[發(fā)明專利]客戶信息分類方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811544394.1
• 申請(qǐng)日: 2018-12-17
• 公開(kāi)（公告）號(hào): CN109949154A
• 公開(kāi)（公告）日: 2019-06-28
• 發(fā)明（設(shè)計(jì)）人: 王曉艷;馮躍東
• 申請(qǐng)（專利權(quán)）人: 深圳平安綜合金融服務(wù)有限公司
• 主分類號(hào): G06Q40/04
• 分類號(hào): G06Q40/04;G06K9/62
• 代理公司: 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 王寧

1.一種客戶信息分類方法，所述方法包括：

監(jiān)控風(fēng)險(xiǎn)因子；

當(dāng)所述風(fēng)險(xiǎn)因子滿足預(yù)設(shè)激活條件時(shí)，根據(jù)所述風(fēng)險(xiǎn)因子確定可疑風(fēng)險(xiǎn)客戶；

獲取所述可疑風(fēng)險(xiǎn)客戶的客戶畫(huà)像；

通過(guò)風(fēng)險(xiǎn)評(píng)分模型對(duì)所述客戶畫(huà)像進(jìn)行風(fēng)險(xiǎn)評(píng)估，得到風(fēng)險(xiǎn)評(píng)估結(jié)果；其中，所述風(fēng)險(xiǎn)評(píng)估結(jié)果包括對(duì)所述可疑風(fēng)險(xiǎn)客戶的多種風(fēng)險(xiǎn)行為的風(fēng)險(xiǎn)評(píng)分；

根據(jù)最高的所述風(fēng)險(xiǎn)評(píng)分確定客戶風(fēng)險(xiǎn)級(jí)別；

獲取大于第一設(shè)定閾值的所述風(fēng)險(xiǎn)評(píng)分對(duì)應(yīng)的目標(biāo)所述風(fēng)險(xiǎn)行為，將所述目標(biāo)風(fēng)險(xiǎn)行為設(shè)置為所述可疑風(fēng)險(xiǎn)用戶的風(fēng)險(xiǎn)標(biāo)簽。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取所述可疑風(fēng)險(xiǎn)客戶的客戶畫(huà)像，包括：

獲取所述可疑風(fēng)險(xiǎn)客戶的關(guān)聯(lián)客戶；

獲取所述可疑風(fēng)險(xiǎn)客戶對(duì)應(yīng)的第一客戶畫(huà)像；

獲取所述關(guān)聯(lián)客戶對(duì)應(yīng)的第二客戶畫(huà)像；

通過(guò)風(fēng)險(xiǎn)評(píng)分模型對(duì)所述客戶畫(huà)像進(jìn)行風(fēng)險(xiǎn)評(píng)估，得到風(fēng)險(xiǎn)評(píng)估結(jié)果，包括：

將所述第一客戶畫(huà)像作為第一輸入、所述第二客戶畫(huà)像作為第二輸入，輸入至風(fēng)險(xiǎn)評(píng)估模型中，得到風(fēng)險(xiǎn)評(píng)估結(jié)果。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，在通過(guò)風(fēng)險(xiǎn)評(píng)分模型對(duì)所述客戶畫(huà)像進(jìn)行風(fēng)險(xiǎn)評(píng)估，得到風(fēng)險(xiǎn)評(píng)估結(jié)果之前，還包括：

獲取因子樹(shù)，所述因子樹(shù)包括多個(gè)節(jié)點(diǎn)，每個(gè)所述節(jié)點(diǎn)關(guān)聯(lián)一個(gè)建模因子；

獲取指定的第一風(fēng)險(xiǎn)行為場(chǎng)景；

從所述因子樹(shù)中提取與所述第一風(fēng)險(xiǎn)行為場(chǎng)景對(duì)應(yīng)的建模因子；

獲取樣本數(shù)據(jù)，所述樣本數(shù)據(jù)中的正負(fù)樣本比例為設(shè)定比例；

從所述樣本數(shù)據(jù)中提取樣本特征數(shù)據(jù)，所述樣本特征數(shù)據(jù)與所述第一風(fēng)險(xiǎn)行為場(chǎng)景對(duì)應(yīng)的建模因子相對(duì)應(yīng)；

