[發明專利]一種預測風險賬號的方法、裝置、存儲介質和計算機設備

在審

• 申請號: 202110603478.3
• 申請日: 2021-05-31
• 公開（公告）號: CN113420789A
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 王勝;王寧;李健;景曉志;甘人才;朱建生;單杏花;趙穎;李文寶;李昂;王興成;李燕波;郝雅青;劉凱;魏佳代;徐佳;宋瀟琪;李倩文
• 申請（專利權）人: 北京經緯信息技術有限公司;中國鐵道科學研究院集團有限公司電子計算技術研究所;中國鐵道科學研究院集團有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/04;G06Q10/06
• 代理公司: 北京匯思誠業知識產權代理有限公司 11444
• 代理人: 蘇勝

1.一種預測風險賬號的方法，其特征在于，包括：

通過提升樹模型對獲取的訓練測試集進行訓練，生成風險模型；

將獲取的多個灰樣本輸入所述風險模型，生成每個所述灰樣本對應的風險概率；

將多個所述風險概率中大于設定概率的一個或多個所述風險概率對應的灰樣本，確定為風險賬戶；

將一個或多個所述風險賬戶和多個黑樣本對應的用戶賬號數據確定為風險賬號。

2.根據權利要求1所述的方法，其特征在于，所述通過提升樹模型對獲取的訓練測試集進行訓練，生成風險模型之前包括：

通過專家經驗算法對獲取的特征表進行分類，生成多個黑樣本、多個白樣本和多個灰樣本；

從多個所述白樣本中隨機提取設定數量個白樣本，生成多個隨機白樣本；

根據多個所述隨機白樣本和多個所述黑樣本，生成訓練測試集。

3.根據權利要求2所述的方法，其特征在于，所述通過專家經驗判斷算法對獲取的特征表進行分類，生成多個黑樣本、多個白樣本和多個灰樣本之前包括：

判斷獲取的業務類型數據是否包括退票標識；

若判斷出所述業務類型數據包括退票標識，將獲取的交易時間減去獲取的付款交易時間生成退款時長；

根據獲取的業務類型數據、渠道類型數據、用戶賬號數據、付款流水號數據、交易IP數據和所述退款時長，生成基表；

通過特征算法對所述基表進行特征計算，生成特征表。

4.根據權利要求3所述的方法，其特征在于，所述判斷獲取的付款流水號數據是否包括退票標識之前包括：

根據獲取的支付數據生成逗號分隔值文件；

從所述逗號分隔值文件中提取業務類型數據、渠道類型數據、用戶賬號數據、付款流水號數據和交易IP數據。

5.根據權利要求3所述的方法，還包括：

若判斷出所述業務類型數據不包括退票標識，根據獲取的業務類型數據、渠道類型數據、用戶賬號數據、付款流水號數據和交易IP數據，生成基表，并繼續執行所述通過存儲的特征算法對所述基表進行特征計算，生成特征表的步驟。

6.根據權利要求1所述的方法，其特征在于，所述將一個或多個所述風險賬戶和多個黑樣本對應的用戶賬號數據確定為風險賬號之后包括：

顯示所述風險賬號。

7.一種預測風險賬號的裝置，其特征在于，包括：

第一生成模塊，用于通過提升樹模型對獲取的訓練測試集進行訓練，生成風險模型；

第二生成模塊，用于將獲取的多個灰樣本輸入所述風險模型，生成每個所述灰樣本對應的風險概率；

第一確定模塊，用于將多個所述風險概率中大于設定概率的一個或多個所述風險概率對應的灰樣本，確定為風險賬戶；

第二確定模塊，用于將一個或多個所述風險賬戶和多個黑樣本對應的用戶賬號數據確定為風險賬號。

8.根據權利要求7所述的裝置，其特征在于，還包括：

第三生成模塊，用于通過專家經驗算法對獲取的特征表進行分類，生成多個黑樣本、多個白樣本和多個灰樣本；

第四生成模塊，用于從多個所述白樣本中隨機提取設定數量個白樣本，生成多個隨機白樣本；

第五生成模塊，用于根據多個所述隨機白樣本和多個所述黑樣本，生成訓練測試集。

9.一種存儲介質，其特征在于，包括：所述存儲介質包括存儲的程序，其中，在所述程序運行時控制所述存儲介質所在設備執行權利要求1至6任意一項所述的預測風險賬號的方法。

10.一種計算機設備，包括存儲器和處理器，所述存儲器用于存儲包括程序指令的信息，所述處理器用于控制程序指令的執行，其特征在于，所述程序指令被處理器加載并執行時實現權利要求1至6任意一項所述的預測風險賬號的方法的步驟。