哪一风险程度的资源调配。
在一些实施例的步骤S202中，第一调配操作是调配变动资源池内的资源数据，但是变动资源池内的资源数据会增加或者减少。所以计算每一第一调配操作后的资源交换数据，以根据资源交换数据来确定每一第一调配操作后的资源变动程度，间接反应了目标对象的调配能力。
在一些实施例的步骤S203中，资源固定流向数据为目标对象放入固定资源池内的资源数据。通过资源固定流向数据确定目标对象对固定资源池进行第二调配操作的风险程度，以通过第二调配风险评估数据衡量目标对象对固定资源池的调配合理性。
例如，在财富分配软件，固定资源池为家庭财务配置资源池，且家庭财务配置资源池包括：家庭开支资源池、育儿资源池和养老资源池等。通过目标对象在家庭财务配置上的资源分配来分析出目标对象调配的风险程度，且第二调配风险评估数据也是对象分类的一种衡量指标。
在本实施例所示意的步骤S201至步骤S203，当目标对象对变动资源池执行第一调配操作、对固定资源池执行第二调配操作。为了进一步衡量目标对象的资源调配的风险程度。根据资源增加数据和资源剩余数据确定目标对象对变动资源池的第一调配操作的风险程度，再根据资源交换数据确定目标对象对变动资源池的第一调配操作的资源变动程度，且根据资源固定流向数据确定目标对象对固定资源池的第二调配操作的风险程度。因此，从三个维度来衡量目标对象执行资源调配操作的风险程度，能够更加准确地评估出目标对象执行资源分配操作的风险程度。
请参阅图3，在一些实施例中，步骤S201可以包括但不限于包括步骤S301至步骤S303：
步骤S301，根据资源增加数据对预设的第一映射关系表中的评估数据进行筛选处理，得到第一评估数据；其中，第一映射关系表包括资源增加范围和评估数据之间的映射关系；
步骤S302，根据资源剩余数据对预设的第二映射关系表中的评估数据进行筛选处理，得到第二评估数据；其中，第二映射关系表包括资源剩余范围和评估数据之间的映射关系；
步骤S303，将第一评估数据和第二评估数据进行拼接，得到第一调配风险评估数据。
在一些实施例的步骤S301中，为了更加直观地表征目标对象执行第一调配操作的风险程度。提前预设第一映射关系表，且第一映射关系表包含了资源增加数据和评估数据之间的映射关系。先根据资源增加数据在第一映射关系表中确定对应的资源增加范围得到选定增加范围，再获取选定增加范围对应的评估数据作为第一评估数据。因此，通过第一评估数据表征目标对象执行第一调配操作后资源增加的程度，以间接表征了目标对象的资源调配能力。
例如，若第一映射关系表如表1所示，评估数据以分值表征，若资源增加数据为被动收入，那么资源增加范围为被动收入范围，第一映射关系表包含的被动收入范围和分值之间的映射关系。若被动收入为15K，直接根据被动收入在表1中查找出分值为70，将70作为第一评估数据，能够更加直观地表征目标对象执行第一调配操作后的资源增加程度。
| 被动收入范围 | 分值 |
| 【0，1k】 | 40 |
| 【1k，5k】 | 50 |
| 【5k，10k】 | 60 |
| 【10k，20k】 | 70 |
| 【20k，50k】 | 80 |
| 【50k，100k】 | 90 |
| 100k以上 | 100 |
表1
在一些实施例的步骤S302中，不仅需要分析目标对象执行第一调配操作后的资源增加程度，还需要分析目标对象执行第一调配操作后的资源剩余情况。为了更加直观且统一地表征目标对象完成第一调配操作后的资源剩余情况，提前设置第二映射关系表，且第二映射关系表包含了资源剩余范围和评估数据之间的映射关系。当确定资源剩余数据后，根据资源剩余数据在第二映射关系表中查找出对应的资源剩余范围作为选定剩余范围，再将选定剩余范围对应的评估数据作为第二评估数据。因此，通过第二评估数据表征目标对象执行第一调配操作后的资源剩余情况，以间接表征目标对象的资源调配能力。
| 现存资金范围 | 分值 |
| 【0，5k】 | 40 |
| 【5k，10k】 | 50 |
| 【10k，50k】 | 60 |
| 【50k，100k】 | 70 |
| 【100k，500k】 | 80 |
| 【500k，1000k】 | 90 |
| 1000k以上 | 100 |
表2
例如，若第二映射关系表如表2所示，且第二映射关系表中的评估数据为分值，资源剩余数据为现存资金量，那么第二映射关系表包含了现存资金范围和分值之间的映射关系。例如，若现金量为120K，根据现存资金量在表2查找出对应的分值为80，那么确定80为第二评估数据。因此，通过数字化的形式表征第二评估数据，可以直观地确定目标对象执行第一调配操作后的资源剩余情况。
