通信费用透支额度分配方法、装置、存储介质和计算机设备制造方法及图纸

本发明专利技术涉及一种通信费用透支额度分配方法、装置、存储介质和计算机设备，包括：获取多个用户行为场景下分别与目标用户标识对应的用户特征数据，所述多个用户行为场景包括用户通信行为场景；根据所述目标用户标识所对应的各用户行为场景下的用户特征数据，确定所述目标用户标识属于恶意用户标识类的概率；将所述目标用户标识属于恶意用户标识类的概率，映射为所述目标用户标识相应的信用分值；其中，所述目标用户标识相应的信用分值与所述目标用户标识属于恶意用户标识类的概率负相关；为所述目标用户标识分配与所述信用分值相对应的通信费用透支额度。本案提高了通信费用透支额度分配的准确性。

Distribution methods, devices, storage media and computer equipment for overdraft of communication expenses

The invention relates to a method, device, storage medium and computer equipment for allocating the overdraft quota of communication expenses, including acquiring user characteristic data corresponding to the target user identification in a plurality of user behavior scenarios, the plurality of user behavior scenarios including user communication behavior scenarios, and the number of user characteristics in each user behavior scenario corresponding to the target user identification. According to this, the probability that the target user identification belongs to the malicious user identification class is determined; the probability that the target user identification belongs to the malicious user identification class is mapped to the corresponding credit score of the target user identification; where the corresponding credit score of the target user identification is negatively correlated with the probability that the target user identification belongs to the malicious user identification class; and the probability that the target user identification belongs to the malicious user identification class is negatively correlated with the target user. The identification allocation corresponds to the communication overdraft amount corresponding to the credit score. This case improves the accuracy of the allocation of the overdraft amount of communication expenses.

