基于聚类算法的交易参数设置方法及装置制造方法及图纸

技术编号:30327211 阅读:11 留言:0更新日期:2021-10-10 00:13
本发明专利技术公开了一种基于聚类算法的交易参数设置方法及装置,涉及人工智能技术领域,该方法包括:获取历史客户的银行客户数据,基于交易限额类别不为空的历史客户的银行客户数据,获得交易限额类别为空的历史客户的交易限额类别;确定每个历史客户对应的特征向量值,对特征向量值进行监督聚类,获得多个监督聚类子集合;获取新客户的银行客户数据,确定每个新客户对应的特征向量值;基于多个监督聚类子集合和新客户的特征向量值,确定新客户的交易限额类别;基于交易限额类别控制新客户的交易处理。本发明专利技术基于聚类算法,给客户设置交易限额类别,既能提交客户体验,又能有效的防范风险。险。险。

【技术实现步骤摘要】
基于聚类算法的交易参数设置方法及装置


[0001]本专利技术涉及人工智能
,尤其涉及基于聚类算法的交易参数设置方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]在银行的交易系统中,为了降低风险,通常会设置交易限额,也就是可最多交易的金额值。目前,一般情况下银行都是根据自身业务情况设置一个固定的交易限额,对所有客户都一样。在某些场景下,目前的限额设置对于某些客户的交易来说,风险可能比较大。同时,不同客户的交易需求和风险能力也是不一样的。故目前银行关于限额的设置,有客户体验不佳和风险不可控的问题。