在一些实施例的步骤S303中，将第一评估数据和第二评估数据拼接第一调配评估数据。需要说明的是，第一评估数据和第二评估数据的拼接方式可以为相加、加权求和、平均值中的任意一种。在本实施例中，采用加权求和的方式将第一评估数据和第二评估数据拼接。例如，第一评估数据为p1，第二评估数据为p2，确定第一评估数据的权值为q1，第二评估数据的权值为q2，那么第一调配风险评估数据为Z＝q1*p1+q2*p2。
在本实施例所示意的步骤S301至步骤S303，通过在第一映射关系表中查找出资源增加数据对应的评估数据作为第一评估数据，再在第二映射关系表中查找出与资源剩余数据对应的评估数据作为第二评估数据，然后将第一评估数据和第二评估数据拼接得到第一调配风险评估数据。因此，采用统一且直观的形式表征目标对象在变动资源池执行的第一调配操作后的资源增加程度、资源剩余情况，可以更加直观且准确地表征目标对象对变动资源池的资源调配能力。
请参阅图4，在一些实施例中，步骤S202可以包括但不限于包括步骤S401至步骤S403：
步骤S401，将资源原始数据和资源当前数据进行比率计算，得到资源变动比率；
步骤S402，根据资源变动比率对预设的第三映射关系表中的资源变动率范围进行筛选处理，得到目标比率范围；其中，第三映射关系表包括资源变动率范围和评估数据之间的映射关系；
步骤S403，根据目标比率范围对评估数据进行筛选处理，得到资源变动评估数据。
在一些实施例的步骤S401中，资源交换数据包括资源原始数据和资源当前数据，资源当前数据为目标对象对变动资源池执行第一调配操作时的资源数值，资源原始数据为目标对象在第一调配操作之前在放入变动资源池的资源数值。例如，第一调配操作为将股票资源池中一部分的虚拟资源提取出来，那么提出时虚拟资源的数值为资源当前数据，在放入股票资源池时这部分虚拟资源的数值为资源原始数据。通过获取资源当前数据和资源原始数据之间的比率作为资源变动比率，且资源变动比率表征第一调配操作的资源池的变动率。例如，若资源池为股票资源池，那么资源变动比率为投资回报率。
在一些实施例的步骤S402和步骤S403中，为了更加直观地表征资源变动比率，提前设置第三映射关系表，且第三映射关系表包括资源变动率范围和评估数据之间的映射关系。根据资源变动比率在第三映射关系表中查找对应的资源变动率范围作为目标比率范围，然后根据目标比率范围在第三映射关系表中查找出对应的评估数据作为资源变动评估数据。
例如，第三映射关系表如表3所示，第三映射关系表中的评估数据为分值，资源变动比率为投资回报率，且投资回报率为放入股票资源池中虚拟资源的原始数值和取出数值之间比率，那么第三映射关系表包括投资回报率和分值之间的映射关系。例如，若投资回报率为4，确定目标比率范围为【3，5】，所以通过表3可以确定资源变动评估数据为7。因此，通过数值表征资源变动评估数据，可以直观的确定目标对象的对变动资源池执行第一调配操作后的资源变动程度。
| 投资回报率 | 分值 |
| 1以下 | 4 |
| 【1，2】 | 5 |
| 【2，3】 | 6 |
| 【3，5】 | 7 |
| 【5，10】 | 8 |
| 【10，100】 | 9 |
| 100以上 | 10 |
表3
在本实施例所示意的步骤S401至步骤S403，通过获取资源原始数据和资源当前数据之间的比率作为资源变动比率。根据资源变动比率在第三映射关系表中查找对应的资源变动率范围为目标比率范围，再将目标比率范围对应的评估数据作为资源变动评估数据，以数字化的形式表征目标对象执行第一调配操作的变动资源池的资源变动程度，以间接表征目标对象的资源调配能力。
请参阅图5，在一些实施例中，步骤S203可以包括但不限于包括步骤S501至步骤S503：
步骤S501，对固定资源池的资源固定流向数据进行比例计算，得到固定资源流向比例；
步骤S502，将固定资源流向比例和预设分配比例进行差值计算，得到比例差值；
步骤S503，根据比例差值和预设阈值对预设的第四映射关系表中的评估数据进行筛选处理，得到第二调配风险评估数据；其中，第四映射关系表包括比例差值、预设阈值和评估数据之间的映射关系。
在一些实施例的步骤S501中，固定资源池设置为至少两个，且每一固定资源池都需要目标对象在其放入虚拟资源，以作为固定的资源支出。通过计算所有固定资源池的资源固定流向数据之间的比例作为固定资源流向比例，且固定资源流向比例作为每一固定资源池内虚拟资源的数量比。需要说明的是，固定资源流向比例可以间接反映目标对象当前阶段主要的开销类别，能够给目标对象的分类提供参考。
