[发明专利]异常行为用户信息的确定方法及装置、存储介质、终端

说明书

本发明公开了一种异常行为用户信息的确定方法及装置、存储介质、终端，涉及数据处理技术领域，主要目的在于解决现有通过各个企业中的失信次数判断仅仅无法避免同一个用户在不同企业之间进行失信行为的情况，造成失信行为筛选条件单一，消耗大量人力资源的问题。包括：获取用户业务交易过程中全部的行为文本数据；对所述行为文本数据按照分类体系进行分类标记，所述分类体系用于划分所述行为文本数据中不同业务行为的类目层级；利用已训练的异常行为预测模型对分类标记后得到的行为文本数据进行异常行为预测运算，确定出异常行为用户信息。

技术领域

本发明涉及一种数据处理技术领域，特别是涉及一种异常行为用户信息的确定方法及装置、存储介质、终端。

背景技术

随着电子商务的快速发展，用户利用互联网进行金融活动已经成为热点商业活动方式。其中，由于银行、电商、互联网金融企业在进行交易时会产生用户的失信行为，因此，为了避免因失信行为而造成的经济损失，各个企业根据自身拥有的交易数据确定用户的失信黑名单，以便对这类用户进行处理。

目前，现有的失信黑名单中的用户是通过判断各个企业中用户的失信次数是否超过特定次数进行人工筛选确定的，但是，通过各个企业中的失信次数判断仅仅无法避免同一个用户在不同企业之间进行失信行为的情况，造成失信行为筛选条件单一，消耗大量人力资源，从而降低异常行为用户的确定效率。

发明内容

有鉴于此，本发明提供一种异常行为用户信息的确定方法及装置、存储介质、终端方法及装置，主要目的在于解决现有通过各个企业中的失信次数判断仅仅无法避免同一个用户在不同企业之间进行失信行为的情况，造成失信行为筛选条件单一，消耗大量人力资源的问题。

依据本发明一个方面，提供了一种异常行为用户信息的确定方法，包括：

获取用户业务交易过程中全部的行为文本数据；

对所述行为文本数据按照分类体系进行分类标记，所述分类体系用于划分所述行为文本数据中不同业务行为的类目层级；

利用已训练的异常行为预测模型对分类标记后得到的行为文本数据进行异常行为预测运算，确定出异常行为用户信息。

进一步地，所述利用已训练的异常行为预测模型对分类标记后得到的行为文本数据进行异常行为预测运算，确定出异常行为用户信息包括：

对分类标记后得到的行为文本数据进行数值化处理；

利用预设异常行为语言处理模型结合预设自然语言处理算法对数值化后的行为文本数据进行预测运算，得到异常行为用户信息。

进一步地，所述对分类标记后得到的行为文本数据进行数值化处理包括：

对分类标记后的行为文本数据进行序列化排序，并根据排序后的行为文本数据生成行为数据序列。

进一步地，所述利用预设异常行为语言处理模型结合预设自然语言处理算法对数值化后的行为文本数据进行预测运算，得到异常行为用户信息包括：

将所述行为数据序列作为预设异常行为语言处理模型的输入进行处理，得到不同标签的序列集合，并按照预设自然语言处理算法对所述不同标签的序列集合进行预测运算，确定异常行为用户信息，所述预设自然语言处理算法中的特征函数为预设的异常行为匹配规则。

进一步地，所述对所述行为文本数据按照分类体系进行分类标记包括：

利用自然语言处理方式对所述行为文本数据按照不同类目层级进行分类，并对分类后的搜索行为文本数据进行tag标签标记。

进一步地，所述对所述行为文本数据按照分类体系进行分类标记包括：

通过分类精确度与标记精确度对比方式确定按照分类体系对所述行为文本数据进行分类标记的类目层级及标记集合。