本申请涉及一种交易数据录入方法、装置、计算机设备和存储介质。涉及金融科技领域或其他相关领域，应用于流程自动化机器人，所述方法包括：从数据库中获取银行的用户交易数据；将所述用户交易数据输入至目标识别模型中，通过所述目标识别模型判断所述用户交易数据是否为可疑交易数据；所述目标识别模型为与所述用户交易数据的业务场景的类型相对应的模型；若所述用户交易数据为可疑交易数据，则将所述可疑交易数据录入至所述银行的可疑数据监控系统。采用本方法能够实现将可疑交易数据自动录入系统，有效节省了人力资源以及提高可疑交易数据录入工作的效率。易数据录入工作的效率。易数据录入工作的效率。
【技术实现步骤摘要】
可疑交易数据录入方法、装置、计算机设备和计算机可读存储介质
[0001]本申请涉及数据处理领域，特别是涉及一种可疑交易数据录入方法、装置、计算机设备和计算机可读存储介质。
技术介绍
[0002]随着计算机、人工智能以及大数据的发展，银行信息化建设逐渐趋向于信息数字化方向。在银行数字化转型的背景下，对银行的反洗钱监控系统录入反洗钱可疑数据提出了更高的要求和挑战。
[0003]但是，在将反洗钱可疑数据录入银行的反洗钱监控系统时，传统方式，主要通过人工将反洗钱可疑数据录入至银行的反洗钱监控系统。显然，这样会导致工作量大且较为耗时。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够提高数据录入的效率的可疑交易数据录入方法、装置、计算机设备和计算机可读存储介质，具体涉及金融科技领域或其他相关领域。
[0005]第一方面，本申请提供了一种可疑交易数据录入方法，应用于流程自动化机器人，所述方法包括：
[0006]从数据库中获取银行的用户交易数据；
[0007]将所述用户交易数据输入至目标识别模型中，通过所述目标识别模型判断所述用户交易数据是否为可疑交易数据；所述目标识别模型为与所述用户交易数据的业务场景的类型相对应的模型；
[0008]若所述用户交易数据为可疑交易数据，则将所述可疑交易数据录入至所述银行的可疑数据监控系统。
[0009]在其中一个实施例中，所述方法还包括：
[0010]获取多个交易样本数据集及与所述交易样本数据集对应的业务场景的类型；
[0011]针对各所述交易样本数据集，根据与所述交易样本数据集对应的所述业务场景的类型，构建与所述交易样本数据集对应的交易样本数据识别模型.
[0012]在其中一个实施例中，所述根据与所述交易样本数据集对应的所述业务场景的类型，构建与所述交易样本数据集对应的交易样本数据识别模型，包括：
[0013]根据所述业务场景的类型，确定与所述交易样本数据集对应的目标识别模型为逻辑回归模型；
[0014]对所述逻辑回归模型的参数进行初始化处理及迭代训练，生成所述逻辑回归模型的中间参数；
[0015]基于预设评价指标从所述逻辑回归模型的中间参数中，确定所述逻辑回归模型的
目标参数；
[0016]基于所述逻辑回归模型的目标参数，构建与所述交易样本数据对应的目标识别模型。
[0017]在其中一个实施例中，在所述从数据库中获取银行的用户交易数据之后，包括：
[0018]对所述用户交易数据进行数据清洗，生成数据清洗后的用户交易数据；
[0019]对所述数据清洗后的用户交易数据，从用户特征、账户特征以及交易明细特征中的至少一个维度进行特征提取，生成所述数据清洗后的用户交易数据的目标特征。
[0020]在其中一个实施例中，所述将所述用户交易数据输入至目标识别模型中，通过所述目标识别模型判断所述用户交易数据是否为可疑交易数据，包括：
[0021]获取与所述用户交易数据对应的业务场景的类型；
[0022]根据所述业务场景的类型从所述交易样本数据识别模型中，确定目标识别模型；
[0023]通过所述目标识别模型判断所述用户交易数据中的目标特征是否具有可疑性；
[0024]若是，则根据所述用户交易数据的目标特征确定所述用户交易数据为可疑交易数据。
[0025]在其中一个实施例中，所述将所述可疑交易数据录入至所述银行的可疑数据监控系统，包括：
[0026]将所述可疑交易数据录入至所述银行的可疑数据监控系统，生成所述可疑交易数据的补录结果；
[0027]基于所述可疑交易数据的补录结果生成所述可疑交易数据的补录文件；
[0028]将所述可疑交易数据的补录文件写入至预设邮件模板，生成所述可疑交易数据的补录邮件；
[0029]将所述可疑交易数据的补录邮件以邮件的方式发送至目标业务人员。
[0030]在其中一个实施例中，所述目标识别模型包括：基于支持向量机算法构建的模型、基于随机森林算法构建的模型、基于梯度提升决策树算法构建的模型以及基于神经网络算法构建的模型。
[0031]第二方面，本申请还提供了一种设备盘点装置。所述装置包括：
