数据的回溯方法、装置、电子设备及存储介质与流程

文档序号:26050470发布日期:2021-07-27 15:25阅读:165来源:国知局
数据的回溯方法、装置、电子设备及存储介质与流程
本申请涉及数据处理
技术领域
,尤其涉及一种数据的回溯方法、装置、电子设备及存储介质。
背景技术
:随着信用生活的到来,用户的信用在日常生活中越来越重要,尤其对于一些需要根据用户的信用来提供服务的平台,对用户信用的评估以及管理是尤为重要的。由于不同用户的信用水平差异较大,且同一个用户的信用具有一定的时效性,会随时间变化而变化,为了规避信用风险,平台,需要对用户的信用进行回溯,以保证用户的信用更为准确。目前,平台对用户的信用进行回溯时,往往只会对用户的基础信息、在处理某些业务时产生的过程数据和行为数据进行回溯,这些数据往往和用户信用没有直接联系,平台基于这些数据做出的决策就可能会出现偏差,对平台带来一定的影响。技术实现要素:为克服相关技术中存在的回溯的数据和用户信用没有直接联系导致平台基于这些数据做出的决策可能出现偏差的问题,本申请提供一种数据的回溯方法、装置、电子设备及存储介质。根据本申请的第一方面,提供一种数据的回溯方法,所述方法包括:根据预设的筛选条件从用户集中筛选目标用户,以及确定目标用户的用户标识信息;基于用户标识信息获取目标用户的用户特征数据和业务数据;将业务数据和用户特征数据输入到预设的信用评估模型中,获取信用评估模型输出的目标用户的信用度;将用户特征数据和信用度进行回溯。在一个可选的实施方式中,根据预设的筛选条件从用户集中筛选目标用户,包括:周期性从用户集中筛选新增用户,并将新增用户确定为目标用户;或,将用户集中的所有用户确定为目标用户。在一个可选的实施方式中,业务数据至少包括用户决策信息和用户决策信息对应的决策时刻;将业务数据和用户特征数据输入到预设的信用评估模型中,获取信用评估模型输出的目标用户的信用度,包括:调取目标用户的用户决策信息对应的决策时刻;将处于决策时刻之前的业务数据和用户特征数据输入到信用评估模型中,获取信用评估模型输出的目标用户的信用度。在一个可选的实施方式中,将用户特征数据和信用度进行回溯,包括:将目标用户的用户特征数据存储到第一数据表中,将目标用户的信用度存储到第二数据表中;判断第一数据表中存储的目标用户的数量与新增用户或者用户集中的全部用户的数量是否一致,并在一致的情况下确定用户特征数据回溯完成;判断第二数据表中存储的目标用户的数量与新增用户或者用户集中的全部用户的数量是否一致,并在一致的情况下确定信用度回溯完成。在一个可选的实施方式中,将用户特征数据和信用度进行回溯,还包括:当第一数据表中存储的目标用户的数量与新增用户或者用户集中的全部用户的数量不一致时,将新增用户或者全部用户中除第一数据表中已存储的目标用户之外的用户确定为缺失用户;基于缺失用户的用户标识信息,重新获取缺失用户的用户特征数据;将缺失用户的用户特征数据存储到第一数据表中。在一个可选的实施方式中,将用户特征数据和信用度进行回溯之后,方法还包括:根据目标用户的信用度将目标用户划分为不同的风险等级;对于任一风险等级,获取处于风险等级中目标用户的毁约数据,并计算处于风险等级中的目标用户的毁约率;若所有风险等级与所有毁约率的趋势不一致,根据业务数据和用户特征数据调整信用评估模型的模型参数。在一个可选的实施方式中,在根据目标用户的信用度将目标用户划分为不同的风险等级之后,方法还包括:获取预设的风险用户划分条件中的初始信用度阈值和预设的业务需求通过率;确定信用度低于初始信用度阈值的目标用户的占比;若占比小于业务需求通过率,调整初始信用度阈值。根据本申请的第二方面,提供一种数据的回溯装置,装置包括:筛选模块,用于根据预设的筛选条件从用户集中筛选目标用户,以及确定目标用户的用户标识信息;第一获取模块,用于基于用户标识信息获取目标用户的用户特征数据和业务数据;输入模块,用于将业务数据和用户特征数据输入到预设的信用评估模型中,获取信用评估模型输出的目标用户的信用度;回溯模块,用于将用户特征数据和信用度进行回溯。在一个可选的实施方式中,筛选模块包括:第一筛选单元,用于周期性从用户集中筛选新增用户,并将新增用户确定为目标用户;或,第二筛选单元,用于将用户集中的所有用户确定为目标用户。在一个可选的实施方式中,业务数据至少包括用户决策信息和用户决策信息对应的决策时刻;输入模块包括:调取单元,用于调取目标用户的用户决策信息对应的决策时刻;输入单元,用于将处于决策时刻之前的业务数据和用户特征数据输入到信用评估模型中,获取信用评估模型输出的目标用户的信用度。