[發明專利]一種異常數據搜索模型的確定方法及裝置

在審

• 申請號: 202010623846.6
• 申請日: 2020-06-30
• 公開（公告）號: CN111782954A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 黃翔豐;汪亞男;肖和兵;李元;蘭沖
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/955;G06K9/62
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 張懷陽

本發明公開了一種異常數據搜索模型的確定方法及裝置，包括：獲取標簽，其中，標簽是對客戶的登記信息、賬戶性質和交易信息預處理得到的，再根據用戶輸入的標簽和標簽庫中標簽得到多個智能推薦標簽，以使用戶選擇智能推薦標簽，其中，標簽庫是將標簽進行存儲得到的，然后將用戶輸入的標簽結合用戶選擇的智能推薦標簽，得到標簽組合，并根據標簽組合確定數據搜索模型。實現由用戶進行選擇標簽就可以確定異常數據搜索模型，提升了異常數據搜索模型調整或生成周期速度，提高模型生成的準確性。

技術領域

本發明涉及金融科技(Fintech)領域，尤其涉及一種異常數據搜索模型的確定方法及裝置。

背景技術

隨著計算機技術的發展，越來越多的技術(例如：區塊鏈、云計算或大數據)應用在金融領域，傳統金融業正在逐步向金融科技轉變，大數據技術也不例外，但由于金融、支付行業的安全性、實時性要求，也對大數據技術提出的更高的要求。

現有技術中對可疑的或高危險的異常交易數據進行抓取，是通過專業的崗位人員，基于對行業異常交易(如反洗錢)行為分析，指定用戶的金融交易習慣，設計好規則，開發人員通過規則和模型組合，通過關鍵的規則和模型算法，篩選出可疑程度高的人群，從而確保數據搜索模型的有效性。

然而現有技術過于依賴專業人員的專業技能水平，對于新穎的異常交易，需要先經過專業人士的分析和規則的制定，再通過開發人員的開發和上線，并且在數據搜索模型生成過程中，需要嚴謹且長周期的進行，這種方式已經越來越滿足不了現代的互聯網異常數據檢測了，即使要自動生成模型，也只能按照傳統的訓練樣本生成，訓練樣本也是采用原先的樣本，會導致檢測結果不準確，仍然無法滿足現代的互聯網異常數據檢索。

發明內容

本發明實施例提供一種異常數據搜索模型的確定方法及裝置，用于提升模型調整或生成周期速度，根據建立標簽庫，提高模型生成的準確性。

第一方面，本發明實施例提供一種異常數據搜索模型的確定方法，包括：

獲取標簽；所述標簽是對客戶的登記信息、賬戶性質和交易信息預處理得到的；

根據用戶輸入的標簽和標簽庫中標簽得到多個智能推薦標簽；以使所述用戶選擇所述智能推薦標簽；所述標簽庫是將所述標簽進行存儲得到的；

將所述用戶輸入的標簽結合所述用戶選擇的所述智能推薦標簽，得到標簽組合；

根據所述標簽組合確定數據搜索模型。

上述技術方案中，將客戶的交易數據進行預處理，得到對應的標簽，并將標簽存儲至數據庫，然后根據用戶輸入的標簽和標簽庫中標簽，得到用于推薦給用戶選擇的多個智能推薦標簽，然后根據用戶選擇的標簽組合確定數據搜索模型，不再需要由用戶確定出異常數據，開發人員再根據異常數據進行異常數據檢索模型構建，解放開發人員的勞動力，由用戶進行選擇標簽就可以確定數據搜索模型，提升了數據搜索模型調整或生成周期速度。

可選的，所述標簽庫中的標簽包括標簽搜索日志中的搜索標簽、模型標簽和案例標簽；

所述根據所述用戶輸入的標簽和所述標簽庫中標簽得到多個智能推薦標簽，包括：

將所述搜索標簽、所述模型標簽和所述案例標簽的格式進行統一化處理，得到樣本集；

將所述樣本集根據所述搜索標簽、所述模型標簽和所述案例標簽得到多個樣本文件；

將所述多個樣本文件根據TF-IDF算法進行計算，得到所述樣本集中各標簽的權重；

將所述各標簽結合所述各標簽的權重，得到數據集；

通過K均值聚類算法將所述數據集進行聚類，并進行排序；得到簇集；

根據所述用戶輸入的標簽與所述簇集得到多個所述智能推薦標簽。