账户对象数据处理方法、装置、计算机设备、存储介质与流程

专利检索2025-05-03  17


本技术涉及人工智能,特别是涉及一种账户对象数据处理方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术:

1、在人工智能领域中,资源提供方可以向资源申请方转移资源,在约定期限来临时,资源申请方需要返还转移的资源,并额外返回一部分按照预先约定的资源调整系数计算得到的附加资源,因此需要对不同的资源申请方设定适合的资源调整系数。其中,资源提供方包括银行等金融机构,资源包括金融资源,资源调整系数用于决定资源返回过程的资源返还量。

2、传统的设定方式是,对资源申请方中的单个账户对象都需要分别设置资源调整系数,计算过程比较繁琐且运算量大,计算成本比较高,导致针对各账户对象的资源调整系数的计算效率较低。


技术实现思路

1、基于此,有必要针对上述技术问题,提供一种能够提升针对各账户对象的资源调整系数的计算效率的账户对象数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面,本技术提供了一种账户对象数据处理方法。所述方法包括:

3、获取账户对象样本;所述账户对象样本包括在预设时间段之内发起资源调用申请请求的多个账户对象;

4、对所述账户对象进行分类,得到分类后的账户对象分类样本;

5、对每一类所述账户对象分类样本中的账户对象进行聚类处理,得到账户对象聚类结果;所述账户对象聚类结果包括针对所述账户对象分类样本的多个账户对象聚类簇;

6、对各所述账户对象聚类簇进行分层,得到至少两个账户对象层级;

7、按照预设的资源调整系数差异化策略和基准资源调整系数,确定出各所述账户对象层级的分档资源调整系数;所述分档资源调整系数用于调整目标账户对象针对已调用资源的返还资源量;所述目标账户对象为归属于所述账户对象层级的账户对象。

8、在其中一个实施例中,所述对每一类所述账户对象分类样本中的账户对象进行聚类处理,得到账户对象聚类结果,包括:

9、采用所述账户对象分类样本进行聚类训练,得到训练后的账户对象聚类模型;

10、通过所述训练后的账户对象聚类模型,按照所述账户对象分类样本中各账户对象的聚类特征数据,对所述账户对象分类样本中的账户对象进行聚类,得到所述账户对象聚类结果。

11、在其中一个实施例中,所述账户对象分类样本包括时间内样本集和时间外样本集;所述时间内样本集包括在所述预设时间段的指定时间范围内发起资源调用申请请求的多个账户对象;所述时间外样本集包括在所述预设时间段的所述指定时间范围外发起资源调用申请请求的多个账户对象;所述时间内样本集包括训练样本集和测试样本集;所述采用所述账户对象分类样本进行聚类训练,得到训练后的账户对象聚类模型,包括:

12、获取所述训练样本集中各账户对象的聚类特征数据;

13、确定聚类簇数,并按照所述聚类簇数和所述训练样本集中各账户对象的聚类特征数据进行聚类训练,得到已训练的账户对象聚类模型;

14、采用所述测试样本集对所述已训练的账户对象聚类模型的聚类效果进行测试,以及,采用所述时间外样本集对所述已训练的账户对象聚类模型的聚类效果进行验证,直至得到所述训练后的账户对象聚类模型。

15、在其中一个实施例中,所述获取所述训练样本集中各账户对象的聚类特征数据,包括:

16、获取所述训练样本集中各账户对象的账户特征数据;

17、对所述训练样本集中各账户对象的账户特征数据进行归一化处理,得到所述训练样本集中各账户对象的归一化特征数据;

18、对所述训练样本集中各账户对象的归一化特征数据进行降维处理,得到所述训练样本集中各账户对象的聚类特征数据。

19、在其中一个实施例中,所述对各所述账户对象聚类簇进行分层,得到至少两个账户对象层级,包括:

20、按照预设的聚类评估指标,获取各所述账户对象聚类簇中各账户对象的资源拥有量信息和资源逾期信息;所述资源逾期信息表征账户对象未在设定时间内返回已调用资源的情况;