例如，若预先设置三个固定资源池，且三个固定资源池分别为家庭开支资源池、育儿资源池和养老资源池。根据资源固定流向数据确定每一家庭开支资源池、育儿资源池和养老资源池中虚拟资源的数值，然后计算数值之间的比例作为固定资源流向比例，那么通过固定资源流向比例可以判断目标对象当前处于什么阶段。
在一些实施例的步骤S502中，预先设置预设分配比例，且预设分配比例为常规状态时多个固定资源池内的虚拟资源的比例。通过将固定资源流向比例和预设分配比例进行差值计算得到比例差值，以根据比例差值确定目标对象对固定资源池执行的第二调配操作的合理程度。
在一些实施例的步骤S503中，根据比例差值和预设阈值在第四映射关系表中查找对应的评估数据作为第二调配风险评估数据。需要说明的是，将比例差值和预设阈值比较得到比较结果，根据比较结果在第四映射关系表中查找对应的评估数据作为第二调配风险评估数据。因为第四映射关系表存在两个评估数据，若比较结果为比例差值小于预设阈值，确定第一个评估数据作为第二调配风险评估数据；若比较结果为比例差值大于预设阈值，确定第二个评估数据作为第二调配风险评估数据。因此，采用数字化的形式表征第二调配风险评估数据，可以更加直观表征目标对象在多个固定资源池的第二调配操作的风险程度。
例如，第四映射关系表如表4所示，确定三个固定资源池分别为家庭开支资源池、育儿资源池和养老资源池，且其的预设分配比例为3：4：3，评估数据为分值。计算固定资源流向比例和预设分配比例的比例差值，若比例差值小于预设阈值，确定分值为10；若比例差值大于预设阈值，确定分值为5，以确定第二调配风险评估数据。
| 比例差值 | 分值 |
| 与3:4:3相差不远 | 10 |
| 分配不够平均，相差较大 | 5 |
表4
在本实施例所示意的步骤及S501至步骤S503，通过先根据资源固定流向数据确定每一固定资源池之间的资源比例作为固定资源流向比例，再计算固定资源流向比例和预设分配比例之间的差值得到比例差值，以根据比例差值和预设阈值判断目标对象在固定资源池内执行的第二调配操作的风险程度。最后，根据比例差值和预设阈值之间的比较结果在第四映射关系表中查找出评估数据作为第二调配风险评估数据，以采用数字化的形式表征第二调配风险评估数据，能够直观表征目标对象在固定资源池内执行的第二调配操作的风险程度，间接反映目标对象对固定资源池的调配合理性。
请参阅图6，在一些实施例，步骤S104包括但不限于包括步骤S601至步骤S602：
步骤S601，将每一资源损失数据进行汇总处理，得到资源总损失数据；
步骤S602，根据资源总损失数据对预设的第五映射关系表中的评估数据进行筛选处理，得到危机应对评估数据；其中，第五映射关系表包括资源损失范围和评估数据之间的映射关系。
在一些实施例的步骤S601中，当目标对象在目标应用中执行虚拟危机处理产生的资源损失数据是不同的。通过根据执行虚拟危机处理的次数和对应的资源损失数据进行汇总处理得到资源总损失数据。资源总损失数据为目标对象在目标应用执行所有的虚拟危机处理所带来总的资源损失。
在一些实施例的步骤S602中，第五映射关系表包含了资源损失范围和评估数据之间的映射关系。通过资源总损失数据在第五映射关系中查找出对应资源损失范围作为目标损失范围，再将目标损失范围对应的评估数据作为危机应对评估数据。因此，通过数字化的形式表征危机应对评估数据，可以更加直观地确定目标对象执行虚拟危机处理的安全程度。
例如，若第五映射关系表如表5所示，第五映射关系表中评估数据为分值，资源总损失数据为金钱损失范围。若确定金钱损失值为80k，那么根据表5可以确定对应的分值为6，以通过数字形式表征危机应对评估数据，可以更加直观地表征目标对象在目标应用中危机处理能力。
| 金钱损失范围 | 分值 |
| 【0，1k】 | 10 |
| 【1k，5k】 | 9 |
| 【5k，10k】 | 8 |
| 【10k，50k】 | 7 |
| 【50k，100k】 | 6 |
| 100k以上 | 5 |
表5
在本实施例所示意的步骤及S601至步骤S602，通过计算出所有次虚拟危机处理产生的资源损失数据的总和作为资源总损失数据，然后根据资源总损失数据在第五映射关系表中查找出对应的评估数据作为危机应对评估数据。因此，通过数字化的形式表征危机应对评估数据，能够更加直观地表征目标对象在目标应用处理虚拟危机的能力。
请参阅图7，在一些实施例中，步骤S105可以包括但不限于包括步骤S701至步骤S705：
步骤S701，根据预设的第一权值和第一调配风险评估数据进行乘积计算，得到第三调配风险评估数据；
步骤S702，根据预设的第二权值和第二调配风险评估数据进行乘积计算，得到第四调配风险评估数据；
步骤S703，根据预设的第三权值和资源变动评估数据进行乘积计算，得到第一变动评估数据；