將所述樣本特征數(shù)據(jù)輸入至預(yù)先選定的模型算法中進(jìn)行有監(jiān)督訓(xùn)練，得到所述第一風(fēng)險(xiǎn)行為場(chǎng)景對(duì)應(yīng)的第一風(fēng)險(xiǎn)評(píng)分模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，在將所述樣本特征數(shù)據(jù)輸入至預(yù)先選定的模型算法中進(jìn)行有監(jiān)督訓(xùn)練，得到所述風(fēng)險(xiǎn)行為場(chǎng)景對(duì)應(yīng)的風(fēng)險(xiǎn)評(píng)分模型之后，還包括：

構(gòu)建第二風(fēng)險(xiǎn)行為場(chǎng)景對(duì)應(yīng)的第二風(fēng)險(xiǎn)評(píng)分模型；

將所述第一風(fēng)險(xiǎn)評(píng)分模型和所述第二風(fēng)險(xiǎn)評(píng)分模型串聯(lián)連接或者并聯(lián)連接。

5.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，在獲取大于第一設(shè)定閾值的所述風(fēng)險(xiǎn)評(píng)分對(duì)應(yīng)的目標(biāo)所述風(fēng)險(xiǎn)行為，將所述目標(biāo)風(fēng)險(xiǎn)行為設(shè)置為所述可疑風(fēng)險(xiǎn)用戶的風(fēng)險(xiǎn)標(biāo)簽之后，還包括：

判斷最高的所述風(fēng)險(xiǎn)評(píng)分是否大于第二設(shè)定閾值，若是，收集所述可疑風(fēng)險(xiǎn)客戶的生物特征信息；

將所述生物特征信息添加至黑名單。

6.一種客戶信息分類裝置，其特征在于，所述裝置包括：

風(fēng)險(xiǎn)因子監(jiān)控模塊，用于監(jiān)控風(fēng)險(xiǎn)因子；

可疑風(fēng)險(xiǎn)客戶確定模塊，用于當(dāng)所述風(fēng)險(xiǎn)因子滿足預(yù)設(shè)激活條件時(shí)，根據(jù)所述風(fēng)險(xiǎn)因子確定可疑風(fēng)險(xiǎn)客戶；

客戶畫(huà)像獲取模塊，用于獲取所述可疑風(fēng)險(xiǎn)客戶的客戶畫(huà)像；

風(fēng)險(xiǎn)評(píng)分模塊，用于通過(guò)風(fēng)險(xiǎn)評(píng)分模型對(duì)所述客戶畫(huà)像進(jìn)行風(fēng)險(xiǎn)評(píng)估，得到風(fēng)險(xiǎn)評(píng)估結(jié)果；其中，所述風(fēng)險(xiǎn)評(píng)估結(jié)果包括對(duì)所述可疑風(fēng)險(xiǎn)客戶的多種風(fēng)險(xiǎn)行為的風(fēng)險(xiǎn)評(píng)分；

風(fēng)險(xiǎn)評(píng)級(jí)模塊，用于根據(jù)最高的所述風(fēng)險(xiǎn)評(píng)分確定客戶風(fēng)險(xiǎn)級(jí)別；

風(fēng)險(xiǎn)標(biāo)簽確定模塊，用于獲取大于第一設(shè)定閾值的所述風(fēng)險(xiǎn)評(píng)分對(duì)應(yīng)的目標(biāo)所述風(fēng)險(xiǎn)行為，將所述目標(biāo)風(fēng)險(xiǎn)行為設(shè)置為所述可疑風(fēng)險(xiǎn)用戶的風(fēng)險(xiǎn)標(biāo)簽。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述客戶畫(huà)像獲取模塊，還用于獲取所述可疑風(fēng)險(xiǎn)客戶的關(guān)聯(lián)客戶；獲取所述可疑風(fēng)險(xiǎn)客戶對(duì)應(yīng)的第一客戶畫(huà)像；獲取所述關(guān)聯(lián)客戶對(duì)應(yīng)的第二客戶畫(huà)像；通過(guò)風(fēng)險(xiǎn)評(píng)分模型對(duì)所述客戶畫(huà)像進(jìn)行風(fēng)險(xiǎn)評(píng)估，得到風(fēng)險(xiǎn)評(píng)估結(jié)果，包括：將所述第一客戶畫(huà)像作為第一輸入、所述第二客戶畫(huà)像作為第二輸入，輸入至風(fēng)險(xiǎn)評(píng)估模型中，得到風(fēng)險(xiǎn)評(píng)估結(jié)果。