在一个可选的实施方式中,回溯模块包括:第一存储单元,用于将目标用户的用户特征数据存储到第一数据表中,将目标用户的信用度存储到第二数据表中;第一校验单元,用于判断第一数据表中存储的目标用户的数量与新增用户或者用户集中的全部用户的数量是否一致,并在一致的情况下确定用户特征数据回溯完成;第二校验单元,用于判断第二数据表中存储的目标用户的数量与新增用户或者用户集中的全部用户的数量是否一致,并在一致的情况下确定信用度回溯完成。在一个可选的实施方式中,回溯模块还包括:缺失用户确定单元,用于当第一数据表中存储的目标用户的数量与新增用户或者用户集中的全部用户的数量不一致时,将新增用户或者全部用户中除第一数据表中已存储的目标用户之外的用户确定为缺失用户;重获取单元,用于基于缺失用户的用户标识信息,重新获取缺失用户的用户特征数据;第二存储单元,用于将缺失用户的用户特征数据存储到第一数据表中。在一个可选的实施方式中,装置还包括:等级划分模块,用于根据目标用户的信用度将目标用户划分为不同的风险等级;毁约率确定模块,用于对于任一风险等级,获取处于风险等级中目标用户的毁约数据,并计算处于风险等级中的目标用户的毁约率;模型调整模块,用于若所有风险等级与所有毁约率的趋势不一致,根据业务数据和用户特征数据调整信用评估模型的模型参数。在一个可选的实施方式中,装置还包括:第二获取模块,用于获取预设的风险用户划分条件中的初始信用度阈值和预设的业务需求通过率;占比确定模块,用于确定信用度低于初始信用度阈值的目标用户的占比;阈值调整模块,用于若占比小于业务需求通过率,调整初始信用度阈值。根据本申请的第三方面,提供一种电子设备,包括:至少一个处理器和存储器;处理器用于执行存储器中存储的数据的回溯程序,以实现本申请第一方面的数据的回溯方法。根据本申请的第四方面,提供一种存储介质,存储介质存储有一个或者多个程序,一个或者多个程序被执行时,实现本申请第一方面的数据的回溯方法。本申请提供的技术方案可以包括以下有益效果:首先根据预设的筛选条件从用户集中筛选出目标用户,以及确定目标用户的用户标识信息,然后基于用户标识信息获取目标用户的用户特征数据和业务数据,将业务数据和用户特征数据输入到预设的信用评估模型中,获取信用评估模型输出的目标用户的信用度,最后将用户特征数据和信用度进行回溯。基于此,可以通过用户特征数据以及信用度的回溯,弥补现有技术中缺少的与用户信用直接相关的数据,提高平台基于这些数据做出的决策的准确性。应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。附图说明此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。图1是本申请的一个实施例提供的一种数据的回溯方法的流程示意图;图2是本申请的一个实施例提供的一种确定目标用户的信用度的流程示意图;图3是本申请的一个实施例提供的回溯用户特征数据和信用度的流程示意图;图4是本申请的一个实施例提供的一种对信用评估模型进行调整的流程示意图;图5是本申请的另一实施例提供的一种数据的回溯装置的结构示意图;图6是本申请的另一实施例提供的一种电子设备的结构示意图。具体实施方式这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。请参阅图1,图1是本申请的一个实施例提供的一种数据的回溯方法的流程示意图。如图1所示,本实施例提供的数据的回溯方法可以包括:步骤s101、根据预设的筛选条件从用户集中筛选目标用户,以及确定目标用户的用户标识信息。需要说明的是,用户集指的是在平台中进行注册的所有用户的集合,一般,用户集中用户对应的用户标识信息以及其他的业务数据可以存储在数据库中,比如用户的身份信息、联系方式、姓名、用户决策信息及用户决策信息对应的决策时刻、业务类型、业务编号、用户渠道、用户使用的设备号、app类别等信息,上述这些信息可以以数据表的形式存储在关系型数据库中,为了对用户的管理更为清晰,可以按照用户涉及到的业务类型进行划分。本步骤中,预设的筛选条件是用来筛选目标用户的,其中,筛选条件可以有很多种,比如以决策时刻、业务类型、用户渠道等多个类型搜索目标用户,在一个具体的例子中,可以是2021年以后,业务类型为消费信贷的用户,作为目标用户,并将目标用户的三要素(身份信息、联系方式和姓名)作为用户标识信息。