一种业务参数获取方法及装置制造方法及图纸

本发明专利技术实施例公开了一种业务参数获取方法及装置，首先获取待预测业务参数的样本用户的特征数据，将所述特征数据输入到logistic回归分析模型得到所述特征数据的特征参数，所述特征参数用于确定所述业务参数，当所述特征参数位于预设的第一阈值区间时，确定所述样本用户具有所述第一业务参数，当所述特征参数位于预设的第二阈值区间时，确定所述样本用户具有所述第二业务参数，其中所述logistic回归分析模型是采用大量样本用户的特征数据进行logistic回归分析并反复迭代训练得到，因为logistic回归分析模型预先对大量的样本用户进行分析后确定的特征参数对应的数值，这样对一个待测试业务参数的用户进行业务参数获取时候结果比较准确，能够较为客观对样本用户的违约进行预估。

【技术实现步骤摘要】
一种业务参数获取方法及装置
本专利技术涉及互联网
，特别涉及一种业务参数获取方法及装置。
技术介绍
当前很多业务与业务参数都是直接相关的，业务参数直接影响到业务申请是否能够成功。业务提供方在为用户分配业务时会根据已有的业务参数来评估是否为该用户分配业务。但目前，在业务提供方有可以获得大量的用户业务参数记录，需要从中获取到所需要的目标用户的业务参数，目前业务提供方无法准确对所需要的目标用户的业务参数进行准确的评估，导致业务提供方目标用户提供业务存在一定风险。
技术实现思路
有鉴于此，本专利技术实施例提供了一种业务参数获取方法及装置。本专利技术的一个目的是提供一种业务参数获取方法，所述方法包括：确定满足预置规则的样本用户为目标样本用户；利用大量所述目标样本用户的特征数据确定logistic回归分析模型；获取待预测业务参数的样本用户的特征数据；将所述特征数据输入到所述logistic回归分析模型得到所述特征数据的特征参数，所述特征参数用于确定所述业务参数；当所述特征参数位于预设的第一阈值区间时，确定所述样本用户具有所述第一业务参数；当所述特征参数位于预设的第二阈值区间时，确定所述样本用户具有所述第二业务参数；其中，所述logistic回归分析模型是采用大量样本用户的特征数据进行logistic回归分析并反复迭代训练得到。可选地，所述利用大量所述目标样本用户的特征数据确定所述logistic回归分析模型具体包括：对所述目标样本用户的特征数据进行衍生并提取具有趋势性的第一参数；对所述第一参数进行降维得到具有解释性的第二参数；对所述第二参数依次进行聚类分析、判别分析以及去重以得到第三参数；对所述第三参数进行logistic回归分析以得到第四参数；对所述第四参数进行重复迭代运算以得到模型参数，所述模型参数用于确定所述特征数据对应的所述特征参数。可选地，所述预置规则至少包括：所述目标样本用的所处位置位于目标位置、与所述目标样本用户的关联程度达到预设关联阈值的用户、所述目标样本用户的身份信息符合预置条件。可选地，所述第一阈值区间位于0和0.5之间，所述第二阈值区间位于0.5和1之间。本专利技术的另一个目的是提供一种业务参数获取装置，所述装置包括：获取单元，用于获取待预测业务参数的样本用户的特征数据；处理单元，用于确定满足预置规则的样本用户为目标样本用户；利用大量所述目标样本用户的特征数据确定所述logistic回归分析模型；将所述特征数据输入到logistic回归分析模型得到所述特征数据的特征参数，所述特征参数用于确定所述业务参数；当所述特征参数位于预设的第一阈值区间时，确定所述样本用户具有所述第一业务参数；当所述特征参数位于预设的第二阈值区间时，确定所述样本用户具有所述第二业务参数，其中，所述logistic回归分析模型是采用大量样本用户的特征数据进行logistic回归分析并反复迭代训练得到。可选地，所述处理单元还用于：对所述目标样本用户的特征数据进行衍生并提取具有趋势性的第一参数；对所述第一参数进行降维得到具有解释性的第二参数；对所述第二参数依次进行聚类分析、判别分析以及去重以得到第三参数；对所述第三参数进行logistic回归分析以得到第四参数；对所述第四参数进行重复迭代运算以得到模型参数，所述模型参数用于确定所述特征数据对应的所述特征参数。可选地，所述预置规则至少包括：所述目标样本用的所处位置位于目标位置、与所述目标样本用户的关联程度达到预设关联阈值的用户、所述目标样本用户的身份信息符合预置条件。本专利技术的再一个目的是提供一种业务参数获取设备，所述设备的结构中包括处理器和存储器，所述存储器用于存储支持数据处理的设备执行上述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述数据库处理设备还可以包括通信接口，用于数据库处理设备与其他设备或通信网络通信。本专利技术实施例提供了一种计算机存储介质，用于储存为上述业务参数获取装置所用的计算机软件指令，其包含用于执行上述方面为业务参数获取装置所设计的程序。本专利技术实施例公开了一种业务参数获取方法及装置，首先获取待预测业务参数的样本用户的特征数据，将所述特征数据输入到logistic回归分析模型得到所述特征数据的特征参数，所述特征参数用于确定所述业务参数，当所述特征参数位于预设的第一阈值区间时，确定所述样本用户具有所述第一业务参数，当所述特征参数位于预设的第二阈值区间时，确定所述样本用户具有所述第二业务参数，其中所述logistic回归分析模型是采用大量样本用户的特征数据进行logistic回归分析并反复迭代训练得到，因为logistic回归分析模型预先对大量的样本用户进行分析后确定的特征参数对应的数值，这样对一个待测试业务参数的用户进行业务参数获取时候结果比较准确，能够较为客观对样本用户的违约进行预估。附图说明图1是本专利技术实施例业务参数获取方法的一种实施例的流程图；图2是本专利技术实施例业务参数获取方法的另一种实施例的流程图；图3是本专利技术实施例业务参数获取装置的一种实施例的结构图；图4是本专利技术实施例业务参数获取装置的另一种实施例的结构图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。在描述本专利技术实施例之前，先对本专利技术实施例中涉及到的名词做初步的介绍：logistic回归分析模型是基于有监督训练的机器学习模型。有监督学习:一种训练方法，有训练样本和训练标签。在大学中经常会提到国家助学贷款，用于帮助家庭经济条件不好的学生完成学习，跟通常的贷款相类似的也是需要对在校生的违约进行预判，通过多种方式管控风险，例如延迟颁发毕业证或学位证等等，这些措施是在贷款之后对贷款人的风险管控措施，在进行贷款之前对于在校生的贷款违约的预测并没有做到很全面很准确。需要说明的是，本专利技术实施例的方案不限于社交应用，所有可以公开的用户特征数据都可以用作本专利技术实施例。随着科技的发展，越来越多的社交应用走入我们生活，在用户授权的情况下，很多社交应用都可以将用户的所在位置和设备信息公布在社交圈，例如在朋友圈显示当前所在位置、在微博信息中标注发送微博设备的品牌型号，这些信息都可以体现出用户的特征数据，可以通过这些特征数据进行一些预判。本专利技术通过对用户的特征数据确定对应的业务参数，实际上这些业务参数可以反映用户在未来一段时间内的诚信情本文档来自技高网...