21、根据各所述账户对象的资源拥有量信息和资源逾期信息,对各所述账户对象聚类簇进行排序,得到排序后的账户对象聚类簇;

22、对所述排序后的账户对象聚类簇进行层级划分,得到所述至少两个账户对象层级。

23、在其中一个实施例中,所述按照预设的资源调整系数差异化策略和基准资源调整系数,确定出各所述账户对象层级的分档资源调整系数,包括:

24、根据所述资源调整系数差异化策略,确定差异化约束目标;所述差异化约束目标为各所述账户对象层级的分档资源调整系数的加权平均资源调整系数与所述基准资源调整系数间的差异满足预设差异条件,且向所述账户对象层级的账户对象展示所述分档资源调整系数后,所述账户对象层级的账户对象发起资源调用签约请求的次数增加情况满足预设增加条件;

25、确定针对各所述账户对象层级的资源调整系数赋予规则,按照所述资源调整系数赋予规则、所述差异化约束目标和所述基准资源调整系数,确定出各所述账户对象层级的分档资源调整系数。

26、第二方面,本技术还提供了一种账户对象数据处理装置。所述装置包括:

27、账户对象样本获取模块,用于获取账户对象样本;所述账户对象样本包括在预设时间段之内发起资源调用申请请求的多个账户对象;

28、账户对象分类模块,用于对所述账户对象进行分类,得到分类后的账户对象分类样本;

29、账户对象聚类模块,用于对每一类所述账户对象分类样本中的账户对象进行聚类处理,得到账户对象聚类结果;所述账户对象聚类结果包括针对所述账户对象分类样本的多个账户对象聚类簇;

30、账户对象分层模块,用于对各所述账户对象聚类簇进行分层,得到至少两个账户对象层级;

31、分档资源调整系数确定模块,用于按照预设的资源调整系数差异化策略和基准资源调整系数,确定出各所述账户对象层级的分档资源调整系数;所述分档资源调整系数用于调整目标账户对象针对已调用资源的返还资源量;所述目标账户对象为归属于所述账户对象层级的账户对象。

32、在其中一个实施例中,所述账户对象聚类模块,包括:

33、对象聚类模型训练模块,用于采用所述账户对象分类样本进行聚类训练,得到训练后的账户对象聚类模型;

34、聚类子模块,用于通过所述训练后的账户对象聚类模型,按照所述账户对象分类样本中各账户对象的聚类特征数据,对所述账户对象分类样本中的账户对象进行聚类,得到所述账户对象聚类结果。

35、在其中一个实施例中,所述账户对象分类样本包括时间内样本集和时间外样本集;所述时间内样本集包括在所述预设时间段的指定时间范围内发起资源调用申请请求的多个账户对象;所述时间外样本集包括在所述预设时间段的所述指定时间范围外发起资源调用申请请求的多个账户对象;所述时间内样本集包括训练样本集和测试样本集;所述对象聚类模型训练模块,包括:

36、聚类特征数据获取模块,用于获取所述训练样本集中各账户对象的聚类特征数据;

37、训练子模块,用于确定聚类簇数,并按照所述聚类簇数和所述训练样本集中各账户对象的聚类特征数据进行聚类训练,得到已训练的账户对象聚类模型;

38、测试验证模块,用于采用所述测试样本集对所述已训练的账户对象聚类模型的聚类效果进行测试,以及,采用所述时间外样本集对所述已训练的账户对象聚类模型的聚类效果进行验证,直至得到所述训练后的账户对象聚类模型。

39、在其中一个实施例中,所述聚类特征数据获取模块,包括:

40、账户特征数据获取模块,用于获取所述训练样本集中各账户对象的账户特征数据;

41、归一化模块,用于对所述训练样本集中各账户对象的账户特征数据进行归一化处理,得到所述训练样本集中各账户对象的归一化特征数据;