本实施例中,筛选目标用户的过程至少可以有两种方式,一种是周期性从用户集中筛选新增用户,并将新增用户确定为目标用户。具体的,可以设置定时任务,每间隔一个预设的时间长度去调用该定时任务,将调用时刻之前相距该预设的时间长度的时刻与调用时刻之间,用户集中的新增用户全部筛选出来。其中,可以利用用户集中用户的用户决策信息及对应的决策时刻作为筛选条件,对于新增用户而言,该用户决策信息应该就是注册为平台用户,此时,定时任务只需要在用户集中找出用户决策信息为注册为平台用户且对应的决策时刻处于调用时刻之前相距该预设的时间长度的时刻与调用时刻之间的用户即可。该时间长度可以根据需求进行调整,比如2小时、4小时等。另一种可以是对用户集中的全部用户进行全量回溯,也就是将用户集中的全部用户作为目标用户。当然,由于平台会有不同的需求,比如需要对来自某个用户渠道的用户的数据进行回溯,那么只需要在筛选条件中加入用户渠道类型即可。步骤s102、基于用户标识信息获取目标用户的用户特征数据和业务数据。在确定出目标用户后,便可以根据用户标识信息去获取目标用户的用户特征数据和业务数据了,其中,业务数据指的是用户集中存储的数据,即前述步骤中指出的身份信息、联系方式、姓名、用户决策信息及用户决策信息对应的决策时刻、业务类型、业务编号、用户渠道等信息。本步骤根据目标用户的用户标识信息直接从用户集中调取目标用户的业务数据即可。另外,本实施例中,用户特征数据指的是比较能够体现用户信用的数据,比如用户共贷行为数据、反欺诈、黑名单数据等特征数据。需要说明的是,获取用户特征数据可以预设的调用因子系统从产生上述业务数据的业务系统中进行调用获取,该调用因子系统具有产生上述业务数据的业务系统的数据调用权限,基于目标用户的用户标识信息,便可以直接调用得到相应的用户特征数据。步骤s103、将业务数据和用户特征数据输入到预设的信用评估模型中,获取信用评估模型输出的目标用户的信用度。需要说明的是,本步骤中目标用户的信用度有多个,一般,目标用户的用户决策信息可能会有多个,现有技术中,目标用户在做出某个决策时,平台仅会根据用户在注册时平台利用信用评估模型对其进行评估得到的信用度为依据,来判别该用户的决策能够通过,由于用户的特征在不断发生变化,这些变化会对用户的实际信用产生一定的影响,但是平台所依据的信用度是户在注册时平台利用信用评估模型对其进行评估得到的信用度,并无法反应用户在注册后的特征变化后的用户信用,这就会给平台带来一些风险。因此,本步骤中,会在产生每个用户决策信息对应的决策时刻该目标用户的信用度。具体的,确定目标用户的信用度的过程可以参阅图2,图2是本申请的一个实施例提供的一种确定目标用户的信用度的流程示意图。如图2所示,本实施例提供的确定目标用户的信用度可以包括:步骤s201、调取目标用户的用户决策信息对应的决策时刻。需要说明的是,业务数据至少包括用户决策信息和用户决策信息对应的决策时刻,对于一个目标用户来说,就是获取该目标用户的用户决策信息以及对应的决策时间。在一个具体的例子中,对于一个目标用户而言,业务数据的存储如表1所示。数据数据产生时间业务数据12021年1月1日8:00业务数据22021年1月1日8:10业务数据32021年1月1日8:33业务数据42021年1月1日8:51业务数据52021年1月1日9:15…………表1其中,若表1中业务数据3和业务数据5为用户决策信息,那么就可以将业务数据3对应的数据产生时间“2021年1月1日8:33”以及业务数据5对应的数据产生时间“2021年1月1日9:15”作为本步骤的决策时间。步骤s202、将处于决策时刻之前的业务数据和用户特征数据输入到信用评估模型中,获取信用评估模型输出的目标用户的信用度。本步骤中,对于一个决策时刻,将决策时刻之前的业务数据和用户特征数据输入到信用评估模型中,便可以得到目标用户在该决策时刻的信用度,若有多个决策时刻,比如决策时刻1、决策时刻2,那么对于决策时刻1,将决策时刻1之前的业务数据和用户特征数据输入到信用评估模型中,得到目标用户在决策时刻1的信用度,对于决策时刻2,将决策时刻2之前的业务数据和用户特征数据输入到信用评估模型中,得到目标用户在决策时刻2的信用度。在一个具体的例子中,对于一个目标用户而言,用户特征数据的存储如表2所示。