[发明专利]用户类型的预测方法及装置

说明书

本发明公开了一种用户类型的预测方法及装置，其中，该方法包括：获得多个用户的信用数据和身份信息；根据每个用户的身份信息，确定每个用户的特征参数；基于变分贝叶斯算法，根据多个用户的信用数据和特征参数，确定用户特征参数的权重系数；根据用户特征参数的权重系数，确定用户的信用数据与特征参数的关联关系；获得目标用户的身份信息，基于用户的信用数据与特征参数的关联关系，确定目标用户的信用数据；根据目标用户的信用数据，预测目标用户的类型，本发明基于变分贝叶斯算法建立用户类型的预测方法可以提高用户类型的预测精度和效率，进而有效的减少风险事件发生时造成的损失，提高风险识别能力。

技术领域

本发明涉及计算机数据处理技术领域，特别涉及一种用户类型的预测方法及装置。

背景技术

风险控制是指管理者采取各种措施和方法，消灭或减少风险事件发生的可能性，对于金融机构而言，构建完备的风险控制方法，可以有效的减少风险事件发生时造成 的损失。

现有的用户类型预测方法主要基于人工经验，一方面借助已有的黑名单直接过滤黑名单上对应的用户，一方面借助工作人员的业务经验，设置相关的规则，通过交叉、 验证、规则碰撞等方式进行预测用户类型。但是随着业务量的上升，用户类型的多样 化，现有的用户类型预测方法无法满足风险控制的要求且预测的误差较大。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供一种用户类型的预测方法，用以提高用户类型的预测精度和效率，该方法包括：

获得多个用户的信用数据和身份信息；

根据每个用户的身份信息，确定每个用户的特征参数；

基于变分贝叶斯算法，根据多个用户的信用数据和特征参数，确定用户特征参数的权重系数；

根据用户特征参数的权重系数，确定用户的信用数据与特征参数的关联关系；

获得目标用户的身份信息，基于用户的信用数据与特征参数的关联关系，确定目标用户的信用数据；

根据目标用户的信用数据，预测目标用户的类型。

本发明实施例还提供一种用户类型的预测装置，用以用户类型的预测精度和效率，该装置包括：

数据获得模块，用于获得多个用户的信用数据和身份信息；

用户特征参数确定模块，用于根据每个用户的身份信息，确定每个用户的特征参数；

权重系数确定模块，用于基于变分贝叶斯算法，根据多个用户的信用数据和特征参数，确定用户特征参数的权重系数；

关联关系确定模块，用于根据用户特征参数的权重系数，确定用户的信用数据与特征参数的关联关系；

目标用户信用数据确定模块，用于获得目标用户的身份信息，基于用户的信用数据与特征参数的关联关系，确定目标用户的信用数据；

目标用户类型预测模块，用于根据目标用户的信用数据，预测目标用户的类型。

本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述用户类型的预 测方法。

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有执行上述用户类型的预测方法的计算机程序。