用户画像生成方法、装置、电子设备和计算机可读介质制造方法及图纸

本公开涉及一种基于金融行为模型的用户画像生成方法、装置、电子设备和计算机可读介质。该方法包括：通过用户金融行为数据生成多维度特征数据，所述多维度特征数据包括时长维度数据，行为维度数据，频率维度数据，和属性维度数据；将所述多维度特征数据输入金融行为模型中，获取所述用户的行为特征指标；以及基于所述行为特征指标由预设的多维象限标签中确定所述用户的信贷画像。本公开涉及的基于金融行为模型的用户画像生成方法、装置、电子设备和计算机可读介质，能够取得用户在时间序列上的用户画像，根据时间与用户画像的关系企业可以更有针对性的为用户提供个性化的金融服务。

User Portrait Generation Method, Device, Electronic Equipment and Computer Readable Media

【技术实现步骤摘要】
用户画像生成方法、装置、电子设备和计算机可读介质
本公开涉及计算机信息处理领域，具体而言，涉及一种基于金融行为模型的用户画像生成方法、装置、电子设备和计算机可读介质。
技术介绍
用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。用户画像最初是在电商领域得到应用的，在大数据时代背景下，用户信息充斥在网络中，将用户的每个具体信息抽象成标签，利用这些标签将用户形象具体化，从而为用户提供有针对性的服务。目前用户画像基本是通过大数据生成的，根据海量用户数据，提取出用户的特征，然后企业根据自己的需要对用户进行分类，制定不同的用户标签。但是，用户的基本特征中的某些部分是不变的，比如性别，年龄，有些基本特征是随着时间的流逝经常改变的，比如用户的喜好，用户的工作、用户的运动习惯等等。现有技术中生成画像时依赖于一些基础数据，生成画像的特征单一，无法系统全面的反应用户的特征。因此，需要一种新的基于金融行为模型的用户画像生成方法、装置、电子设备和计算机可读介质。在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
有鉴于此，本公开提供一种基于金融行为模型的用户画像生成方法、装置、电子设备和计算机可读介质，能够取得用户在时间序列上的用户画像，根据时间与用户画像的关系企业可以更有针对性的为用户提供个性化的金融服务。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开的一方面，提出一种基于金融行为模型的用户画像生成方法，该方法包括：通过用户金融行为数据生成多维度特征数据，所述多维度特征数据包括时长维度数据，行为维度数据，频率维度数据，和属性维度数据；将所述多维度特征数据输入金融行为模型中，获取所述用户的行为特征指标；以及基于所述行为特征指标由预设的多维象限标签中确定所述用户的信贷画像。在本公开的一个实施例中，还包括：通过历史用户的金融行为数据与至少一个机器学习模型建立所述金融行为模型，所述金融行为数据包括至少一个金融行为与所述至少一个金融行为对应的时间。在本公开的一个实施例中，通过用户金融行为数据生成多维度特征数据，包括：确定金融行为及其对应的时间；将所述金融行为按照其对应的时间排序；以及通过排序后的所述金融行为与所述属性数据生成所述多维度特征数据。在本公开的一个实施例中，通过排序后的所述金融行为与所述属性数据生成所述多维度特征数据包括：基于每一个金融行为，通过首个金融行为与末尾金融行为的间隔时间确定所述时长维度数据；和/或通过所述末尾金融行为所对应的时间确定所述行为维度数据；通过多个金融行为的数量确定所述频率维度数据；以及通过所述属性数据中的金额确定所述属性维度数据。在本公开的一个实施例中，将所述多维度特征数据输入金融行为模型中，获取所述用户的行为特征指标包括：将所述多维度特征数据进行分箱编码；将分箱编码后的所述多维度特征数据输入所述金融行为模型中；所述金融行为模型对所述多维度特征数据进行聚类和分组以确定所述用户的行为特征指标。在本公开的一个实施例中，所述金融行为模型对所述多维度特征数据进行聚类和分组以确定所述用户的行为特征指标包括：所述金融行为模型按照行为特征指标对所述多维度特征数据进行聚类和分组以确定所述用户的行为特征指标。在本公开的一个实施例中，所述金融行为模型按照行为特征指标对所述多维度特征数据进行聚类和分组以确定所述用户的行为特征指标包括：所述金融行为模型按照行为特征指标对所述多维度特征数据进行无监督聚类以确定所述用户的行为特征指标；和/或所述金融行为模型按照行为特征指标对所述多维度特征数据进行决策树分组以确定所述用户的行为特征指标。在本公开的一个实施例中，基于所述行为特征指标由预设的多维象限标签中确定所述用户的信贷画像包括：基于所述行为特征指标在预设的多维价值象限中确定用户的预期价值象限；以及根据所述预期价值象限确定所述用户的多维象限标签以确定所述信贷画像。在本公开的一个实施例中，通过历史用户的金融行为数据与至少一个机器学习模型建立所述金融行为模型包括：通过历史用户的金融行为数据与无监督学习模型建立第一模型；和/或通过所述第一模型输出数据与有监督学习模型建立所述金融行为模型。在本公开的一个实施例中，通过历史用户的金融行为数据与至少一个机器学习模型建立所述金融行为模型包括：获取所述历史数据的至少一个金融行为与所述至少一个金融行为对应的时间；基于每一个金融行为与其所对应的时间分别生成多个历史多维度特征数据；基于每一个历史多维度特征数据，分别生成训练集数据与测试集数据；通过多个训练集数据与多个测试集数据与至少一个机器学习模型建立多个用户特征模型；以及通过所述多个用户特征模型建立所述金融行为模型。在本公开的一个实施例中，通过多个训练集数据与多个测试集数据与至少一个机器学习模型建立多个用户特征模型包括：分别对多个训练集数据与多个测试集数据中的所述历史多维度数据的每一维度数据进行分箱编码；以及将分箱编码后的训练集数据输入所述至少一个机器学习模型中，通过分箱编码后的测试集数据进行验证以建立所述多个用户特征模型。在本公开的一个实施例中，通过所述多个用户特征模型建立所述金融行为模型包括：基于所述多个用户特征模型通过多任务学习方法建立所述金融行为模型。根据本公开的一方面，提出一种基于金融行为模型的用户画像生成装置，该装置包括：特征数据模块，用于通过用户金融行为数据生成多维度特征数据，所述多维度特征数据包括时长维度数据，行为维度数据，频率维度数据，和属性维度数据；模型计算模块，用于将所述多维度特征数据输入金融行为模型中，获取所述用户的行为特征指标；以及用户画像模块，用于基于所述行为特征指标确定所述用户的信贷画像。在本公开的一个实施例中，还包括：模型训练模块，用于通过历史用户的金融行为数据与至少一个机器学习模型建立所述金融行为模型，所述金融行为数据包括至少一个金融行为与所述至少一个金融行为对应的时间。在本公开的一个实施例中，所述特征数据模块包括：时间单元，用于确定金融行为及其对应的时间；排序单元，用于将所述金融行为按照其对应的时间排序；以及特征单元，用于通过排序后的所述金融行为与所述属性数据生成所述多维度特征数据。在本公开的一个实施例中，所述特征单元包括：时长子单元，用于基于每一个金融行为，通过首个金融行为与末尾金融行为的间隔时间确定所述时长维度数据；和/或行为子单元，用于通过所述末尾金融行为所对应的时间确定所述行为维度数据；和/或频率子单元，用于通过所述金融行为的数量确定所述频率维度数据；和/或属性子单元，用于通过所述属性数据中的金额确定所述属性维度数据。在本公开的一个实施例中，所述模型计算模块包括：处理单元，用于将所述多维度特征数据进行分箱编码；模型单元，用于将分箱编码后的所述多维度特征数据输入所述金融行为模型中；计算单元，用于所述金融行为模型对所述多维度特征数据进行聚类和分组以确定所述用户的行为特征指标。在本公开的一个实施例中，所述计算单元，还用于所述金融行为模型按照行为特征指标对所述多维度特征数据进行聚类和分组以确定所述用户的行为特征本文档来自技高网...