步骤S704，根据预设的第四权值和危机应对评估数据进行乘积计算，得到第一应对评估数据；
步骤S705，将第三调配风险评估数据、第四调配风险评估数据、第一变动评估数据和第一应对评估数据进行拼接处理，得到资源分配行为评估数据。
在一些实施例的步骤S701至步骤S704中，预先设置第一调配风险评估数据对应的第一权值、第二调配风险评估数据对应第二权值、资源变动评估数据对应的第三权值、危机应对评估数据对应的第四权值。因此，根据不同维度下目标对象的行为重要性给对应的评估数据分配对应的权值，那么最后计算得到的资源分配行为评估数据更加准确地表征目标对象在目标应用中的财商水平。例如，固定资源池的第二调配操作、变动资源池的第一调配操作引发的资源变动程度是能够代表目标对象的财商水平，所以设置第二调配风险评估数据的第二权值和地缘变动评估数据的第三权值更高，那么最后计算出的资源分配行为评估数据才能更加准确地表征目标对象在目标应用中的行为。
在一些实施例的步骤S705中，通过将第三调配风险评估数据、第四调配风险评估数据、第一变动评估数据和第一应对评估数据直接相加得到资源分配行为评估数据，以采用数字化的形式表征目标对象的财商水平更加直观。
例如，若第一权值为a，第二权值为b，第三权值为c，第四权值为d，第一调配风险评估数据为F1，第二调配风险评估数据F2，资源变动评估数据为F3，危机应对评估数据为F4。因此，资源分配行为评估数据为S＝a*F1+b*F2+c*F3+d*F4。
在本实施例所示意的步骤S701至步骤S705，通过综合四个维度分析出目标对象在目标应用中的行为，所构建的资源分配行为评估数据可以准确地表征目标对象在目标应用的资源分配行为的风险程度，间接反映目标对象的财商水平。
在一些实施例的步骤S106中，根据资源分配行为评估数据对目标对象进行分类。需要说明的是，根据资源分配行为评估数据在预设的类别映射关系表中查找出对应的类别作为目标对象的对象类别，以实现目标对象的分类。例如，预设的类别映射关系表包括评估数据范围和对象类别之间的映射关系，且对象类别包括：工薪一族、自由职业者、企业家和投资者，若类别映射关系表如表6所示，若资源分配行为评估数据为55，确定目标对象的对象类别为自由职业者，使得对象分类更加简易。
| 资源分配行为评估数据 | 对象类别 |
| 【0，30】 | 工薪一族 |
| 【30，60】 | 自由职业者 |
| 【60，80】 | 企业家 |
| 【80，100】 | 投资者 |
表6
请参阅图8，在一些实施例中，对象分类方法还可以包括但不限于包括步骤S801至步骤S803：
步骤S801，获取目标对象分类后的对象类别；
步骤S802，根据对象类别在预设的候选资源管理配置方案中筛选出推荐资源管理配置方案；
步骤S803，向目标对象推送推荐资源管理配置方案。
在一些实施例的步骤S801至步骤S802中，获取目标对象的对象类别，且候选资源管理配置方案上设置类别标签，且类别标签和对象类别相对应。根据对象类别找到相对应的类别标签作为目标标签。最后，将目标标签对应的候选资源管理配置方案作为推荐资源管理配置方案，以查找出符合目标对象的推荐资源管理配置方案。
在一些实施例的步骤S803中，向目标对象推送推荐资源管理配置方案。需要说明的是，推荐的方式包括以下任意一种：短信推送、界面弹窗推荐、语音推荐。通过先在界面弹出“是否接收资源管理方案推荐？”的提示框，若目标对象选择同意后，将推荐资源管理配置方案显示在界面。
在本实施例所示意的步骤S801至步骤S803，通过根据目标对象的对象类别在候选资源管理配置方案中选出对应的推荐资源管理配置方案，再将推荐资源管理配置方案推送给目标对象，以更加准确地给目标对象推荐符合的资源管理配置方案。
本申请实施例目标对象在目标应用上进行操作时会产生各个各样的数据，且都以日志数据存储在本地数据库中。当需要对目标对象分类时，可以从本地数据库采集历史的日志数据，并从日志数据中提取出历史行为关联数据，历史行为关联数据包括资源配置数据和资源损失数据。基于资源配置数据进行资源流向检测，得到资源增加数据、资源固定流向数据和资源交换数据和资源剩余数据。在第一映射关系表中查找出资源增加数据对应的评估数据作为第一评估数据，再在第二映射关系表中查找出于资源剩余数据对应的评估数据作为第二评估数据，然后将第一评估数据和第二评估数据拼接得到第一调配风险评估数据。获取资源原始数据和资源当前数据之间的比率作为资源变动比率，根据资源变动比率在第三映射关系表中查找对应的资源变动率范围为目标比率范围，再将目标比率范围对应的评估数据作为资源变动评估数据。