本申请公开了一种异常用户的特征确定方法、装置、设备及存储介质。获取多个用户的用户数据以及历史评分数据，根据该用户数据，分别确定每个用户的评分数据。再根据每个用户的评分数据以及历史评分数据，确定评分变化异常用户。最后，基于聚类模型，对该评分变化异常用户的用户数据进行聚类，确定该评分变化异常用户的异常特征。根据本申请实施例，能够实现对异常用户进行分析，确定评分变化异常用户的异常特征。该评分变化异常用户是根据用户的评分数据以及历史评分数据确定出的，而该评分数据以及该历史评分数据均是通过用户的用户数据确定出的。可见，上述实施例可准确的确定异常用户的异常特征。户的异常特征。户的异常特征。
【技术实现步骤摘要】
异常用户的特征确定方法、装置、设备及存储介质
[0001]本申请属于数据处理领域，尤其涉及一种异常用户的特征确定方法、装置、设备及存储介质。
技术介绍
[0002]金融机构包含银行、证券、保险等机构，通常为用户提供理财产品、金融保险等金融服务。而金融机构在正常营业时，往往不期望用户出现交易异常、金融产品持有数量变化等异常情况。
[0003]通常情况下，金融机构往往依靠服务人员与用户进行沟通，而当用户出现交易异常、金融产品持有数量变化等异常情况时，往往也由服务人员确定用户出现这些异常情况的原因。
[0004]但是，由于服务人员具有较强的主观性，往往难以准确的确定用户出现异常情况的原因。
技术实现思路
[0005]本申请实施例提供一种异常用户的特征确定方法、装置、设备及计算机存储介质，能够确定用户出现异常情况时的原因，即确定用户的异常特征。
[0006]一方面，本申请实施例提供一种异常用户的特征确定方法，方法包括：
[0007]获取多个用户的用户数据以及历史评分数据；
[0008]根据所述用户数据，分别确定每个用户的评分数据；
[0009]根据每个用户的评分数据以及历史评分数据，确定评分变化异常用户；
[0010]基于聚类模型，对所述评分变化异常用户的用户数据进行聚类，确定所述评分变化异常用户的异常特征。
[0011]可选的，获取多个用户的用户数据，具体包括：
[0012]获取多个用户的初始用户数据，所述初始用户数据包含多个用户特征；
[0013]分别对每个用户的初始用户数据进行预处理，得到多个预处理用户数据；
[0014]对所述预处理用户数据包含的多个用户特征进行筛选，确定用户数据，所述用户数据至少包含一个目标用户特征。
[0015]可选的，分别对每个用户的初始用户数据进行预处理，得到多个预处理用户数据，具体包括：
[0016]分别对每个用户的初始用户数据包含的用户特征进行数据清洗，得到包含多个用户特征的预处理用户数据；
[0017]基于数据编码算法，将所述预处理用户数据包含的用户特征的数据形式转换为特征向量。
[0018]可选的，对所述预处理用户数据包含的多个用户特征进行筛选，确定用户数据，具体包括：
[0019]根据所述预处理用户数据包含的用户特征，分别确定每个用户特征的方差；
[0020]根据预处理用户数据包含的用户特征，将与其他用户特征存在多重共线性的用户特征，确定为共线特征；
[0021]删除方差小于预设的方差阈值的用户特征以及所述共线特征，确定剩余用户特征；
[0022]根据所述剩余用户特征，通过权重确定模型分别确定每个剩余用户特征的特征权重；
[0023]按照从大到小的顺序，将所述特征权重最大的预设数量个剩余用户特征，确定为目标用户特征；
[0024]将包含所述目标用户特征的所述预处理用户数据，确定为用户数据。
[0025]可选的，分别对每个用户的初始用户数据进行预处理，得到多个预处理用户数据之后，所述方法还包括：
[0026]对所述预处理用户数据包含的用户特征进行数据可视化处理，确定并显示可视化特征；
[0027]响应于目标用户的操作，删除所述目标用户选择的若干用户特征。
[0028]可选的，根据所述用户数据，分别确定每个用户的评分数据，具体包括：
[0029]将所述用户数据分别输入到至少两个评分模型中，得到至少两个评分结果；
[0030]根据所述至少两个评分结果，通过评分融合模型，确定每个用户数据对应的评分数据。
[0031]可选的，根据每个用户的评分数据以及历史评分数据，确定评分变化异常用户，具体包括：
[0032]针对每个用户，确定该用户的评分数据与该用户的历史评分数据的差值；
[0033]当确定该差值大于预设的差值阈值时，将该用户确定为评分变化异常用户。
[0034]可选的，基于聚类模型，对所述评分变化异常用户的用户数据进行聚类，确定所述评分变化异常用户的异常特征，具体包括：
[0035]获取所述评分变化异常用户的历史用户数据，所述历史用户数据与所述用户数据均包括相同的多个用户特征；
[0036]针对每个用户特征，将所述评分变化异常用户的用户数据中该用户特征与所述评分变化异常用户的历史用户数据中该用户特征的差值，确定为特征差值；
