[發明專利]基于機器學習的事務聚集發生預警方法及其應用

在審

• 申請號: 202211294234.2
• 申請日: 2022-10-21
• 公開（公告）號: CN115564156A
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 朱淑敏;黃宸;曹鵬寅;李斌;田雨
• 申請（專利權）人: 城云科技（中國）有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/18;G06Q50/26;G06F16/35;G06F18/2321
• 代理公司: 杭州匯和信專利代理有限公司 33475
• 代理人: 陳江

1.基于機器學習的事務聚集發生預警方法，其特征在于，包括以下步驟：

S00、提取原有數據的特征結構，該特征結構至少包括事務文本內容；

S10、提取所述事務文本內容中的文本內容，并將該文本內容拆分為地址字段特征、人名字段特征、事務人數字段特征及原始文本字段特征，以實現對所述特征結構的補齊；

S20、將所述地址字段特征轉換成標準結構化地址及其經緯度數據，以作為新特征單獨存儲；

S30、通過遞歸密度聚類算法選取任一經緯度數據作為數據組點，并找到該數據組點密度可達的所有數據對象點形成一個簇，再將在同一簇下的數據組分類為同類數據；

S40、通過文本相似度算法處理同類數據下的文本字段，進一步優化分類結果并將同一類目下的相似事務作為結果存儲至結果表；

S50、輸出結果表并根據該結果表預警。

2.如權利要求1所述的基于機器學習的事務聚集發生預警方法，其特征在于，步驟S00中，所述特征結構還包括標識ID，該標識ID用于標識事務。

3.如權利要求1所述的基于機器學習的事務聚集發生預警方法，其特征在于，步驟S00中，所述特征結構還包括事務時間和事務地點。

4.如權利要求1所述的基于機器學習的事務聚集發生預警方法，其特征在于，步驟S10中，通過地圖軟件的開放API將所述地址字段特征轉換成標準結構化地址及其經度和緯度數據。

5.如權利要求1所述的基于機器學習的事務聚集發生預警方法，其特征在于，步驟S30中，若選取的數據組點為邊緣點，則選取另一個數據對象點，直至所有數據對象點被處理。

6.如權利要求1所述的基于機器學習的事務聚集發生預警方法，其特征在于，步驟S30中，根據簇群分布情況，按照簇的大小進行密度聚類形成新的簇，并進行遞歸，直至到達設定條件形成遞歸結果，并將遞歸結果中的同一類簇下的數據組點歸類為同類數據。

7.如權利要求6所述的基于機器學習的事務聚集發生預警方法，其特征在于，步驟S30中，通過DBSCAN算法將同一類簇下的數據組點歸類為同類數據。

8.一種基于機器學習的事務聚集發生預警裝置，其特征在于，包括：

數據提取模塊，用于提取原有數據的特征結構，該特征結構至少包括事務文本內容；

數據補全模塊，用于提取事務文本內容中的文本內容，并將該文本內容拆分為地址字段特征、人名字段特征、事務人數字段特征及原始文本字段特征，以實現對特征結構的補齊；

數據轉換模塊，用于將地址字段特征轉換成標準結構化地址及其經緯度數據，以作為新特征單獨存儲；

遞歸密度聚類模塊，用于通過遞歸密度聚類算法選取任一經緯度數據作為數據組點，并找到該數據組點密度可達的所有數據對象點形成一個簇，再將在同一簇下的數據組分類為同類數據；

文本相似度計算模塊，用于通過文本相似度算法處理同類數據下的文本字段，進一步優化分類結果并將同一類目下的相似事務作為結果存儲至結果表；

輸出模塊，用于輸出結果表并根據該結果表預警。

9.一種電子裝置，包括存儲器和處理器，其特征在于，所述存儲器中存儲有計算機程序，所述處理器被設置為運行所述計算機程序以執行權利要求1至7任一項所述的基于機器學習的事務聚集發生預警方法。

10.一種可讀存儲介質，其特征在于，所述可讀存儲介質中存儲有計算機程序，所述計算機程序包括用于控制過程以執行過程的程序代碼，所述過程包括根據權利要求1至7任一項所述的基于機器學習的事務聚集發生預警方法。