[發明專利]基于用戶職業預測的風險評估方法、裝置和電子設備

有效

• 申請號: 202011132010.2
• 申請日: 2020-10-21
• 公開（公告）號: CN112348662B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 張靖雯;劉濤
• 申請（專利權）人: 上海淇玥信息技術有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06F16/36;G06F18/23213;G06F18/2411
• 代理公司: 北京清誠知識產權代理有限公司 11691
• 代理人: 喬東峰

1.一種基于用戶職業預測的風險評估方法，其特征在于，包括：

獲取用戶的原始社交文本信息；

對所述用戶的原始社交本文信息進行預處理，并進行詞向量轉換，以生成用戶社交文本的詞向量；

使用高斯混合聚類模型，對所生成的用戶社交文本的詞向量進行聚類分析，提取職業信息數據，以構建職業類別詞庫，基于所構建的職業類別詞庫，對訓練樣本數據進行打標，以為各用戶形成職業標簽，具體將計算的用戶職業評估值與各特定閾值進行比較，判斷用戶所屬職業的類別；

構建用戶職業預測模型，使用訓練樣本數據訓練該用戶職業預測模型，所述訓練樣本數據包括歷史用戶社交文本信息數據、用戶所屬職業類別的表現數據、職業標簽相關數據；

將從當前用戶的社交文本信息中提取職業信息，作為模型的有效輸入特征，使用所述用戶職業預測模型，計算當前用戶的用戶職業評估值；

根據所計算的用戶職業評估值，進行用戶職業預測和風險評估。

2.根據權利要求1所述的風險評估方法，其特征在于，所述根據所計算的用戶職業評估值，進行用戶職業預測包括：

設定與不同職業類別相對應的特定閾值。

3.根據權利要求1或2所述的風險評估方法，其特征在于，所述用戶職業評估值是0～1之間的數值，用于表示用戶所屬職業類別的概率。

4.根據權利要求2所述的風險評估方法，其特征在于，還包括：

基于所確定的用戶職業標簽，進一步篩選高危職業的用戶。

5.根據權利要求2所述的風險評估方法，其特征在于，還包括：

基于所確定的用戶職業標簽，進行風險策略制定或風險預警。

6.根據權利要求1所述的風險評估方法，其特征在于，還包括：

使用高斯混合聚類算法、K-Means聚類算法或基于密度的聚類算法，對所述用戶社交文本的詞向量進行聚類分析，提取職業信息數據，形成不同職業類別的詞庫，以構建職業類別詞庫。

7.根據權利要求6所述的風險評估方法，其特征在于，還包括：

基于所述職業類別詞庫，對訓練樣本數據進行打標，以使用帶有標簽的訓練樣本數據訓練用戶職業預測模型；

所述用戶職業預測模型使用TextCNN算法、XGBoost算法、隨機森林算法或邏輯回歸算法。

8.根據權利要求1所述的風險評估方法，其特征在于，所述對所述用戶的原始社交本文信息進行預處理包括進行分詞處理和清洗處理。

9.一種基于用戶職業預測的風險評估裝置，其特征在于，包括：

獲取模塊，用于獲取用戶的原始社交文本信息；

處理模塊，用于對所述用戶的原始社交本文信息進行預處理，并進行詞向量轉換，以生成用戶社交文本的詞向量；

聚類分析模塊，用于使用高斯混合聚類模型，對所生成的用戶社交文本的詞向量進行聚類分析，提取職業信息數據，以構建職業類別詞庫，基于所構建的職業類別詞庫，對訓練樣本數據進行打標，以為各用戶形成職業標簽，具體將計算的用戶職業評估值與各特定閾值進行比較，判斷用戶所屬職業的類別；

構建模塊，用于構建用戶職業預測模型，使用訓練樣本數據訓練該用戶職業預測模型，所述訓練樣本數據包括歷史用戶社交文本信息數據、用戶所屬職業類別的表現數據、職業標簽相關數據；

計算模塊，用于將從當前用戶的社交文本信息中提取職業信息，作為模型的有效輸入特征，使用所述用戶職業預測模型，計算當前用戶的用戶職業評估值；

預測評估模塊，用于根據所計算的用戶職業評估值，進行用戶職業預測和風險評估。

10.根據權利要求9所述的風險評估裝置，其特征在于，還包括設定模塊，所述設定模塊用于設定與不同職業類別相對應的特定閾值。

11.根據權利要求9或10所述的風險評估裝置，其特征在于，所述用戶職業評估值是0～1之間的數值，用于表示用戶所屬職業類別的概率。