数据数据产生时间用户特征数据12021年1月1日8:09用户特征数据22021年1月1日8:13用户特征数据32021年1月1日8:45用户特征数据42021年1月1日8:55用户特征数据52021年1月1日9:09…………表2前述具体的例子中,得到的决策时刻为“2021年1月1日8:33”和“2021年1月1日9:15”。那么在“2021年1月1日8:33”之前的业务数据有业务数据1和业务数据2,在“2021年1月1日8:33”之前的用户特征数据有用户特征数据1和用户特征数据2,将业务数据1、业务数据2、用户特征数据1、用户特征数据2输入到信用评估模型中,便可以得到目标用户在“2021年1月1日8:33”的信用度。在“2021年1月1日9:15”之前的业务数据有业务数据1、业务数据2、业务数据3、业务数据4,在“2021年1月1日9:15”之前的用户特征数据有用户特征数据1、用户特征数据2、用户特征数据3、用户特征数据4、用户特征数据5,将业务数据1、业务数据2、业务数据3、业务数据4、用户特征数据有用户特征数据1、用户特征数据2、用户特征数据3、用户特征数据4、用户特征数据5输入到信用评估模型中,便可以得到目标用户在“2021年1月1日9:15”的信用度。当然,信用评估模型依赖的数据可能只有几种,那么在输入信用评估模型之前,还可以将在决策时刻之前的业务数据和用户特征数据中信用评估模型依赖的数据进行进一步地筛选出来。本步骤中,得到的目标用户的信用度是不同决策时刻的信用度,针对一个目标用户,可以明显看到该目标用户的信用度变化趋势,以根据该趋势预见未来该目标用户的信用度。步骤s104、将用户特征数据和信用度进行回溯。本步骤中,回溯实质上是将用户特征数据和信用度进行存储,而且在存储之后,还可以进行校验,以保证数据的准确性和完整性。具体可以参阅图3,图3是本申请的一个实施例提供的回溯用户特征数据和信用度的流程示意图。如图3所示,本实施例提供的回溯用户特征数据和信用度的过程可以包括:步骤s301、将目标用户的用户特征数据存储到第一数据表中,将目标用户的信用度存储到第二数据表中。需要说明的是,第一数据表和第二数据表指的都是数据库中的数据表,一般,对于一个目标用户,可以将该目标用户的用户特征数据或者信用度存储在同一行中。步骤s302、判断第一数据表中存储的目标用户的数量与新增用户或者用户集中的全部用户的数量是否一致,并在一致的情况下确定用户特征数据回溯完成。本步骤中,在存储过程中,可能会出现数据丢失的情况,比如漏存储了一个或者几个目标用户的数据,此时就可以通过判断第一数据表中存储的目标用户的数量与新增用户或者用户集中的全部用户的数量是否一致就可以了,一致,则说明没有漏存储用户,不一致,则说明存在漏存储的用户,此时,可以比对步骤s101中筛选出来的目标用户(比如前述的新增用户或者全部用户)与第一数据表中存储的目标用户的用户标识信息,取新增用户或者全部用户中除第一数据表中已存储的目标用户之外的用户作为缺失用户。而对于缺失用户,可以基于缺失用户的用户标识信息,重新获取缺失用户的用户特征数据,并将重新获取到的缺失用户的用户特征数据存储到第一数据表中。当然,此时还会需要校验,重复前述步骤,直到第一数据表中存储的目标用户的数量与新增用户或者用户集中的全部用户的数量一致。需要说明的是,获取缺失用户的用户特征数据可以参考前述步骤s102的相关内容,此处不再赘述。步骤s303、判断第二数据表中存储的目标用户的数量与新增用户或者用户集中的全部用户的数量是否一致,并在一致的情况下确定信用度回溯完成。本步骤中,对于数量一致的判断可以参考步骤s302的相关内容,此处不再赘述。另外,对于不一致时,也可以确定缺失用户(可以参考步骤s302的相关内容),并对缺失用户的信用度进行重新获取(可以参考步骤s103的相关内容)。需要说明的是,本实施例中的回溯过程可以以进度条的形式显示,进度条上的数据显示的是当前已经回溯用户特征数据以及信用度的目标用户的数量/筛选出的目标用户的数量。另外,还可以对回溯的每个步骤是否完成进行监测和记录,以便于后续对回溯任务的审核和检查,同时可以记录该回溯任务的任务发起人的联系方式,在后续审核和检查过程中若出现问题,可以将该问题发送给该任务发起人,以实现对数据回溯的规范化管理。由于对回溯的每个步骤是否完成进行了监测和记录,若在回溯过程中出现问题,可以根据记录的内容对整个回溯过程进行分析,得到具体的失败原因,比如模型载入异常、任务超时、目标用户数据异常等,便于快速确定异常,以便于根据具体的失败原因找到解决方案,并重新进行回溯,确保对数据回溯完成。