CN110942306A - 数据处理方法、装置及电子设备 - Google Patents
数据处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110942306A CN110942306A CN201911054084.6A CN201911054084A CN110942306A CN 110942306 A CN110942306 A CN 110942306A CN 201911054084 A CN201911054084 A CN 201911054084A CN 110942306 A CN110942306 A CN 110942306A
- Authority
- CN
- China
- Prior art keywords
- node
- circulation
- nodes
- selecting
- risk management
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 13
- 239000013598 vector Substances 0.000 claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000006243 chemical reaction Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims description 37
- 238000012546 transfer Methods 0.000 claims description 37
- 238000010586 diagram Methods 0.000 description 23
- 238000003860 storage Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 3
- 238000005295 random walk Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000005653 Brownian motion process Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005537 brownian motion Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000012954 risk control Methods 0.000 description 2
- 238000013058 risk prediction model Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004900 laundering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Computer Security & Cryptography (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书实施例提供数据处理方法、装置及电子设备。其中一个方法包括:获取目标对象的流转数据,并根据流转数据得到目标对象的流转节点;基于流转数据,并根据预设的规则生成节点序列;其中,节点序列中包含设定数量个流转节点、及目标对象的流转路径;基于预设的向量转换模型,根据节点序列得到风险管理对象的特征向量;其中,风险管理对象为节点序列所包含的流转节点和/或流转路径;根据特征向量对风险管理对象进行风险管理。在一个实施例中,该方法能够得到更为精准的风险管理对象的特征向量,进而可以针对风险管理对象执行更为准确的风险管理策略。
Description
技术领域
本说明书涉及数据处理技术领域,更具体地,涉及数据处理方法、数据处理装置及电子设备。
背景技术
目前,通过终端设备进行转账操作以及支付操作等交易场景的操作已经成为人们的主要交易操作渠道。随着互联网电商时代的发展,通过互联网洗钱的现象也愈来愈多。
因此,需要提供可靠的管控风险的技术方案。
发明内容
本说明书的实施例提供了一种管控交易请求的新技术方案。
根据本说明书的第一方面,提供了一种数据处理方法,包括:
获取目标对象的流转数据,并根据所述流转数据得到所述目标对象的流转节点;
基于所述流转数据,并根据预设的规则生成节点序列;其中,所述节点序列中包含设定数量个流转节点、及所述目标对象的流转路径;
基于预设的向量转换模型,根据所述节点序列得到风险管理对象的特征向量;其中,所述风险管理对象为所述节点序列所包含的流转节点和/或流转路径;
