[發(fā)明專利]業(yè)務(wù)風(fēng)險(xiǎn)分析方法、裝置、設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110696697.0
• 申請日: 2021-06-23
• 公開（公告）號: CN113516302B
• 公開（公告）日: 2022-01-04
• 發(fā)明（設(shè)計(jì)）人: 沈嘉良;陶至成
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06
• 代理公司: 北京市京大律師事務(wù)所 11321
• 代理人: 姚維

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，提供一種業(yè)務(wù)風(fēng)險(xiǎn)分析方法、裝置、設(shè)備及存儲介質(zhì)，用于提高基于用戶行為分析的業(yè)務(wù)風(fēng)險(xiǎn)預(yù)測準(zhǔn)確性。業(yè)務(wù)風(fēng)險(xiǎn)分析方法包括：對網(wǎng)格地圖片區(qū)數(shù)據(jù)和用戶移動(dòng)位置數(shù)據(jù)進(jìn)行片區(qū)出行數(shù)據(jù)分析得到目標(biāo)片區(qū)出行數(shù)據(jù)；對目標(biāo)片區(qū)出行數(shù)據(jù)進(jìn)行基于預(yù)設(shè)時(shí)間段的業(yè)務(wù)指標(biāo)回歸分析得到目標(biāo)業(yè)務(wù)指標(biāo)預(yù)測數(shù)據(jù)；對目標(biāo)業(yè)務(wù)指標(biāo)預(yù)測數(shù)據(jù)進(jìn)行基于實(shí)時(shí)風(fēng)險(xiǎn)類型的分類得到動(dòng)態(tài)業(yè)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)；對用戶信息進(jìn)行基于風(fēng)險(xiǎn)類型的分類，得到靜態(tài)業(yè)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)；根據(jù)動(dòng)態(tài)業(yè)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)和靜態(tài)業(yè)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)確定目標(biāo)業(yè)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)。此外，本發(fā)明還涉及區(qū)塊鏈技術(shù)，網(wǎng)格地圖片區(qū)數(shù)據(jù)和用戶移動(dòng)位置數(shù)據(jù)可存儲于區(qū)塊鏈中。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能的智能決策領(lǐng)域，尤其涉及一種業(yè)務(wù)風(fēng)險(xiǎn)分析方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

大數(shù)據(jù)時(shí)代，用戶出行軌跡的分析常被用于數(shù)據(jù)的挖掘，如：通過對用戶出行軌跡的分析，可以發(fā)現(xiàn)用戶的愛好、消費(fèi)水平、工作環(huán)境、出行規(guī)律和人際網(wǎng)絡(luò)等信息，并通過這些信息建立豐富的用戶畫像。其中，用戶出行軌跡的分析，也運(yùn)用在數(shù)據(jù)的預(yù)測中，目前，通常根據(jù)用戶行為信息和單一的預(yù)測模型進(jìn)行單態(tài)的業(yè)務(wù)風(fēng)險(xiǎn)預(yù)測，來實(shí)現(xiàn)基于用戶出行軌跡分析的業(yè)務(wù)風(fēng)險(xiǎn)預(yù)測。

但是，由于采用的預(yù)測數(shù)據(jù)（即用戶行為信息）存在滯后性，且單一的預(yù)測模型預(yù)測的靈活性和適用性差，導(dǎo)致其預(yù)測的時(shí)效性和穩(wěn)定性差，從而導(dǎo)致了基于用戶行為分析的業(yè)務(wù)風(fēng)險(xiǎn)預(yù)測準(zhǔn)確性低。

發(fā)明內(nèi)容

本發(fā)明提供一種業(yè)務(wù)風(fēng)險(xiǎn)分析方法、裝置、設(shè)備及存儲介質(zhì)，用于提高基于用戶行為分析的業(yè)務(wù)風(fēng)險(xiǎn)預(yù)測準(zhǔn)確性。

本發(fā)明第一方面提供了一種業(yè)務(wù)風(fēng)險(xiǎn)分析方法，包括：

獲取網(wǎng)格地圖片區(qū)數(shù)據(jù)和用戶移動(dòng)位置數(shù)據(jù)，并對所述網(wǎng)格地圖片區(qū)數(shù)據(jù)和所述用戶移動(dòng)位置數(shù)據(jù)進(jìn)行片區(qū)出行數(shù)據(jù)分析，得到目標(biāo)片區(qū)出行數(shù)據(jù)；

