[發(fā)明專利]數(shù)據(jù)處理方法和數(shù)據(jù)處理裝置

在審

• 申請?zhí)枺?/td>: 202110728727.1
• 申請日: 2021-06-29
• 公開（公告）號: CN113362176A
• 公開（公告）日: 2021-09-07
• 發(fā)明（設(shè)計）人: 段景初;任曉謝;夏振全;劉景濤;曹葉靜
• 申請（專利權(quán)）人: 中國農(nóng)業(yè)銀行股份有限公司
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06N20/00
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205
• 代理人: 朱穎;黃健

1.一種數(shù)據(jù)處理方法，其特征在于，包括：

獲取待預(yù)測時間段的用戶合約數(shù)據(jù)、用戶授信數(shù)據(jù)以及用戶交易數(shù)據(jù)，所述用戶合約數(shù)據(jù)包括至少一個用戶中每個用戶的理財合約信息、基金合約信息、保險合約信息、外匯合約信息或債券合約信息中的至少一個，所述用戶授信數(shù)據(jù)包括所述每個用戶在所述待預(yù)測時間段的授信額度，所述用戶交易數(shù)據(jù)包括所述每個用戶的業(yè)務(wù)交易特性，所述業(yè)務(wù)交易特性包括交易的時間特征、所述交易的頻次特征、所述交易的金額特征或所述交易的產(chǎn)品類型特征中的至少一個；

將所述用戶合約數(shù)據(jù)、所述用戶授信數(shù)據(jù)以及所述用戶交易數(shù)據(jù)輸入至機器學(xué)習(xí)模型，獲得所述每個用戶在未來時間段的預(yù)測授信額度，所述機器學(xué)習(xí)模型是基于第一歷史時間段的用戶合約數(shù)據(jù)、用戶授信數(shù)據(jù)、用戶交易數(shù)據(jù)以及所述第一歷史時間段的用戶的未來實際授信額度訓(xùn)練得到的。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述業(yè)務(wù)交易特性包括下列至少一個：

動賬交易特性、出入金交易特性、查詢交易特性、股票交易特性或外匯交易特性。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述用戶授信數(shù)據(jù)還包括下列至少一個：

所述待預(yù)測時間段內(nèi)所述每個用戶的授信額度之和、所述待預(yù)測時間段內(nèi)所述每個用戶的授信額度的平均值、所述待預(yù)測時間段內(nèi)所述每個用戶的授信額度的最大值、或所述待預(yù)測時間段內(nèi)所述每個用戶的授信額度的最小值。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述獲取待預(yù)測時間段的用戶合約數(shù)據(jù)、用戶授信數(shù)據(jù)以及用戶交易數(shù)據(jù)之前，所述方法還包括：

確定所述機器學(xué)習(xí)模型的目標(biāo)準(zhǔn)確率；

所述獲取待預(yù)測時間段的用戶合約數(shù)據(jù)、用戶授信數(shù)據(jù)以及用戶交易數(shù)據(jù)，包括：

在所述目標(biāo)準(zhǔn)確率大于或者等于閾值的情況下，獲取所述待預(yù)測時間段的用戶合約數(shù)據(jù)、用戶授信數(shù)據(jù)以及用戶交易數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述確定所述機器學(xué)習(xí)模型的目標(biāo)準(zhǔn)確率，包括：

確定N個訓(xùn)練集和N個測試集，所述N個訓(xùn)練集合和所述N個測試集一一對應(yīng)，N≥2；

基于所述N個訓(xùn)練集和所述N個測試集分別對所述機器學(xué)習(xí)模型進行驗證，獲得N個準(zhǔn)確率；

基于所述N個準(zhǔn)確率，確定所述目標(biāo)準(zhǔn)確率。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述目標(biāo)準(zhǔn)確率為所述N個準(zhǔn)確率的平均值。

7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述確定N個訓(xùn)練集和N個測試集，包括：

獲取驗證數(shù)據(jù)，所述驗證數(shù)據(jù)包括第二歷史時間段的用戶合約數(shù)據(jù)、用戶授信數(shù)據(jù)、用戶交易數(shù)據(jù)以及所述第二歷史時間段的用戶的未來實際授信額度；

將所述第二歷史時間段劃分為連續(xù)的N個子歷史時間段，所述N個子歷史時間段分別對應(yīng)N個子驗證數(shù)據(jù)；

將所述N個子驗證數(shù)據(jù)中第i個子驗證數(shù)據(jù)確定為所述N個測試集中的第i個測試集；

將所述N個子驗證數(shù)據(jù)中除所述第i個子驗證數(shù)據(jù)之外剩余的N-1個子驗證數(shù)據(jù)確定為所述N個訓(xùn)練集中的第i個訓(xùn)練集，i為大于或等于1的整數(shù)，且i取遍{1,2,…,N}。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述基于所述N個訓(xùn)練集和所述N個測試集分別對所述機器學(xué)習(xí)模型進行驗證，獲得N個準(zhǔn)確率，包括：

基于所述第i個訓(xùn)練集，獲得訓(xùn)練后的所述機器學(xué)習(xí)模型；

將所述第i個測試集輸入所述訓(xùn)練后的機器學(xué)習(xí)模型，獲得待驗證授信額度；

基于所述待驗證授信額度和所述第i個子驗證數(shù)據(jù)中的未來實際授信額度，得到所述N個準(zhǔn)確率中的第i個準(zhǔn)確率。

9.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述方法還包括：

在確定所述目標(biāo)準(zhǔn)確率小于所述閾值的情況下，優(yōu)化所述機器學(xué)習(xí)模型。