【技术保护点】
一种业务参数获取方法，其特征在于，所述方法包括：确定满足预置规则的样本用户为目标样本用户；利用大量所述目标样本用户的特征数据确定logistic回归分析模型；获取待预测业务参数的样本用户的特征数据；将所述特征数据输入到所述logistic回归分析模型得到所述特征数据的特征参数，所述特征参数用于确定所述业务参数；当所述特征参数位于预设的第一阈值区间时，确定所述样本用户具有所述第一业务参数；当所述特征参数位于预设的第二阈值区间时，确定所述样本用户具有所述第二业务参数；其中，所述logistic回归分析模型是采用大量样本用户的特征数据进行logistic回归分析并反复迭代训练得到。

【技术特征摘要】
1.一种业务参数获取方法，其特征在于，所述方法包括：确定满足预置规则的样本用户为目标样本用户；利用大量所述目标样本用户的特征数据确定logistic回归分析模型；获取待预测业务参数的样本用户的特征数据；将所述特征数据输入到所述logistic回归分析模型得到所述特征数据的特征参数，所述特征参数用于确定所述业务参数；当所述特征参数位于预设的第一阈值区间时，确定所述样本用户具有所述第一业务参数；当所述特征参数位于预设的第二阈值区间时，确定所述样本用户具有所述第二业务参数；其中，所述logistic回归分析模型是采用大量样本用户的特征数据进行logistic回归分析并反复迭代训练得到。2.根据权利要求1所述的方法，其特征在于，所述利用大量所述目标样本用户的特征数据确定所述logistic回归分析模型具体包括：对所述目标样本用户的特征数据进行衍生并提取具有趋势性的第一参数；对所述第一参数进行降维得到具有解释性的第二参数；对所述第二参数依次进行聚类分析、判别分析以及去重以得到第三参数；对所述第三参数进行logistic回归分析以得到第四参数；对所述第四参数进行重复迭代运算以得到模型参数，所述模型参数用于确定所述特征数据对应的所述特征参数。3.根据权利要求1所述的方法，其特征在于，所述预置规则至少包括：所述目标样本用的所处位置位于目标位置、与所述目标样本用户的关联程度达到预设关联阈值的用户、所述目标样本用户的身份信息符合预置条件。4.根据权利要求1所述的方法，其特征在于，所述第一阈值区间位于0和0.5之间，所述第二阈值区间位于0.5和1之间。5.一种业务...

【专利技术属性】
技术研发人员：黄文，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44