另外,为了保证信用评估模型具有较高的稳定性和准确性,本实施例在回溯信用度的过程中,还可以对信用评估模型进行评价和调整,具体可以参阅图4,图4是本申请的一个实施例提供的一种对信用评估模型进行调整的流程示意图。如图4所示,本实施例提供的对信用评估模型进行调整的过程可以包括:步骤s401、根据目标用户的信用度将目标用户划分为不同的风险等级。本步骤中,由于信用度一般处于0到1之间,因此,可以以0为初始值,1为终止值,0.1为步长,划分10个风险等级,具体可以如表3,其中,风险等级越高,说明该用户的信用度越低。风险等级信用度范围目标用户数量10[0,0.1)59[0.1,0.2)108[0.2,0.3)337[0.3,0.4)606[0.4,0.5)1005[0.5,0.6)5404[0.6,0.7)2903[0.7,0.8)1802[0.8,0.9)1001[0.9,1]70表3利用本步骤得到的风险等级情况,还可以对预设的风险用户划分条件中的初始信用度阈值进行调整,预设的风险用户划分条件是平台用来判断是否给用户的决策进行通过的依据,若用户的信用度高于该预设的风险用户划分条件中的初始信用度阈值,则可以通过该用户的决策,反之,则拒绝该用户的决策。由于平台具有基本的业务需求通过率,若该初始信用度阈值过高,则可能会导致通过率过低,无法满足平台基本的业务需求,因此,本实施例可以先获取预设的风险用户划分条件中的初始信用度阈值和预设的业务需求通过率,然后确定信用度低于初始信用度阈值的目标用户的占比,若占比小于业务需求通过率,调整初始信用度阈值,比如调小该初始信用度阈值。在一个具体的例子中,若初始信用度阈值为0.7,那么信用度高于0.7的目标用户的数量有180+100+70=350,占全部目标用户(5+10+33+60+100+540+290+180+100+70=1388)的)350/1388=25%,若业务需求通过率为30%,那么就可以将0.7调小,以使信用度大于0.7的目标用户占全部目标用户的“30%加减误差量”。步骤s402、对于任一风险等级,获取处于风险等级中目标用户的毁约数据,并计算处于风险等级中的目标用户的毁约率。本步骤中,毁约数据为从具有合约功能的业务系统中获取的能够表明目标用户是否具有毁约行为的数据。为了方便计算,对于任一风险等级,本实施例将有过毁约行为的目标用户的数量与该风险等级全部目标用户的数量的比值作为该风险等级中目标用户的毁约率。在一个具体的例子中,风险等级与毁约率的对应表可以如表4所示。风险等级毁约率10100%990%885%780%672%540%420%312%210%18%表4步骤s403、若所有风险等级与所有毁约率的趋势不一致,根据业务数据和用户特征数据调整信用评估模型的模型参数。由于风险等级是由低到高或者是由高到低进行排列的,在判断所有风险等级与所有毁约率的趋势是否一致时,可以根据风险等级的排列方式以及对应的毁约率的是否为递增或者递减来判断,正常情况下,风险等级对应的毁约率,应该是随着风险等级的不断增高,其对应的毁约率也是不断增高的。具体的,若风险等级是由低到高排列的,此时,如果对应的毁约率是递增的,就说明所有风险等级与所有毁约率的趋势是一致的,如果对应的毁约率是非递增的,比如60%,90%,75%,80%......,就说明所有风险等级与所有毁约率的趋势不是一致的。若风险等级是由高到低排列的,此时,如果对应的毁约率是递减的,就说明所有风险等级与所有毁约率的趋势是一致的(表4所示为此种情况),如果对应的毁约率是非递减的,就说明所有风险等级与所有毁约率的趋势不是一致的。若不一致,则可以根据业务数据和用户特征数据调整信用评估模型的模型参数,具体调整可以是以业务数据和用户特征数据为训练数据,对信用评估模型进行重新训练。本实施例中,首先根据预设的筛选条件从用户集中筛选出目标用户,以及确定目标用户的用户标识信息,然后基于用户标识信息获取目标用户的用户特征数据和业务数据,将业务数据和用户特征数据输入到预设的信用评估模型中,获取信用评估模型输出的目标用户的信用度,最后将用户特征数据和信用度进行回溯。基于此,可以通过用户特征数据以及信用度的回溯,弥补现有技术中缺少的与用户信用直接相关的数据,提高平台基于这些数据做出的决策的准确性。请参阅图5,图5是本申请的另一实施例提供的一种数据的回溯装置的结构示意图。