先根据资源固定流向数据确定每一固定资源池之间的资源比例作为固定资源流向比例，再计算固定资源流向比例和预设分配比例之间的差值得到比例差值，以根据比例差值和预设阈值判断目标对象在固定资源池内执行的第二调配操作的风险程度。最后，根据比例差值和预设阈值之间的比较结果在第四映射关系表中查找出评估数据作为第二调配风险评估数据。计算出所有虚拟危机处理产生的资源损失数据的总和作为资源总损失数据，然后根据资源总损失数据在第五映射关系表中查找出对应的评估数据作为危机应对评估数据。预先设置第一调配风险评估数据对应的第一权值、第二调配风险评估数据对应第二权值、资源变动评估数据对应的第三权值、危机应对评估数据对应的第四权值，将第一权值和第一调配风险评估数据相乘得到第三调配风险评估数据，将第二权值和第二调配风险评估数据相乘得到第四调配风险评估数据，将第三权值和资源变动评估数据相乘得到第一变动评估数据，将第四权值和危机应对评估数据相乘得到第一应对评估数据。将第三调配风险评估数据、第四调配风险评估数据、第一变动评估数据和第一应对评估数据直接相加得到资源分配行为评估数据，然后根据资源分配行为评估数据在预设的类别映射关系表中查找出对应的类别作为目标对象的对象类别，以实现目标对象的分类。
请参阅图9，本申请实施例还提供一种对象分类装置，可以实现上述对象分类方法，该装置包括：
数据获取模块901，用于获取目标对象的历史行为关联数据；其中，历史行为关联数据包括：资源配置数据和资源损失数据，资源配置数据是目标对象在目标应用中执行资源分配操作所产生的数据，资源损失数据是目标对象在目标应用中执行虚拟危机处理操作所产生的数据；
资源流向检测模块902，用于基于资源配置数据进行资源流向检测，得到资源流向数据和资源剩余数据；
调配风险评估模块903，用于根据资源流向数据和资源剩余数据对目标对象执行资源分配操作进行调配风险评估，得到资源调配风险评估数据；其中，资源调配风险评估数据用于表征资源分配操作的风险程度；
危机应对评估模块904，用于根据资源损失数据对目标对象执行虚拟危机处理操作进行危机应对评估，得到危机应对评估数据；其中，危机应对评估数据用于表征虚拟危机处理操作的安全程度；
行为评估模块905，用于根据危机应对评估数据、资源调配风险评估数据对目标对象进行行为评估，得到资源分配行为评估数据；
分类模块906，用于根据资源分配行为评估数据对目标对象进行分类。
该对象分类装置的具体实施方式与上述对象分类方法的具体实施例基本相同，在此不再赘述。
本申请实施例还提供了一种电子设备，电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述对象分类方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
请参阅图10，图10示意了另一实施例的电子设备的硬件结构，电子设备包括：
处理器1001，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；
存储器1002，可以采用只读存储器(ReadOnlyMemory，ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory，RAM)等形式实现。存储器1002可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1002中，并由处理器1001来调用执行本申请实施例的对象分类方法；
输入/输出接口1003，用于实现信息输入及输出；
通信接口1004，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；
总线1005，在设备的各个组件(例如处理器1001、存储器1002、输入/输出接口1003和通信接口1004)之间传输信息；
其中处理器1001、存储器1002、输入/输出接口1003和通信接口1004通过总线1005实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述对象分类方法。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例提供的对象分类方法和装置、电子设备及存储介质，其通过采集目标对象在目标应用执行资源分配操作产生的资源配置数据、执行虚拟危机处理产生的资源损失数据，以根据资源配置数据检测资源流向得到资源流向数据和资源剩余数据。根据资源流向数据和资源剩余数据评估目标对象执行资源分配操作的风险程度得到资源调配风险评估数据，再根据资源损失数据评估目标对象执行虚拟危机处理的安全程度得到危机应对评估数据。