一种交叉校验的处理方法、智能问卷数据处理方法技术

本发明专利技术涉及数据信息处理技术领域，特别是涉及一种交叉校验的处理方法、智能问卷数据处理方法，其中一种交叉校验的处理方法，其中，包括：于建立有每个目标数据与数据源之间的关联关系的状态下，选取任意一个所述目标数据以形成校验对象；根据所述关联关系读取与所述校验对象关联的所述数据源，并根据所述数据源形成基础校验数据；对所述基础校验数据、所述校验对象进行排列处理以形成一排列结果；于所述排列结果匹配一预定阈值的状态下判定所述目标数据为真。

A cross check processing method and intelligent questionnaire data processing method

The invention relates to the technical field of data information processing, in particular to a processing method of cross checking and an intelligent questionnaire data processing method, wherein a processing method of cross checking includes: selecting any target data to form a checking object in the state of establishing an association relationship between each target data and data source; according to the Association The relation reads the data source associated with the check object, and forms the basic check data according to the data source; arranges the basic check data and the check object to form an arrangement result; judges the target data to be true when the arrangement result matches a predetermined threshold value.

【技术实现步骤摘要】
一种交叉校验的处理方法、智能问卷数据处理方法
本专利技术涉及数据信息处理
，特别是涉及一种交叉校验的处理方法、智能问卷数据处理方法。
技术介绍
中国商业化小微金融的起点是在2005年，源于世界银行发起、国家开发银行承办、德国IPC公司提供技援的【国家开发银行小微信贷项目】。该项目第一次将商业化小微信贷风控技术引入中国，在该项目下总共支持了18家城市商业银行和农村商业银行开展小微信贷业务和传播IPC小微信贷技术，例如包括该领域的领跑者台州银行、包商银行、重庆银行、贵阳银行、安徽马鞍山农商行等。自2008年起，大量的城市商业银行、农村商业银行、农村信用联合社、小贷公司引入和传播IPC小微信贷风控技术，该技术成为各金融机构开展小微信贷业务的核心风控技术。但是现有的IPC技术存在如下不足之处，主要体现在，调查问卷获取的数据真实性有待提高，调查问卷中获得的数据均为客户的口述数据或孤独数据，口述数据或孤独数据在没有第三方提供相应证据予以辅助证明的情况下，该数据通常的真伪无法直接验证，一旦客户提供的虚假数据之后，基于该虚假数据所形成的信贷分析、信贷审批均存在较大的风险，一旦贷款发放，则该笔贷款偿还能力存在较大风险。
技术实现思路
针对上述问题，本专利技术提供一种交叉校验的处理方法及智能问卷数据处理方法。一方面，本专利技术提供一种交叉校验的处理方法，其中，包括：于建立有每个目标数据与数据源之间的关联关系的状态下，选取任意一个所述目标数据以形成校验对象；根据所述关联关系读取与所述校验对象关联的所述数据源，并根据所述数据源形成基础校验数据；对所述基础校验数据、所述校验对象进行排列处理以形成一排列结果；于所述排列结果匹配一预定阈值的状态下判定所述目标数据为真。优选地，上述的一种交叉校验的处理方法，其中，对所述基础校验数据、所述校验对象进行排列处理以形成一排列结果具体包括：对所述基础校验数据、所述校验对象进行计算、排列处理以形成一排列数据；对所述排列数据做离散计算处理以形成一离散程度指数；根据所述离散程度指数形成所述排列结果。优选地，上述的一种交叉校验的处理方法，其中，还包括：于所述排列结果不匹配所述预定阈值的状态下判定所述目标数据为假。另一方面，本专利技术再提供一种智能问卷数据处理方法，其中，包括，建立第一特征数据与输出数据之间的匹配关系；接受外部输入的与当前输出数据匹配的第一类目标数据，根据所述第一类目标数据形成一第一特征数据；根据所述第一特征数据读取与所述第一特征数据匹配的下一个输出数据。优选地，上述的一种智能问卷数据处理方法，其中：还包括，读取所述第一类目标数据，根据所述第一类目标数据形成一第一校验数据输出。优选地，上述的一种智能问卷数据处理方法，其中：还包括，读取与所述第一校验数据匹配的每一个输出数据以及与每一个所述输出数据匹配的第一类目标数据以形成基础校验数据；对所述基础校验数据做排列处理以形成一排列结果；于所述排列结果匹配一预定阈值的状态下判定与所述准目标结果匹配的所述第一类目标数据为真。优选地，上述的一种智能问卷数据处理方法，其中：还包括，于所述排列结果匹配一预定阈值的状态下判定与所述准目标结果匹配的所述第一类目标数据为假。与现有技术相比，本公开的有益效果是:上述实施例中，对一个目标数据进行校验时，根据关联关系读取与所述校验对象关联的所述数据源，并根据所述数据源形成基础校验数据，通过至少一个基础校验数据对目标数据进行校验，具体地，一个目标数据的数据来源有多个，通过多个数据源对某一数据进行校验，可以提高数据来源的可靠性，同时多个数据源不直接对目标数据进行校验，而是通过计算处理的方法计算数据之间的差异程度或离散程度，通过差异程度或离散程度去甄别数据自身的真实性。通过上述方法，在没有第三方佐证的情况下，提高单一孤独数据的真实性和可靠性，旨在为信贷的其他环节提供真实有效数据，降低信贷分析等过程的风险。附图说明图1为本专利技术实施例中一种交叉校验的处理方法的流程示意图；图2为本专利技术实施例中一种交叉校验的处理方法的流程示意图；图3为本专利技术实施例中一种智能问卷数据处理方法的流程示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一一方面，本专利技术提供一种交叉校验的处理方法，其中，包括：如图1所示，步骤S110、于建立有每个目标数据与数据源之间的关联关系的状态下，选取任意一个所述目标数据以形成校验对象。校验对象的选择可为任意目标数据，但是在实际应用中，对每一个目标数据都进行校验其工作量相对较大，故可以选择相对较为重要的数据予以校验，本实施方案可对每一个目标数据予以校验，也可仅对其中部分数据予以校次，关于检验数据的选择此处不做具体限制。其中，目标数据可与至少一个数据源之间建立关联关系。所述目标数据可理解为信贷分析过程所需的基本数据，例如，在信贷分析过程中，例如企业用户A欲申请500万的信贷额度，基于这贷款额度，判断企业用户A是否具有偿还该贷款额度的能力，假设以年营业利润作为参考，用户提供的问卷数据中年营业利润部分为1000万人民币，那么1000万人民币则可认为是目标数据，或者可称为信贷分析的基本数据；数据源可为用户实际提供的与问卷题目匹配的答案，例如，对于企业的年营业利润数据进行获取，关于该数据涉及有至少三个问题，问卷题目一为“企业每月的平均营业利润是多少”，客户提供的答案为“100万”，那么该“月平均营业利润100万”可作为数据源一；题目二为“企业每日的平均营业利润是多少”，客户提供的答案为“30万”，那么该“日平均营业利润30万”可作为数据源二；题目三为“企业每季度的平均营业利润是多少”，客户提供的答案为“260万”，那么该“季度营业利润260万”可作为数据源三。步骤S120、根据所述关联关系读取与所述校验对象关联的所述数据源，并根据所述数据源形成基础校验数据；例如，当被校验的目标数据的关联关系中存在有三个数据源时，则三个数据源提供的数据可形成基础校验数据，继续以“1000万人民币”作为校验对象，该校验对象所对应的目标数据设置有三个与之关联的数据源，上述案例中，数据源一“月营业利润100万”、数据源二“日营业利润3万”、数据源三“季度营业利润260万”则直接理解为基础校验数据，也可对数据源一“月营业利润100万”、数据源二“日营业利润3万”、数据源三“季度营业利润260万”提供的数据做计算而形成基础校验数据，具体地：根据数据源一“月营业利润100万”形成“年营业收入1200万”的基础校验数据一；数据源二“日营业利润3万”形成“年营业收入1095万”的基础校验数据二；数据源三“季本文档来自技高网...