如图5所示,本实施例提供的数据的回溯装置可以包括:筛选模块501,用于根据预设的筛选条件从用户集中筛选目标用户,以及确定目标用户的用户标识信息;第一获取模块502,用于基于用户标识信息获取目标用户的用户特征数据和业务数据;输入模块503,用于将业务数据和用户特征数据输入到预设的信用评估模型中,获取信用评估模型输出的目标用户的信用度;回溯模块504,用于将用户特征数据和信用度进行回溯。在一个可选的实施方式中,筛选模块包括:第一筛选单元,用于周期性从用户集中筛选新增用户,并将新增用户确定为目标用户;或,第二筛选单元,用于将用户集中的所有用户确定为目标用户。在一个可选的实施方式中,业务数据至少包括用户决策信息和用户决策信息对应的决策时刻;输入模块包括:调取单元,用于调取目标用户的用户决策信息对应的决策时刻;输入单元,用于将处于决策时刻之前的业务数据和用户特征数据输入到信用评估模型中,获取信用评估模型输出的目标用户的信用度。在一个可选的实施方式中,回溯模块包括:第一存储单元,用于将目标用户的用户特征数据存储到第一数据表中,将目标用户的信用度存储到第二数据表中;第一校验单元,用于判断第一数据表中存储的目标用户的数量与新增用户或者用户集中的全部用户的数量是否一致,并在一致的情况下确定用户特征数据回溯完成;第二校验单元,用于判断第二数据表中存储的目标用户的数量与新增用户或者用户集中的全部用户的数量是否一致,并在一致的情况下确定信用度回溯完成。在一个可选的实施方式中,回溯模块还包括:缺失用户确定单元,用于当第一数据表中存储的目标用户的数量与新增用户或者用户集中的全部用户的数量不一致时,将新增用户或者全部用户中除第一数据表中已存储的目标用户之外的用户确定为缺失用户;重获取单元,用于基于缺失用户的用户标识信息,重新获取缺失用户的用户特征数据;第二存储单元,用于将缺失用户的用户特征数据存储到第一数据表中。在一个可选的实施方式中,装置还包括:等级划分模块,用于根据目标用户的信用度将目标用户划分为不同的风险等级;毁约率确定模块,用于对于任一风险等级,获取处于风险等级中目标用户的毁约数据,并计算处于风险等级中的目标用户的毁约率;模型调整模块,用于若所有风险等级与所有毁约率的趋势不一致,根据业务数据和用户特征数据调整信用评估模型的模型参数。在一个可选的实施方式中,装置还包括:第二获取模块,用于获取预设的风险用户划分条件中的初始信用度阈值和预设的业务需求通过率;占比确定模块,用于确定信用度低于初始信用度阈值的目标用户的占比;阈值调整模块,用于若占比小于业务需求通过率,调整初始信用度阈值。请参阅图6,图6是本申请的另一实施例提供的一种电子设备的结构示意图。如图6所示,本实施例提供的电子设备包括:至少一个处理器601、存储器602、至少一个网络接口603和其他用户接口604。电子设备600中的各个组件通过总线系统605耦合在一起。可理解,总线系统605用于实现这些组件之间的连接通信。总线系统605除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图6中将各种总线都标为总线系统605。其中,用户接口604可以包括显示器、键盘或者点击设备(例如,鼠标,轨迹球(trackball)、触感板或者触摸屏等。可以理解,本发明实施例中的存储器602可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-onlymemory,rom)、可编程只读存储器(programmablerom,prom)、可擦除可编程只读存储器(erasableprom,eprom)、电可擦除可编程只读存储器(electricallyeprom,eeprom)或闪存。易失性存储器可以是随机存取存储器(randomaccessmemory,ram),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的ram可用,例如静态随机存取存储器(staticram,sram)、动态随机存取存储器(dynamicram,dram)、同步动态随机存取存储器(synchronousdram,sdram)、双倍数据速率同步动态随机存取存储器(doubledataratesdram,ddrsdram)、增强型同步动态随机存取存储器(enhancedsdram,esdram)、同步连接动态随机存取存储器(synchlinkdram,sldram)和直接内存总线随机存取存储器(directrambusram,drram)。