[發明專利]潛在欠費用戶識別方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201911345201.4
• 申請日: 2019-12-24
• 公開（公告）號: CN111198907A
• 公開（公告）日: 2020-05-26
• 發明（設計）人: 黃騰;邱方馳;孫曉佳;陳華仙;鄭晨露
• 申請（專利權）人: 深圳供電局有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06N20/00;G06Q40/02
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 毛丹

1.一種潛在欠費用戶識別方法，所述方法包括：

從數據庫中，獲取各樣本用戶的欠費記錄數據、用電關聯信息和信用表征信息；

對各所述樣本用戶的欠費記錄數據、用電關聯信息和信用表征信息進行統計分析處理，得到各所述樣本用戶對應的訓練數據集；

根據所述訓練數據集進行機器學習訓練，生成欠費用戶識別模型；

獲取與待識別用戶對應的模型輸入數據；所述與待識別用戶對應的模型輸入數據，根據所述待識別用戶的欠費記錄數據、用電關聯信息和信用表征信息確定；

將所述與待識別用戶對應的模型輸入數據，輸入所述欠費用戶識別模型中，預測得到所述待識別用戶的潛在欠費識別結果。

2.根據權利要求1所述的方法，其特征在于，所述根據所述訓練數據集進行機器學習訓練，生成欠費用戶識別模型包括：

根據所述訓練數據集，構建模型構成因子；

根據所述訓練數據集，對各所述模型構成因子的權重迭代地進行機器學習訓練，得到欠費用戶識別模型。

3.根據權利要求1所述的方法，其特征在于，在所述獲取與待識別用戶對應的模型輸入數據之前，所述方法還包括：

獲取歷史欠費用戶信息、以及與所述歷史欠費用戶信息對應的模型輸入數據；

將與所述歷史欠費用戶信息對應的模型輸入數據，輸入所述欠費用戶識別模型中，預測欠費用戶信息；

根據所述歷史欠費用戶信息和預測的所述欠費用戶信息的差異比對結果，驗證所述欠費用戶識別模型的準確度；

當驗證通過后，則執行所述獲取與待識別用戶對應的模型輸入數據的步驟。

4.根據權利要求1所述的方法，其特征在于，所述用電關聯信息，包括用電量數據、用電時的天氣數據、供電方案數據、用電時的節假日數據以及用電過程中的停復電數據中的至少一種；所述信用表征信息，包括用電信用數據、用戶所屬行業的行業景氣度信息和用戶任職企業的負面信息中的至少一種。

5.根據權利要求4所述的方法，其特征在于，所述對各所述樣本用戶的欠費記錄數據、用電關聯信息和信用表征信息進行統計分析處理，包括以下至少一個步驟：

對所述欠費記錄數據進行統計分析，得到樣本用戶的欠費次數、欠費年月、欠費金額和欠費頻率中的至少一種；

對用電量數據進行分析處理，確定用戶預設周期內的用電量；

對用電時的天氣數據進行分析處理，確定用電時的同期溫度差值；

對供電方案數據、用電時的節假日數據以及用電過程中的停復電數據進行有效數據篩選處理。

6.根據權利要求1所述的方法，其特征在于，所述方法還包括：

根據所述潛在欠費識別結果，確定潛在欠費用戶；

根據所述潛在欠費用戶的信用表征信息，對所述潛在欠費用戶劃分相應的信用等級；

針對小于或等于預設等級閾值的低信用等級，獲取與所述低信用等級對應設置的催收模板；

根據所述催收模板，生成針對處于所述低信用等級的潛在欠費用戶的催收計劃內容。

7.根據權利要求1所述的方法，其特征在于，所述方法還包括：

根據所述潛在欠費識別結果，確定潛在欠費用戶；

獲取所述潛在欠費用戶的歷史用電信息；

根據所述歷史用電信息，按照預設統計維度，對所述潛在欠費用戶進行分類統計。