[发明专利]帐号分析方法、装置及存储介质

说明书

本公开揭示了一种帐号分析方法、装置及存储介质，属于机器学习领域。该方法包括：获取待分析帐号在最近预设时长内的金融产品交易记录；确定待分析帐号的帐号数据；将帐号数据输入预设决策树模型，预设决策树模型是通过预设训练集训练得到的模型，预设训练集中包括风险帐号和非风险帐号，以及对应的帐号数据，风险帐号为通过非正当方式进行套利的帐号；通过预设决策树模型输出得到待分析帐号的风险情况。通过预先训练决策树模型得到预设决策树模型，并通过该预设决策树模型预测待分析帐号是否为风险帐号，提高了对该待分析帐号的分析效率，能够在该待分析帐号对金融公司造成损失之前预测出其为风险帐号，提高了对风险用户进行识别的及时性。

技术领域

本公开涉及机器学习领域，特别涉及一种帐号分析方法、装置及存储介质。

背景技术

在金融产品公司中，保证用户的金融安全是首要任务。通常，在保证用户的金融安全之前，需要确定用户为风险用户还是非风险用户。其中，风险用户是指可能进行非法金融交易获得利益的用户，或者通过非法金融交易损害其他用户的利益的用户。

在对风险用户进行识别时，管理员通常对用户的数据进行观察，当用户的数据发生明显的异常时，则认为该用户为风险用户，并限制该用户的金融交易。

然后通过上述方式对风险用户进行识别时，效率较低，且通常识别出风险用户时已造成了一定程度的损失，对风险用户的识别不够及时。

发明内容

本公开实施例提供一种帐号分析方法、装置及存储介质，可以解决对风险用户进行识别时，效率较低，且通常识别出风险用户时已造成了一定程度的损失，对风险用户的识别不够及时的问题。所述技术方案如下：

第一方面，提供了一种帐号分析方法，应用于服务器中，所述方法包括：

获取所述待分析帐号在最近预设时长内的金融产品交易记录；

确定所述待分析帐号的帐号数据，所述帐号数据中包括所述金融产品交易记录；

将所述帐号数据输入预设决策树模型，所述预设决策树模型是通过预设训练集训练得到的模型，所述预设训练集中包括风险帐号和非风险帐号，以及与所述风险帐号和所述非风险帐号对应的帐号数据，所述风险帐号为通过非正当方式进行套利的帐号；

通过所述预设决策树模型输出得到所述待分析帐号的风险情况，所述风险情况用于指示所述待分析帐号是否为风险帐号。

在一个可选的实施例中，所述获取所述待分析帐号在最近预设时长内的金融产品交易记录之后，还包括：

根据所述金融产品交易记录获取所述相对数据，所述相对数据用于反应所述金融产品交易记录针对所述最近预设时长的平均数，占最大累计出入金的比值；

所述确定所述待分析帐号的帐号数据，所述帐号数据中包括所述金融产品交易记录，包括：

所述确定所述待分析帐号的帐号数据，所述帐号数据中包括所述金融产品交易记录和所述相对数据。

在一个可选的实施例中，所述根据所述金融产品交易记录获取所述相对数据，包括：

当所述金融产品交易记录中包括总成交额、交易天数以及所述最大累计出入金时，根据所述总成交额与所述交易天数的比值得到日均成交额，根据所述日均成交额与所述最大累计出入金的比值得到所述相对数据；

和/或，

当所述金融产品交易记录中包括总交易费用、所述交易天数以及所述最大累计出入金时，根据所述总交易费用与所述交易天数的比值得到日均交易费用，根据所述日均交易费用与所述最大累计出入金的比值得到所述相对数据。

在一个可选的实施例中，所述将所述帐号数据输入预设决策树模型之前，还包括：