异常行业分类方法、装置、设备及存储介质与流程

本申请涉及计算机，尤其涉及一种异常行业分类方法、装置、设备及存储介质。

背景技术：

1、目前，各个企业客户所属的行业主要是通过相关部门认定，例如，a企业在主经营范围上标志为教育业，那么当前公司的所属行业就会被认定为是教育业，不过，有的企业的实际经营行业与企业自身所标识的行业不符，此时该企业所属行业就会被认定为异常行业，也即，该企业经营异常。

2、相关方案中，识别企业行业是否为异常的方式主要是通过采集大量的企业相关历史业务数据，并将这些数据与当前企业进行人工地交叉比对，从而识别出企业所属行业是否为异常，但这种方式由于涉及大量数据的交叉比对，以人工的方式来进行异常识别时，会出现异常行业误判的情况，导致异常行业识别的准确率低下。

技术实现思路

1、本申请的主要目的在于提供一种异常行业分类方法、装置、设备及存储介质，旨在解决相关技术中，通过人工的方式使用大量业务数据对企业进行交叉比对，导致异常行业识别的准确率低下的技术问题。

2、为实现上述目的，本申请实施例提供了一种异常行业分类方法，所述方法包括：

3、获取客户样本数据；

4、将所述客户样本数据输入至预设行业预测模型，基于所述预设行业预测模型，对所述客户样本数据进行预测处理，得到预测结果，其中，所述预设行业预测模型是基于所述客户样本数据对应企业的历史业务数据进行训练得到的；

5、基于所述预测结果，对所述客户样本数据进行分类，得到异常行业分类结果。

6、在本申请的一种可能的实施方式中，所述基于所述预测结果，对所述客户样本数据进行分类，得到异常行业分类结果的步骤之后，包括：

7、当所述异常分类结果显示所述客户样本数据属于异常行业，则选取待补录的拟推荐行业；

8、将所述拟推荐行业添加为所述客户样本数据对应的所属行业。

9、在本申请的一种可能的实施方式中，所述当所述异常分类结果显示所述客户样本数据属于异常行业，则选取待补录的拟推荐行业的步骤，包括：

10、当所述异常分类结果显示所述客户样本数据属于异常行业，则根据第一预设条件，从预设行业数据库中选取属于国标行业的第一拟推荐行业，得到待补录的高置信度行业，其中，所述第一预设条件为所述拟推荐行业属于工商行业或税银行业的任意一种；

11、若待补录的当前拟推荐行业属于国标行业，但不满足所述第一预设条件时，则确定当前拟推荐行业为低置信度行业；

12、基于所述高置信度行业和所述低置信度行业，确定待补录的拟推荐行业。

13、在本申请的一种可能的实施方式中，所述将所述拟推荐行业添加为所述客户样本数据对应的所属行业的步骤，还包括：

14、将所述高置信度行业和所述低置信度行业与所述客户样本数据进行对比处理，得到对比结果；

15、若所述对比结果对应的误差值小于预设误差阈值，则将所述高置信度行业添加为所述客户样本数据对应的所属行业；

16、若所述对比结果对应的误差值小于预设误差阈值，且所述低置信度行业与所述客户样本数据对应的企业标识相匹配，则将所述低置信度行业添加为所述客户样本数据对应的所属行业。

17、在本申请的一种可能的实施方式中，所述将所述客户样本数据输入至预设行业预测模型的步骤之前，还包括：

18、根据预设排查范围，对所述客户样本数据进行筛选，得到第一筛选数据，其中，所述第一筛选数据为不属于预设排查范围的样本数据；

19、所述将所述客户样本数据输入至预设行业预测模型的步骤，包括：

20、将所述第一筛选数据输入至预设行业预测模型。

21、在本申请的一种可能的实施方式中，所述基于所述预设行业预测模型，对所述客户样本数据进行预测处理，得到预测结果的步骤，包括：

22、基于所述预设行业预测模型，对所述客户样本数据进行权重计算，得到第一权重；

23、根据所述第一权重的最大值对应的客户行业，确定预测结果。

24、在本申请的一种可能的实施方式中，所述基于所述预测结果，对所述客户样本数据进行分类，得到异常行业分类结果的步骤，包括：

25、将所述客户样本数据与预设检视行业相匹配，得到匹配结果；

26、若所述预测结果显示所述客户样本数据对应行业属于异常行业，且所述匹配结果显示所述客户样本数据对应行业属于预设检视行业，则确定所述客户样本数据对应行业为异常行业；

