基于用户操作行为的用户设备归属判断方法及装置制造方法及图纸

本发明专利技术公开了基于用户操作行为的用户设备归属判断方法及装置，方法包括基于用户操作行为属性数据，构建用户设备归属判断模型；获取所述用户设备归属判断模型所需输入变量；所述输入变量包含用户操作行为；使用所述用户设备归属判断模型进行运算，得到用户设备归属结果。本发明专利技术的用户设备归属模型将用户关联的所有设备信息分析建模，在用户关联的所有设备中找出最有可能是用户常用设备的一个。将得到的用户设备归属结果作为变量输入到其他的反欺诈模型中，可辅助判断客户的欺诈风险。

Method and device of user equipment ownership judgment based on user operation behavior

【技术实现步骤摘要】
基于用户操作行为的用户设备归属判断方法及装置
本专利技术涉及计算机领域，尤其设计一种基于用户操作行为的用户设备归属判断方法及装置。
技术介绍
随着互联网消费金融的蓬勃发展，人们越来越多的使用线上平台进行业务申请，快捷的操作和简单的流程，使得移动手机/PAD等移动设备作为主要的申请工具成为用户与平台、用户与用户之间的重要媒介。欺诈风险是互联网金融行业面临的主要风险之一，是信贷风险管理的重要环节。这些移动设备与用户一一对应的关系一直是反欺诈分析的难点，一些用户通过使用他人设备，减少了信息的获取，增大了欺诈风险，因此有必要对设备的归属情况进行建模分析，从而完善关系网信息，增加设备信息获取的可信度，打击欺诈行为。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
鉴于上述问题，提出了本专利技术说明书以便提供一种克服上述问题或者至少部分地解决上述问题。本专利技术说明书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。第一方面，本专利技术说明书公开了一种基于用户操作行为的用户设备归属判断方法，包括，基于用户操作行为属性数据，构建用户设备归属判断模型；获取所述用户设备归属判断模型所需输入变量；所述输入变量包含用户操作行为；使用所述用户设备归属判断模型进行运算，得到用户设备归属结果。在本公开的一种示例性实施例中，所述构建用户设备归属判断模型包括，根据用户操作行为属性数据，采用有监督学习和半监督学习相结合的方式训练用户设备归属判断模型。在本公开的一种示例性实施例中，所述构建用户设备归属判断模型进一步包括，获取用户操作样本数据；将所述用户操作样本数据分为第一有标签样本和无标签样本；对所述第一有标签样本做有监督学习，得到基于用户操作行为的第一判断模型；使用第一判断模型对无标签样本进行半监督学习，得到第二有标签样本；对所述第一有标签样本和所述第二有标签样本进行有监督学习，得到基于用户操作行为的用户设备归属判断模型。在本公开的一种示例性实施例中，所述获取用户操作样本数据进一步包括，所述用户操作样本数据包括用户在设备上的操作行为、设备本身属性以及设备关联信息。在本公开的一种示例性实施例中，所述将所述用户操作样本数据分为第一有标签样本和无标签样本进一步包括，对获取的用户操作样本数据的一部分进行用户操作与设备归属判断的人工打标作为第一有标签样本，剩余部分为无标签样本。在本公开的一种示例性实施例中，所述进行人工打标包括，根据用户操作行为属性，人工判断设备和用户的一一归属关系并打标。在本公开的一种示例性实施例中，所述对所述第一有标签样本做有监督学习，得到基于用户操作行为的第一判断模型进一步包括，将基于用户操作行为属性对设备和用户的归属关系进行人工打标的所述第一有标签样本平均分为两份，其中一份用于做有监督学习，通过交叉验证建模得到基于用户操作行为的第一判断模型。在本公开的一种示例性实施例中，所述对所述第一有标签样本和所述第二有标签样本进行有监督学习，得到基于用户操作行为的用户设备归属判断模型进一步包括，将所述第一有标签样本剩余的一份与所述第二有标签样本进行有监督学习。在本公开的一种示例性实施例中，所述使用第一判断模型对无标签样本进行半监督学习，得到第二有标签样本进一步包括，使用基于用户操作行为的第一判断模型对无标签样本进行判断；使用判断结果对无标签样本进行用户操作与设备归属的打标，得到第二有标签样本。在本公开的一种示例性实施例中，所述使用判断结果对无标签样本进行用户操作与设备归属的打标，得到第二有标签样本进一步包括，设定阈值；将判断结果大于阈值的标签设为1，反之则将标签设为0。在本公开的一种示例性实施例中，所述获取所述用户设备归属判断模型所需输入变量进一步包括，用户在设备上的操作行为属性、设备本身属性以及设备关联信息。在本公开的一种示例性实施例中，所述获取所述用户设备归属判断模型所需输入变量还包括，对变量进行衍生，所述衍生包括自动变量衍生和手动变量衍生。第二方面，本专利技术说明书公开了基于用户操作行为的用户设备归属判断装置，包括：设备归属判断模型模块，基于用户操作行为属性数据，用于构建用户设备归属判断模型；输入变量获取模块，用于获取所述用户设备归属判断模型所需输入变量；所述输入变量包含用户操作行为；运算模块，用于使用所述用户设备归属判断模型进行运算，得到用户设备归属判断结果。在本公开的一种示例性实施例中，所述设备归属判断模型模块包括，学习单元，用于根据用户操作行为属性数据，采用有监督学习和半监督学习相结合的方式训练用户设备归属判断模型。在本公开的一种示例性实施例中，所述用户设备归属判断模型模块进一步包括，用户操作样本数据获取单元，用于获取用户操作样本数据；分类单元，用于将所述用户操作样本数据分为第一有标签样本和无标签样本；第一判断模型单元，用于对所述第一有标签样本做有监督学习，得到基于用户操作行为的第一判断模型；半监督学习单元，用于使用第一判断模型对无标签样本进行半监督学习，得到第二有标签样本；有监督学习单元，用于对所述第一有标签样本和所述第二有标签样本进行有监督学习，得到基于用户操作行为的用户设备归属判断模型。在本公开的一种示例性实施例中，所述用户操作样本数据获取单元进一步包括，操作行为子单元，用于获取用户在设备上的操作行为；设备属性子单元，用于获取设备本身属性；设备关联信息子单元，用于获取设备关联信息。在本公开的一种示例性实施例中，所述分类单元进一步包括，人工打标子单元，用于对获取的用户操作样本数据的一部分进行用户操作与设备归属判断的人工打标作为第一有标签样本，剩余部分为无标签样本。在本公开的一种示例性实施例中，所述人工打标子单元包括，根据用户操作行为属性，人工判断设备和用户的一一归属关系并打标。在本公开的一种示例性实施例中，所述第一判断模型单元进一步包括，标签样本均分子单元，用于将基于用户操作行为属性对设备和用户的归属关系进行人工打标的所述第一有标签样本平均分为两份，其中一份用于做有监督学习，通过交叉验证建模得到基于用户操作行为的第一判断模型。在本公开的一种示例性实施例中，所述用户设备归属判断模型进一步包括，将所述第一有标签样本剩余的一份与所述第二有标签样本进行有监督学习。在本公开的一种示例性实施例中，所述半监督学习单元进一步包括，判断子单元，用于使用基于用户操作行为的第一判断模型对无标签样本进行判断；打标子单元，用于使用判断结果对无标签样本进行用户操作与设备归属的打标，得到第二有标签样本。在本公开的一种示例性实施例中，所述打标子单元进一步包括，设定阈值；将判断结果大于阈值的标签设为1，反之则将标签设为0。在本公开的一种示例性实施例中，所述输入变量获取模块进一步包括，用户在设备上的操作行为属性、设备本身属性以及设备关联信息。在本公开的一种示例性实施例中，所述输入变量获取模块还包括，变量衍生单元，用于对变量进行衍生，所述衍生包括自动变量衍生和手动变量衍生。第三方面，本专利技术说明书提供一种服务器，包括处理器和存储器：所述存储器用于存储上述任一项所述方法的程序；所述处理器被配置为用于执行所述存储器中存储的程序实现上述任一项所述方法本文档来自技高网...

