基于云计算的区块链大数据金融用户标签估计方法及系统技术方案

本发明专利技术公开了一种基于云计算的区块链大数据金融用户标签估计方法及系统，所述方法包括：云计算终端爬虫得到用户的多项消费数据，将多项所述消费数据发送至客户端；其中，消费数据包括消费项目、消费时间、消费金额；客户端获得每两个消费时间相邻的消费项目之间的相关系数，根据所述相关系数和所述消费项目得到项目特征；根据项目特征和消费金额，获得用户的用户标签；客户端将用户标签存储到区块链中。通过采用以上方案，依照消费项目、消费时间、消费金额输入上述的标签估计模型中，得到的用户标签可以准确反映用户的消费情况。

【技术实现步骤摘要】
基于云计算的区块链大数据金融用户标签估计方法及系统
本专利技术涉及计算机
，具体而言，涉及一种基于云计算的区块链大数据金融用户标签估计方法及系统。
技术介绍
用户的维护对于运营商来说是一个重要指标。然而，用户的流动性大，可控性差，银行、证券公司等金融服务运营商需要对用户进行维护，就需要了解用户的消费习惯和动作。一般的，金融服务运营商通常对用户进行标签化，然后针对不同的标签类别的用户采用相对应的维护措施。现有技术中，主要依靠用户的消费动作来确定用户的标签，主要采用的方法有对用户的消费动作数据进行清洗，挑选运营商认为有用的消费动作数据作为预测用户标签的依托。然而用户的每一个动作都是有意义的，如果剔除掉用户的一些消费动作数据，仅仅挑选部分消费动作数据作为预测用户标签的依托，每个用户的消费动作数据项目是一样的，得出的用户标签并不能准确反映出用户的消费、理财情况。而且，每个用户的消费动作数据是不一致的，每个用户的消费事项是有区别的，因此，每个用户都采用相同的消费动作数据项目作为用户标签的确定基准数据，确定出的用户标签并不能准确反映出用户的消费、理财情况，在大数据时代，大数据用户多，要对准确获得每个用户的用户标签也不容易。
技术实现思路
本专利技术的目的在于提供了一种基于云计算的区块链大数据金融用户标签估计方法及系统，用以至少解决现有技术中存在的上述问题。第一方面，本专利技术实施例提供了一种基于云计算的区块链大数据金融用户标签估计方法，包括:云计算终端爬虫得到用户的多项消费数据，将多项所述消费数据发送至客户端；消费数据包括消费项目、消费时间、消费金额；客户端获得每两个消费时间相邻的消费项目之间的相关系数，根据所述相关系数和所述消费项目得到项目特征；根据项目特征和消费金额，获得用户的用户标签；客户端将用户标签存储到区块链中。可选的，客户端获得每两个消费时间相邻的消费项目之间的相关系数，根据所述相关系数和所述消费项目得到项目特征；根据项目特征和消费金额，获得用户的用户标签，具体为：客户端依次输入标签估计模型中，标签估计模型包括特征分离估计网络、相关系数网络、特征预测网络、金额权值网络和标签配置网络；客户端依次输入标签估计模型中具体为：按照消费时间的先后顺序，依次将消费数据的消费项目和消费金额作为特征分离估计网络，特征分离估计网络根据消费项目得到项目初特征，根据消费金额和消费项目得到金额特征；相关系数网络根据两个相邻的特征分离估计网络输出的项目初特征，获得两个消费时间相邻的消费项目之间的相关系数，特征预测网络根据相关系数和项目初特征获得每个消费项目的项目终特征；金额权值网络根据金额特征获得金额权值；标签配置网络根据项目终特征和金额权值得到用户的用户标签。可选的，标签估计模型包括多个特征分离估计网络、多个相关系数网络、多个特征预测网络、多个金额权值网络和一个标签配置网络；特征分离估计网络的数量与消费数据的数量一致；多个特征分离估计网络与多个相关系数网络一一对应，多个相关系数网络与多个特征预测网络一一对应，多个金额权值网络与多个特征预测网络一一对应；特征预测网络的输入是与其对应的特征分离估计网络相邻的特征分离估计网络的输出。