[发明专利]一种基于银行数据的外出务工人员识别方法、设备及介质

权利要求书

1.一种基于银行数据的外出务工人员识别方法，其特征在于，包括以下步骤：

步骤1，构建监督样本集；

获取银行的大量客户数据，从中提取与外出标签关联的客户特征并作为样本的特征向量，以开户登记的外出标签作为样本标签，构建弱监督样本集W_D；

从弱监督样本集中选择部分样本，通过人工验证对应客户是否外出，并以验证的结果作为样本标签，构建强监督样本集S_D；

步骤2，构建分类模型，利用弱监督样本集W_D和强监督样本集S_D对分类模型进行训练，得到外出务工识别模型；

步骤3，对待识别客户，从其客户数据中提取客户特征，将客户特征输入至外出务工识别模型，输出得到待识别客户是否为外出务工人员。

2.根据权利要求1所述的方法，其特征在于，所述客户特征包括客户基础属性、交易数据、位置相关的交易数据、以及资产负债信息四类特征；所述客户基础属性包括客户的性别、年龄和户龄；所述交易数据包括预设时段内的收入与消费数据、线下存取款数据；所述位置相关的交易数据是指异地的收入与消费数据；所述资产负债信号包括定期存款、活期存款和贷款信息。

3.根据权利要求2所述的方法，其特征在于，客户基础属性类特征中，若客户数据中性别未知、年龄超过相应预设值或者户龄超过相应预设值，则将其客户特征中的对应特征值设置为缺失；交易数据类特征和位置相关的交易数据类特征中，是将真实金额数据进行对数转换后得到的值作为对应特征值。

4.根据权利要求1所述的方法，其特征在于，步骤1在获取银行的大量客户数据时，选择开户时间在预设范围内的客户数据。

5.根据权利要求1-4任一所述的方法，其特征在于，利用弱监督样本集W_D和强监督样本集S_D对分类模型进行训练的具体步骤为：

步骤2.1，将强监督样本集S_D和弱监督样本集W_D中的样本，分别赋予权重w_s和w_w，且w_sw_w，然后合并为训练集；

步骤2.2，选择XGBoost算法，使用训练集通过交叉验证和网格搜索确定XGBoost算法的超参数构建分类模型xgb₀；

步骤2.3，在强监督样本集S_D和弱监督样本集W_D的多组权重组合中，通过置信学习算法使用分类模型的预测结果和样本标签，识别出弱监督样本集中的噪声样本，然后更新噪声样本的权重，在多次迭代中得到每组权重组合下最优的加权样本集和分类模型；

步骤2.4，通过计算所有权重组合下的识别模型的评估指标，确定强监督样本集S_D和弱监督样本集W_D最优的权重组合，使用该权重组合的训练集并采用XGBoost算法训练分类模型，得到最终的外出务工识别模型。