【技术保护点】
1.一种基于用户操作行为的用户设备归属判断方法，包括，基于用户操作行为属性数据，构建用户设备归属判断模型；获取所述用户设备归属判断模型所需输入变量；所述输入变量包含用户操作行为；使用所述用户设备归属判断模型进行运算，得到用户设备归属结果。

【技术特征摘要】
1.一种基于用户操作行为的用户设备归属判断方法，包括，基于用户操作行为属性数据，构建用户设备归属判断模型；获取所述用户设备归属判断模型所需输入变量；所述输入变量包含用户操作行为；使用所述用户设备归属判断模型进行运算，得到用户设备归属结果。2.根据权利要求1所述的基于用户操作行为的用户设备归属判断方法，其中，所述构建用户设备归属判断模型包括，根据用户操作行为属性数据，采用有监督学习和半监督学习相结合的方式训练用户设备归属判断模型。3.根据权利要求1至2任一项所述的基于用户操作行为的用户设备归属判断方法，其中，所述构建用户设备归属判断模型进一步包括，获取用户操作样本数据；将所述用户操作样本数据分为第一有标签样本和无标签样本；对所述第一有标签样本做有监督学习，得到基于用户操作行为的第一判断模型；使用第一判断模型对无标签样本进行半监督学习，得到第二有标签样本；对所述第一有标签样本和所述第二有标签样本进行有监督学习，得到基于用户操作行为的用户设备归属判断模型。4.根据权利要求1至3任一项所述的基于用户操作行为的用户设备归属判断方法，其中，所述获取用户操作样本数据进一步包括，所述用户操作样本数据包括用户在设备上的操作行为、设备本身属性以及设备关联信息。5.根据权利要求1至4任一项所述的基于用户操作行为的用户设备归属判断方法，其中，所述将所述用户操作样本数据分为第一有标签样本和无标签...

【专利技术属性】
技术研发人员：李尚英，郑彦，马希龙，胡晓悦，
申请(专利权)人：上海淇毓信息科技有限公司，
类型：发明
国别省市：上海,31