本文描述的存储器602旨在包括但不限于这些和任意其它适合类型的存储器。在一些实施方式中,存储器602存储了如下的元素,可执行单元或者数据结构,或者他们的子集,或者他们的扩展集:操作系统6021和第二应用程序6022。其中,操作系统6021,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。第二应用程序6022,包含各种第二应用程序,例如媒体播放器(mediaplayer)、浏览器(browser)等,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在第二应用程序6022中。在本发明实施例中,通过调用存储器602存储的程序或指令,具体的,可以是第二应用程序6022中存储的程序或指令,处理器601用于执行各方法实施例所提供的方法步骤。上述本发明实施例揭示的方法可以应用于处理器601中,或者由处理器601实现。处理器601可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器601中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器601可以是通用处理器、数字信号处理器(digitalsignalprocessor,dsp)、专用集成电路(applicationspecificintegratedcircuit,asic)、现成可编程门阵列(fieldprogrammablegatearray,fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器602,处理器601读取存储器602中的信息,结合其硬件完成上述方法的步骤。可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(applicationspecificintegratedcircuits,asic)、数字信号处理器(digitalsignalprocessing,dsp)、数字信号处理设备(dspdevice,dspd)、可编程逻辑设备(programmablelogicdevice,pld)、现场可编程门阵列(field-programmablegatearray,fpga)、通用处理器、控制器、微控制器、微处理器、用于执行本申请功能的其它电子单元或其组合中。对于软件实现,可通过执行本文功能的单元来实现本文的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。本发明实施例还提供了一种存储介质(计算机可读存储介质)。这里的存储介质存储有一个或者多个程序。其中,存储介质可以包括易失性存储器,例如随机存取存储器;存储器也可以包括非易失性存储器,例如只读存储器、快闪存储器、硬盘或固态硬盘;存储器还可以包括上述种类的存储器的组合。当存储介质中一个或者多个程序可被一个或者多个处理器执行,以实现上述在电子设备侧执行的数据的回溯方法。处理器用于执行存储器中存储的数据的回溯程序,以实现以下在电子设备侧执行的前述实施例提供的数据的回溯方法的步骤。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。需要说明的是,在本申请的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本申请的描述中,除非另有说明,“多个”的含义是指至少两个。流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属
技术领域
的技术人员所理解。应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(pga),现场可编程门阵列(fpga)等。本
技术领域
的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器,磁盘或光盘等。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。当前第1页12
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1