本申请涉及大数据领域,具体而言,涉及一种用户类型的识别方法、装置及非易失性存储介质。
背景技术:
1、相关技术中来判断票据交易行为中的参与用户是否为异常用户时,通常采用的方法是基于专家规则人工判断海量资金流向中的小概率事件,导致需要投入大量的人力来进行逐笔资金的筛查,非常耗费时间和精力,并且判断准确度得不到保障。
2、针对相关技术中采用人工判断参与用户是否为异常用户导致的耗费时间和精力过多,并且无法保障判断准确度的问题,目前尚未提出有效的解决方案。
技术实现思路
1、本申请的主要目的在于提供一种用户类型的识别方法、装置及非易失性存储介质,以解决相关技术中采用人工判断参与用户是否为异常用户导致的耗费时间和精力过多,并且无法保障判断准确度的问题。
2、为了实现上述目的,根据本申请的一个方面,提供了一种用户类型的识别方法。该方法包括:获取票据交易数据,其中,票据交易数据包括参与票据贴现交易行为的待判定用户的用户标识信息;依据用户标识信息获取待判定用户所参与的全部票据交易行为的交易数据;依据各个待判定用户关联的交易数据,从各个待判定用户中确定异常用户,其中,异常用户为关联的交易数据符合预设筛选规则的用户;采用目标决策树模型对异常用户的关联用户的用户信息进行分析,得到分析结果,其中,分析结果用于指示关联对象的用户类型,用户类型包括中介用户和非中介用户,关联用户为与异常用户之间存在票据交易行为的用户。
3、可选地,交易数据中包括待判定用户在各个票据交易行为中的用户类型和资金流动情况,以及待判定用户所参与的票据交易行为的次数;依据各个待判定用户关联的交易数据,从各个待判定用户中确定异常用户的步骤包括:依据票据交易行为的次数,从待判定用户中确定第一类待判定用户,其中,第一类待判定用户在预设时长内的票据交易行为的次数大于预设次数阈值;确定第一类待判定用户的资金流动情况,并依据资金流动情况从第一类待判定用户中确定异常用户。
4、可选地,依据资金流动情况从第一类待判定用户中确定异常用户的步骤包括:在第一类待判定用户的资金流动情况中存在关联账户的自有资金余额小于转出金额的情况下,确定第一类待判定用户为第二类待判定用户;在预设时间周期内,通过知识图谱确定第二类待判定用户的资金流动情况,并在确定存在资金流入预设类型对象的情况下,确定第二类待判定用户为异常用户,其中,预设类型对象为在预设时间周期内,第二类待判定用户参与的票据交易行为中的出票人或前手。
5、可选地,关联账户包括第一类待判定用户在目标机构中的注册账户,以及第一类待判定用户的票据交易行为中的出票人或前手。
6、可选地,目标决策树模型,通过以下方法生成:确定样本数据集,其中,样本数据集中包括多个用户的用户信息和用户类别,用户信息包括用户标识信息和用户行为信息,用户类别包括目标用户和非目标用户;依据用户信息和用户类别,确定目标决策树模型中的各个判断条件。
7、可选地,依据用户信息和用户类别,确定目标决策树模型中的各个判断条件的步骤包括:确定用户信息中包含的全部信息类型;确定全部信息类型中的每种信息类型的信息增益熵;依据每种信息类型的信息增益熵,确定目标决策树模型中的各个判断条件,其中,每种信息类型均唯一对应目标决策树模型中的一个判断条件。
8、可选地,确定全部信息类型中的每种信息类型的信息增益熵的步骤包括:依据用户类别,确定样本数据集对应的信息熵;依据用户信息和用户类别,确定全部信息类型中的每种信息类型的条件熵;依据每种信息类型的条件熵和信息熵,确定每种信息类型的增益熵。
9、为了实现上述目的,根据本申请的另一方面,提供了一种用户类型的识别装置。该装置包括:第一获取模块,用于获取票据交易数据,其中,票据交易数据包括参与票据贴现交易行为的待判定用户的用户标识信息;第二获取模块,用于依据用户标识信息获取待判定用户所参与的全部票据交易行为的交易数据;第一处理模块,用于依据各个待判定用户关联的交易数据,从各个待判定用户中确定异常用户,其中,异常用户为关联的交易数据符合预设筛选规则的用户;第二处理模块,用于采用目标决策树模型对异常用户的关联用户的用户信息进行分析,得到分析结果,其中,分析结果用于指示关联用户的用户类型,用户类型包括中介用户和非中介用户,关联用户为与异常用户之间存在票据交易行为的用户。
10、为了实现上述目的,根据本申请的另一方面,提供了一种非易失性存储介质,非易失性存储介质中存储有程序,其中,程序运行时控制非易失性存储介质所在设备执行用户类型的识别方法。
11、为了实现上述目的,根据本申请的另一方面,提供了一种电子设备,电子设备包括一个活多个处理器和存储器,存储器用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使一个或多个处理器实现用户类型的识别方法。
12、通过本申请,采用以下步骤:获取票据交易数据,其中,票据交易数据包括参与票据贴现交易行为的待判定用户的用户标识信息;依据用户标识信息获取待判定用户所参与的全部票据交易行为的交易数据;依据各个待判定用户关联的交易数据,从各个待判定用户中确定异常用户,其中,异常用户为关联的交易数据符合预设筛选规则的用户;采用目标决策树模型对异常用户的关联用户的用户信息进行分析,得到分析结果,其中,分析结果用于指示关联对象的用户类型,用户类型包括中介用户和非中介用户,关联用户为与异常用户之间存在票据交易行为的用户,解决了相关技术中采用人工判断参与用户是否为异常用户导致的耗费时间和精力过多,并且无法保障判断准确度的问题。进而达到了高效准确地识别票据中介和正常交易用户的效果。
1.一种用户类型的识别方法,其特征在于,包括:
2.根据权利要求1所述的用户类型的识别方法,其特征在于,所述交易数据中包括所述待判定用户在各个所述票据交易行为中的用户类型和资金流动情况,以及所述待判定用户所参与的票据交易行为的次数;所述依据各个所述待判定用户关联的所述交易数据,从各个所述待判定用户中确定异常用户的步骤包括:
3.根据权利要求2所述的用户类型的识别方法,其特征在于,所述依据所述资金流动情况从所述第一类待判定用户中确定所述异常用户的步骤包括:
4.根据权利要求3所述的用户类型的识别方法,其特征在于,所述关联账户包括所述第一类待判定用户在目标机构中的注册账户,以及所述第一类待判定用户的票据交易行为中的出票人或前手。
5.根据权利要求1所述的用户类型的识别方法,其特征在于,所述目标决策树模型,通过以下方法生成:
6.根据权利要求5所述的用户类型的识别方法,其特征在于,所述依据所述用户信息和所述用户类别,确定所述目标决策树模型中的各个判断条件的步骤包括:
7.根据权利要求6所述的用户类型的识别方法,其特征在于,所述确定所述全部信息类型中的每种信息类型的信息增益熵的步骤包括:
8.一种用户类型的识别装置,其特征在于,包括:
9.一种非易失性存储介质,其特征在于,所述非易失性存储介质中存储有程序,其中,在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至7中任意一项所述的用户类型的识别方法。
10.一种电子设备,其特征在于,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至7中任意一项所述的用户类型的识别方法。