[發明專利]惡意欠費用電客戶識別方法和系統

在審

• 申請號: 201811349548.1
• 申請日: 2018-11-13
• 公開（公告）號: CN109493094A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 李漢巨;吳裕宙;張捷;葉暖強;麥琪;呂潤嬋;許諾;梁浩波
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司東莞供電局
• 主分類號: G06Q30/00
• 分類號: G06Q30/00;G06Q50/06
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 蘇勝

本發明提供了惡意欠費用電客戶識別方法和系統，包括：獲取歷史繳費數據；根據歷史繳費數據分別得到第一指標數據和第二指標數據；根據第一指標數據得到欠費惡意程度；根據第二指標數據得到欠費經濟損失；根據欠費惡意程度和欠費經濟損失得到欠費風險值；將欠費風險值與預設風險閥值進行比較；判斷欠費風險值是否大于且等于預設風險閥值；如果欠費風險值大于且等于預設風險閥值，則獲取對應的欠費用電客戶，計算速度快，有利于供電企業彈性展開繳費工作，提高用戶體驗。

技術領域

本發明涉及供用電技術領域，尤其是涉及惡意欠費用電客戶識別方法和系統。

背景技術

用戶識別是用來判斷用戶屬性或者標簽的，比如判斷一個用戶是否是惡意欠費用戶、一個用戶是否有購買電腦的意愿等等。目前有兩種方式建立用戶識別模型：監督學習方法和非監督學習方法，對于非監督學習方法，用戶識別的常用方法是聚類算法。雖然聚類算法是一種常用的非監督學習方法，但面對用電客戶達幾百萬用戶級別，聚類算法的計算代價昂貴。另外聚類算法的模型不具備可伸縮性，即模型一旦確立，聚類算法的標準就確定了，不利于供電企業彈性開展繳費工作，因為對惡意欠費用戶的處置工作需要投入大量的人力、物力(短信催收、電話催收、停電復電等)，識別出來惡意欠費用戶過多或過少都不利于開展欠費回收工作。同時聚類算法的模型無法動態更新，如果需要重新調整識別標準，需要重新訓練模型，耗時耗力。

發明內容

有鑒于此，本發明的目的在于提供惡意欠費用電客戶識別方法和系統，計算速度快，有利于供電企業彈性展開繳費工作，提高用戶體驗。

第一方面，本發明實施例提供了一種惡意欠費用電客戶識別方法，所述方法包括：

獲取歷史繳費數據；

根據所述歷史繳費數據分別得到第一指標數據和第二指標數據；

根據所述第一指標數據得到欠費惡意程度；

根據所述第二指標數據得到欠費經濟損失；

根據所述欠費惡意程度和所述欠費經濟損失得到欠費風險值；

將所述欠費風險值與預設風險閥值進行比較；

判斷所述欠費風險值是否大于且等于所述預設風險閥值；

如果所述欠費風險值大于且等于所述預設風險閥值，則獲取對應的欠費用電客戶。

結合第一方面，本發明實施例提供了第一方面的第一種可能的實施方式，其中，所述第一指標數據包括欠費次數、欠費密度、欠費總時長和前一欠費日離當前日時長，所述第二指標數據包括：欠費總額和違約金總額，所述根據所述第一指標數據得到欠費惡意程度，包括：

根據下式計算所述欠費惡意程度：

P＝p₁f₁(QFCS)+p₂f₂(QFMD)+p₃f₃(QFZSC)+p₄f₄(ZJQFSC)

其中，P為所述欠費惡意程度，QFCS為所述欠費次數，QFMD為所述欠費密度，QFZSC為所述欠費總時長，ZJQFSC為所述前一欠費日離當前日時長，f₁為欠費次數概率化函數，f₂為欠費密度概率化函數，f₃為欠費總時長概率化函數，f₄為前一欠費日離當前日時長概率化函數，p₁、p₂、p₃和p₄分別為第一權重、第二權重、第三權重和第四權重，所述第一權重、所述第二權重、所述第三權重和所述第四權重滿足第一預設條件。