CN106485521A - 用户信用度评估方法及装置 - Google Patents

Abstract

本发明实施例提供一种用户信用度评估方法及装置。该方法包括：获取用户行为信息，并构成用户行为信息集合；判断所述用户行为信息集合与预设的欠费行为信息集合的相似度；若所述相似度大于阈值，则确定用户信用度低。本发明实施例基于用户行为信息构成用户行为信息集合，通过比较用户行为信息集合与预设的欠费行为信息集合的相似度确定用户信用度的等级，相比于现有技术中的打分相加模式或依据用户定制的通信业务的价格确定用户信用度，提高了用户信用度的精度。

Description

用户信用度评估方法及装置

技术领域

本发明实施例涉及通信技术领域，尤其涉及一种用户信用度评估方法及装置。

背景技术

电信计费***是通信***的核心部分之一，且电信计费方式多种多样，常见的电信计费方式包括准实时计费方式和在线计费方式，运营商采用准实时计费方式可在用户使用通信业务后的预定时间内扣除费用，采用在线计费方式可实时扣除用户使用通信业务产生的费用。

由于准实时计费方式存在用户欠费风险高、成本低、对欠费管控力低的特点，所以准实时计费方式适用于信用度较高的用户，而在线计费方式存在用户欠费风险低、成本高、对欠费管控力高的特点，所以在线计费方式适用于信用度较低的用户。现有技术采用两种方式确定用户信用度，第一种是打分相加模式，具体采用用户初始信用度评分方法和用户动态信用度评分方法确定用户信用度，用户初始信用度评分＝用户合约类型评估分值*权重A+支付情况*权重B+信用担保情况*权重C，用户动态信用度评分＝历史交费信用评估分值*权重A+在网时长评估分值*权重B+消费能力评估分值*C+用户社会信用情况评估分值*权重D；第二种是依据用户定制的通信业务的价格确定用户信用度，具体为通信业务的价格越高，用户信用度越高，反之，通信业务的价格越低，用户信用度越低。

由于上述两种方式的评价机制简单，导致用户信用度的精度较低，无法确定采用准实时计费方式或在线计费方式进行电信计费。

发明内容

本发明实施例提供一种用户信用度评估方法及装置，以提高用户信用度的精度。

本发明实施例的一个方面是提供一种用户信用度评估方法，包括：

获取用户行为信息，并构成用户行为信息集合；

判断所述用户行为信息集合与预设的欠费行为信息集合的相似度；

若所述相似度大于阈值，则确定用户信用度低。

本发明实施例的另一个方面是提供一种用户信用度评估装置，包括：

获取模块，用于获取用户行为信息，并构成用户行为信息集合；

判断模块，用于判断所述用户行为信息集合与预设的欠费行为信息集合的相似度；

确定模块，用于若所述相似度大于阈值，则确定用户信用度低。

本发明实施例提供的用户信用度评估方法及装置，基于用户行为信息构成用户行为信息集合，通过比较用户行为信息集合与预设的欠费行为信息集合的相似度确定用户信用度的等级，相比于现有技术中的打分相加模式或依据用户定制的通信业务的价格确定用户信用度，提高了用户信用度的精度。

附图说明

图1为本发明实施例提供的用户信用度评估方法流程图；

图2为本发明实施例提供的用户信用度评估装置的结构图；

图3为本发明另一实施例提供的用户信用度评估装置的结构图。

具体实施方式

图1为本发明实施例提供的用户信用度评估方法流程图。本发明实施例针对现有的用户信用度评价机制简单，导致用户信用度的精度较低，提供了用户信用度评估方法，执行该方法的设备可以是运营商侧的一个服务器，该方法具体步骤如下：

步骤S101、获取用户行为信息，并构成用户行为信息集合；

所述获取用户行为信息，包括：获取用于描述用户行为的记录；依据所述记录获得所述用户行为信息。

用户行为由一系列的用户行为信息组成，例如对于一个用户行为“集团客户用户A在漫游地拨打国际长途”，该用户行为包括的用户行为信息有“集团客户”、“漫游地”“拨打国际长途”。目前，运营商积累了大量的用户 行为信息，且不同的场景对应不同的用户行为信息，本发明实施例例举3个场景，以及每个场景下的用户行为信息，具体如下：