根据所述特征向量对所述风险管理对象进行风险管理。
可选的,所述基于所述流转数据,根据所述预设的规则生成所述节点序列包括:
从所述流转节点中选取所述节点序列的起始节点;
将所述起始节点作为目标节点;
基于所述流转数据,根据预设的规则选取所述目标节点的下一节点;
将所述下一节点作为目标节点;
根据选取的流转节点、及流转节点的选取顺序,生成所述节点序列。
可选的,所述基于所述流转数据,根据所述预设的规则选取所述目标节点的下一节点包括:
基于所述流转数据,选取符合预设条件的流转节点,作为备选节点;
从所述备选节点中随机选取所述下一节点。
可选的,还包括:
根据所述流转数据构建节点关系图;其中,所述节点关系图用于表示所述目标对象在所述流转节点之间的流转路径;
根据所述节点关系图,得到预设格式的节点连接数据;其中,所述节点连接数据为用于表示与每个流转节点在所述节点关系图中具有连接关系的流转节点的数据;
所述基于所述流转数据,选取符合预设条件的流转节点,作为备选节点包括:
基于所述节点连接数据,选取符合预设条件的流转节点,作为所述备选节点。
可选的,所述选取符合预设条件的流转节点,作为所述备选节点的方式包括:
选取与所述目标节点具有连接关系的流转节点,作为所述备选节点。
可选的,所述选取符合预设条件的节点,作为所述备选节点的方式还包括:
从与所述目标节点具有连接关系的流转节点中选取未选取的流转节点,作为所述备选节点。
可选的,所述选取符合预设条件的节点,作为备选节点的方式包括以下任意一项或多项:
选取与所述目标节点的属性相同的流转节点,作为所述备选节点;
选取与所述目标节点之间的目标对象的流转次数在第一设定范围内的流转节点,作为所述备选节点;
选取与所述目标节点之间所流转的目标对象的指定参数的参数值在第二设定范围内的流转节点,作为所述备选节点。
可选的,还包括:
检测停止选取所述下一节点的事件是否发生;
在检测到所述事件发生的情况下,停止选取所述下一节点,执行所述根据选取的流转节点、及流转节点的选取顺序,生成所述节点序列的步骤。
可选的,所述事件包括:
未得到符合所述预设条件的备选节点;和/或,
选取流转节点的数量达到所述设定数量。
可选的,所述节点序列为多个,每个节点序列的起始节点不同。
可选的,所述节点序列为对应流转节点的节点标识构成的标识序列;所述节点序列中节点标识的数量小于所述设定数量;
所述方法还包括:
按照预设的标识符填充所述节点序列。
可选的,所述风险管理对象包括流转节点,所述向量转换模型包括Word2vec模型、Bert模型、Lstm模型中的任意一种或多种;和/或,
所述风险管理对象包括流转路径,所述向量转换模型包括Bert模型和/或Lstm模型。
可选的,所述风险管理对象包括流转节点,
所述根据所述特征向量对所述风险管理对象进行风险管理包括:
根据每个流转节点的特征向量,对流转节点进行聚类;
对属于同一聚类的流转节点执行相同的风险管理策略。
可选的,所述根据所述特征向量对所述风险管理对象进行风险管理包括:
基于预设的预测模型,根据所述特征向量判断所述风险管理对象的风险预测结果;
在所述风险管理对象的风险预测结果为指定结果的情况下,对所述风险管理对象执行相应的风险管理策略。
根据本说明书的第二方面,提供了一种数据处理装置,包括:
数据节点获取模块,用于获取目标对象的流转数据,并根据所述流转数据得到所述目标对象的流转节点;
节点序列生成模块,用于基于所述流转数据,并根据预设的规则生成节点序列;其中,所述节点序列中包含设定数量个流转节点、及所述目标对象的流转路径;
特征向量得到模块,用于基于预设的向量转换模型,根据所述节点序列得到风险管理对象的特征向量;其中,所述风险管理对象为所述节点序列所包含的流转节点和/或流转路径;
风险管理模块,用于根据所述特征向量对所述风险管理对象进行风险管理。
可选的,所述节点序列生成模块还用于:
从所述流转节点中选取所述节点序列的起始节点;
将所述起始节点作为目标节点;
基于所述流转数据,根据预设的规则选取所述目标节点的下一节点;
将所述下一节点作为目标节点;
根据选取的流转节点、及流转节点的选取顺序,生成所述节点序列。
可选的,所述基于所述流转数据,根据所述预设的规则选取所述目标节点的下一节点包括:
基于所述流转数据,选取符合预设条件的流转节点,作为备选节点;
从所述备选节点中随机选取所述下一节点。
可选的,还包括:
关系图构建模块,用于根据所述流转数据构建节点关系图;其中,所述节点关系图用于表示所述目标对象在所述流转节点之间的流转路径;
连接数据得到模块,用于根据所述节点关系图,得到预设格式的节点连接数据;其中,所述节点连接数据为用于表示与每个流转节点在所述节点关系图中具有连接关系的流转节点的数据;
