【技术实现步骤摘要】
本公开涉及计算机，具体涉及机器学习、金融大数据处理、人工智能技术等，尤其涉及风险对象预测方法、装置、电子设备及存储介质。
技术介绍
1、
2、传统的黑产用户(也可称为风险用户)挖掘方法通常仅依赖于单一的数据源进行分析，该方法存在局限性，这种单一视角的方法忽视了黑产用户的多样性和行为的全面性，导致在对黑产用户进行挖掘时无法较为准确地挖掘到黑产用户。
技术实现思路
1、本公开提供了一种风险对象预测方法、装置、电子设备及存储介质。
2、根据本公开的一方面，提供了一种风险对象预测方法，包括：
3、获取与待识别对象相关联的多源数据；
4、根据所述多源数据的数据类型对所述多源数据进行特征提取以及特征统计，得到个体行为特征和群体行为特征；
5、将所述个体行为特征和所述群体行为特征进行特征融合，得到融合后的行为特征；
6、根据所述融合后的行为特征预测得到所述待识别对象的风险情况。
7、根据本公开的另一方面，提供了风险对象预
【技术保护点】
1.一种风险对象预测方法，包括：
2.根据权利要求1所述的方法，其中，在获取与待识别对象相关联的多源数据之后，所述方法包括：
3.根据权利要求1所述的方法，其中，所述根据所述多源数据的数据类型对所述多源数据进行特征提取以及特征统计，得到个体行为特征和群体行为特征，包括：
4.根据权利要求3所述的方法，其中，在根据所述多源数据的数据类型对所述多源数据进行特征提取，得到个体行为特征之前，所述方法还包括：
5.根据权利要求3所述的方法，其中，所述将所述个体行为特征进行统计，以分析不同个体行为特征之间的共性特征，得到群体行为特征
【技术特征摘要】
1.一种风险对象预测方法，包括：
2.根据权利要求1所述的方法，其中，在获取与待识别对象相关联的多源数据之后，所述方法包括：
3.根据权利要求1所述的方法，其中，所述根据所述多源数据的数据类型对所述多源数据进行特征提取以及特征统计，得到个体行为特征和群体行为特征，包括：
4.根据权利要求3所述的方法，其中，在根据所述多源数据的数据类型对所述多源数据进行特征提取，得到个体行为特征之前，所述方法还包括：
5.根据权利要求3所述的方法，其中，所述将所述个体行为特征进行统计，以分析不同个体行为特征之间的共性特征，得到群体行为特征，包括：
6.根据权利要求1至5任意一项所述的方法，其中，所述将所述个体行为特征和所述群体行为特征进行特征融合，得到融合后的行为特征，包括：
7.根据权利要求1至5任意一项所述的方法，其中，所述根据所述融合后的行为特征预测得到所述待识别对象的风险情况，包括：
8.根据权利要求5所述的方法，其中，所述方法还包括：
9.一种风险对象预测装置，包括：
10.根据权利要求9所述的装置，其中，所述获取模块在获取与待识别对象相关联的多源数据之后，还用于将所述多源数据中同一对象标识对应的数据进行关联，得到关联后的多源数据。
11.根据权利要求9所述的装置，其中，所述提取模块根据所述多源数据的数据类型对所述多源数据进行特征提取以及特征统计，得到个体行...
【专利技术属性】
技术研发人员：金博夫，张磊，田海英，焦健，
申请(专利权)人：百度中国有限公司，
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。