42、降维模块,用于对所述训练样本集中各账户对象的归一化特征数据进行降维处理,得到所述训练样本集中各账户对象的聚类特征数据。

43、在其中一个实施例中,所述账户对象分层模块,包括:

44、信息获取模块,用于按照所述预设的聚类评估指标,获取各所述账户对象聚类簇中各账户对象的资源拥有量信息和资源逾期信息;所述资源逾期信息表征账户对象未在设定时间内返回已调用资源的情况;

45、排序模块,用于根据各所述账户对象的资源拥有量信息和资源逾期信息,对各所述账户对象聚类簇进行排序,得到排序后的账户对象聚类簇;

46、层级划分模块,用于对所述排序后的账户对象聚类簇进行层级划分,得到所述至少两个账户对象层级。

47、在其中一个实施例中,所述按照预设的资源调整系数差异化策略和基准资源调整系数,确定出各所述账户对象层级的分档资源调整系数,包括:

48、根据所述资源调整系数差异化策略,确定差异化约束目标;所述差异化约束目标为各所述账户对象层级的分档资源调整系数的加权平均资源调整系数与所述基准资源调整系数间的差异满足预设差异条件,且向所述账户对象层级的账户对象展示所述分档资源调整系数后,所述账户对象层级的账户对象发起资源调用签约请求的次数增加情况满足预设增加条件;

49、确定针对各所述账户对象层级的资源调整系数赋予规则,按照所述资源调整系数赋予规则、所述差异化约束目标和所述基准资源调整系数,确定出各所述账户对象层级的分档资源调整系数。

50、第三方面,本技术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:

51、获取账户对象样本;所述账户对象样本包括在预设时间段之内发起资源调用申请请求的多个账户对象;

52、对所述账户对象进行分类,得到分类后的账户对象分类样本;

53、对每一类所述账户对象分类样本中的账户对象进行聚类处理,得到账户对象聚类结果;所述账户对象聚类结果包括针对所述账户对象分类样本的多个账户对象聚类簇;

54、对各所述账户对象聚类簇进行分层,得到至少两个账户对象层级;

55、按照预设的资源调整系数差异化策略和基准资源调整系数,确定出各所述账户对象层级的分档资源调整系数;所述分档资源调整系数用于调整目标账户对象针对已调用资源的返还资源量;所述目标账户对象为归属于所述账户对象层级的账户对象。

56、第四方面,本技术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:

57、获取账户对象样本;所述账户对象样本包括在预设时间段之内发起资源调用申请请求的多个账户对象;

58、对所述账户对象进行分类,得到分类后的账户对象分类样本;

59、对每一类所述账户对象分类样本中的账户对象进行聚类处理,得到账户对象聚类结果;所述账户对象聚类结果包括针对所述账户对象分类样本的多个账户对象聚类簇;

60、对各所述账户对象聚类簇进行分层,得到至少两个账户对象层级;

61、按照预设的资源调整系数差异化策略和基准资源调整系数,确定出各所述账户对象层级的分档资源调整系数;所述分档资源调整系数用于调整目标账户对象针对已调用资源的返还资源量;所述目标账户对象为归属于所述账户对象层级的账户对象。

62、第五方面,本技术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:

63、获取账户对象样本;所述账户对象样本包括在预设时间段之内发起资源调用申请请求的多个账户对象;

64、对所述账户对象进行分类,得到分类后的账户对象分类样本;

65、对每一类所述账户对象分类样本中的账户对象进行聚类处理,得到账户对象聚类结果;所述账户对象聚类结果包括针对所述账户对象分类样本的多个账户对象聚类簇;

66、对各所述账户对象聚类簇进行分层,得到至少两个账户对象层级;

67、按照预设的资源调整系数差异化策略和基准资源调整系数,确定出各所述账户对象层级的分档资源调整系数;所述分档资源调整系数用于调整目标账户对象针对已调用资源的返还资源量;所述目标账户对象为归属于所述账户对象层级的账户对象。