所述基于所述流转数据,选取符合预设条件的流转节点,作为备选节点包括:
基于所述节点连接数据,选取符合预设条件的流转节点,作为所述备选节点。
可选的,所述选取符合预设条件的流转节点,作为所述备选节点的方式包括:
选取与所述目标节点具有连接关系的流转节点,作为所述备选节点。
可选的,所述选取符合预设条件的节点,作为所述备选节点的方式还包括:
从与所述目标节点具有连接关系的流转节点中选取未选取的流转节点,作为所述备选节点。
可选的,所述选取符合预设条件的节点,作为备选节点的方式包括以下任意一项或多项:
选取与所述目标节点的属性相同的流转节点,作为所述备选节点;
选取与所述目标节点之间的目标对象的流转次数在第一设定范围内的流转节点,作为所述备选节点;
选取与所述目标节点之间所流转的目标对象的指定参数的参数值在第二设定范围内的流转节点,作为所述备选节点。
可选的,还包括:
用于检测停止选取所述下一节点的事件是否发生的模块;
用于在检测到所述事件发生的情况下,停止选取所述下一节点,执行所述根据选取的流转节点、及流转节点的选取顺序,生成所述节点序列的步骤的模块。
可选的,所述事件包括:
未得到符合所述预设条件的备选节点;和/或,
选取流转节点的数量达到所述设定数量。
可选的,所述节点序列为多个,每个节点序列的起始节点不同。
可选的,所述节点序列为对应流转节点的节点标识构成的标识序列;所述节点序列中节点标识的数量小于所述设定数量;
所述装置还包括:
用于按照预设的标识符填充所述节点序列的模块。
可选的,所述风险管理对象包括流转节点,所述向量转换模型包括Word2vec模型、Bert模型、Lstm模型中的任意一种或多种;和/或,
所述风险管理对象包括流转路径,所述向量转换模型包括Bert模型和/或Lstm模型。
可选的,所述风险管理对象包括流转节点,
所述风险管理模块还用于:
根据每个流转节点的特征向量,对流转节点进行聚类;
对属于同一聚类的流转节点执行相同的风险管理策略。
可选的,所述风险管理模块还用于:
基于预设的预测模型,根据所述特征向量判断所述风险管理对象的风险预测结果;
在所述风险管理对象的风险预测结果为指定结果的情况下,对所述风险管理对象执行相应的风险管理策略。
根据本说明书的第三方面,提供了一种电子设备,包括:处理器和存储器,所述存储器用于存储可执行的指令,所述指令用于控制所述处理器执行根据本说明书第一方面所述的方法。
通过以下参照附图对本说明书的示例性实施例的详细描述,本说明书的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本说明书的实施例,并且连同其说明一起用于解释本说明书的原理。
图1是可用于实现一个实施例的数据处理***的硬件配置的框图。
图2示出了一个实施例的数据处理方法的流程图。
图3示出了一个实施例的生成节点序列的步骤的示意图。
图4a示出了一个实施例的数据处理场景的示意图。
图4b示出了一个实施例的数据处理场景的示意图。
图5示出了数据处理方法的一个例子的流程图。
图6示出了一个实施例的数据处理装置的框图。
图7示出了一个实施例的电子设备的框图。
具体实施方式
现在将参照附图来详细描述本说明书的各种示例性实施例。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本说明书及其应用或使用的任何限制。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
图1为可以应用根据本说明书一个实施例的数据处理方法的一种数据处理***的组成结构示意图。
如图1所示,本实施例的数据处理***1000包括服务器1100、终端设备1200以及网络1300。
服务器1100例如可以是刀片服务器、机架式服务器等,服务器1100也可以是部署在云端的服务器集群,在此不做限定。
如图1所示,服务器1100可以包括处理器1110、存储器1120、接口装置1130、通信装置1140、显示装置1150和输入装置1160。处理器1110例如可以是中央处理器CPU等。存储器1120例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1130例如包括USB接口、串行接口等。通信装置1140例如能够进行有线或无线通信。显示装置1150例如是液晶显示屏。输入装置1160例如可以包括触摸屏、键盘等。
本实施例中,服务器1100的存储器1120用于存储指令,该指令用于控制处理器1110进行操作以执行本说明书任意实施例的数据处理方法。技术人员可以根据本说明书所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