【技术保护点】
1.一种交叉校验的处理方法，其特征在于，包括：/n于建立有每个目标数据与数据源之间的关联关系的状态下，选取任意一个所述目标数据以形成校验对象；/n根据所述关联关系读取与所述校验对象关联的所述数据源，并根据所述数据源形成基础校验数据；/n对所述基础校验数据、所述校验对象进行排列处理以形成一排列结果；/n于所述排列结果匹配一预定阈值的状态下判定所述目标数据为真。/n

【技术特征摘要】
1.一种交叉校验的处理方法，其特征在于，包括：
于建立有每个目标数据与数据源之间的关联关系的状态下，选取任意一个所述目标数据以形成校验对象；
根据所述关联关系读取与所述校验对象关联的所述数据源，并根据所述数据源形成基础校验数据；
对所述基础校验数据、所述校验对象进行排列处理以形成一排列结果；
于所述排列结果匹配一预定阈值的状态下判定所述目标数据为真。


2.根据权利要求1所述的一种交叉校验的处理方法，其特征在于，对所述基础校验数据、所述校验对象进行排列处理以形成一排列结果具体包括：
对所述基础校验数据、所述校验对象进行计算、排列处理以形成一排列数据；
对所述排列数据做离散计算处理以形成一离散程度指数；
根据所述离散程度指数形成所述排列结果。


3.根据权利要求1所述的一种交叉校验的处理方法，其特征在于，还包括：
于所述排列结果不匹配所述预定阈值的状态下判定所述目标数据为假。


4.一种智能问卷数据处理方法，其特征在于，包...

【专利技术属性】
技术研发人员：廖志英，
申请(专利权)人：上海方付通商务服务有限公司，
类型：发明
国别省市：上海;31