最后根据资源调配风险评估数据和危机应对评估数据评估目标对象在目标应用上的行为得到资源分配行为评估数据，以根据资源分配行为评估数据对目标对象进行分类。因此，采集目标对象分类的参数数据是通过目标应用上操作所产生数据，无需和目标对象之间进行沟通和分析，降低对象分离的门槛和人力。基于目标对象在目标应用上操作产生的数据对目标对象资源分配操作和虚拟危机处理两个方面进行评估，再基于评估数据对目标对象分类，使得目标对象分类操作自动化，提高对象分类的效率和准确度。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。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可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于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：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。
Claims (10)
1.一种对象分类方法，其特征在于，所述方法包括：
获取目标对象的历史行为关联数据；其中，所述历史行为关联数据包括：资源配置数据和资源损失数据，所述资源配置数据是所述目标对象在目标应用中执行资源分配操作所产生的数据，所述资源损失数据是所述目标对象在所述目标应用中执行虚拟危机处理操作所产生的数据；
基于所述资源配置数据进行资源流向检测，得到资源流向数据和资源剩余数据；
根据所述资源流向数据和所述资源剩余数据对所述目标对象执行所述资源分配操作进行调配风险评估，得到资源调配风险评估数据；其中，所述资源调配风险评估数据用于表征所述资源分配操作的风险程度；
根据所述资源损失数据对所述目标对象执行所述虚拟危机处理操作进行危机应对评估，得到危机应对评估数据；其中，所述危机应对评估数据用于表征所述虚拟危机处理操作的安全程度；
根据所述危机应对评估数据、所述资源调配风险评估数据对所述目标对象进行行为评估，得到资源分配行为评估数据；
根据所述资源分配行为评估数据对所述目标对象进行分类。
2.根据权利要求1所述的方法，其特征在于，所述资源流向数据包括：资源增加数据、资源固定流向数据和资源交换数据；所述资源分配操作包括：对变动资源池的第一调配操作和对固定资源池的第二调配操作；所述资源调配风险评估数据包括：第一调配风险评估数据、第二调配风险评估数据和资源变动评估数据；所述根据所述资源流向数据和所述资源剩余数据对所述目标对象执行所述资源分配操作进行调配风险评估，得到资源调配风险评估数据，包括：
根据所述资源增加数据和所述资源剩余数据对所述目标对象执行所述第一调配操作进行调配风险评估处理，得到所述第一调配风险评估数据；其中，所述第一调配风险评估数据用于表征对所述变动资源池的所述第一调配操作的风险程度；
根据所述资源交换数据对所述目标对象执行所述第一调配操作进行资源变动评估处理，得到所述资源变动评估数据；其中，所述资源变动评估数据用于表征所述第一调配操作的所述变动资源池的资源变动程度；
根据所述资源固定流向数据对所述目标对象执行所述第二调配操作进行调配风险评估处理，得到所述第二调配风险评估数据；其中，所述第二调配风险评估数据用于表征对所述固定资源池的所述第二调配操作的风险程度。
3.根据权利要求2所述的方法，其特征在于，所述根据所述资源增加数据和所述资源剩余数据对所述目标对象执行所述第一调配操作进行调配风险评估处理，得到所述第一调配风险评估数据，包括：
根据所述资源增加数据对预设的第一映射关系表中的评估数据进行筛选处理，得到第一评估数据；其中，所述第一映射关系表包括资源增加范围和所述评估数据之间的映射关系；
根据所述资源剩余数据对预设的第二映射关系表中的评估数据进行筛选处理，得到第二评估数据；其中，所述第二映射关系表包括资源剩余范围和所述评估数据之间的映射关系；
将所述第一评估数据和所述第二评估数据进行拼接，得到所述第一调配风险评估数据。
4.根据权利要求2所述的方法，其特征在于，所述资源交换数据包括：资源原始数据和资源当前数据；所述根据所述资源交换数据对所述目标对象执行所述第一调配操作进行资源变动评估处理，得到所述资源变动评估数据，包括：
将所述资源原始数据和所述资源当前数据进行比率计算，得到资源变动比率；
根据所述资源变动比率对预设的第三映射关系表中的资源变动率范围进行筛选处理，得到目标比率范围；其中，所述第三映射关系表包括所述资源变动率范围和所述评估数据之间的映射关系；