可选的，一一对应的特征分离估计网络、特征预测网络、金额权值网络作为一组网络连，每组网络连对应一个消费数据，若输入的消费数据的数量大于网络连的数量不相同，标签估计模型自动增加网络连，构建更加庞大的标签估计模型，以使消费数据的数量等于网络连的数量。可选的，多个特征分离估计网络包括第一特征分离估计网络、第二特征分离估计网络和第三特征分离估计网络，多个相关系数网络包括第一相关系数网络、第二相关系数网络和第三相关系数网络，多个特征预测网络包括第一特征预测网络、第二特征预测网络和第三特征预测网络，多个金额权值网络包括第一金额权值网络、第二金额权值网络和第三金额权值网络；消费数据包括第一数据、第二数据和第三数据，第一数据是用户的消费数据中消费时间最早的消费数据；第二数据的消费时间晚于第一数据的消费时间，第三数据的消费时间晚于第二数据的消费时间；按照消费时间的先后顺序，依次将消费数据的消费项目和消费金额作为特征分离估计网络，特征分离估计网络根据消费项目得到项目初特征，根据消费金额和消费项目得到金额特征，包括：将第一数据输入第一特征分离估计网络中，第一特征分离估计网络根据第一数据的消费项目得到第一项目初特征，根据第一数据的消费金额和消费项目得到第一金额特征；将第二数据输入第二特征分离估计网络中，第二特征分离估计网络根据第二数据的消费项目得到第二项目初特征，根据第二数据的消费金额和消费项目得到第二金额特征；将第三数据输入第三特征分离估计网络中，第三特征分离估计网络根据第三数据的消费项目得到第三项目初特征，根据第三数据的消费金额和消费项目得到第三金额特征。可选的，相关系数网络根据两个相邻的特征分离估计网络输出的项目初特征，获得两个消费时间相邻的消费项目之间的相关系数，特征预测网络根据相关系数和项目初特征获得每个消费项目的项目终特征；金额权值网络根据金额特征获得金额权值；包括：第一相关系数网络根据第一项目初特征和第二项目初特征，得到第一特征分离估计网络与第二特征分离估计网络的第一相关系数；第一特征预测网络根据第一相关系数和第一项目初特征得到第一项目终特征；第一金额权值网络根据第一金额特征获得第一金额权值；第二相关系数网络根据第一项目初特征、第二项目初特征和第三项目初特征，得到第二特征分离估计网络与第一特征分离估计网络和第三特征分离估计网络的第二相关系数；第二特征预测网络根据第二相关系数和第二项目初特征得到第二项目终特征；第二金额权值网络根据第二金额特征获得第二金额权值；第三相关系数网络根据第三项目初特征和第二项目初特征，得到第三特征分离估计网络与第二特征分离估计网络的第三相关系数；第三特征预测网络根据第三相关系数和第三项目初特征得到第三项目终特征；第三金额权值网络根据第三金额特征获得第三金额权值。可选的，标签配置网络根据项目终特征和金额权值得到用户的用户标签，包括：标签配置网络根据以第一金额权值、第二金额权值和第三金额权值作为加权取值，对第一项目终特征、第二项目终特征和第三项目终特征进行加权融合，得到用户的用户标签。第二方面，本专利技术实施例提供了一种基于云计算的区块链大数据金融用户标签估计系统，包括:云计算终端，用于爬虫得到用户的多项消费数据，将多项所述消费数据发送至客户端；消费数据包括消费项目、消费时间、消费金额；客户端，用于获得每两个消费时间相邻的消费项目之间的相关系数，根据所述相关系数和所述消费项目得到项目特征；根据项目特征和消费金额，获得用户的用户标签；客户端，还用于将用户标签存储到区块链中。可选的，客户端获得每两个消费时间相邻的消费项目之间的相关系数，根据所述相关系数和所述消费项目得到项目特征；根据项目特征和消费金额，获得用本文档来自技高网...

