[發(fā)明專利]處理交易數(shù)據(jù)的方法及裝置

在審

• 申請?zhí)枺?/td>: 201810146777.7
• 申請日: 2018-02-12
• 公開（公告）號: CN108446978A
• 公開（公告）日: 2018-08-24
• 發(fā)明（設(shè)計）人: 趙科科;趙星
• 申請（專利權(quán)）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06F17/30;G06F21/62
• 代理公司: 北京億騰知識產(chǎn)權(quán)代理事務所 11309
• 代理人: 陳霽;周良玉

本說明書實施例提供一種處理交易數(shù)據(jù)的方法和裝置，方法包括，首先獲取與連續(xù)的n個時間段分別對應的n個數(shù)據(jù)集，其中各個數(shù)據(jù)集i包括對應的時間段中用戶的交易明細數(shù)據(jù)。然后，基于對應的數(shù)據(jù)集i中的交易明細數(shù)據(jù)衍生出衍生變量，并基于衍生變量形成與各數(shù)據(jù)集對應的特征向量。基于此，將各個特征向量按照時間順序輸入時間遞歸的神經(jīng)網(wǎng)絡(luò)，從該神經(jīng)網(wǎng)絡(luò)獲得處理結(jié)果。如此，更加有效地對交易數(shù)據(jù)進行挖掘和分析。

技術(shù)領(lǐng)域

本說明書一個或多個實施例涉及計算機技術(shù)領(lǐng)域，尤其涉及處理交易數(shù)據(jù)的方法和裝置。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，人們越來越頻繁地利用互聯(lián)網(wǎng)和電子錢包進行各種交易，由此形成了交易數(shù)據(jù)。交易數(shù)據(jù)是具有很高價值的數(shù)據(jù)資產(chǎn)，特別是在目前的大數(shù)據(jù)背景下，如何深入挖掘交易數(shù)據(jù)，提煉出數(shù)據(jù)價值，在技術(shù)提升和業(yè)務提升方面都有重要的意義。

進一步地，在對數(shù)據(jù)進行深入挖掘的同時，還需要考慮應用場景問題和安全性問題。交易數(shù)據(jù)一般反映用戶的交易歷史，如果能通過交易數(shù)據(jù)的挖掘和處理，將交易數(shù)據(jù)的信息應用在更廣泛的應用場景，例如信用業(yè)務場景，將進一步提升數(shù)據(jù)的利用率。此外，在許多情況下，存在與其他機構(gòu)共建模型的可能，這就需要將初步處理的數(shù)據(jù)發(fā)給其他機構(gòu)。此時，既希望挖掘的數(shù)據(jù)有較高的數(shù)據(jù)價值和數(shù)據(jù)含義，又要考慮數(shù)據(jù)泄露的系統(tǒng)風險和用戶隱私的保護，而盡量隱藏業(yè)務含義。如此，對數(shù)據(jù)的挖掘和處理提出很高的要求。

因此，希望能有改進的方案，更有效地對交易數(shù)據(jù)進行處理。

發(fā)明內(nèi)容

本說明書一個或多個實施例描述了一種方法和裝置，通過結(jié)合變量衍生的初步數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)的進一步數(shù)據(jù)分析，更有效地對交易數(shù)據(jù)進行處理。

根據(jù)第一方面，提供了一種處理交易數(shù)據(jù)的方法，包括：

獲取與連續(xù)的n個預設(shè)時間段分別對應的n個數(shù)據(jù)集，其中各個數(shù)據(jù)集i包括對應的時間段中用戶的交易明細數(shù)據(jù)；

形成與所述n個數(shù)據(jù)集分別對應的n個特征向量，其中各個特征向量Fi分別包括，基于對應的數(shù)據(jù)集i中的交易明細數(shù)據(jù)衍生出的衍生變量；

將所述n個特征向量按照時間順序輸入時間遞歸的神經(jīng)網(wǎng)絡(luò)，從所述時間遞歸的神經(jīng)網(wǎng)絡(luò)獲得處理結(jié)果。

根據(jù)一個實施例，交易明細數(shù)據(jù)包括多個字段，所述多個字段至少包括：交易時間字段，交易金額字段，以及至少一個類別字段。

在一種可能的設(shè)計中，形成特征向量的步驟包括：獲取數(shù)據(jù)集i中所述交易明細數(shù)據(jù)的所述多個字段；對所述多個字段的數(shù)據(jù)進行聚合操作，從而獲得衍生變量；將所述衍生變量作為所述特征向量Fi的向量元素。

根據(jù)一個實施例，對多個字段中的數(shù)據(jù)進行聚合操作包括：從所述多個字段中選擇至少一部分字段進行組合，得到組合字段；對組合字段的數(shù)據(jù)進行運算操作，從而得到衍生變量。

進一步地，在一個實施例中，上述運算操作包括以下中的一項或多項：數(shù)值判斷、計數(shù)、求和、求平均、求標準差、求分位數(shù)、分布統(tǒng)計。

根據(jù)一種可能的設(shè)計，形成特征向量的步驟還包括：獲取數(shù)據(jù)集i中所述至少一個類別字段的內(nèi)容；利用詞嵌入模型，將所述至少一個類別字段的內(nèi)容轉(zhuǎn)換為詞向量；將所述詞向量作為所述特征向量Fi的一部分。

在一個實施例中，上述時間遞歸的神經(jīng)網(wǎng)絡(luò)采用循環(huán)神經(jīng)網(wǎng)絡(luò)RNN，長短期記憶神經(jīng)網(wǎng)絡(luò)LSTM，門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)GRU之一。

在一個實施例中，時間遞歸的神經(jīng)網(wǎng)絡(luò)還包括至少一個全連接層。

根據(jù)一個實施例，所述時間遞歸的神經(jīng)網(wǎng)絡(luò)利用已標定數(shù)據(jù)集進行訓練，所述已標定數(shù)據(jù)集包括歷史交易數(shù)據(jù)，且具有是否發(fā)生信用違約的標簽。