本公开涉及一种基于用户行为轨迹的服务策略分配方法、装置、电子设备及计算机可读介质。该方法包括：获取用户的行为轨迹信息，所述行为轨迹信息包括基础数据、设备数据、操作时间、操作事件；将所述行为轨迹信息和用户库中的预存数据进行对比；在所述用户库中的预存数据中不包含所述行为轨迹信息中的内容时，基于所述行为轨迹信息获取与所述用户相关联的其他用户；将所述用户和所述其他用户的行为轨迹信息输入用户风险模型中，生成多个用户风险值；基于所述多个用户风险值为所述用户分配服务策略。本公开的方法，能够发现以往通过单一要素进行风控管理时，难以识别的篡改数据、间接关联等欺诈案件，从而增加对潜在的风险用户和风险行为的识别能力。和风险行为的识别能力。和风险行为的识别能力。
【技术实现步骤摘要】
基于用户行为轨迹的服务策略分配方法、装置及电子设备
[0001]本公开涉及计算机信息处理领域，具体而言，涉及一种基于用户行为轨迹的服务策略分配方法、装置、电子设备及计算机可读介质。
技术介绍
[0002]传统金融机构对于用户的金融风险评估主要依据两种方式：一种是人为评估，主要依靠人类的历史经验进行评估，这种人工评判的方式一方面增加了人工成本和处理时间，另一方面通过人工方式生成的经验规则，通常是需要在一个危险行为已经发生一段时间之后，给企业带来了大量的经济损失之后才被建立，这种滞后的方式增加了企业的风险；另一种是依据个人信用评分系统，现有技术中用户金融风险评估系统在进行用户金融风险评估时依赖于一些基础数据，得到用户的画像，进而为用户提供有针对性的服务。
[0003]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。而且，由于用户画像的普及，现在已有很多不良机构，通过篡改或者隐瞒信息从而获得信用优良的用户画像。这种情况导致对这类用户的评估结果不够准确，带来金融风险。
[0004]因此，需要一种新的基于用户行为轨迹的服务策略分配方法、装置、电子设备及计算机可读介质。
[0005]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
[0006]有鉴于此，本公开提供一种基于用户行为轨迹的服务策略分配方法、装置、电子设备及计算机可读介质，能够发现以往通过单一要素进行风控管理时，难以识别的篡改数据、间接关联等欺诈案件，从而增加对潜在的风险用户和风险行为的识别能力。
[0007]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。
[0008]根据本公开的一方面，提出一种基于用户行为轨迹的服务策略分配方法，该方法包括：获取用户的行为轨迹信息，所述行为轨迹信息包括基础数据、设备数据、操作时间、操作事件；将所述行为轨迹信息和用户库中的预存数据进行对比；在所述用户库中的预存数据中不包含所述行为轨迹信息中的内容时，基于所述行为轨迹信息获取与所述用户相关联的其他用户；将所述用户和所述其他用户的行为轨迹信息输入用户风险模型中，生成多个用户风险值；基于所述多个用户风险值为所述用户分配服务策略。
[0009]可选地，还包括：在所述用户库中的预存数据中包含所述行为轨迹信息中的全部或部分内容时，通过所述用户库中预存数据为所述用户确定用户标签；基于所述用户标签
为所述用户分配服务策略。
[0010]可选地，基于所述行为轨迹信息获取与所述用户相关联的其他用户，包括：提取所述行为轨迹信息中的设备数据；基于所述设备数据中的登陆信息获取第一用户数据；基于所述第一用户数据在内部数据库中获取关联设备数据；基于所述关联设备数据获取第二用户数据；基于所述第一用户数据和所述第二用户数据生成所述其他用户。
[0011]可选地，还包括：将所述设备数据、所述第一用户数据、所述关联设备数据、所述第二用户数据按照其关联关系进行整合，生成序列化信息集合。
[0012]可选地，将所述行为轨迹信息和用户库中的预存数据进行对比，包括：由所述用户库中的预存数据中提取多个序列化集合；将所述行为轨迹信息与所述多个序列化集合中的内容进行对比。
[0013]可选地，将所述用户和所述其他用户的行为轨迹信息输入用户风险模型中，生成多个用户风险值，包括：将所述用户和所述其他用户的基础信息依次输入用户风险模型中，所述用户风险模型通过极端梯度提升决策树模型生成；用户风险模型中的多个树函数分别对所述用户和所述其他用户的基础信息进行计算，生成多个叶子函数值；基于多个叶子函数值生成所述用户和所述其他用户的用户风险值。
[0014]可选地，基于所述多个用户风险值为所述用户分配服务策略，包括：基于所述多个用户风险值生成平均风险值；将所述平均风险值和阈值区间进行比较，以为所述用户分配用户标签；基于所述用户标签为所述用户确定服务策略。