1)信用度评估场景下的用户行为信息包括：用户合约类型、信用担保情况、历史交费信用情况、在网时长、消费能力和用户社会信用度评估分值，其中，用户合约类型表示取值为用户合约金额，信用担保情况表示取值为为用户提供信用担保的单位的评分，历史交费信用情况表示取值为用户按时缴费月数，在网时长表示取值为用户在网月数，消费能力表示取值为用户实际月均消费额，用户社会信用度评估分值表示取值为引自其他第三方信用评估结果。

2)防欺诈管理场景下的用户行为信息包括：国内、国际长途通话、国内、国际漫游、视频通话、M/T、流量话费波动情况、用户评级、支付类型和对端号码情况，其中，国内、国际长途通话、国内、国际漫游、视频通话、M/T、流量话费波动情况表示取值为用户国内、国际长途通话、国内、国际漫游、视频通话、M/T、流量话费与月均值的偏离数；用户评级表示取值为按VIP客户、集团客户的关键人物等属性由客户经理进行评分；支付类型表示取值为按托收、特殊停机政策用户等支付策略进行评分；对端号码情况表示取值为用户与某些高风险号码发生通话等行为次数，如国际声讯台、曾发生过欺诈案例的电话号码、或某个正在被监控的电话号码等。

3)市场营销场景下的用户行为信息包括：用户终端类别、用户位置和漫游状态，其中，用户终端类别表示取值为用户终端评级；用户位置表示取值为用户所处基站的基站编码；漫游状态表示取值为用户是否处于漫游状态。

多个用户行为信息共同构成描述用户行为的用户行为信息集合，假设有n个用户行为信息UserA₁,UserA₂,....UserA_n，则UserA₁,UserA₂,....UserA_n构成用户行为信息集合UserA＝{UserA₁,UserA₂,....UserA_n}。

步骤S102、判断所述用户行为信息集合与预设的欠费行为信息集合的相似度；

本发明实施例预设的欠费行为信息集合为UserSd＝{UserSd₁,UserSd₂,....UserSd_n}，UserSd₁,UserSd₂,....UserSd_n表示欠费行为信息，通过计算UserA＝{UserA₁,UserA₂,....UserA_n}与UserSd＝{UserSd₁,UserSd₂,....UserSd_n}的相似度可以判断所述用户行为信息集合对应的用户行为是否为欠费行为，优 选的，本发明实施例选定的欠费行为是高风险欠费行为，对应的欠费行为信息为高风险欠费行为信息。

所述用户行为信息集合为UserA＝{UserA₁,UserA₂,....UserA_n}，UserA₁,UserA₂,....UserA_n表示所述用户行为信息，所述欠费行为信息集合为UserSd＝{UserSd₁,UserSd₂,....UserSd_n}，UserSd₁,UserSd₂,....UserSd_n表示欠费行为信息；

所述判断所述用户行为信息集合与预设的欠费行为信息集合的相似度包括：计算UserA与UserSd之间的夹角余弦值其中，

表示所述相似度。

越大，表示UserA与UserSd之间的夹角越小，即UserA与UserSd越相似，反之，越小，表示UserA与UserSd之间的夹角越大，即UserA与UserSd越不相似。

步骤S103、若所述相似度大于阈值，则确定用户信用度低。

依据上述步骤S102，若所述用户行为信息集合与预设的欠费行为信息集合的相似度大于阈值，则判定UserA＝{UserA₁,UserA₂,....UserA_n}对应的用户行为是欠费行为，由于欠费行为优选为高风险欠费行为，则判定UserA＝{UserA₁,UserA₂,....UserA_n}对应的用户行为是高风险欠费行为，即该用户为高风险欠费用户，确定该用户的用户信用度低，反之，若所述用户行为信息集合与预设的欠费行为信息集合的相似度小于阈值，则确定该用户的用户信用度高，对于信用度低的用户采用准实时计费方式收费，对于信用度高的用户采用在线计费方式收费。

