信息处理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种信息处理方法、装置、计算机设备和存储介质。所述方法包括：获取当前用户在第一时间段的多个第一位置数据以及所述当前用户在第二时间段的多个第二位置数据；获取所述各个第一位置数据对应的消费数据，根据所述各个消费数据得到对应的消费特征；将所述消费特征输入预先训练得到的信用度模型中，得到所述当前用户对应的目标信用度；将所述第二位置数据与预设位置数据进行对比，得到异常位置比对结果；根据所述异常位置比对结果以及所述目标信用度得到所述当前用户对应的资源转移策略。采用本方法能够提高资源数值转移策略的准确性。

【技术实现步骤摘要】
信息处理方法、装置、计算机设备和存储介质
本申请涉及信息处理
，特别是涉及一种信息处理方法、装置、计算机设备和存储介质。
技术介绍
随着互联网技术的发展，人们对互联网的使用越来越频繁，越来越多的用户通过网络进行资源数值转移。因此在很多场景下都存在确定资源转移策略的需求，例如在信贷领域中，往往需要根据用户信息例如年龄、收入等确定向用户发放贷款的额度，目前主要依靠用户自己填写的信息进行资源转移策略评估，然而用户提交的信息查证难度较大，不准确，导致得到资源数值转移策略的准确性低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高得到资源数值转移策略的准确性的信息处理方法、装置、计算机设备和存储介质。一种信息处理方法，所述方法包括：获取当前用户在第一时间段的多个第一位置数据以及所述当前用户在第二时间段的多个第二位置数据；获取所述各个第一位置数据对应的消费数据，根据所述各个消费数据得到对应的消费特征；将所述消费特征输入预先训练得到的信用度模型中，得到所述当前用户对应的目标信用度；将所述第二位置数据与预设位置数据进行对比，得到异常位置比对结果；根据所述异常位置比对结果以及所述目标信用度得到所述当前用户对应的资源转移策略。在一个实施例中，所述将所述消费特征输入预先训练得到的信用度模型中，得到所述当前用户的目标信用度的步骤包括：将所述消费特征分别输入到多个预先训练得到的所述信用度模型中，得到所述各个信用度模型输出的所述当前用户的初始信用度；根据所述各个初始信用度以及对应的信用度模型的权重计算得到所述当前用户对应的目标信用度。在一个实施例中，所述方法还包括：获取进行模型训练的样本集，所述样本集包括多个样本，所述样本包括多个训练消费特征以及对应的样本信用度；根据所述样本集以及多种不同的模型训练方法进行模型训练，得到所述各个不同的模型训练方法训练得到的多个信用度模型；将所述样本对应的消费特征输入到所述信用度模型中，得到所述样本对应的模型信用度；根据所述各个信用度模型中样本对应的模型信用度与所述样本信用度的差距得到所述各个信用度模型对应的权重。在一个实施例中，所述根据所述各个模型中样本对应的模型信用度与所述样本信用度的差距得到所述各个模型对应的权重的步骤包括：计算所述各个信用度模型中样本对应的模型信用度与所述样本信用度的偏差；对所述各个信用度模型对应的偏差进行求和计算，得到所述各个信用度模型对应的总偏差；根据所述各个信用度模型对应的总偏差以及预设的权重算法得到所述各个信用度模型对应的权重，其中，所述权重算法中总偏差与权重为负相关关系。在一个实施例中，所述获取所述各个第一位置数据对应的消费数据，根据所述各个消费数据得到对应的消费特征的步骤包括：获取所述各个第一位置数据对应的商户信息，所述商户信息包括所述商户的消费数据以及所述商户的商户类型；根据所述各个商户的消费数据以及所述商户的消费类型得到对应的消费特征。在一个实施例中，所述预设位置数据包括所述当前用户在第三时间段的历史行动轨迹，所述第二位置数据包括所述当前用户在第二时间段的目标行动轨迹，所述将所述第二位置数据与预设位置数据进行对比，得到异常位置比对结果的步骤包括：获取所述当前用户在所述第三时间段的历史行动轨迹，所述第三时间段所在的时间早于所述第二时间段所在的时间；将所述当前用户在所述第二时间段的目标行动轨迹与所述当前用户在所述第三时间段的历史行动轨迹进行对比，得到异常位置比对结果。在一个实施例中，所述根据所述异常位置比对结果以及所述目标信用度得到所述当前用户对应的资源转移策略的步骤包括：根据所述目标信用度得到所述当前用户对应的初始资源转移数值；根据所述异常位置比对结果确定所述当前用户的行为模式；根据所述行为模式以及所述初始资源转移数值得到所述当前用户对应的目标资源转移数值。一种信息处理装置，所述装置包括：位置数据获取模块，用于获取当前用户在第一时间段的多个第一位置数据以及所述当前用户在第二时间段的多个第二位置数据；特征得到模块，用于获取所述各个第一位置数据对应的消费数据，根据所述各个消费数据得到对应的消费特征；信用度得到模块，用于将所述消费特征输入预先训练得到的信用度模型中，得到所述当前用户对应的目标信用度；对比模块，用于将所述第二位置数据与预设位置数据进行对比，得到异常位置比对结果；策略得到模块，用于根据所述异常位置比对结果以及所述目标信用度得到所述当前用户对应的资源转移策略。在一个实施例中，所述信用度得到模块包括：初始信用度得到单元，用于将所述消费特征分别输入到多个预先训练得到的所述信用度模型中，得到所述各个信用度模型输出的所述当前用户的初始信用度；目标信用度得到单元，用于根据所述各个初始信用度以及对应的信用度模型的权重计算得到所述当前用户对应的目标信用度。在一个实施例中，所述装置还包括：样本集获取模块，用于获取进行模型训练的样本集，所述样本集包括多个样本，所述样本包括多个训练消费特征以及对应的样本信用度；训练模块，用于根据所述样本集以及多种不同的模型训练方法进行模型训练，得到所述各个不同的模型训练方法训练得到的多个信用度模型；模型信用度模块，用于将所述样本对应的消费特征输入到所述信用度模型中，得到所述样本对应的模型信用度；权重得到模块，用于根据所述各个信用度模型中样本对应的模型信用度与所述样本信用度的差距得到所述各个信用度模型对应的权重。在一个实施例中，所述权重得到模块用于：计算所述各个信用度模型中样本对应的模型信用度与所述样本信用度的偏差；对所述各个信用度模型对应的偏差进行求和计算，得到所述各个信用度模型对应的总偏差；根据所述各个信用度模型对应的总偏差以及预设的权重算法得到所述各个信用度模型对应的权重，其中，所述权重算法中总偏差与权重为负相关关系。在一个实施例中，所述特征得到模块包括：商户信息获取单元，用于获取所述各个第一位置数据对应的商户信息，所述商户信息包括所述商户的消费数据以及所述商户的商户类型；特征得到单元，用于根据所述各个商户的消费数据以及所述商户的消费类型得到对应的消费特征。在一个实施例中，所述预设位置数据包括所述当前用户在第三时间段的历史行动轨迹，所述对比模块包括：历史轨迹获取单元，用于获取所述当前用户在所述第三时间段的历史行动轨迹，所述第三时间段所在的时间早于所述第二时间段所在的时间；比对单元，用于将所述当前用户在所述第二时间段的目标行动轨迹与所述当前用户在所述第三时间段的历史行动轨迹进行对比，得到异常位置比对结果。在一个实施例中，所述策略得到模块包括：初始数值得到单元，用于根据所述目标信用度得到所述当前用户对应的初始资源转移数值；行为模式确定单元，用于根据所述异常位置比对结果确定所述当前用户的行为模式；目标数值得到单元，用于根据所述行为模式以及所述初始资源转移数值得到所述当前用户对应的目标资源转移数值。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取当前用户在第一时间段的多个第一位置数据以及所述当前用户在第二时间段的多个第二位置数据；获取所述各个第一位置数据对应的消费数据，根据所述各个消费数据得到对应的消费特征；将所述消费特征输入预先训练本文档来自技高网...

