【技术实现步骤摘要】
一种社会信用评价源数据处理方法、系统、终端及介质
本专利技术涉及信息数据处理
，更具体地说，它涉及一种社会信用评价源数据处理方法、系统、终端及介质。
技术介绍
目前，随着我国社会信用体系建设快速发展，社会正逐步以信用为标准配置资源。在信用经济条件下，人们凭借自身积累的信用资本，可以完成融资、生产、销售等经济活动，获取相应的经济利润。近几年，随着社会与市场对信用的重视程度的提升以及各级各类信用管理制度的推行，信用信息与信用数据的应用场景越来越多，用途越来越广。在社会信用业快速发展的同时，随之而来出现了新的问题，某些商业机构为夺取用户的信用信息与数据资源，以向客户提供某种产品或服务为理由要求客户授权其采集信用信息与数据。事实上，很多机构在被授权后采集的信用信息过量过度，造成信用信息与数据的滥采和滥用，这不仅扰乱了数据采集秩序，还影响了信用评价的准确性。所以导致目前普遍存在的现象：在采集目标对象的社会信用数据时，目标对象因为防备心理对于授权权限存在一定保留，导致采集的用于评价社会信用的基础数据存在部分遗漏；此外，数据...
【技术保护点】
1.一种社会信用评价源数据处理方法，其特征是，包括以下步骤：/n获取待处理消费数据，对待处理消费数据进行特征提取划分后得到主消费特征集和次消费特征集；/n获取历史消费数据，并从历史消费数据中提取主消费特征后依据主消费特征建立主消费关联学习模型；/n将主消费特征集输入主消费关联学习模型进行回归预测后补齐主消费特征集中的主缺失特征，得到预测特征集；/n通过插值法对次消费特征集中的次缺失特征进行插值处理后得到插值特征集；/n将预测特征集、插值特征集依据时间序列点分布情况融合后得到标准评价数据。/n
【技术特征摘要】
1.一种社会信用评价源数据处理方法，其特征是，包括以下步骤：
获取待处理消费数据，对待处理消费数据进行特征提取划分后得到主消费特征集和次消费特征集；
获取历史消费数据，并从历史消费数据中提取主消费特征后依据主消费特征建立主消费关联学习模型；
将主消费特征集输入主消费关联学习模型进行回归预测后补齐主消费特征集中的主缺失特征，得到预测特征集；
通过插值法对次消费特征集中的次缺失特征进行插值处理后得到插值特征集；
将预测特征集、插值特征集依据时间序列点分布情况融合后得到标准评价数据。
2.根据权利要求1所述的一种社会信用评价源数据处理方法，其特征是，所述待处理消费数据进行特征提取划分的过程具体为：
获取同一时间段内的待处理消费数据，并对待处理消费数据进行归一化处理后形成同一标准的数据；
根据时间序列节点将待处理消费数据划分成消费数据序列；
根据消费类型从待处理消费数据中提取属于同一消费类型的消费特征，得到n个主消费特征子集和m个次消费特征子集，n个主消费特征子集构成主消费特征集，m个次消费特征子集构成次消费特征集。
3.根据权利要求2所述的一种社会信用评价源数据处理方法，其特征是，所述主消费关联学习模型的建立过程具体为：
选取主消费特征集中存在关联关系的至少两个主消费特征子集，得到关联子集组；
根据时间序列节点分布情况截取关联子集组中存在关联关系的消费特征后得到多个关联特征组；
通过BP神经网络对多个关联特征组进行训练后建立关联函数；
将所有关联子集组建立的关联函数集成融合后得到主消费关联学习模型。
4.根据权利要求3所述的一种社会信用评价源数据处理方法，其特征是，所述主消费关联学习模型的计算过程具体为：
其中，f1(xi)表示从第1消费类型的主消费特征子集中截取的关联特征序列，fn(xi)表示从第n消费类型的主消费特征子集中截取的关联特征序列；K1、Kn表示关联参数；a1、an表示关联偏移量；b1、bn为常数。
5.根据权利要求1所述的一种社会信用评价源数据处理方法，其特征是，所述次消费特征集的插值处理过程具体为：
从次消费特征集中选取缺值区间[d，e]，并根据缺值起始点d、缺值终止点e确定缺值区间输入的N个插值节点d＝x1≤x2≤…≤xN＝e；
将N个插值节点输入插值函数后计算得到对应的节点...
【专利技术属性】
技术研发人员：邹杨，韦鹏程，李静茹，张艳霞，
申请(专利权)人：重庆第二师范学院，
类型：发明
国别省市：重庆;50
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。