本发明实施例基于用户行为信息构成用户行为信息集合，通过比较用户行为信息集合与预设的欠费行为信息集合的相似度确定用户信用度的等级，相比于现有技术中的打分相加模式或依据用户定制的通信业务的价格确定用户信用度，提高了用户信用度的精度。

在上述实施例的基础上，所述判断所述用户行为信息集合与预设的欠费行为信息集合的相似度之前，还包括：生成N个历史的欠费用户案例中每个欠费用户案例对应的欠费行为特征向量，所述欠费行为特征向量中元素的个数与所述用户行为信息集合中元素的个数相同；对N个所述欠费行为特征向量进行归类处理获得同类特征向量集合；计算所述同类特征向量集合中所有 欠费行为特征向量的平均值获得所述欠费行为信息集合。

所述对N个所述欠费行为特征向量进行归类处理获得同类特征向量集合，包括：选取N个所述欠费行为特征向量中第i个欠费行为特征向量，1≤i≤N-1；计算所述第i个欠费行为特征向量分别与所述第j个欠费行为特征向量的相似度，i+1≤j≤N；若所述第i个欠费行为特征向量与所述第j个欠费行为特征向量的相似度大于所述阈值，则将所述第i个欠费行为特征向量与所述第j个欠费行为特征向量添加到同类特征向量集合中。

具体地，本发明实施例包括N个历史的欠费用户案例，分析每个欠费用户案例获得该欠费用户案例对应的欠费行为特征，该欠费行为特征组成欠费行为特征向量，欠费行为特征向量的维度与所述用户行为信息集合的维度相同，例如上述实施例中，用户行为信息集合的维度为n，则欠费行为特征向量的维度也为n，N个历史的欠费用户案例分别对应生成N个欠费行为特征向量。

选取N个所述欠费行为特征向量中第1个欠费行为特征向量，计算第1个欠费行为特征向量分别与剩余N-1个欠费行为特征向量的相似度，并将相似度大于所述阈值的欠费行为特征向量添加到同类特征向量集合中；其次，选取N个所述欠费行为特征向量中第2个欠费行为特征向量，计算第2个欠费行为特征向量分别与除第1个欠费行为特征向量和第2个欠费行为特征向量之外的N-2个欠费行为特征向量的相似度，具体的相似度计算方法采用上述实施例中的夹角余弦值计算公式，并将相似度大于所述阈值的欠费行为特征向量添加到同类特征向量集合中，此处的阈值与上述实施例中的阈值为同一个值；循环前述步骤直至选取N个所述欠费行为特征向量中第N-1个欠费行为特征向量，并计算第N-1个欠费行为特征向量与第N个欠费行为特征向量的相似度，若第N-1个欠费行为特征向量与第N个欠费行为特征向量的相似度大于该阈值，则将第N-1个欠费行为特征向量与第N个欠费行为特征向量添加到同类特征向量集合中，反之不添加，如此完成同类特征向量集合的建立。

去除同类特征向量集合中重复出现的欠费行为特征向量后，假设同类特征向量集合包括三个不同的欠费行为特征向量，具体为UserB、UserC和UserD，其中，UserB＝{UserB₁,UserB₂,....UserB_n}、UserC＝{UserC₁,UserC₂,....UserC_n}、 UserD＝{UserD₁,UserD₂,....UserD_n}，对UserB、UserC和UserD求平均值获得欠费行为信息集合UserSd＝{UserSd₁,UserSd₂,....UserSd_n}，其中， 1≤i≤n。

本发明实施例通过多个历史的欠费用户案例确定欠费行为信息集合，提高了对欠费行为的描述精准度，通过比较用户行为信息集合与欠费行为信息集合的相似度，确定用户信用度等级，进一步提高了用户信用度的精度。

图2为本发明实施例提供的用户信用度评估装置的结构图。本发明实施例提供的用户信用度评估装置可以执行用户信用度评估方法实施例提供的处理流程，如图2所示，用户信用度评估装置20包括获取模块21、判断模块22和确定模块23，其中，获取模块21用于获取用户行为信息，并构成用户行为信息集合；判断模块22用于判断所述用户行为信息集合与预设的欠费行为信息集合的相似度；确定模块23用于若所述相似度大于阈值，则确定用户信用度低。