27、若所述预测结果显示所述客户样本数据对应行业不属于异常行业，或所述匹配结果显示所述客户样本数据对应行业不属于预设检视行业，则确定所述客户样本数据对应行业为异常行业为非异常行业；

28、基于已分类的所述异常行业和所述非异常行业，得到异常行业分类结果。

29、本申请还提供一种异常行业分类装置，所述异常行业分类装置包括：

30、获取模块，用于获取客户样本数据；

31、处理模块，用于将所述客户样本数据输入至预设行业预测模型，基于所述预设行业预测模型，对所述客户样本数据进行预测处理，得到预测结果，其中，所述预设行业预测模型是基于所述客户样本数据对应企业的历史业务数据进行训练得到的；

32、分类模块，用于基于所述预测结果，对所述客户样本数据进行分类，得到异常行业分类结果。

33、本申请还提供一种异常行业分类设备，所述异常行业分类设备为实体节点设备，所述异常行业分类设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述异常行业分类方法的程序，所述异常行业分类方法的程序被处理器执行时可实现如上述所述异常行业分类方法的步骤。

34、为实现上述目的，还提供一种存储介质，所述存储介质上存储有异常行业分类程序，所述异常行业分类程序被处理器执行时实现上述任一所述的异常行业分类方法的步骤。

35、本申请提供了一种异常行业分类方法、装置、设备及存储介质。在本申请中，通过将获取的客户样本数据输入至预设行业预测模型，通过预设行业预测模型对客户样本数据进行预测，由于预设行业预测模型是根据历史业务数据进行训练后得到的，从而根据预测结果可以确定客户样本数据对应企业的实际经营行业，再根据预测结果对客户样本数据进行分类后得到的异常行业分类结果，确定该企业行业是否为经营异常，即可完成企业异常行业的识别/分类工作，而不需要大量的数据进行交叉比对，提高了企业的异常行业的识别效率。

技术特征：

1.一种异常行业分类方法，其特征在于，所述客户行业分类方法包括以下步骤：

2.如权利要求1所述的异常行业分类方法，其特征在于，所述基于所述预测结果，对所述客户样本数据进行分类，得到异常行业分类结果的步骤之后，包括：

3.如权利要求2所述的异常行业分类方法，其特征在于，所述当所述异常分类结果显示所述客户样本数据属于异常行业，则选取待补录的拟推荐行业的步骤，包括：

4.如权利要求3所述的异常行业分类方法，其特征在于，所述将所述拟推荐行业添加为所述客户样本数据对应的所属行业的步骤，还包括：

5.如权利要求1所述的异常行业分类方法，其特征在于，所述将所述客户样本数据输入至预设行业预测模型的步骤之前，还包括：

6.如权利要求1所述的异常行业分类方法，其特征在于，所述基于所述预设行业预测模型，对所述客户样本数据进行预测处理，得到预测结果的步骤，包括：

7.如权利要求1所述的异常行业分类方法，其特征在于，所述基于所述预测结果，对所述客户样本数据进行分类，得到异常行业分类结果的步骤，包括：

8.一种异常行业分类装置，其特征在于，所述异常行业分类装置包括：

9.一种异常行业分类设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的异常行业分类程序，所述异常行业分类程序配置为实现如权利要求1至7中任一项所述的异常行业分类方法的步骤。

10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有异常行业分类程序，所述异常行业分类程序被处理器执行时实现如权利要求1至7中任一项所述的异常行业分类方法的步骤。

技术总结
本申请公开了一种异常行业分类方法、装置、设备及存储介质，该方法包括步骤：获取客户样本数据；将所述客户样本数据输入至预设行业预测模型，基于所述预设行业预测模型，对所述客户样本数据进行预测处理，得到预测结果，其中，所述预设行业预测模型是基于所述客户样本数据对应企业的历史业务数据进行训练得到的；基于所述预测结果，对所述客户样本数据进行分类，得到异常行业分类结果。本申请提高了识别相关企业的异常行业的准确率。

技术研发人员：赵鹏举
受保护的技术使用者：深圳前海微众银行股份有限公司
技术研发日：
技术公布日：2024/4/7