根据所述目标比率范围对所述评估数据进行筛选处理，得到所述资源变动评估数据。
5.根据权利要求2所述的方法，其特征在于，所述根据所述资源固定流向数据对所述目标对象执行所述第二调配操作进行调配风险评估处理，得到所述第二调配风险评估数据，包括：
对所述固定资源池的所述资源固定流向数据进行比例计算，得到固定资源流向比例；
将所述固定资源流向比例和预设分配比例进行差值计算，得到比例差值；
根据所述比例差值和预设阈值对预设的第四映射关系表中的评估数据进行筛选处理，得到所述第二调配风险评估数据；其中，所述第四映射关系表包括所述比例差值、预设阈值和所述评估数据之间的映射关系。
6.根据权利要求2所述的方法，其特征在于，所述将所述根据所述危机应对评估数据、所述资源调配风险评估数据对所述目标对象进行行为评估，得到资源分配行为评估数据，包括：
根据预设的第一权值和所述第一调配风险评估数据进行乘积计算，得到第三调配风险评估数据；
根据预设的第二权值和所述第二调配风险评估数据进行乘积计算，得到第四调配风险评估数据；
根据预设的第三权值和所述资源变动评估数据进行乘积计算，得到第一变动评估数据；
根据预设的第四权值和所述危机应对评估数据进行乘积计算，得到第一应对评估数据；
将所述第三调配风险评估数据、所述第四调配风险评估数据、所述第一变动评估数据和所述第一应对评估数据进行拼接处理，得到所述资源分配行为评估数据。
7.根据权利要求1至6任一项所述的方法，其特征在于，在所述根据所述资源分配行为评估数据对所述目标对象进行分类之后，所述方法还包括：
获取所述目标对象分类后的对象类别；
根据所述对象类别在预设的候选资源管理配置方案中筛选出推荐资源管理配置方案；
向所述目标对象推送所述推荐资源管理配置方案。
8.一种对象分类装置，其特征在于，所述装置包括：
数据获取模块，用于获取目标对象的历史行为关联数据；其中，所述历史行为关联数据包括：资源配置数据和资源损失数据，所述资源配置数据是所述目标对象在目标应用中执行资源分配操作所产生的数据，所述资源损失数据是所述目标对象在所述目标应用中执行虚拟危机处理操作所产生的数据；
资源流向检测模块，用于基于所述资源配置数据进行资源流向检测，得到资源流向数据和资源剩余数据；
调配风险评估模块，用于根据所述资源流向数据和所述资源剩余数据对所述目标对象执行所述资源分配操作进行调配风险评估，得到资源调配风险评估数据；其中，所述资源调配风险评估数据用于表征所述资源分配操作的风险程度；
危机应对评估模块，用于根据所述资源损失数据对所述目标对象执行所述虚拟危机处理操作进行危机应对评估，得到危机应对评估数据；其中，所述危机应对评估数据用于表征所述虚拟危机处理操作的安全程度；
行为评估模块，用于根据所述危机应对评估数据、所述资源调配风险评估数据对所述目标对象进行行为评估，得到资源分配行为评估数据；
分类模块，用于根据所述资源分配行为评估数据对所述目标对象进行分类。
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的对象分类方法。
10.一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，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的对象分类方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311375335.7A CN117668628A (zh) | 2023-10-19 | 2023-10-19 | 对象分类方法和装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311375335.7A CN117668628A (zh) | 2023-10-19 | 2023-10-19 | 对象分类方法和装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117668628A true CN117668628A (zh) | 2024-03-08 |
Family
ID=90070330
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311375335.7A Pending CN117668628A (zh) | 2023-10-19 | 2023-10-19 | 对象分类方法和装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117668628A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118396348A (zh) * | 2024-06-27 | 2024-07-26 | 广东技术师范大学 | 多层车间资源调控方法和装置、电子设备及存储介质 |
