[發明專利]一種動態高風險客群檢測方法及系統

在審

• 申請號: 201710928291.4
• 申請日: 2017-10-09
• 公開（公告）號: CN107798597A
• 公開（公告）日: 2018-03-13
• 發明（設計）人: 王軍偉;信亞楠;彭亞棟
• 申請（專利權）人: 上海二三四五金融科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種動態高風險客群檢測算法，其用于檢測歸屬于不同客群的新用戶的風險度，其特征在于，包括：

a.基于評估指標確定每個所述客群的風險度，將所述風險度大于風險閾值的所述客群確定為高風險客群；

b.基于距離函數確定所述新用戶與所述高風險客群的相似度，將相似度大于第一相似度閾值的所述新用戶判定為風險用戶，所述距離函數所述新用戶的用戶數據的種類相關。

2.根據權利要求1所述的動態高風險客群檢測算法，其特征在于，所述步驟a之前執行如下步驟：

i.使用聚類算法基于多個歷史用戶的多個歷史數據對多個所述歷史用戶建群形成多個客群，所述聚類算法與所述歷史數據的種類相關。

3.根據權利要求3所述的動態高風險客群檢測算法，其特征在于，所述步驟i通過如下任一方式實現：

-若所述歷史數據為通訊錄數據或者個人特征數據，基于杰卡德距離算法確定多個所述歷史用戶彼此之間的相似度，將相似度大于第二相似度閾值的所述歷史用戶劃為一個所述客群；

-若所述歷史數據為定位數據，基于空間距離算法確定多個所述歷史用戶彼此之間的相似度，將相似度大于第三相似度閾值的所述歷史用戶劃為一個所述客群；

-若所述歷史數據為個人信息數據，基于歐式距離算法確定多個所述歷史用戶彼此之間的相似度，將相似度大于第四相似度閾值的所述歷史用戶劃為一個所述客群。

4.根據權利要求1至3中任一項所述的動態高風險客群檢測算法，其特征在于，所述步驟a包括如下步驟：

a1.根據所述評估指標的種類篩選所述客群的關聯數據；

a2.采集超過所述評估指標的所述關聯數據的數量和幅度；

a3.以所述數量和所述幅度為自變量通過風險評估函數確定所述客群的反饋系數，所述反饋系數即為所述客群的風險度。

5.根據權利要求1所述的動態高風險客群檢測算法，其特征在于，所述評估指標基于如下方式確定：

-確定所述客群對應的客群數據庫的時間分布，基于所述客群數據庫的時間分布確定所述評估指標的種類；

-基于所述新用戶發出的請求類型確定所述評估指標的種類。

6.根據權利要求5所述的動態高風險客群檢測算法，其特征在于，所述評估指標為反饋周期最短的指標。

7.根據權利要求1至6中任一項所述的動態高風險客群檢測算法，其特征在于，所述新用戶與所述高風險客群的相似度通過如下任一方式實現：

-若所述用戶數據為通訊錄數據或者個人特征數據，基于杰卡德距離算法確定所述用戶與所述高風險客群之間的相似度；

-若所述用戶數據為定位數據，基于空間距離算法確定所述用戶與所述高風險客群之間的相似度；

-若所述用戶數據為個人信息數據，基于歐式距離算法確定所述用戶與所述高風險客群之間的相似度。

8.根據權利要求7所述的動態高風險客群檢測算法，其特征在于，所述用戶與所述高風險客群之間的相似度通過如下方式確定：逐一判斷所述新用戶與所述高風險客戶群包括的每個所述歷史用戶對應的歷史數據之間的重合度并獲得多個重合度，對所述多個重合度進行處理得到所述用戶與所述高風險客群之間的相似度。

9.一種動態高風險客群檢測系統，其用于檢測歸屬于不同客群的新用戶的風險度，其特征在于，包括：

高風險客群確定模塊(1)，其用于基于評估指標確定每個所述客群的風險度，將所述風險度大于風險閾值的所述客群確定為高風險客群；

風險用戶確定模塊(2)，其用于于距離函數確定所述新用戶與所述高風險客群的相似度，將相似度大于第一相似度閾值的所述新用戶判定為風險用戶，所述距離函數所述新用戶的用戶數據的種類相關。

10.根據權利要求9所述的動態高風險客群檢測算法，其特征在于，還包括：

建群模塊(3)，其用于使用聚類算法基于多個歷史用戶的多個歷史數據對多個所述歷史用戶建群形成多個客群，所述聚類算法與所述歷史數據的種類相關。