本发明实施例基于用户行为信息构成用户行为信息集合，通过比较用户行为信息集合与预设的欠费行为信息集合的相似度确定用户信用度的等级，相比于现有技术中的打分相加模式或依据用户定制的通信业务的价格确定用户信用度，提高了用户信用度的精度。

图3为本发明另一实施例提供的用户信用度评估装置的结构图。在上述实施例的基础上，所述用户行为信息集合为UserA＝{UserA₁,UserA₂,....UserA_n}，UserA₁,UserA₂,....UserA_n表示所述用户行为信息，所述欠费行为信息集合为UserSd＝{UserSd₁,UserSd₂,....UserSd_n}，UserSd₁,UserSd₂,....UserSd_n表示欠费行为信息；判断模块22具体用于计算UserA与UserSd之间的夹角余弦值其中， 表示所述相似度。

用户信用度评估装置20还包括特征向量生成模块24、归类处理模块25和计算模块26，其中，特征向量生成模块24用于生成N个历史的欠费用户案例中每个欠费用户案例对应的欠费行为特征向量，所述欠费行为特征向量 中元素的个数与所述用户行为信息集合中元素的个数相同；归类处理模块25用于对N个所述欠费行为特征向量进行归类处理获得同类特征向量集合；计算模块26用于计算所述同类特征向量集合中所有欠费行为特征向量的平均值获得所述欠费行为信息集合。

归类处理模块25具体用于选取N个所述欠费行为特征向量中第i个欠费行为特征向量，1≤i≤N-1；计算所述第i个欠费行为特征向量分别与所述第j个欠费行为特征向量的相似度，i+1≤j≤N；若所述第i个欠费行为特征向量与所述第j个欠费行为特征向量的相似度大于所述阈值，则将所述第i个欠费行为特征向量与所述第j个欠费行为特征向量添加到同类特征向量集合中。

获取模块21具体用于获取用于描述用户行为的记录；依据所述记录获得所述用户行为信息。

本发明实施例提供的用户信用度评估装置可以具体用于执行上述图1所提供的方法实施例，具体功能此处不再赘述。

本发明实施例通过多个历史的欠费用户案例确定欠费行为信息集合，提高了对欠费行为的描述精准度，通过比较用户行为信息集合与欠费行为信息集合的相似度，确定用户信用度等级，进一步提高了用户信用度的精度。

综上所述，本发明实施例基于用户行为信息构成用户行为信息集合，通过比较用户行为信息集合与预设的欠费行为信息集合的相似度确定用户信用度的等级，相比于现有技术中的打分相加模式或依据用户定制的通信业务的价格确定用户信用度，提高了用户信用度的精度；通过多个历史的欠费用户案例确定欠费行为信息集合，提高了对欠费行为的描述精准度，通过比较用户行为信息集合与欠费行为信息集合的相似度，确定用户信用度等级，进一步提高了用户信用度的精度。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种用户信用度评估方法，其特征在于，包括：

获取用户行为信息，并构成用户行为信息集合；

判断所述用户行为信息集合与预设的欠费行为信息集合的相似度；

若所述相似度大于阈值，则确定用户信用度低。

2.根据权利要求1所述的方法，其特征在于，所述用户行为信息集合为UserA＝{UserA₁,UserA₂,....UserA_n}，UserA₁,UserA₂,....UserA_n表示所述用户行为信息，所述欠费行为信息集合为UserSd＝{UserSd₁,UserSd₂,....UserSd_n}，UserSd₁,UserSd₂,....UserSd_n表示欠费行为信息；

所述判断所述用户行为信息集合与预设的欠费行为信息集合的相似度，包括：

计算UserA与UserSd之间的夹角余弦值其中，

$Cos\∂=\frac{\⟨UserA,UserSd\⟩}{\left|UserA\right|\left|UserSd\right|}=\frac{\underset{t=1}{\overset{n}{\Σ}}{\mathrm{UserA}}_t*{\mathrm{UserSd}}_t}{\underset{t=1}{\overset{n}{\Σ}}\sqrt{{\left({\mathrm{UserA}}_t\right)}^2*{\left({\mathrm{UserSd}}_t\right)}^2}},$ 表示所述相似度。