【技术实现步骤摘要】
通信费用透支额度分配方法、装置、存储介质和计算机设备
本专利技术涉及计算机
，特别是涉及一种通信费用透支额度分配方法、装置、存储介质和计算机设备。
技术介绍
随着计算机技术的不断发展，通过计算机实现资源的分配越来越普遍。比如通信费用透支额度的分配等。通信费用透支额度的提供者可以在计算机平台上将通信费用透支额度分配至通信费用的使用者。传统的通信费用透支额度分配方式在对通信费用的使用者进行通信费用透支额度分配时，通常是采用特定的评分策略对通信费用的使用者进行评分，再根据分值为通信费用的使用者分配通信费用透支额度。然而传统的这种通信费用透支额度分配方式具有局限性，在进行评分时会出现不准确的情况，导致通信费用透支额度的分配也不准确。
技术实现思路
基于此，有必要针对传统的通信费用透支额度分配方法导致的通信费用透支额度分配准确性低的问题，提供一种通信费用透支额度分配方法、装置、存储介质和计算机设备。一种通信费用透支额度分配方法，包括：获取多个用户行为场景下分别与目标用户标识对应的用户特征数据，所述多个用户行为场景包括用户通信行为场景；根据所述目标用户标识所对应的各用户行为场景下的用户特征数据，确定所述目标用户标识属于恶意用户标识类的概率；将所述目标用户标识属于恶意用户标识类的概率，映射为所述目标用户标识相应的信用分值；其中，所述目标用户标识相应的信用分值与所述目标用户标识属于恶意用户标识类的概率负相关；为所述目标用户标识分配与所述信用分值相对应的通信费用透支额度。一种通信费用透支额度分配装置，包括：获取模块，用于获取多个用户行为场景下分别与目标用户标识对应的用户特征数据，所述多个用户行为场景包括用户通信行为场景；确定模块，用于根据所述目标用户标识所对应的各用户行为场景下的用户特征数据，确定所述目标用户标识属于恶意用户标识类的概率；映射模块，用于将所述目标用户标识属于恶意用户标识类的概率，映射为所述目标用户标识相应的信用分值；其中，所述目标用户标识相应的信用分值与所述目标用户标识属于恶意用户标识类的概率负相关；分配模块，用于为所述目标用户标识分配与所述信用分值相对应的通信费用透支额度。一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：获取多个用户行为场景下分别与目标用户标识对应的用户特征数据，所述多个用户行为场景包括用户通信行为场景；根据所述目标用户标识所对应的各用户行为场景下的用户特征数据，确定所述目标用户标识属于恶意用户标识类的概率；将所述目标用户标识属于恶意用户标识类的概率，映射为所述目标用户标识相应的信用分值；其中，所述目标用户标识相应的信用分值与所述目标用户标识属于恶意用户标识类的概率负相关；为所述目标用户标识分配与所述信用分值相对应的通信费用透支额度。在一个实施例中，所述根据所述目标用户标识所对应的各用户行为场景下的用户特征数据，确定所述目标用户标识属于恶意用户标识类的概率，包括：将所述目标用户标识所对应的各用户行为场景下的用户特征数据，分别输入相应用户行为场景下的恶意用户预测子模型；分别获得通过各所述恶意用户预测子模型输出的、所述目标用户标识属于恶意用户标识类的中间概率；根据分别获得的所述目标用户标识属于恶意用户标识类的中间概率，生成所述目标用户标识属于恶意用户标识类的概率。在一个实施例中，所述计算机程序被处理器执行时，还使得所述处理器执行以下步骤：收集包括用户通信行为场景的多个用户行为场景下的用户特征数据；对收集到的所述用户特征数据进行数据清洗；将清洗后的所述用户特征数据按用户行为场景分类，得到各用户行为场景下的样本集；根据各所述样本集训练得到相应用户行为场景下的恶意用户预测子模型。在一个实施例中，所述根据各所述样本集训练得到相应用户行为场景下的恶意用户预测子模型，包括：将各用户行为场景下的样本集中包括的样本划分为训练样本和测试样本；分别根据从各用户行为场景下的样本集中划分出的训练样本，训练得到相应用户行为场景下的恶意用户预测子模型；采用从各用户行为场景下的样本集中划分出的测试样本，分别对训练得到的相应用户行为场景下的恶意用户预测子模型进行校准。在一个实施例中，所述根据分别获得的所述目标用户标识属于恶意用户标识类的中间概率，生成所述目标用户标识属于恶意用户标识类的概率，包括：将分别获得的所述目标用户标识属于恶意用户标识类的中间概率，一同输入恶意用户预测模型，得到所述恶意用户预测模型输出的所述目标用户标识属于恶意用户标识类的概率。一种计算机设备，包括存储器和处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：获取多个用户行为场景下分别与目标用户标识对应的用户特征数据，所述多个用户行为场景包括用户通信行为场景；根据所述目标用户标识所对应的各用户行为场景下的用户特征数据，确定所述目标用户标识属于恶意用户标识类的概率；将所述目标用户标识属于恶意用户标识类的概率，映射为所述目标用户标识相应的信用分值；其中，所述目标用户标识相应的信用分值与所述目标用户标识属于恶意用户标识类的概率负相关；为所述目标用户标识分配与所述信用分值相对应的通信费用透支额度。在一个实施例中，所述根据所述目标用户标识所对应的各用户行为场景下的用户特征数据，确定所述目标用户标识属于恶意用户标识类的概率，包括：将所述目标用户标识所对应的各用户行为场景下的用户特征数据，分别输入相应用户行为场景下的恶意用户预测子模型；分别获得通过各所述恶意用户预测子模型输出的、所述目标用户标识属于恶意用户标识类的中间概率；根据分别获得的所述目标用户标识属于恶意用户标识类的中间概率，生成所述目标用户标识属于恶意用户标识类的概率。在一个实施例中，所述计算机程序被处理器执行时，还使得所述处理器执行以下步骤：收集包括用户通信行为场景的多个用户行为场景下的用户特征数据；对收集到的所述用户特征数据进行数据清洗；将清洗后的所述用户特征数据按用户行为场景分类，得到各用户行为场景下的样本集；根据各所述样本集训练得到相应用户行为场景下的恶意用户预测子模型。在一个实施例中，所述根据各所述样本集训练得到相应用户行为场景下的恶意用户预测子模型，包括：将各用户行为场景下的样本集中包括的样本划分为训练样本和测试样本；分别根据从各用户行为场景下的样本集中划分出的训练样本，训练得到相应用户行为场景下的恶意用户预测子模型；采用从各用户行为场景下的样本集中划分出的测试样本，分别对训练得到的相应用户行为场景下的恶意用户预测子模型进行校准。在一个实施例中，所述根据分别获得的所述目标用户标识属于恶意用户标识类的中间概率，生成所述目标用户标识属于恶意用户标识类的概率，包括：将分别获得的所述目标用户标识属于恶意用户标识类的中间概率，一同输入恶意用户预测模型，得到所述恶意用户预测模型输出的所述目标用户标识属于恶意用户标识类的概率。上述通信费用透支额度分配方法、装置、存储介质和计算机设备，获取多个用户行为场景下用于描述目标用户的用户特征数据，即可根据获取的这些用户数据确定该目标用户为恶意用户的概率，继而自动将确定目标用户为恶意用户的概率，映射为目标用户的信用分值，目标用户为恶意用户本文档来自技高网...