本领域技术人员应当理解,尽管在图1中示出了服务器1100的多个装置,但是,本说明书实施例的服务器1100可以仅涉及其中的部分装置,例如,只涉及处理器1110和存储器1120。
如图1所示,终端设备1200可以包括处理器1210、存储器1220、接口装置1230、通信装置1240、显示装置1250、输入装置1260、音频输出装置1270、音频拾取装置1280,等等。其中,处理器1210可以是中央处理器CPU、微处理器MCU等。存储器1220例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1230例如包括USB接口、耳机接口等。通信装置1240例如能够进行有线或无线通信。显示装置1250例如是液晶显示屏、触摸显示屏等。输入装置1260例如可以包括触摸屏、键盘等。终端设备1200可以通过音频输出装置1270输出音频信息,该音频输出装置1270例如包括扬声器。终端设备1200可以通过音频拾取装置1280拾取用户输入的语音信息,该音频拾取装置1280例如包括麦克风。
终端设备1200可以是智能手机、便携式电脑、台式计算机、平板电脑等可以支持业务***运行的任意设备。
在本实施例中,终端设备1200的存储器1220用于存储指令,所述指令用于控制所述处理器1210进行操作以支持实现根据本说明书任意实施例的数据处理方法。技术人员可以根据本说明书所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
本领域技术人员应当理解,尽管在图1中示出了终端设备1200的多个装置,但是,本说明书实施例的终端设备1200可以仅涉及其中的部分装置,例如,只涉及处理器1210、存储器1220、显示装置1250、输入装置1260等。
网络1300可以是无线网络也可以是有线网络,可以是局域网也可以是广域网。终端设备1200可以通过网络1300与服务器1100进行通信。
图1所示的数据处理***1000仅是解释性的,并且决不是为了要限制本说明书、其应用或用途。例如,尽管图1仅示出一个服务器1100和一个终端设备1200,但不意味着限制各自的数量,风险识别***1000中可以包含多个服务器1100和/或多个终端设备1200。
<方法实施例>
图2为一个实施例的数据处理方法的示意性流程图。
在一个例子中,图2所示的方法可以仅由服务器或终端设备单独实施,也可以是由服务器和终端设备共同实施。在一个实施例中,终端设备可以是如图1所示的终端设备1200,服务器可以是如图1所示的服务器1100。
如图2所示,本实施例的方法包括如下步骤S202~S210:
步骤S202,获取目标对象的流转数据,并根据该流转数据得到目标对象的流转节点。
在本说明书的一个或多个实施例中,目标对象可以是在至少两个节点之间发生流转,该流转数据可以包括:目标对象的流转节点、目标对象在流转节点之间的流转路径、目标对象的参数信息、对应流转节点的属性信息中的至少一项。
例如,目标对象可以是资金,那么,目标对象的参数信息可以包括资金的金额。流转节点可以是资金账户,那么,流转节点的属性信息可以包括资金账户对应用户的归属地、年龄、性别、年收入、账户余额等信息。
步骤S204,基于该流转数据,根据预设的规则生成节点序列。
其中,节点序列包括设定数量个流转节点、及目标对象在设定数量个流转节点之间的流转路径。
在本说明书的一个或多个实施例中,生成节点序列的步骤可以进一步包括如图3所示的步骤S302~S310:
步骤S302,从流转节点中选取节点序列的起始节点。
在本说明书的一个或多个实施例中,可以是从所有的流转节点中随机选取一个作为节点序列的起始节点。
在本说明书的一个或多个实施例中,节点序列可以为多个。那么,每个节点序列的起始节点可以均不同。还可以包括至少两个具有相同起始节点的节点序列。
步骤S304,将起始节点作为目标节点。
步骤S306,基于流转数据,根据预设的规则选取目标节点的下一节点。
在本说明书的一个或多个实施例中,选取下一节点的步骤可以包括:
基于流转数据,选取符合预设条件的节点,作为备选节点;从备选节点中随机选取下一节点。
在本说明书的一个或多个实施例中,选取符合预设条件的节点,作为备选节点的方式可以包括:
选取与目标节点的属性相同的节点,作为备选节点;
选取与目标节点之间的目标对象的流转次数在第一设定范围内的流转节点,作为备选节点;
选取与目标节点之间所流转的目标对象的指定参数的参数值在第二设定范围内的流转节点,作为备选节点。
