[发明专利]系统资源数据分配方法和装置

说明书

本申请提供了一种系统资源数据分配方法和装置，其中，该方法包括：获取具有用于表征用户风险特征的特征数据的指定信息集、及标签集；利用有标签样本集和标签集构建分类器；提取无标签样本集中各无标签样本的近邻有标签样本，并根据各无标签样本的近邻有标签样本的风险类别的分布，计算各无标签样本对应的信息熵，近邻有标签样本包括有标签样本集中的与对应无标签样本在用户风险特征空间中的接近程度满足预设条件的有标签样本；基于无标签样本集中各无标签样本对应的信息熵，对分类器进行优化，得到优化后的分类器，以基于优化后的分类器对目标用户的风险预测结果向目标用户分配系统资源数据。上述方法可以提高系统资源数据分配的准确性和高效性。

技术领域

本申请涉及机器学习技术领域，特别涉及一种系统资源数据分配方法和装置。

背景技术

随着大数据服务平台技术的快速发展，金融资源数据服务类型以及可选择的服务渠道也越来越多样化、越来越便捷，用户的风险预测对于金融机构也变得越来越重要。如对于一些服务渠道较为便捷的线上贷款业务，因人工介入相对较少，如果用户风险预测不够准确，则可能会存在资源数据分配不合理、用户体验感较差等问题。

目前常用的用户风险预测方法主要为基于有监督学习模型的分类方法，通过基于已知客户风险的数据进行建模，利用训练得到的模型对新样本进行用户风险预测，以确定用户的风险大小。但采用有监督学习模型的分类方法，需要利用已知用户风险性的信息。但通常已知用户风险性的样本较少，且已知用户风险性的样本数据可能无法准确表征新的服务类型下用户的风险特征，从而影响了用户风险预测的准确性，以及影响分配给相应用户资源数据的准确性，进而可能导致资源数据分配不合理，降低了用户的使用体验感。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本说明书实施例的目的在于提供一种系统资源数据分配方法和装置，可以提高系统资源数据分配的准确性以及高效性。

本申请实施例提供了一种系统资源数据分配方法，包括：获取具有用于表征用户风险特征的特征数据的指定信息集、及标签集，其中，指定信息集包括有标签样本集和无标签样本集，标签集包括有标签样本集中各有标签样本所对应的风险类别；利用有标签样本集和标签集构建分类器；提取无标签样本集中各无标签样本的近邻有标签样本，并根据各无标签样本的近邻有标签样本的风险类别的分布，计算各无标签样本对应的信息熵，其中，近邻有标签样本包括有标签样本集中的与对应无标签样本在用户风险特征空间中的接近程度满足预设条件的有标签样本；基于无标签样本集中各无标签样本对应的信息熵，对分类器进行优化，得到优化后的分类器，以基于优化后的分类器对目标用户的风险预测结果向目标用户分配系统资源数据。

本申请实施例还提供了一种系统资源数据分配装置，包括：获取模块，用于获取具有用于表征用户风险特征的特征数据的指定信息集、及标签集，其中，指定信息集包括有标签样本集和无标签样本集，标签集包括有标签样本集中各有标签样本所对应的风险类别；构建模块，用于利用有标签样本集和标签集构建分类器；计算模块，用于提取无标签样本集中各无标签样本的近邻有标签样本，并根据各无标签样本的近邻有标签样本的风险类别的分布，计算各无标签样本对应的信息熵，其中，近邻有标签样本包括有标签样本集中的与对应无标签样本在用户风险特征空间中的接近程度满足预设条件的有标签样本；优化模块，用于基于无标签样本集中各无标签样本对应的信息熵，对分类器进行优化，得到优化后的分类器，以基于优化后的分类器对目标用户的风险预测结果向目标用户分配系统资源数据。

本申请实施例还提供一种计算机设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现上述任意实施例中所述的系统资源数据分配方法的步骤。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现上述任意实施例中所述的系统资源数据分配方法的步骤。