[0015]可选地，基于所述多个用户风险值为所述用户分配服务策略，还包括：将所述序列化信息集合和其对应的用户标签存储在所述用户库中的预存数据中。
[0016]可选地，还包括：定时更新所述序列化信息集合中的数据以更新其对应的用户标签。
[0017]可选地，在所述用户库中的预存数据中包含所述行为轨迹信息中的全部或部分内容时，通过所述用户库中预存数据为所述用户确定用户标签，包括：在所述行为轨迹信息中的全部或部分内容命中所述用户库中的预存数据时；提取命中的预存数据中的序列化信息集合对应的至少一个用户标签；通过所述至少一个用户标签确定所述用户的用户标签。
[0018]根据本公开的一方面，提出一种基于用户行为轨迹的服务策略分配装置，该装置包括：轨迹模块，用于获取用户的行为轨迹信息，所述行为轨迹信息包括基础数据、设备数据、操作时间、操作事件；对比模块，用于将所述行为轨迹信息和用户库中的预存数据进行对比；用户模块，用于在所述用户库中的预存数据中不包含所述行为轨迹信息中的内容时，基于所述行为轨迹信息获取与所述用户相关联的其他用户；计算模块，用于将所述用户和所述其他用户的行为轨迹信息输入用户风险模型中，生成多个用户风险值；分配模块，用于基于所述多个用户风险值为所述用户分配服务策略。
[0019]可选地，还包括：标签模块，用于在所述用户库中的预存数据中包含所述行为轨迹信息中的全部或部分内容时，通过所述用户库中预存数据为所述用户确定用户标签；基于所述用户标签为所述用户分配服务策略。
[0020]可选地，所述用户模块，包括：设备单元，用于提取所述行为轨迹信息中的设备数据；数据单元，用于基于所述设备数据中的登陆信息获取第一用户数据；基于所述第一用户数据在内部数据库中获取关联设备数据；基于所述关联设备数据获取第二用户数据；用户
单元，用于基于所述第一用户数据和所述第二用户数据生成所述其他用户。
[0021]可选地，还包括：序列模块，用于将所述设备数据、所述第一用户数据、所述关联设备数据、所述第二用户数据按照其关联关系进行整合，生成序列化信息集合。
[0022]可选地，对比模块，包括：提取单元，用于由所述用户库中的预存数据中提取多个序列化集合；对比单元，用于将所述行为轨迹信息与所述多个序列化集合中的内容进行对比。
[0023]可选地，计算模块，包括：模型单元，用于将所述用户和所述其他用户的基础信息依次输入用户风险模型中，所述用户风险模型通过极端梯度提升决策树模型生成；计算单元，也难怪有用户风险模型中的多个树函数分别对所述用户和所述其他用户的基础信息进行计算，生成多个叶子函数值；风险单元，用于基于多个叶子函数值生成所述用户和所本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于用户行为轨迹的服务策略分配方法，其特征在于，包括：获取用户的行为轨迹信息，所述行为轨迹信息包括基础数据、设备数据、操作时间、操作事件；将所述行为轨迹信息和用户库中的预存数据进行对比；在所述用户库中的预存数据中不包含所述行为轨迹信息中的内容时，基于所述行为轨迹信息获取与所述用户相关联的其他用户；将所述用户和所述其他用户的行为轨迹信息输入用户风险模型中，生成多个用户风险值；基于所述多个用户风险值为所述用户分配服务策略。2.如权利要求1所述的方法，其特征在于，还包括：在所述用户库中的预存数据中包含所述行为轨迹信息中的全部或部分内容时，通过所述用户库中预存数据为所述用户确定用户标签；基于所述用户标签为所述用户分配服务策略。3.如权利要求1-2中任一所述的方法，其特征在于，基于所述行为轨迹信息获取与所述用户相关联的其他用户，包括：提取所述行为轨迹信息中的设备数据；基于所述设备数据中的登陆信息获取第一用户数据；基于所述第一用户数据在内部数据库中获取关联设备数据；基于所述关联设备数据获取第二用户数据；基于所述第一用户数据和所述第二用户数据生成所述其他用户。4.如权利要求1-3中任一所述的方法，其特征在于，还包括：将所述设备数据、所述第一用户数据、所述关联设备数据、所述第二用户数据按照其关联关系进行整合，生成序列化信息集合。5.如权利要求1-4中任一所述的方法，其特征在于，将所述行为轨迹信息和用户库中的预存数据进行对比，包括：由所述用户库中的预存数据中提取多个序列化集合；将所述行为轨迹信息与所述多个序列化集合中的内容进行对比。6.如权利要求1-5中任一所述的方法，其特征在于，将所述用户和所述...
【专利技术属性】
技术研发人员：张亚莉，胡弘毅，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。