【技术保护点】
1.一种通信费用透支额度分配方法，包括：获取多个用户行为场景下分别与目标用户标识对应的用户特征数据，所述多个用户行为场景包括用户通信行为场景；根据所述目标用户标识所对应的各用户行为场景下的用户特征数据，确定所述目标用户标识属于恶意用户标识类的概率；将所述目标用户标识属于恶意用户标识类的概率，映射为所述目标用户标识相应的信用分值；其中，所述目标用户标识相应的信用分值与所述目标用户标识属于恶意用户标识类的概率负相关；为所述目标用户标识分配与所述信用分值相对应的通信费用透支额度。

【技术特征摘要】
1.一种通信费用透支额度分配方法，包括：获取多个用户行为场景下分别与目标用户标识对应的用户特征数据，所述多个用户行为场景包括用户通信行为场景；根据所述目标用户标识所对应的各用户行为场景下的用户特征数据，确定所述目标用户标识属于恶意用户标识类的概率；将所述目标用户标识属于恶意用户标识类的概率，映射为所述目标用户标识相应的信用分值；其中，所述目标用户标识相应的信用分值与所述目标用户标识属于恶意用户标识类的概率负相关；为所述目标用户标识分配与所述信用分值相对应的通信费用透支额度。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户标识所对应的各用户行为场景下的用户特征数据，确定所述目标用户标识属于恶意用户标识类的概率，包括：将所述目标用户标识所对应的各用户行为场景下的用户特征数据，分别输入相应用户行为场景下的恶意用户预测子模型；分别获得通过各所述恶意用户预测子模型输出的、所述目标用户标识属于恶意用户标识类的中间概率；根据分别获得的所述目标用户标识属于恶意用户标识类的中间概率，生成所述目标用户标识属于恶意用户标识类的概率。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：收集包括用户通信行为场景的多个用户行为场景下的用户特征数据；对收集到的所述用户特征数据进行数据清洗；将清洗后的所述用户特征数据按用户行为场景分类，得到各用户行为场景下的样本集；根据各所述样本集训练得到相应用户行为场景下的恶意用户预测子模型。4.根据权利要求3所述的方法，其特征在于，所述对收集到的所述用户特征数据进行数据清洗，包括：去除收集到的所述用户特征数据中包括的坏数据；和/或，采用预设数据对未收集到的用户特征数据字段进行补充；和/或，对收集到的所述用户特征数据进行去重。5.根据权利要求3所述的方法，其特征在于，所述根据各所述样本集训练得到相应用户行为场景下的恶意用户预测子模型，包括：将各用户行为场景下的样本集中包括的样本划分为训练样本和测试样本；分别根据从各用户行为场景下的样本集中划分出的训练样本，训练得到相应用户行为场景下的恶意用户预测子模型；采用从各用户行为场景下的样本集中划分出的测试样本，分别对训练得到的相应用户行为场景下的恶意用户预测子模型进行校准。6.根据权利要求3所述的方法，其特征在于，所述根据分别获得的所述目标用户标识属于恶意用户标识类的中间概率，生成所述目标用户标识属于恶意用户标识类的概率，包括：将分别获得的所述目标用户标识属于恶意用户标识类的中间概率，一同输入恶意用户预测模型，得到所述恶意用户预测模型输出的所述目标用户标识属于恶意用户标识类的概率。7.根据权利要求6所述的方法，其特征在于，所述方法还包括：确定各样本集中各样本所对应的样本用户标识；将对应相同样本用户标识的各样本，分别输入训练得到的相应用户行为场景下的恶意用户预测子模型，得到每个样本用户标识属于恶意用户标识类的多个中间概率样本；根据所述每个样本用户标识属于恶意用户标识类的多个中间概率样本，训练得到恶意用户预测模型。8.根据权利要求7所述的方法，其特征在于，所述方法还包括：将每个样本用户标识属于恶意用户标识类的多个中间概率样本，输入训练得到的恶意用户预测模型，得到每个样本用户标识属于恶意用户标识类的概率；将每个样本用户标识属于恶意用户标识类的概率，映射为每个样本用户标识相应的信用分值样本；根据降序排列的各所述信用分值样本划分信用等级量化值区间；所述为所述目标用户标识分配与所述信用分值相对应的通信费用透支额度，包括：将所述信用分值所属的信用等级量化值区间相对应的通信费用透支额度，分配至所述目标用户标识。9.根据权利要求8所述的方法，其特征在于，所述将所述信用分值所属...

【专利技术属性】
技术研发人员：陈玲，
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