【技术保护点】
1.一种基于金融行为模型的用户画像生成方法，其特征在于，包括：通过用户金融行为数据生成多维度特征数据，所述多维度特征数据包括时长维度数据，行为维度数据，频率维度数据，和属性维度数据；将所述多维度特征数据输入金融行为模型中，获取所述用户的行为特征指标；以及基于所述行为特征指标由预设的多维象限标签中确定所述用户的信贷画像。

【技术特征摘要】
1.一种基于金融行为模型的用户画像生成方法，其特征在于，包括：通过用户金融行为数据生成多维度特征数据，所述多维度特征数据包括时长维度数据，行为维度数据，频率维度数据，和属性维度数据；将所述多维度特征数据输入金融行为模型中，获取所述用户的行为特征指标；以及基于所述行为特征指标由预设的多维象限标签中确定所述用户的信贷画像。2.如权利要求1所述的方法，其特征在于，还包括：通过历史用户的金融行为数据与至少一个机器学习模型建立所述金融行为模型，所述金融行为数据包括至少一个金融行为与所述至少一个金融行为对应的时间。3.如权利要求1所述的方法，其特征在于，通过用户金融行为数据生成多维度特征数据，包括：确定金融行为及其对应的时间；将所述金融行为按照其对应的时间排序；以及通过排序后的所述金融行为与所述属性数据生成所述多维度特征数据。4.如权利要求3所述的方法，其特征在于，通过排序后的所述金融行为与所述属性数据生成所述多维度特征数据包括：基于每一个金融行为，通过首个金融行为与末尾金融行为的间隔时间确定所述时长维度数据；和/或通过所述末尾金融行为所对应的时间确定所述行为维度数据；和/或通过多个金融行为的数量确定所述频率维度数据；和/或通过所述属性数据中的金额确定所述属性维度数据。5.一种用户信贷价值评估装置，其特征在于，包括：特征数据模块，用于通过用户金融行为数据生成多维度特征数据，所述多维度特征数据包括时长维度数据，行为维度数据，频率维度数据，和属性维度数据；模型计算...

【专利技术属性】
技术研发人员：张潮华，高明宇，朱明林，沈赟，郑彦，
申请(专利权)人：上海淇玥信息技术有限公司，
类型：发明
国别省市：上海,31