【技术保护点】
1.一种信息处理方法，所述方法包括：获取当前用户在第一时间段的多个第一位置数据以及所述当前用户在第二时间段的多个第二位置数据；获取所述各个第一位置数据对应的消费数据，根据所述各个消费数据得到对应的消费特征；将所述消费特征输入预先训练得到的信用度模型中，得到所述当前用户对应的目标信用度；将所述第二位置数据与预设位置数据进行对比，得到异常位置比对结果；根据所述异常位置比对结果以及所述目标信用度得到所述当前用户对应的资源转移策略。

【技术特征摘要】
1.一种信息处理方法，所述方法包括：获取当前用户在第一时间段的多个第一位置数据以及所述当前用户在第二时间段的多个第二位置数据；获取所述各个第一位置数据对应的消费数据，根据所述各个消费数据得到对应的消费特征；将所述消费特征输入预先训练得到的信用度模型中，得到所述当前用户对应的目标信用度；将所述第二位置数据与预设位置数据进行对比，得到异常位置比对结果；根据所述异常位置比对结果以及所述目标信用度得到所述当前用户对应的资源转移策略。2.根据权利要求1所述的方法，其特征在于，所述将所述消费特征输入预先训练得到的信用度模型中，得到所述当前用户的目标信用度的步骤包括：将所述消费特征分别输入到多个预先训练得到的所述信用度模型中，得到所述各个信用度模型输出的所述当前用户的初始信用度；根据所述各个初始信用度以及对应的信用度模型的权重计算得到所述当前用户对应的目标信用度。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取进行模型训练的样本集，所述样本集包括多个样本，所述样本包括多个训练消费特征以及对应的样本信用度；根据所述样本集以及多种不同的模型训练方法进行模型训练，得到所述各个不同的模型训练方法训练得到的多个信用度模型；将所述样本对应的消费特征输入到所述信用度模型中，得到所述样本对应的模型信用度；根据所述各个信用度模型中样本对应的模型信用度与所述样本信用度的差距得到所述各个信用度模型对应的权重。4.根据权利要求3所述的方法，其特征在于，所述根据所述各个模型中样本对应的模型信用度与所述样本信用度的差距得到所述各个模型对应的权重的步骤包括：计算所述各个信用度模型中样本对应的模型信用度与所述样本信用度的偏差；对所述各个信用度模型对应的偏差进行求和计算，得到所述各个信用度模型对应的总偏差；根据所述各个信用度模型对应的总偏差以及预设的权重算法得到所述各个信用度模型对应的权重，其中，所述权重算法中总偏差与权重为负相关关系。5.根据权利要求1所述的方法，其特征在于，所述获取所述各个第一位置数据对应的消费数据，根据所述各个消费数据得到对应的消费特征的步骤包括：获取所...

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