在选取与目标节点的属性相同的节点,作为备选节点的实施例中,流转节点可以是资金账户,那么,该属性可以是对应用户的归属地、年龄、性别、年收入、账户余额中的任意一个或多个。例如,该属性为对应用户的归属地,在目标节点的属性为北京的情况下,可以是将对应用户的归属地为北京的流转节点作为备选节点。再例如,该属性为对应用户的年龄,在目标节点对应的用户年龄为60岁,即目标节点的属性为55-80岁的情况下,可以是将对应用户的年龄为55-80岁的流转节点作为备选节点。
在选取与目标节点之间的目标对象的流转次数在第一设定范围内的流转节点,作为备选节点的实施例中,该第一设定范围可以是预先根据应用场景或具体需求设定。例如,该第一设定范围可以是大于等于3,那么,可以是选取与目标节点之间的目标对象的流转次数大于等于3的流转节点,作为备选节点。
在选取与目标节点之间所流转的目标对象的指定参数的参数值在第二设定范围内的流转节点,作为备选节点的实施例中,该目标对象可以是资金,指定参数可以是金额。该第二设定范围可以是预先根据场景或具体需求设定。例如,该第二设定范围可以是大于等于10万,那么,可以是将与目标节点之间所流转的资金金额大于等于10万的流转节点,作为备选节点。
在本说明书的一个或多个实施例中,还可以是预先根据与目标节点之间的目标对象的流转次数对其他流转节点(除目标节点以外的流转节点)进行降序排序,并确定每个其他流转节点的排序值,并选取排序值在第三设定范围内的其他流转节点,作为备选节点。其中,第三设定范围可以是预先根据应用场景或具体需求设定。例如,该第三设定范围可以是1-3,那么,可以是将排序值为1-3的其他流转节点,作为备选节点。
在本说明书的一个或多个实施例中,还可以是预先根据与目标节点之间所流转的目标对象的指定参数的参数值,对其他流转节点(除目标节点以外的流转节点)进行降序排序,并确定每个其他流转节点的排序值,并选取排序值在第四设定范围内的流转节点,作为备选节点。其中,第四设定范围可以是预先根据应用场景或具体需求设定。例如,该第四设定范围可以是1-3,那么,可以是将排序值为1-3的其他流转节点,作为备选节点。
在本说明书的一个或多个实施例中,该方法还可以包括如下所示的步骤S402~S404:
步骤S402,根据流转数据构建节点关系图。
其中,节点关系图用于表示目标对象在流转节点之间的流转路径。
在本说明书的一个或多个实施例中,可以是将发生目标对象流转的每两个流转节点进行连接,得到节点关系图。
具体的,如果流转数据包括目标对象在第一个流转节点和第二个流转节点之间发生流转,那么,在该节点关系图中,第一个流转节点和第二个流转节点具有连接关系,例如可以是如图4a所示。
进一步地,该连接关系可以是具有方向,以表示目标对象的流转方向,例如可以是如图4b所示。
步骤S404,根据节点关系图,得到预设格式的节点连接数据。
其中,节点连接数据为用于表示与每个流转节点在节点关系图中具有连接关系的流转节点的数据。
在连接关系不具有方向的实施例中,节点连接数据可以为表示与每个流转节点在节点关系图中具有连接关系的流转节点的数据。例如,在如图4a所示的例子中,流转节点2~7与流转节点1具有连接关系,节点连接数据中可以为“流转节点1,流转节点2,流转节点3,流转节点4,流转节点5,流转节点6,流转节点7”,表示流转节点2~7与流转节点1具有连接关系。
在连接关系具有方向的实施例中,节点连接数据可以为表示与每个流转节点在节点关系图中具有连接关系、且箭头非指向自身的流转节点的数据。例如,在如图4b所示的例子中,流转节点2~7与流转节点1具有连接关系,流转节点2、4、5、7与流转节点1之间的连接关系中箭头非指向流转节点1,因此,节点连接数据中可以为“流转节点1,流转节点2,流转节点4,流转节点5,流转节点7”,表示流转节点2、4、5、7与流转节点1具有连接关系、且箭头非指向流转节点1。
在本说明书的一个或多个实施例中,基于流转数据,选取符合预设条件的节点,作为备选节点可以为:基于节点连接数据,选取符合预设条件的节点,作为备选节点。
在本说明书的一个或多个实施例中,选取符合预设条件的节点,作为备选节点的方式可以包括:
选取与目标节点具有连接关系的流转节点,作为备选节点。
在连接关系具有方向的实施例中,可以是选取与目标节点具有连接关系的流转节点,作为备选节点。例如,在如图4a所示的例子中,在流转节点1为目标节点的情况下,可以是选取流转节点2~7作为备选节点。
在连接关系具有方向的实施例中,可以是选取与目标节点具有连接关系、且箭头非指向目标节点的流转节点的数据。例如,在如图4b所示的例子中,在流转节点1为目标节点的情况下,可以是选取流转节点2、4、5、7作为备选节点。
在本说明书的一个或多个实施例中,选取符合预设条件的节点,作为备选节点的方式还可以包括:
从与目标节点具有连接关系的流转节点中选取未被选取的流转节点,作为备选节点。
在本实施例中,未选取的流转节点是指在生成一个节点序列的过程中,与目标节点具有连接关系、且未被选取作为目标节点的流转节点。例如,在选取流转节点1作为初始节点,选取流转节点3作为流转节点1的下一节点,选取流转节点9作为流转节点3的下一节点,在将流转节点9作为目标节点的过程中,如果流转节点3、11、14与流转节点9均具有连接关系,那么,可以是选取未被选取的流转节点11和14作为备选节点。
在本说明书的一个或多个实施例中,在得到目标节点的备选节点的情况下,可以是通过随机游走的方式从备选节点中任选一个作为下一节点。
随机游走也称随机漫步,是指基于过去的表现,无法预测将来的发展步骤和方向。核心概念是指任何无规则行走者所带的守恒量都各自对应着一个扩散运输定律,接近于布朗运动,是布朗运动理想的数学状态。
步骤S308,将下一节点作为目标节点。
具体的,可以是将下一节点作为目标节点,继续执行前述的步骤S306,选取目标节点的下一节点。
步骤S310,根据选取的流转节点、及流转节点的选取顺序,生成节点序列。
具体的,生成的节点序列可以表征出所选取的流转节点及选取顺序。
在本说明书的一个或多个实施例中,每个节点可以具有唯一的节点标识,节点序列可以为对应节点的节点标识构成的标识序列。
例如,选取流转节点1为初始节点,选取流转节点3为流转节点1的下一节点,选取流转节点9为流转节点3的下一节点,选取流转节点11为流转节点9的下一节点,选取流转节点18为流转节点11的下一节点,那么,流转节点的选取顺序可以是:流转节点1→流转节点3→流转节点9→流转节点11→流转节点18。如果流转节点1的节点标识为NODE1,流转节点3的节点标识为NODE3,流转节点9的节点标识为NODE9,流转节点11的节点标识为NODE11,流转节点18的节点标识为NODE18,那么,生成的节点序列可以是NODE1NODE3NODE9NODE11NODE18。
在本说明书的一个或多个实施例中,该方法还可以包括:
检测停止选取下一节点的事件是否发生;在检测到事件发生的情况下,停止选取目标节点的下一节点,执行根据选取的节点、及节点的选取顺序,生成节点序列的步骤。
在本说明书的一个或多个实施例中,该事件至少可以包括:
未得到符合预设条件的备选节点;和/或,
选取流转节点的数量达到设定数量。
在该事件包括未得到符合预设条件的备选节点的情况下,如果已选取的流转节点的数量小于设定数量,那么,生成节点序列的步骤还可以包括:根据预设的标识符填充节点序列。其中,该标识符可以是预先根据应用场景或具体需求所设定的任意字符或字符串。
例如,设定数量为6,选取流转节点1为初始节点,选取流转节点3为流转节点1的下一节点,选取流转节点9为流转节点3的下一节点,选取流转节点11为流转节点9的下一节点,选取流转节点18为流转节点11的下一节点,未得到与流转节点18所对应的备选节点,预设的标识符为*,那么,生成的节点序列可以是NODE1NODE3NODE9NODE11NODE18*。
步骤S206,基于预设的向量转换模型,根据节点序列得到风险管控对象的特征向量。
其中,风险管理对象为节点序列所包含的流转节点和/或流转路径。
在本实施例中,可以是将节点序列作为文本,将每个流转节点的节点标识作为一个词语,基于预设的向量转换模型,得到风险管控对象的特征向量。
在风险管控对象为流转节点的情况下,向量转换模型包括Word2vec模型、Bert模型、Lstm模型中的任意一种或多种。
word2vec模型是一群用来产生词向量的相关模型。这些模型为浅而双层的神经网络,用来训练以重新建构语言学之词文本。网络以词表现,并且需猜测相邻位置的输入词,在word2vec中词袋模型假设下,词的顺序是不重要的。训练完成之后,word2vec模型可用来映射每个词到一个向量,可用来表示词对词之间的关系。
Bert模型基于双向编码器(Transformer)构建的语言模型,是一种预训练语言表示的方法。Bert采用注意力机制来预测序列中被mask(被掩盖)的词,不仅可以充分利用到上下文的信息,还可以获取一个流转节点与节点序列中任何一个流转节点的重要关系程度,即可以更好的描述现实中流转节点之间的重要关系程度,这使得流转节点的特征向量有更强的表达能力。
Lstm模型是长短期记忆网络,是一种时间递归神经网络。将节点序列输入Lstm组成的编码器,得到中间向量,再将中间向量输入到Lstm组成的解码器中进行还原,模型训练完成后,Lsmt组成的解码器可以对任何一个节点序列形成中间向量,即得到每个流转节点的特征向量。
在风险管控对象为流转路径的情况下,向量转换模型包括Bert模型和/或Lstm模型。
