[發明專利]基于社會網絡分析技術的數據挖掘的一種方法

在審

• 申請號: 202110704883.4
• 申請日: 2021-06-24
• 公開（公告）號: CN113408207A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 祖玉寧
• 申請（專利權）人: 上海碩恩網絡科技股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q40/02;G06F16/2458;G06F16/28;G06F16/35;G06F40/30;G06F16/951;G06F9/50
• 代理公司: 北京貴都專利代理事務所(普通合伙) 11649
• 代理人: 李新鋒

本發明涉及數據挖掘技術領域,更具體的說是涉及基于社會網絡分析技術的數據挖掘的一種方法，包括征信風控建模、特征變量庫、仿真數據庫和場景變量數據挖掘四個模塊。本發明支持多業務場景–發卡、調額、催收等建模(風控)有效信息覆蓋率達95?99％；特征變量加工代碼正確率高達99.99％口有效保障模型的可靠性，風險識別率高獲益機會識別率高大幅提升行方數據分析能力；大幅度減輕信息科技部的臨時開發任務壓力對業務知識形成系統化框架；實時更新新增大額分期錄入更多網貸信息新增共同借款標志；業務知識全覆蓋，全庫特征變量數已達700,000+靈活有效應對以上行業痛點，全方位支撐各種業務場景需求兼容性好，可融合多方數據源。

技術領域

本發明涉及數據挖掘技術領域,更具體的說是涉及基于社會網絡分析技術的數據挖掘的一種方法。

背景技術

隨著社會信息化的不斷發展，信息技術應用領域的不斷拓展，各個應用領域包括經濟、醫療、建筑、環境等均積累了越來越多的數據。自上世紀八十年代開始，世界各地的數據總量飛速增長，甚至幾個月就會增長一倍，然而如何有效的利用、分析這些數據信息，并從中獲取其隱藏的有用信息，則成了一個巨大的挑戰。在這些海量的數據中，有一部分數據是按時間順序有序排列的，這類數據便稱之為時間序列(TimeSeries)。各個應用領域中均存在時間序列，通過深入研究這些時間序列，發現序列背后所隱藏的潛在規律以及有價值的信息具有重大的社會意義和經濟價值。

近年來，隨著數據量的增加，一些數據分析方法無法有效提取出更多有價值的數據信息，因此一種新的數據分析方法——數據挖掘(DataMining)技術便產生了。數據挖掘技術不僅能分析已有的數據，還可從原有數據中預測未來未知的信息，譬如，通過數據挖掘可以預測到下月某商場的銷售量等。何為數據挖掘？數據挖掘可以以許多不同的形式被定義，簡單來說，數據挖掘就是從海量的數據信息中提取出有價值的信息，原有的數據大部分是有模糊噪聲的數據，但在這些數據中又存在著很多潛在價值。挖掘的過程是通過利用各個領域的技術知識對海量數據進行處理分析，挖掘出可以有益于人們進行更高層次的分析決策的內容。

目前，雖然國內外對數據挖掘的研究已取得不少的成果，但對各個應用領域的時間序列的挖掘卻沒有通用性，譬如對金融領域的數據挖掘的方法在醫療領域應用時所得到的性能效果不是很好。現在大多數的方法可能只是在某一個方面表現出較為良好的性能，而不能在其他各個方面綜合起來有一個很好的性能。顯然，以往對時間序列的研究還是存在著一些不足的，對于不同領域的時間序列挖掘問題，傳統的挖掘方法己不適用，如何尋求一些新的數據挖掘是本領域技術人員亟需解決的問題。

發明內容

有鑒于此，本發明目的在于提供一種基于社會網絡分析技術的數據挖掘的一種方法，使其能有效地處理海量數據，提高數據挖掘的運算速度和精度，能有效提取所需的探索興趣特征數據，具有覆蓋面廣、靈活性強、風險識別率高的特點。

為實現上述目的，本發明提供如下技術方案：

基于社會網絡分析技術的數據挖掘的一種方法，其特征在于，包括：征信風控建模、特征變量庫、仿真數據庫以及場景變量數據挖掘四個模塊；

所述征信風控建模的具體操作步驟如下：

S1.準備數據，收集存量數據樣本；

S2.對數據樣本進行預處理，根據數據樣本的屬性建立特征變量寬表數據集；

S3.對所述數據集進行劃分，將數據集劃分成訓練集、測試集和驗證集；

S4.建立訓練模型；

S5.使用訓模型訓練，并調整損失函數和優化器；

S6.評分卡生成，使用S2中所述測試機評估訓練模型的測試準確度；

S7.公布，并在業務場景中應用；

S8.應用的數據沉淀并反饋至S1處進入收集的樣本中；