調(diào)用預(yù)置的業(yè)務(wù)指標(biāo)預(yù)測模型，對所述目標(biāo)片區(qū)出行數(shù)據(jù)進(jìn)行基于預(yù)設(shè)時(shí)間段的業(yè)務(wù)指標(biāo)回歸分析，得到目標(biāo)業(yè)務(wù)指標(biāo)預(yù)測數(shù)據(jù)；

調(diào)用預(yù)置的動(dòng)態(tài)業(yè)務(wù)風(fēng)險(xiǎn)預(yù)測模型，對所述目標(biāo)業(yè)務(wù)指標(biāo)預(yù)測數(shù)據(jù)進(jìn)行基于實(shí)時(shí)風(fēng)險(xiǎn)類型的分類，得到動(dòng)態(tài)業(yè)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)；

獲取用戶信息，并調(diào)用預(yù)置的靜態(tài)業(yè)務(wù)風(fēng)險(xiǎn)預(yù)測模型，對所述用戶信息進(jìn)行基于風(fēng)險(xiǎn)類型的分類，得到靜態(tài)業(yè)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)；

對所述動(dòng)態(tài)業(yè)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)和所述靜態(tài)業(yè)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)進(jìn)行業(yè)務(wù)風(fēng)險(xiǎn)等級識別，得到目標(biāo)業(yè)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)。

可選的，在本發(fā)明第一方面的第一種實(shí)現(xiàn)方式中，所述獲取網(wǎng)格地圖片區(qū)數(shù)據(jù)和用戶移動(dòng)位置數(shù)據(jù)，并對所述網(wǎng)格地圖片區(qū)數(shù)據(jù)和所述用戶移動(dòng)位置數(shù)據(jù)進(jìn)行片區(qū)出行數(shù)據(jù)分析，得到目標(biāo)片區(qū)出行數(shù)據(jù)，包括：

獲取初始網(wǎng)格化地圖數(shù)據(jù)和所述初始網(wǎng)格化地圖數(shù)據(jù)的網(wǎng)格點(diǎn)相似性度量，并基于所述網(wǎng)格點(diǎn)相似性度量，對所述初始網(wǎng)格化地圖數(shù)據(jù)進(jìn)行片區(qū)聚類，得到網(wǎng)格地圖片區(qū)數(shù)據(jù)；

獲取用戶移動(dòng)位置數(shù)據(jù)，并通過所述用戶移動(dòng)位置數(shù)據(jù)，對所述網(wǎng)格地圖片區(qū)數(shù)據(jù)進(jìn)行片區(qū)分析、片區(qū)出行數(shù)據(jù)補(bǔ)充和記錄統(tǒng)計(jì)，得到目標(biāo)片區(qū)出行數(shù)據(jù)。

可選的，在本發(fā)明第一方面的第二種實(shí)現(xiàn)方式中，所述獲取用戶移動(dòng)位置數(shù)據(jù)，并通過所述用戶移動(dòng)位置數(shù)據(jù)，對所述網(wǎng)格地圖片區(qū)數(shù)據(jù)進(jìn)行片區(qū)分析、片區(qū)出行數(shù)據(jù)補(bǔ)充和記錄統(tǒng)計(jì)，得到目標(biāo)片區(qū)出行數(shù)據(jù)，包括：

獲取用戶移動(dòng)位置數(shù)據(jù)，對所述網(wǎng)格地圖片區(qū)數(shù)據(jù)進(jìn)行基于所述用戶移動(dòng)位置數(shù)據(jù)的片區(qū)軌跡序列特征提取，得到各片區(qū)對應(yīng)的初始出行序列數(shù)據(jù)；

對所述各片區(qū)對應(yīng)的初始出行序列數(shù)據(jù)進(jìn)行基于出行軌跡的預(yù)測，得到各片區(qū)對應(yīng)的已預(yù)測出行序列數(shù)據(jù)；

將所述各片區(qū)對應(yīng)的初始出行序列數(shù)據(jù)分別與所述各片區(qū)對應(yīng)的已預(yù)測出行序列數(shù)據(jù)進(jìn)行合并，得到各片區(qū)對應(yīng)的目標(biāo)出行序列數(shù)據(jù)；