Bert使用句子级负采样对句子级别的表达进行了学习,即对节点序列所标识的目标对象的流转路径也用特征向量表示。
Lstm会对节点序列中的每个流转节点形成隐藏向量,作为节点序列所标识的目标对象的流转路径的特征向量。
步骤S208,根据特征向量对风险管理对象进行风险管理。
在本说明书的一个或多个实施例中,可以是基于预先训练好的风险预测模型,根据该风险管理对象的特征向量判断风险管理对象的风险预测结果;在该风险管理对象的风险预测结果为指定结果的情况下,对该风险管理对象执行相应的风险管理策略。其中,指定结果可以是预先根据应用场景或具体需求所指定的结果,例如,该结果可以是风险预测分数大于或等于0.7。
在风险管理对象为流转节点的情况下,可以是在流转节点的风险预测结果为指定结果的情况下,可以确定该流转节点为高风险节点,相应的风险管理策略可以是冻结该流转节点对应的资金账户。
在风险管理对象为流转路径的情况下,可以是在流转路径的预测结果为指定结果的情况下,可以确定该流转路径为高风险路径,相应的风险管理策略可以是重点监控该流转路径,或者是禁止该流转路径进行目标对象的流转。
在本说明书的一个或多个实施例中,还可以是对风险管理对象的特征向量进行打标,并根据打标的特征向量来训练对应的风险预测模型。
在本说明书的一个或多个实施例中,风险管理对象包括流转节点,根据特征向量对风险管理对象进行风险管理还可以包括:
根据每个流转节点的特征向量,对流转节点进行聚类;对属于同一聚类的流转节点执行相同的风险管理策略。
在一个实施例中,该方法能够得到更为精准的风险管理对象的特征向量,进而可以针对风险管理对象执行更为准确的风险管理策略。在一个实施例中,该方法能够探究节点关系图中的结构性质和/或内容上的相似性。在一个实施例中,同时考虑到节点关系图中局部和宏观的信息,使得本方法具有很强的适应性。在一个实施例中,充分利用到上下文的信息,还可以获取一个流转节点与对应节点序列中任何一个流转节点之间的重要关系程度。在一个实施例中,对节点序列的句子级别的表达进行了学习,能够通过特征向量表示来流转路径,以对流转路径进行风险管理。在某些实施例中,可能同时具有上述效果中的多个。
<例子1>
下面以一个具体的例子来说明数据处理方法实施的过程。如图5所示,该方法包括:
步骤S502,获取目标对象的流转数据,并根据该流转数据得到目标对象的流转节点。
步骤S504,根据流转数据构建节点关系图。
步骤S506,根据节点关系图,得到预设格式的节点连接数据。
步骤S508,从流转节点中选取节点序列的起始节点。
步骤S510,将起始节点作为目标节点。
步骤S512,从与目标节点具有连接关系的流转节点中选取未被选取的流转节点,作为备选节点。
步骤S514,从备选节点中随机选取下一节点。
步骤S516,将下一节点作为目标节点。
步骤S518,根据选取的流转节点、及流转节点的选取顺序,生成节点序列。
步骤S520,基于预设的向量转换模型,根据节点序列得到风险管控对象的特征向量。
步骤S522,根据特征向量对风险管理对象进行风险管理。
<装置>
在本实施例中,提供一种数据处理装置6000。如图6所示,该数据处理装置6000包括数据节点获取模块6100、节点序列生成模块6200、特征向量得到模块6300和风险管理模块6400,该数据节点获取模块6100用于获取目标对象的流转数据,并根据流转数据得到目标对象的流转节点;该节点序列生成模块6200用于基于流转数据,并根据预设的规则生成节点序列;其中,节点序列中包含设定数量个流转节点、及目标对象的流转路径;该特征向量得到模块6300用于基于预设的向量转换模型,根据节点序列得到风险管理对象的特征向量;其中,风险管理对象为节点序列所包含的流转节点和/或流转路径;该风险管理模块6400用于根据特征向量对风险管理对象进行风险管理。
在本说明书的一个或多个实施例中,节点序列生成模块6200还可以用于:
从流转节点中选取节点序列的起始节点;
将起始节点作为目标节点;
基于流转数据,根据预设的规则选取目标节点的下一节点;
将下一节点作为目标节点;
根据选取的流转节点、及流转节点的选取顺序,生成节点序列。
在本说明书的一个或多个实施例中,基于流转数据,根据预设的规则选取目标节点的下一节点包括:
基于流转数据,选取符合预设条件的流转节点,作为备选节点;
从备选节点中随机选取下一节点。
在本说明书的一个或多个实施例中,该数据处理装置6000还可以包括关系图构建模块和连接数据得到模块。该关系图构建模块用于根据流转数据构建节点关系图;其中,节点关系图用于表示目标对象在流转节点之间的流转路径;该连接数据得到模块用于根据节点关系图,得到预设格式的节点连接数据;其中,节点连接数据为用于表示与每个流转节点在节点关系图中具有连接关系的流转节点的数据;
