【技术实现步骤摘要】
对象类型确定方法、装置、计算机设备和存储介质
[0001]本申请涉及支付金融领域，特别是涉及一种对象类型确定方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着计算机和互联网技术的发展，各金融机构的业务范围也越来越广泛，支付金融领域中，不断的出现不合法的异常交易，例如为了实现洗钱的目的而进行的异常交易。
[0003]传统技术中，可以通过正常的交易数据以及异常的交易数据对神经网络模型进行训练，得到具有预测异常交易功能的神经网络模型，利用该训练好的神经网络模型预测异常交易。
[0004]然而，由于金融机构中日常的交易量是不断增长的，交易数据量较大，通过神经网络模型进行异常交易预测所需要的计算量较大，导致预测效率较低。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够提高预测效率的对象类型确定方法、装置、计算机设备和计算机可读存储介质。
[0006]一方面，本申请提供了一种对象类型确定方法。所述方法包括：从多个已知对象类型的参考资源存储对象中，确定与目标资源存...
【技术保护点】
【技术特征摘要】
1.一种对象类型确定方法，其特征在于，所述方法包括：从多个已知对象类型的参考资源存储对象中，确定与目标资源存储对象的对象特征相近的多个候选资源存储对象；对于每个所述候选资源存储对象，确定所述候选资源存储对象对应的聚集度表征值；所述聚集度表征值，用于表征在按照对象特征进行分布的情况下，所述候选资源存储对象与特征相近存储对象之间的分布聚集程度；所述特征相近存储对象是所述参考资源存储对象中与所述候选资源存储对象的对象特征相近的参考资源存储对象；基于所述候选资源存储对象对应的聚集度表征值，从所述多个候选资源存储对象中确定满足聚集分布条件的候选资源存储对象；基于所述满足聚集分布条件的候选资源存储对象所属的对象类型，预测所述目标资源存储对象所属的对象类型。2.根据权利要求1所述的方法，其特征在于，所述多个候选资源存储对象为目标数量的候选资源存储对象，确定所述目标数量的步骤包括：从所述多个已知对象类型的参考资源存储对象中，确定与测试资源存储对象的对象特征相近的当前数量的参考资源存储对象；确定所述当前数量的参考资源存储对象分别对应的聚集度表征值，从所述当前数量的参考资源存储对象中确定聚集度表征值满足聚集分布条件的参考资源存储对象；基于所述满足聚集分布条件的参考资源存储对象所属的对象类型，得到所述测试资源存储对象对应的预测对象类型；基于所述测试资源存储对象的预测对象类型确定预测准确度，在所述预测准确度符合准确度要求的情况下，将当前数量确定为目标数量。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：在所述预测准确度不符合准确度要求的情况下，更新当前数量；返回从所述多个已知对象类型的参考资源存储对象中，确定与测试资源存储对象的对象特征相近的当前数量的参考资源存储对象的步骤，直到预测准确度符合准确度要求为止。4.根据权利要求1所述的方法，其特征在于，所述基于所述候选资源存储对象对应的聚集度表征值，从所述多个候选资源存储对象中确定满足聚集分布条件的候选资源存储对象包括：获取对象类型对应的聚集度表征统计值；所述对象类型对应的聚集度表征统计值，是对属于所述对象类型的参考资源存储对象的聚集度表征值进行统计得到的；从所述多个候选资源存储对象中，确定聚集度表征值小于所属的对象类型的聚集度表征统计值的候选资源存储对象，得到满足聚集分布条件的候选资源存储对象。5.根据权利要求4所述的方法，其特征在于，确定所述对象类型对应的聚集度表征统计值的步骤包括：获取所述多个已知对象类型的参考资源存储对象中，每个参考资源存储对象分别对应的聚集度表征值；对所述多个已知对象类型的参考资源存储对象中，同一对象类型的参考资源存储对象的聚集度表征值进行统计，得到每种对象类型分别对应的聚集度表征统计值。
6.根据权利要求1所述的方法，其特征在于，所述确定所述候选资源存储对象对应的聚集度表征值包括：对于每个所述参考资源存储对象，确定所述候选资源存储对象与所述参考资源存储对象之间的特征差值；基于特征差值，从所述多个参考资源存储对象中确定所述候选资源存储对象的特征相近存储对象；基于所述候选资源存储对象的特征相近存储对象的对象特征，确定所述候选资源存储对象对应的聚集度表征值。7.根据权利要求6所述的方法，其特征在于，所述对象特征包括多个对象指标分别对应的指标值，所述候选资源存储对象的对象特征为第一对象特征，...
【专利技术属性】
技术研发人员：张宇康，
申请(专利权)人：财付通支付科技有限公司，
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。