3.根据权利要求2所述的方法，其特征在于，所述判断所述用户行为信息集合与预设的欠费行为信息集合的相似度之前，还包括：

生成N个历史的欠费用户案例中每个欠费用户案例对应的欠费行为特征向量，所述欠费行为特征向量中元素的个数与所述用户行为信息集合中元素的个数相同；

对N个所述欠费行为特征向量进行归类处理获得同类特征向量集合；

计算所述同类特征向量集合中所有欠费行为特征向量的平均值获得所述欠费行为信息集合。

4.根据权利要求3所述的方法，其特征在于，所述对N个所述欠费行为特征向量进行归类处理获得同类特征向量集合，包括：

选取N个所述欠费行为特征向量中第i个欠费行为特征向量，1≤i≤N-1；

计算所述第i个欠费行为特征向量分别与所述第j个欠费行为特征向量的相似度，i+1≤j≤N；

若所述第i个欠费行为特征向量与所述第j个欠费行为特征向量的相似度大于所述阈值，则将所述第i个欠费行为特征向量与所述第j个欠费行为特征向量添加到同类特征向量集合中。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述获取用户行为信息，包括：

获取用于描述用户行为的记录；

依据所述记录获得所述用户行为信息。

6.一种用户信用度评估装置，其特征在于，包括：

获取模块，用于获取用户行为信息，并构成用户行为信息集合；

判断模块，用于判断所述用户行为信息集合与预设的欠费行为信息集合的相似度；

确定模块，用于若所述相似度大于阈值，则确定用户信用度低。

7.根据权利要求6所述的用户信用度评估装置，其特征在于，所述用户行为信息集合为UserA＝{UserA₁,UserA₂,....UserA_n}，UserA₁,UserA₂,....UserA_n表示所述用户行为信息，所述欠费行为信息集合为UserSd＝{UserSd₁,UserSd₂,....UserSd_n}，UserSd₁,UserSd₂,....UserSd_n表示欠费行为信息；

所述判断模块具体用于计算UserA与UserSd之间的夹角余弦值其中， $Cos\∂=\frac{\⟨UserA,UserSd\⟩}{\left|UserA\right|\left|UserSd\right|}=\frac{\underset{t=1}{\overset{n}{\Σ}}{\mathrm{UserA}}_t*{\mathrm{UserSd}}_t}{\underset{t=1}{\overset{n}{\Σ}}\sqrt{{\left({\mathrm{UserA}}_t\right)}^2*{\left({\mathrm{UserSd}}_t\right)}^2}},$ 表示所述相似度。

8.根据权利要求7所述的用户信用度评估装置，其特征在于，还包括：

特征向量生成模块，用于生成N个历史的欠费用户案例中每个欠费用户案例对应的欠费行为特征向量，所述欠费行为特征向量中元素的个数与所述用户行为信息集合中元素的个数相同；

归类处理模块，用于对N个所述欠费行为特征向量进行归类处理获得同类特征向量集合；

计算模块，用于计算所述同类特征向量集合中所有欠费行为特征向量的平均值获得所述欠费行为信息集合。

9.根据权利要求8所述的用户信用度评估装置，其特征在于，所述归类处理模块具体用于选取N个所述欠费行为特征向量中第i个欠费行为特征向量，1≤i≤N-1；计算所述第i个欠费行为特征向量分别与所述第j个欠费行为特征向量的相似度，i+1≤j≤N；若所述第i个欠费行为特征向量与所述第j个欠费行为特征向量的相似度大于所述阈值，则将所述第i个欠费行为特征向量与所述第j个欠费行为特征向量添加到同类特征向量集合中。

10.根据权利要求6-9任一项所述的用户信用度评估装置，其特征在于，所述获取模块具体用于获取用于描述用户行为的记录；依据所述记录获得所述用户行为信息。