[0037]基于聚类模型，对确定出的所述特征差值进行聚类分析，确定所述评分变化异常用户的异常特征。
[0038]可选的，基于聚类模型，对确定出的所述特征差值进行聚类分析，确定所述评分变化异常用户的异常特征，具体包括：
[0039]基于聚类模型，对确定出的所述特征差值进行聚类分析，确定所述评分变化异常用户的聚类结果；
[0040]对所述评分变化异常用户进行因子分析，确定因子分析结果；
[0041]根据所述聚类结果以及所述因子分析结果，确定所述评分变化异常用户的异常特征。
[0042]另一方面，本申请实施例提供了一种异常用户的特征确定装置，装置包括：
[0043]获取单元，用于获取多个用户的用户数据以及历史评分数据；
[0044]评分单元，用于根据所述用户数据，分别确定每个用户的评分数据；
[0045]对比单元，用于根据每个用户的评分数据以及历史评分数据，确定评分变化异常用户；
[0046]确定单元，用于基于聚类模型，对所述评分变化异常用户的用户数据进行聚类，确定所述评分变化异常用户的异常特征。
[0047]再一方面，本申请实施例提供了一种异常用户的特征确定设备，设备包括：
[0048]处理器以及存储有计算机程序指令的存储器；
[0049]所述处理器执行所述计算机程序指令时实现如上述一方面所述的异常用户的特征确定方法。
[0050]再一方面，本申请实施例提供了一种计算机存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如上述一方面的任意一项所述的异常用户的特征确定方法。
[0051]再一方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备实现如上述一方面的任意一项所述的异常用户的特征确定方法。
[0052]本申请实施例的异常用户的特征确定方法、装置、设备及计算机存储介质，能够实现对异常用户进行分析，确定评分变化异常用户的异常特征。该评分变化异常用户是根据用户的评分数据以及历史评分数据确定出的，而该评分数据以及该历史评分数据均是通过用户的用户数据确定出的。可见，上述实施例可准确的确定异常用户的异常特征。
附图说明
[0053]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种异常用户的特征确定方法，其特征在于，包括：获取多个用户的用户数据以及历史评分数据；根据所述用户数据，分别确定每个用户的评分数据；根据每个用户的评分数据以及历史评分数据，确定评分变化异常用户；基于聚类模型，对所述评分变化异常用户的用户数据进行聚类，确定所述评分变化异常用户的异常特征。2.根据权利要求1所述的方法，其特征在于，获取多个用户的用户数据，具体包括：获取多个用户的初始用户数据，所述初始用户数据包含多个用户特征；分别对每个用户的初始用户数据进行预处理，得到多个预处理用户数据；对所述预处理用户数据包含的多个用户特征进行筛选，确定用户数据，所述用户数据至少包含一个目标用户特征。3.根据权利要求2所述的方法，其特征在于，分别对每个用户的初始用户数据进行预处理，得到多个预处理用户数据，具体包括：分别对每个用户的初始用户数据包含的用户特征进行数据清洗，得到包含多个用户特征的预处理用户数据；基于数据编码算法，将所述预处理用户数据包含的用户特征的数据形式转换为特征向量。4.根据权利要求2所述的方法，其特征在于，对所述预处理用户数据包含的多个用户特征进行筛选，确定用户数据，具体包括：根据所述预处理用户数据包含的用户特征，分别确定每个用户特征的方差；根据预处理用户数据包含的用户特征，将与其他用户特征存在多重共线性的用户特征，确定为共线特征；删除方差小于预设的方差阈值的用户特征以及所述共线特征，确定剩余用户特征；根据所述剩余用户特征，通过权重确定模型分别确定每个剩余用户特征的特征权重；按照从大到小的顺序，将所述特征权重最大的预设数量个剩余用户特征，确定为目标用户特征；将包含所述目标用户特征的所述预处理用户数据，确定为用户数据。5.根据权利要求2所述的方法，其特征在于，分别对每个用户的初始用户数据进行预处理，得到多个预处理用户数据之后，所述方法还包括：对所述预处理用户数据包含的用户特征进行数据可视化处理，确定并显示可视化特征；响应于目标用户的操作，删除所述目标用户选择的若干用户特征。6.根据权利要求1所述的方法，其特征在于，根据所述用户数据，分别确定每个用户的评分数据，具体包括：将所述用户数据分别输入到至少两个评分模型中，得到至少两个评分结果；根据所述至少两个评分结果，通过评分融合模型，确定每个用户数据对应的评分数据。7.根据权利要求1所述的方法，其特征在于，根据每个用户的评...
【专利技术属性】
技术研发人员：王艺坤，
申请(专利权)人：建信金融科技有限责任公司，
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。