【技术保护点】
1.一种基于云计算的区块链大数据金融用户标签估计方法，其特征在于，包括:/n云计算终端爬虫得到用户的多项消费数据，将多项所述消费数据发送至客户端；消费数据包括消费项目、消费时间、消费金额；/n客户端获得每两个消费时间相邻的消费项目之间的相关系数，根据所述相关系数和所述消费项目得到项目特征；根据项目特征和消费金额，获得用户的用户标签；/n客户端将用户标签存储到区块链中。/n

【技术特征摘要】
1.一种基于云计算的区块链大数据金融用户标签估计方法，其特征在于，包括:
云计算终端爬虫得到用户的多项消费数据，将多项所述消费数据发送至客户端；消费数据包括消费项目、消费时间、消费金额；
客户端获得每两个消费时间相邻的消费项目之间的相关系数，根据所述相关系数和所述消费项目得到项目特征；根据项目特征和消费金额，获得用户的用户标签；
客户端将用户标签存储到区块链中。


2.根据权利要求1所述的方法，其特征在于，客户端获得每两个消费时间相邻的消费项目之间的相关系数，根据所述相关系数和所述消费项目得到项目特征；根据项目特征和消费金额，获得用户的用户标签，具体为：
客户端依次输入标签估计模型中，标签估计模型包括特征分离估计网络、相关系数网络、特征预测网络、金额权值网络和标签配置网络；
客户端依次输入标签估计模型中具体为：
按照消费时间的先后顺序，依次将消费数据的消费项目和消费金额作为特征分离估计网络，特征分离估计网络根据消费项目得到项目初特征，根据消费金额和消费项目得到金额特征；相关系数网络根据两个相邻的特征分离估计网络输出的项目初特征，获得两个消费时间相邻的消费项目之间的相关系数，特征预测网络根据相关系数和项目初特征获得每个消费项目的项目终特征；
金额权值网络根据金额特征获得金额权值；
标签配置网络根据项目终特征和金额权值得到用户的用户标签。


3.根据权利要求2所述的方法，其特征在于，标签估计模型包括多个特征分离估计网络、多个相关系数网络、多个特征预测网络、多个金额权值网络和一个标签配置网络；特征分离估计网络的数量与消费数据的数量一致；多个特征分离估计网络与多个相关系数网络一一对应，多个相关系数网络与多个特征预测网络一一对应，多个金额权值网络与多个特征预测网络一一对应；
特征预测网络的输入是与其对应的特征分离估计网络相邻的特征分离估计网络的输出。


4.根据权利要求3所述的方法，其特征在于，一一对应的特征分离估计网络、特征预测网络、金额权值网络作为一组网络连，每组网络连对应一个消费数据，若输入的消费数据的数量大于网络连的数量不相同，标签估计模型自动增加网络连，构建更加庞大的标签估计模型，以使消费数据的数量等于网络连的数量。


5.根据权利要求4所述的方法，其特征在于，多个特征分离估计网络包括第一特征分离估计网络、第二特征分离估计网络和第三特征分离估计网络，多个相关系数网络包括第一相关系数网络、第二相关系数网络和第三相关系数网络，多个特征预测网络包括第一特征预测网络、第二特征预测网络和第三特征预测网络，多个金额权值网络包括第一金额权值网络、第二金额权值网络和第三金额权值网络；消费数据包括第一数据、第二数据和第三数据，第一数据是用户的消费数据中消费时间最早的消费数据；第二数据的消费时间晚于第一数据的消费时间，第三数据的消费时间晚于第二数据的消费时间；
按照消费时间的先后顺序，依次将消费数据的消费项目和消费金额作为特征分离估计网络，特征分离估计网络根据消费项目得到项目初特征，根据消费金额和消费项目得到金额特征，包括：
将第一数据输入第一特征分离估计网络中，第一特征分离估计网络根据第一数据的消费项目得到第一项目初特征，根据第一数据的消费金额和消费项目得到第一金额特征；将第二数据输入第二特征分离估计网络中，第二特征分离估计网络根据第二数据的消费项目得到第二项目初特征，根据第二数据的消费金额和消费项目得到第二金额特征；将第三数据输入第三特征分离估计网络中，第三特征分离估计网络根据第三数据的消费项目得到第三项目初...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：杨九妹，
类型：发明
国别省市：四川;51