[发明专利]三方数据源的测试评估系统及方法在审
申请号: | 202010761044.1 | 申请日: | 2020-07-31 |
公开(公告)号: | CN111861734A | 公开(公告)日: | 2020-10-30 |
发明(设计)人: | 刘琼 | 申请(专利权)人: | 重庆富民银行股份有限公司 |
主分类号: | G06Q40/02 | 分类号: | G06Q40/02 |
代理公司: | 重庆强大凯创专利代理事务所(普通合伙) 50217 | 代理人: | 蒙捷 |
地址: | 401121 重庆市渝*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 数据源 测试 评估 系统 方法 | ||
1.三方数据源的测试评估系统,其特征在于:包括数据获取模块、处理模块、验证模块、统计模块和测试模块;
数据获取模块,用于根据指定目标获取数据供应商的测试数据;
处理模块,用于从数据获取模块接收测试数据进行预处理,所述处理模块将预处理后的测试数据发送至统计模块;
统计模块,用于计算预处理后的测试数据的查得率并向处理模块反馈,所述处理模块将统计后的测试数据和对应的查得率发送至验证模块;
验证模块,用于对统计后测试数据进行真实性验证并向处理模块反馈验证结果,所述验证结果包括正结果和负结果,所述处理模块在验证结果为正结果时将验证后的测试数据发送至测试模块,所述处理模块在验证结果为负结果是丢弃测试数据并向数据获取模块发送重新获取信号;
测试模块,用于计算验证后的测试数据的IV值,以IV值来计算预处理后的测试数据的区分度,所述测试模块对测试数据的资质信息进行核查并向处理模块反馈核查结果,所述处理模块根据核查结果得到测试结果。
2.根据权利要求1所述的三方数据源的测试评估系统,其特征在于:所述处理模块判断所接收的测试数据的数据类型发送至验证模块,所述数据类型包括验证类数据和特征类数据,所述处理模块在数据类型为特征类数据时给测试数据添加时间点进行预处理。
3.根据权利要求2所述的三方数据源的测试评估系统,其特征在于:在数据类型为特征类数据时,所述验证模块对先后时间点获得的测试数据是否相同进行反馈,所述验证模块在先后时间点获得的测试数据相同时反馈负结果,所述验证模块在先后时间点获得的测试数据不相同时反馈正结果,在数据类型为验证类数据时,所述验证模块对测试数据之间的匹配性进行验证反馈,所述验证模块在测试数据之间匹配时反馈正结果,所述验证模块在测试数据之间不匹配时反馈负结果。
4.根据权利要求3所述的三方数据源的测试评估系统,其特征在于:在数据类型为验证类数据时,所述处理模块获取直接真实数据或类似真实数据发送至测试模块,所述测试模块收到直接真实数据时以直接真实数据和测试数据计算混淆矩阵,所述类似真实数据为与数据供应商同类型厂商的测试数据,所述测试模块根据测试数据与类似真实数据间组合计算混淆矩阵,所述测试模块根据混淆矩阵计算出测试数据的准确率。
5.根据权利要求4所述的三方数据源的测试评估系统,其特征在于:所述查得率的计算公式为:查得率=查得数据记录数/测试数据记录数,所述处理模块在查得率小于阈值时判断验证后的三方数是否为黑名单数据,当验证后的测试数据为黑名单数据时,所述处理模块向测试模块发送单独计算信号,所述测试模块计算黑名单数据的覆盖率、误拒率、有效差异率和无效差异率,所述处理模块获取覆盖率、误拒率、有效差异率和无效差异率判断测试数据的信用度。
6.根据权利要求5所述的三方数据源的测试评估系统,其特征在于:所述覆盖率的计算公式为:覆盖率=查得命中黑名单数/样本数量,所述误拒率的计算公式为:误拒率=查得命中黑名单数/样本中通过且为好客户数量,所述有效差异率的计算公式为:有效差异率=查得命中黑名单数/样本中通过且坏客户量,所述无效差异率的计算公式为:无效差异率=查得命中黑名单数/样本中其他拒绝量。
7.根据权利要求5所述的三方数据源的测试评估系统,其特征在于:所述处理模块在覆盖率大于阈值时初步判断测试数据对应客户为低质量客户。
8.根据权利要求7所述的三方数据源的测试评估系统,其特征在于:在无效差异率位于预设范围内时,所述处理模块判断误拒率小于误拒阈值且有效差异率大于差异阈值时的客户为高质量客户。
9.根据权利要求1所述的三方数据源的测试评估系统,其特征在于:所述测试模块对预处理后的测试数据客户的经营牌照类别、成立年限、安全证书和数据来源授权进行核查。
10.使用权利要求1至9任一项所述三方数据源的测试评估系统的三方数据源的测试评估方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆富民银行股份有限公司,未经重庆富民银行股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010761044.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于深度强化学习的固定翼无人机群避碰方法及装置
- 下一篇:一种纺织机