[发明专利]基于用户数据的风险预测方法、装置及计算机设备有效

专利信息
申请号: 202011504498.7 申请日: 2020-12-18
公开(公告)号: CN112529321B 公开(公告)日: 2023-09-05
发明(设计)人: 林朝泉 申请(专利权)人: 平安银行股份有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q10/0635;G06Q10/067;G06F18/214
代理公司: 深圳市精英专利事务所 44242 代理人: 李翔宇
地址: 518000 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 用户 数据 风险 预测 方法 装置 计算机 设备
【权利要求书】:

1.一种基于用户数据的风险预测方法,其特征在于,包括:

若接收到用户端上传的用户校验请求,获取与所述用户校验请求对应的当前用户信息;

根据所述当前用户信息获取对应的用户类型;其中,所述用户类型包括个人用户和企业用户;

若所述用户类型为企业用户,调用预先训练的用户风险识别模型,将所述当前用户信息对应的用户特征输入至所述用户风险识别模型进行运算,得到与所述当前用户信息对应的当前用户风险等级值;

判断所述当前用户风险等级值是否超出预设的风险等级阈值;

若所述当前用户风险等级值超出所述风险等级阈值,获取与所述当前用户风险等级值对应的目标座席端集,在所述目标座席端集中随机选择一个目标座席端以将第一连接指令发送至用户端;

获取目标座席端根据所述当前用户信息发送的当前用户调整风险值和当前用户授权值,将所述当前用户调整风险值和所述当前用户授权值发送至用户端;以及

若所述当前用户风险等级值未超出所述风险等级阈值,调用预先训练的用户评估预测模型,将所述当前用户信息对应的用户特征输入至所述用户评估预测模型进行运算,得到与所述当前用户信息对应的当前用户授权值;

所述调用预先训练的用户风险识别模型,将所述当前用户信息对应的用户特征输入至所述用户风险识别模型进行运算,得到与所述当前用户信息对应的当前用户风险等级值之前,还包括:

以所述当前用户信息对应的用户唯一识别码为检索条件,在服务器的用户历史数据库中检索获取对应的历史用户数据集;

根据预设的历史用户数据筛选策略,在所述历史用户数据集中获取满足历史用户数据筛选策略的目标历史用户数据,以组成目标历史用户数据集;

根据预设的核心用户特征筛选策略,在所述目标历史用户数据集及所述当前用户信息中进行核心特征提取,以得到所述当前用户信息对应的用户特征;

所述获取目标座席端根据所述当前用户信息发送的当前用户调整风险值和当前用户授权值,将所述当前用户调整风险值和所述当前用户授权值发送至用户端之前,还包括:

接收目标座席端发送的引导信息,将所述引导信息发送至用户端;

接收用户端根据所述引导信息发送的当前用户补充信息,将所述当前用户补充信息发送至目标座席端;

所述若所述当前用户风险等级值未超出所述风险等级阈值,调用预先训练的用户评估预测模型,将所述当前用户信息对应的用户特征输入至所述用户评估预测模型进行运算,得到与所述当前用户信息对应的当前用户授权值之后,还包括:

若所述用户类型为个人用户,调用预先训练的用户评估预测模型,将所述当前用户信息对应的用户特征输入至所述用户评估预测模型进行运算,得到与所述当前用户信息对应的当前用户授权值。

2.根据权利要求1所述的基于用户数据的风险预测方法,其特征在于,所述根据所述当前用户信息获取对应的用户类型,包括:

获取所述当前用户信息中包括的用户名称;

判断所述用户名称中是否包括预设的第一关键词集合;

若所述用户名称中包括所述第一关键词集合,判定所述当前用户信息对应的用户类型为企业用户;

若所述用户名称中不包括所述第一关键词集合,判定所述当前用户信息对应的用户类型为个人用户。

3.根据权利要求1所述的基于用户数据的风险预测方法,其特征在于,所述根据所述当前用户信息获取对应的用户类型,包括:

获取所述当前用户信息中包括的用户唯一识别码;

获取将所述用户唯一识别码中的前6位数字,以组成目标字符串;

将所述目标字符串与预先存储的地址码集合中每一地址码进行比较,以判断在所述地址码集合中是否存在有地址码与所述目标字符串相等;

若所述地址码集合中存在有地址码与所述目标字符串相等,判定所述当前用户信息对应的用户类型为个人用户;

若所述地址码集合中未存在有地址码与所述目标字符串相等,判定所述当前用户信息对应的用户类型为企业用户。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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平安银行股份有限公司,未经平安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/202011504498.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top