-
2023
- 2023-10-19 CN CN202311375335.7A patent/CN117668628A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118396348A (zh) * | 2024-06-27 | 2024-07-26 | 广东技术师范大学 | 多层车间资源调控方法和装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107633265B (zh) | 用于优化信用评估模型的数据处理方法及装置 | |
| Bravo et al. | Granting and managing loans for micro-entrepreneurs: New developments and practical experiences | |
| WO2010037030A1 (en) | Evaluating loan access using online business transaction data | |
| AU2014374029B2 (en) | A multidimensional recursive learning process and system used to discover complex dyadic or multiple counterparty relationships | |
| CN113095408A (zh) | 风险的确定方法、装置和服务器 | |
| CN117668628A (zh) | 对象分类方法和装置、电子设备及存储介质 | |
| CN111882420A (zh) | 响应率的生成方法、营销方法、模型训练方法及装置 | |
| CN115081025A (zh) | 基于数字中台的敏感数据管理方法、装置及电子设备 | |
| CN111460174A (zh) | 基于实体知识推理的简历异常检测方法及系统 | |
| CN113112186A (zh) | 一种企业评估方法、装置及设备 | |
| CN111091409B (zh) | 客户标签的确定方法、装置和服务器 | |
| CN115631006A (zh) | 智能推荐银行产品的方法、装置、存储介质及计算机设备 | |
| CN114625406A (zh) | 应用开发管控方法、计算机设备、存储介质 | |
| CN114118793A (zh) | 一种地方交易所风险预警方法、装置及设备 | |
| JP2021018466A (ja) | ルール抽出装置、情報処理装置、ルール抽出方法及びルール抽出プログラム | |
| Zhang et al. | Dynamic time warp-based clustering: Application of machine learning algorithms to simulation input modelling | |
| CN115204881A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
| CN116720118A (zh) | 标签质量智能分析方法、装置、电子设备及存储介质 | |
| Kamdjoug et al. | Data analytics-based auditing: a case study of fraud detection in the banking context | |
| CN114493851A (zh) | 一种风险处理方法及装置 | |
| CN113344638B (zh) | 一种基于超图的电网用户族群画像构建方法及装置 | |
| CN115293861A (zh) | 一种商品识别方法、装置、电子设备及存储介质 | |
| CN113987351A (zh) | 基于人工智能的智能推荐方法、装置、电子设备及介质 | |
| CN114066513A (zh) | 一种用户分类的方法和装置 | |
| Kulk et al. | Quantifying IT estimation risks |
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 |