技术实现思路

[0004]本专利技术实施例提供一种基于聚类算法的交易参数设置方法,用以解决高风险状态下,客户交易限额设置为固定值且所有客户一样,导致高风险状态下,银行不能对客户的交易做有效审核的技术问题,该方法包括:
[0005]获取历史客户的银行客户数据,其中,第一历史客户的银行客户数据中交易限额类别为空,第二历史客户的银行客户数据中交易限额类别不为空;
[0006]基于交易限额类别不为空的第二历史客户的银行客户数据,获得交易限额类别为空的第一历史客户的交易限额类别;
[0007]基于银行客户数据,确定每个历史客户对应的特征向量值,其中特征向量值包括交易限额类别,对每个历史客户对应的特征向量值进行监督聚类,获得多个监督聚类子集合;
[0008]获取新客户的银行客户数据,并基于新客户的银行客户数据,确定每个新客户对应的特征向量值,其中,新客户的银行客户数据中不包括交易限额类别;
[0009]基于多个监督聚类子集合和每个新客户对应的特征向量值,确定新客户的交易限额类别;
[0010]基于所述交易限额类别控制新客户的交易处理。
[0011]本专利技术实施例还提供一种基于聚类算法的交易参数设置装置,用以解决高风险状态下,客户交易限额设置为固定值且所有客户一样,导致高风险状态下,银行不能对客户的交易做有效审核的技术问题,该装置包括:
[0012]银行客户数据获取模块,用于获取历史客户的银行客户数据,其中,第一历史客户的银行客户数据中交易限额类别为空,第二历史客户的银行客户数据中交易限额类别不为空;
[0013]交易限额类别获得模块,用于基于交易限额类别不为空的第二历史客户的银行客
户数据,获得交易限额类别为空的第一历史客户的交易限额类别;
[0014]特征向量确定模块,用于基于银行客户数据,确定每个历史客户对应的特征向量值,其中特征向量值包括交易限额类别;
[0015]监督聚类模块,用于对每个历史客户对应的特征向量值进行监督聚类,获得多个监督聚类子集合;
[0016]银行客户数据获取模块还用于:获取新客户的银行客户数据,其中,新客户的银行客户数据中不包括交易限额类别;
[0017]特征向量确定模块还用于:基于新客户的银行客户数据,确定每个新客户对应的特征向量值;
[0018]交易限额类别确定模块,用于基于多个监督聚类子集合和新客户对应的特征向量值,确定新客户的交易限额类别;
[0019]交易处理模块,用于基于所述交易限额类别控制新客户的交易处理。
[0020]本专利技术实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于聚类算法的交易参数设置方法。
[0021]本专利技术实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述所述基于聚类算法的交易参数设置方法的步骤。
[0022]本专利技术实施例中,与现有技术中交易限额设置为固定值且所有客户一样导致高风险状态下,银行不能对客户的交易做有效审核的的技术方案相比,通过获取历史客户的银行客户数据,第一历史客户的银行客户数据中交易限额类别为空,第二历史客户的银行客户数据中交易限额类别不为空;基于交易限额类别不为空的第二历史客户的银行客户数据,获得交易限额类别为空的第一历史客户的交易限额类别;基于银行客户数据,确定每个历史客户对应的特征向量值,其中特征向量值包括交易限额类别,对每个历史客户对应的特征向量值进行监督聚类,获得多个监督聚类子集合;获取新客户的银行客户数据,并基于新客户的银行客户数据,确定每个新客户对应的特征向量值,其中,新客户的银行客户数据中不包括交易限额类别;基于多个监督聚类子集合和每个新客户对应的特征向量值,确定新客户的交易限额类别;基于交易限额类别控制新客户的交易处理,本专利技术基于聚类算法,给客户设置的交易限额,既能提高客户体验,又能有效的防范风险。
附图说明
[0023]为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
[0024]图1为本专利技术实施例中基于聚类算法的交易参数设置方法流程图一;
[0025]图2为本专利技术实施例中基于聚类算法的交易参数设置方法流程图二;
[0026]图3为本专利技术实施例中基于聚类算法的交易参数设置方法流程图三;
[0027]图4为本专利技术实施例中基于聚类算法的交易参数设置方法流程图四;
[0028]图5为本专利技术实施例中基于聚类算法的交易参数设置方法流程图五;
[0029]图6为本专利技术实施例中基于聚类算法的交易参数设置方法流程图六;
[0030]图7为本专利技术实施例中基于聚类算法的交易参数设置装置结构框图一;
[0031]图8为本专利技术实施例中基于聚类算法的交易参数设置装置结构框图二。
具体实施方式
[0032]为使本专利技术实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本专利技术实施例做进一步详细说明。在此,本专利技术的示意性实施例及其说明用于解释本专利技术,但并不作为对本专利技术的限定。
[0033]术语解释:
[0034]交易限额:就是客户在做交易时,银行给客户设置的交易金额的最高值。若客户填写的金额超过上述交易限额,则直接拒绝客户的交易。
[0035]上述交易限额可以是一次交易的交易限额,也可以是累计的交易限额。
[0036]高风险状态:就是客户的交易有比较高的风险,比如有的场景中,银行对客户的交易缺乏有效的审核手段,或者客户的账户或者交易涉及到了某些高风险。
[0037]监督聚类算法:机器学习中,聚类算法的一种,其特点是利用的数据包含有标识(监督信息)。
[0038]图1为本专利技术实施例中基于聚类算法的交易参数设置方法流程图一,如图1所示,该方法包括:
[0039]步骤101:获取历史客户的银行客户数据,其中,第一历史客户的银行客户数据中交易限额类别为空,本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于聚类算法的交易参数设置方法,其特征在于,包括:获取历史客户的银行客户数据,其中,第一历史客户的银行客户数据中交易限额类别为空,第二历史客户的银行客户数据中交易限额类别不为空;基于交易限额类别不为空的第二历史客户的银行客户数据,获得交易限额类别为空的第一历史客户的交易限额类别;基于银行客户数据,确定每个历史客户对应的特征向量值,其中特征向量值包括交易限额类别,对每个历史客户对应的特征向量值进行监督聚类,获得多个监督聚类子集合;获取新客户的银行客户数据,并基于新客户的银行客户数据,确定每个新客户对应的特征向量值,其中,新客户的银行客户数据中不包括交易限额类别;基于多个监督聚类子集合和每个新客户对应的特征向量值,确定新客户的交易限额类别;基于所述交易限额类别控制新客户的交易处理。2.如权利要求1所述的基于聚类算法的交易参数设置方法,其特征在于,对每个历史客户对应的特征向量值进行监督聚类,获得多个监督聚类子集合,包括:分别计算每两个历史客户的交易属性距离和风险属性距离,基于交易属性距离和风险属性距离,确定每两个历史客户的距离;将交易限额类别作为监督标识,基于每两个历史客户的距离,利用学习向量量化的方法,对银行客户数据进行监督聚类,获得多个监督聚类子集合。3.如权利要求1所述的基于聚类算法的交易参数设置方法,其特征在于,基于交易限额类别不为空的第二历史客户的银行客户数据,获得交易限额类别为空的第一历史客户的交易限额类别,包括:基于交易限额类别不为空的第二历史客户的银行客户数据,分别提取每个第二历史客户对应的交易属性数据和风险属性数据,获得交易属性集合数据和风险属性集合数据;基于交易属性集合数据获得模型1,基于风险属性集合数据获得模型2;基于模型1和模型2,预测交易限额类别为空的第一历史客户的交易限额类别和对应的精度;基于设置好的正整数N,将根据模型1预测精度最高的N个交易限额类别为空的第一历史客户的银行客户数据和模型1预测的交易限额类别,移入到风险属性集合数据中,并基于移入后的风险属性集合数据训练模型2;根据模型2预测精度最高的N个交易限额类别为空的第一历史客户的银行客户数据和模型2预测的交易限额类别,移入到交易属性集合数据中,并基于移入后的交易属性集合数据训练模型1;持续进行上述预测和训练过程,直到交易限额类别为空的第一历史客户的银行客户数据为空。4.如权利要求1所述的基于聚类算法的交易参数设置方法,其特征在于,基于交易限额类别不为空的第二历史客户的银行客户数据,获得交易限额类别为空的第一历史客户的交易限额类别,包括:基于第一历史客户的银行客户数据和第二历史客户的银行客户数据,确认每两个历史客户之间的相似度;将大于阈值的相似度保留,将小于阈值的相识度设置为0;
基于所述相似度,获得历史客户关系图,历史客户关系图的每一个节点对应一个第一历史客户或第二历史客户,两个节点之间有边连接当且仅当两个历史客户的相似度大于阈值,且两个节点之间的边对应的数值就是两个历史客户的相似度;基于历史客户关系图,设置不包括交易限额类别的第一历史客户的交易限额类别。5.如权利要求1所述的基于聚类算法的交易参数设置方法,其特征在于,还包括:获取不同风险状态下的银行客户数据,针对每一个风险状态,基于该风险状态下的银行客户数据独立训练模型预测同一客户在该风险状态下的交易限额类别;根据同一客户在不同风险状态下的交易限额类别,设置同一客户在高风险状态下的交易限额类别。6.如权利要求1所述的基于聚类算法的交易参数设置方法,其特征在于,还包括:由区块链的智能合约自动确定客户交易的风险状态,包括确定客户是否处于高风险状态;当确认客户处于高风险状态时,基于该客户的高风险状态下的交易限额类别,限定客户的交易要素。7.一种基于聚类算法的交易参数设置装置,其特征在于,包括:银行客户数据获取模块,用于获取历史客户的银行客户数据,其中,第一历史客户的银行客户数据中交易限额类别为空,第二历史客户的银行客户...

【专利技术属性】
技术研发人员:朱江波汤东波戎立冯春阳李涵陆雪胡佳锋戈星晨池振强曾宪奇温晨贾哲
申请(专利权)人:中国银行股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1