68、上述账户对象数据处理方法、装置、计算机设备、存储介质和计算机程序产品,首先获取账户对象样本,然后对账户对象进行分类,得到分类后的账户对象分类样本,进而对账户对象分类样本中的账户对象进行聚类处理,得到账户对象聚类结果,然后对各账户对象聚类簇进行分层,得到至少两个账户对象层级,最后按照预设的资源调整系数差异化策略和基准资源调整系数,确定出各账户对象层级的分档资源调整系数,以调整目标账户对象针对已调用资源的返还资源量,从账户群体的角度来设置资源调整系数,依次使用分类、聚类和分层的手段,对账户进行自动化分级,并根据分级结果对账户进行差异化定价,降低聚类复杂性,提高分层准确性,节省人力,提升效率,可实现线上实时利率计算,节约了大量的计算成本,获得了提升针对各账户对象的资源调整系数计算效率的有益效果。


技术特征:

1.一种账户对象数据处理方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述对每一类所述账户对象分类样本中的账户对象进行聚类处理,得到账户对象聚类结果,包括:

3.根据权利要求2所述的方法,其特征在于,所述账户对象分类样本包括时间内样本集和时间外样本集;所述时间内样本集包括在所述预设时间段的指定时间范围内发起资源调用申请请求的多个账户对象;所述时间外样本集包括在所述预设时间段的所述指定时间范围外发起资源调用申请请求的多个账户对象;所述时间内样本集包括训练样本集和测试样本集;所述采用所述账户对象分类样本进行聚类训练,得到训练后的账户对象聚类模型,包括:

4.根据权利要求3所述的方法,其特征在于,所述获取所述训练样本集中各账户对象的聚类特征数据,包括:

5.根据权利要求1所述的方法,其特征在于,所述对各所述账户对象聚类簇进行分层,得到至少两个账户对象层级,包括:

6.根据权利要求1所述的方法,其特征在于,所述按照预设的资源调整系数差异化策略和基准资源调整系数,确定出各所述账户对象层级的分档资源调整系数,包括:

7.一种账户对象数据处理装置,其特征在于,所述装置包括:

8.根据权利要求7所述的装置,其特征在于,所述账户对象聚类模块,包括:

9.根据权利要求8所述的装置,其特征在于,所述账户对象分类样本包括时间内样本集和时间外样本集;所述时间内样本集包括在所述预设时间段的指定时间范围内发起资源调用申请请求的多个账户对象;所述时间外样本集包括在所述预设时间段的所述指定时间范围外发起资源调用申请请求的多个账户对象;所述时间内样本集包括训练样本集和测试样本集;所述对象聚类模型训练模块,包括:

10.根据权利要求9所述的装置,其特征在于,所述聚类特征数据获取模块,包括:

11.根据权利要求7所述的装置,其特征在于,所述账户对象分层模块,包括:

12.根据权利要求7所述的装置,其特征在于,所述按照预设的资源调整系数差异化策略和基准资源调整系数,确定出各所述账户对象层级的分档资源调整系数,包括:

13.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

15.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。


技术总结
本申请涉及一种账户对象数据处理方法、装置、计算机设备、存储介质和计算机程序产品,涉及人工智能技术领域。所述方法包括:获取账户对象样本;对账户对象进行分类,得到分类后的账户对象分类样本;对每一类账户对象分类样本中的账户对象进行聚类处理,得到账户对象聚类结果;对各账户对象聚类簇进行分层,得到至少两个账户对象层级;按照预设的资源调整系数差异化策略和基准资源调整系数,确定出各账户对象层级的分档资源调整系数。采用本方法能够提升针对各账户对象的资源调整系数的计算效率。

技术研发人员:李腾,赵阳,郭冬
受保护的技术使用者:中国建设银行股份有限公司
技术研发日:
技术公布日:2024/5/29
转载请注明原文地址:https://win.8miu.com/read-1153386.html

最新回复(0)