一种信用评分方法及设备

    公开(公告)号:CN109978302A

    公开(公告)日:2019-07-05

    申请号:CN201711458946.2

    申请日:2017-12-28

    Abstract: 本发明公开了一种信用评分方法及设备,用于减小用户信用评分的主观性,提高用户信用评分的准确性。该方法包括:获取N个用户的N个数据样本;所述数据样本包括P个评价指标的数据,N、P为正整数;根据所述N个数据样本构建由目标层、准则层和方案层组成的基于层次分析法AHP架构的评分指标体系;所述目标层为用户信用的评分,所述准则层包括影响用户信用评分的M个要素,所述M个要素中的一个要素与所述方案层包括的至少一个评价指标相对应,其中,不同要素所对应的评价指标不同,M为正整数;通过分类算法计算每个要素所对应的至少一个评价指标中每一个评价指标的权重;根据每一个评价指标的权重以及评分指标体系对用户信用进行评分。

    一种违规信息发送群的判定方法及装置

    公开(公告)号:CN106549851A

    公开(公告)日:2017-03-29

    申请号:CN201510599132.5

    申请日:2015-09-18

    Abstract: 本发明提供了一种违规信息发送群的判定方法及装置,该判定方法包括:获取已审核为违规的信息,并依据信息的内容,将发送相似内容的信息的发送号码设定为归属于同一发送群,形成多个发送群;分析发送群中的发送号码,使发送号码中疑似具有相同行为、且疑似属于同一用户的多个发送号码归属于同一初步疑似违规群;分析初步疑似违规群内发送号码的社交特征和与初步疑似违规群相对应的信息接收群的社交特征,判断初步疑似违规群是否为确定疑似违规群。在本发明提供的判定方法中,通过采用内容判定和社交关系判定的方式,能够对违规行为与正常行为进行准确区分,有效地判定低频违规信息发送者的确定疑似违规群,使得对违规信息发送群的判定更加准确。

    一种违规信息发送群的判定方法及装置

    公开(公告)号:CN106549851B

    公开(公告)日:2020-01-21

    申请号:CN201510599132.5

    申请日:2015-09-18

    Abstract: 本发明提供了一种违规信息发送群的判定方法及装置,该判定方法包括:获取已审核为违规的信息,并依据信息的内容,将发送相似内容的信息的发送号码设定为归属于同一发送群,形成多个发送群;分析发送群中的发送号码,使发送号码中疑似具有相同行为、且疑似属于同一用户的多个发送号码归属于同一初步疑似违规群;分析初步疑似违规群内发送号码的社交特征和与初步疑似违规群相对应的信息接收群的社交特征,判断初步疑似违规群是否为确定疑似违规群。在本发明提供的判定方法中,通过采用内容判定和社交关系判定的方式,能够对违规行为与正常行为进行准确区分,有效地判定低频违规信息发送者的确定疑似违规群,使得对违规信息发送群的判定更加准确。

    一种信息推荐方法及装置
    5.
    发明公开

    公开(公告)号:CN115880015A

    公开(公告)日:2023-03-31

    申请号:CN202111143740.7

    申请日:2021-09-28

    Abstract: 本发明提供一种信息推荐方法及装置。其中,该方法包括:基于枢纽节点联合参与方的数据点,并利用预设密度聚类算子对多域联合数据进行密度聚类分群,得到特征空间差异化的用户群;根据所述用户群的订购产品统计结果,确定预设产品类别对应的初始的偏好用户群分类结果;将所述偏好用户群分类结果输入到相应的模型分类器中基于偏好概率进行产品潜客筛选,得到所述模型分类器输出的目标用户群及其对应的偏好产品类别。采用本发明方法,能够以群为单位进行并行模型预测,根据偏好概率精筛用户,提升了客户分群的准确率和产品推荐效率,为各类别产品细筛出偏好度高的用户群进行精准营销,极大的节省了内部资源,减少获客成本,有效提高了运营效率。

    一种信息处理方法、装置及设备

    公开(公告)号:CN111402028A

    公开(公告)日:2020-07-10

    申请号:CN201910001005.9

    申请日:2019-01-02

    Inventor: 解凯旋 张帆

    Abstract: 本发明提供了一种信息处理方法、装置及设备,其中,信息处理方法包括:获取时间序列数据、事件序列数据和离散数据;时间序列数据、事件序列数据和离散数据是根据用户信息得到的;根据时间序列数据、事件序列数据和离散数据,得到特征向量;根据特征向量,得到预测违约概率和预测违约时间。本方案通过获取时间序列数据、事件序列数据和离散数据;根据时间序列数据、事件序列数据和离散数据,得到特征向量;根据特征向量,得到预测违约概率和预测违约时间;能够挖掘用户数据的序列变化规律,建立综合性模型,不仅可以预测用户信贷风险等级,还可预测用户违约风险发生的时间,完善信息处理的处理结果,并提高精度。

Patent Agency Ranking