数据处理方法及装置制造方法及图纸

本发明专利技术公开了一种数据处理方法及装置。其中，该方法包括：在用户授权条件下，获取终端设备上运行的应用程序；在上述应用程序为多个的情况下，分别确定多个上述应用程序所属的集合，并依据每个上述集合中包含的上述应用程序的数量，将每个上述集合划分为多个子集；将上述多个子集中的应用程序数据输入至平均单依赖估计AODE模型，其中，上述AODE模型用于挖掘上述应用程序数据中隐含的风险数据；接收上述AODE模型输出的上述风险数据。本发明专利技术解决了现有技术中难以有效利用应用程序数据挖掘隐含的风险数据，导致无法为风险识别模型提供区分度更好的变量数据的技术问题。

【技术实现步骤摘要】
数据处理方法及装置
本专利技术涉及数据处理
，具体而言，涉及一种数据处理方法及装置。
技术介绍
随着市场上信用产品的不断丰富和普及，越来越多的人从中享受到了便利，但是有些消费习惯不好的用户，在享受到了权益后却不履行相应的义务，做出一些不守信的行为，给市场带来了一定的风险，例如，秉承客户至上的理念，在酒店预订场景下，许多的酒店预订平台为用户推出“闪住”服务，即先住酒店后付钱的服务，给客户带来更好的体验。客户在使用闪住之前需要开通银行卡、支付宝或微信等免密支付方式，酒店预订平台可以在客户离店后自动扣出房费，但是，闪住在提升客户体验的同时，会带来一定的风险。当酒店预订平台不能从客户的授权免密支付方式中扣出房费，并且客户自身也没有支付意愿时，就会发生逾期，给市场的信用环境带来不良影响，同时平台也会产生一定的资损。因此，需要尽可能在这些用户或者交易中识别出风险较低的部分，为市场保驾护航。随着手机应用的普及，各大公司针对自己的产品也会推出app端，例如携程、淘宝、微信等等。app信息可以综合反映一个人的需求、偏好和身份等信息，例如手机里安装旅本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，包括：/n在用户授权条件下，获取终端设备上运行的应用程序；/n在所述应用程序为多个的情况下，分别确定多个所述应用程序所属的集合，并依据每个所述集合中包含的所述应用程序的数量，将每个所述集合划分为多个子集；/n将所述多个子集中的应用程序数据输入至平均单依赖估计AODE模型，其中，所述AODE模型用于挖掘所述应用程序数据中隐含的风险数据；/n接收所述AODE模型输出的所述风险数据。/n

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：
在用户授权条件下，获取终端设备上运行的应用程序；
在所述应用程序为多个的情况下，分别确定多个所述应用程序所属的集合，并依据每个所述集合中包含的所述应用程序的数量，将每个所述集合划分为多个子集；
将所述多个子集中的应用程序数据输入至平均单依赖估计AODE模型，其中，所述AODE模型用于挖掘所述应用程序数据中隐含的风险数据；
接收所述AODE模型输出的所述风险数据。


2.根据权利要求1所述的方法，其特征在于，在接收所述AODE模型输出的所述风险数据之后，所述方法还包括：
将所述风险数据作为输入变量输入至风险识别模型，其中，所述风险识别模型用于通过识别所述处理后应用程序数据，确定与所述终端设备对应的用户信用特征信息；
接收所述风险识别模型输出的所述用户信用特征信息。


3.根据权利要求1所述的方法，其特征在于，在将所述风险数据输入至风险识别模型之前，所述方法还包括：
采用拉普拉斯平滑算法，对所述风险数据进行平滑处理。


4.根据权利要求1所述的方法，其特征在于，依据每个所述集合中包含的所述应用程序的数量，将每个所述集合划分为多个子集，包括：
通过对每个所述集合中包含的所述应用程序的数量进行分箱处理，得到多个属性区间，其中，每个所述属性区间表示一个特征取值范围，其中，所述分箱处理的算法包括以下至少之一：等频分箱、等距分箱、卡方分箱、决策树分箱；
依据所述属性区间，将每个所述集合划分为多个子集。


5.根据权利要求4所述的方法，其特征在于，若所有所述子集的数量为k，则采用除每个子集之外的k-1个子集训练所述AODE模型，得到与每个所述子集对应的所述风险数据的预测概率。


6.一种数据处理装置，其特征在于，包括：
获取模块，用于在用户授权条件下，获取终端设备上运行的应用程序；
预处理模块，用于在所述应用程序为多个的...

【专利技术属性】
技术研发人员：丁炜，霍文虎，
申请(专利权)人：北京互金新融科技有限公司，
类型：发明
国别省市：北京;11