[0032]交易数据获取模块，用于从数据库中获取银行的用户交易数据；
[0033]交易数据判断模块，用于将所述用户交易数据输入至目标识别模型中，通过所述目标识别模型判断所述用户交易数据是否为可疑交易数据；所述目标识别模型为与所述用户交易数据的业务场景的类型相对应的模型；
[0034]交易数据录入模块，用于若所述用户交易数据为可疑交易数据，则将所述可疑交易数据录入至所述银行的可疑数据监控系统。
[0035]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0036]从数据库中获取银行的用户交易数据；
[0037]将所述用户交易数据输入至目标识别模型中，通过所述目标识别模型判断所述用户交易数据是否为可疑交易数据；所述目标识别模型为与所述用户交易数据的业务场景的类型相对应的模型；
[0038]若所述用户交易数据为可疑交易数据，则将所述可疑交易数据录入至所述银行的
可疑数据监控系统。
[0039]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0040]从数据库中获取银行的用户交易数据；
[0041]将所述用户交易数据输入至目标识别模型中，通过所述目标识别模型判断所述用户交易数据是否为可疑交易数据；所述目标识别模型为与所述用户交易数据的业务场景的类型相对应的模型；
[0042]若所述用户交易数据为可疑交易数据，则将所述可疑交易数据录入至所述银行的可疑数据监控系统。
[0043]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0044]从数据库中获取银行的用户交易数据；
[0045]将所述用户交易数据输入至目标识别模型中，通过所述目标识别模型判断所述用户交易数据是否为可疑交易数据；所述目标识别模型为与所述用户交易数据的业务场景的类型相对应的模型；
[0046]若所述用户交易数据为可疑交易数据，则将所述可疑交易数据录入至所述银行的可疑数据监控系统。
[0047]上述可疑交易数据录入方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，应用于流程自动化机器人，所述方法包括：从数据库中获取银行的用户交易数据；将所述用户交易数据输入至目标识别模型中，通过所述目标识别模型判断所述用户交易数据是否为可疑交易数据；所述目标识别模型为与所述用户交易数据的业务场景的类型相对应的模型；若所述用户交本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种可疑交易数据录入方法，其特征在于，应用于流程自动化机器人，所述方法包括：从数据库中获取银行的用户交易数据；将所述用户交易数据输入至目标识别模型中，通过所述目标识别模型判断所述用户交易数据是否为可疑交易数据；所述目标识别模型为与所述用户交易数据的业务场景的类型相对应的模型；若所述用户交易数据为可疑交易数据，则将所述可疑交易数据录入至所述银行的可疑数据监控系统。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取多个交易样本数据集及与所述交易样本数据集对应的业务场景的类型；针对各所述交易样本数据集，根据与所述交易样本数据集对应的所述业务场景的类型，构建与所述交易样本数据集对应的交易样本数据识别模型。3.根据权利要求2所述的方法，其特征在于，所述根据与所述交易样本数据集对应的所述业务场景的类型，构建与所述交易样本数据集对应的交易样本数据识别模型，包括：根据所述业务场景的类型，确定与所述交易样本数据集对应的目标识别模型为逻辑回归模型；对所述逻辑回归模型的参数进行初始化处理及迭代训练，生成所述逻辑回归模型的中间参数；基于预设评价指标从所述逻辑回归模型的中间参数中，确定所述逻辑回归模型的目标参数；基于所述逻辑回归模型的目标参数，构建与所述交易样本数据对应的目标识别模型。4.根据权利要求1所述的方法，其特征在于，在所述从数据库中获取银行的用户交易数据之后，包括：对所述用户交易数据进行数据清洗，生成数据清洗后的用户交易数据；对所述数据清洗后的用户交易数据，从用户特征、账户特征以及交易明细特征中的至少一个维度进行特征提取，生成所述数据清洗后的用户交易数据的目标特征。5.根据权利要求4所述的方法，其特征在于，所述将所述用户交易数据输入至目标识别模型中，通过所述目标识别模型判断所述用户交易数据是否为可疑交易数据，包括：获取与所述用户交易数据对应的...
【专利技术属性】
技术研发人员：刘杰勋，狄先红，龚剑，石荣华，
申请(专利权)人：中国工商银行股份有限公司，
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。