基于流转数据,选取符合预设条件的流转节点,作为备选节点包括:
基于节点连接数据,选取符合预设条件的流转节点,作为备选节点。
在本说明书的一个或多个实施例中,选取符合预设条件的流转节点,作为备选节点的方式包括:
选取与目标节点具有连接关系的流转节点,作为备选节点。
在本说明书的一个或多个实施例中,选取符合预设条件的节点,作为备选节点的方式还包括:
从与目标节点具有连接关系的流转节点中选取未选取的流转节点,作为备选节点。
在本说明书的一个或多个实施例中,选取符合预设条件的节点,作为备选节点的方式包括以下任意一项或多项:
选取与目标节点的属性相同的流转节点,作为备选节点;
选取与目标节点之间的目标对象的流转次数在第一设定范围内的流转节点,作为备选节点;
选取与目标节点之间所流转的目标对象的指定参数的参数值在第二设定范围内的流转节点,作为备选节点。
在本说明书的一个或多个实施例中,该数据处理装置6000还可以包括:
用于检测停止选取下一节点的事件是否发生的模块;
用于在检测到事件发生的情况下,停止选取下一节点,执行根据选取的流转节点、及流转节点的选取顺序,生成节点序列的步骤的模块。
在本说明书的一个或多个实施例中,该事件可以包括:
未得到符合预设条件的备选节点;和/或,
选取流转节点的数量达到设定数量。
在本说明书的一个或多个实施例中,节点序列为多个,每个节点序列的起始节点不同。
在本说明书的一个或多个实施例中,节点序列为对应流转节点的节点标识构成的标识序列;节点序列中节点标识的数量小于设定数量;
在本说明书的一个或多个实施例中,该数据处理装置6000还可以包括:
用于按照预设的标识符填充节点序列的模块。
在本说明书的一个或多个实施例中,风险管理对象包括流转节点,向量转换模型包括Word2vec模型、Bert模型、Lstm模型中的任意一种或多种;和/或,
风险管理对象包括流转路径,向量转换模型包括Bert模型和/或Lstm模型。
在本说明书的一个或多个实施例中,风险管理对象包括流转节点,风险管理模块6400还可以用于:
根据每个流转节点的特征向量,对流转节点进行聚类;
对属于同一聚类的流转节点执行相同的风险管理策略。
在本说明书的一个或多个实施例中,风险管理模块6400还可以用于:
基于预设的预测模型,根据特征向量判断风险管理对象的风险预测结果;
在风险管理对象的风险预测结果为指定结果的情况下,对风险管理对象执行相应的风险管理策略。
本领域技术人员应当明白,可以通过各种方式来实现数据处理装置6000。例如,可以通过指令配置处理器来实现数据处理装置6000。例如,可以将指令存储在ROM中,并且当启动设备时,将指令从ROM读取到可编程器件中来实现数据处理装置6000。例如,可以将数据处理装置6000固化到专用器件(例如ASIC)中。可以将数据处理装置6000分成相互独立的单元,或者可以将它们合并在一起实现。数据处理装置6000可以通过上述各种实现方式中的一种来实现,或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。
在本实施例中,数据处理装置6000可以具有多种实现形式,例如,数据处理装置6000可以是任何的提供数据处理功能的软件产品或者应用程序中运行的功能模块,或者是这些软件产品或者应用程序的外设嵌入件、插件、补丁件等,还可以是这些软件产品或者应用程序本身。
<电子设备>
在本实施例中,还提供一种电子设备7000。该电子设备7000可以是如图1中所示的服务器1100,也可以是如图1中所示的终端设备1200,还可以是如图1所示的数据处理***1000。
如图7所示,电子设备7000还可以包括处理器7100和存储器7200,该存储器7200用于存储可执行的指令;该处理器7100用于根据指令的控制运行电子设备7000执行根据本说明书任意实施例的数据处理方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例中的说明的都是与其他实施例的不同之处。尤其,对于装置实施例和电子设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书可以是电子设备、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本说明书的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本说明书操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本说明书的各个方面。
这里参照根据本说明书实施例的方法、装置和计算机程序产品的流程图和/或框图描述了本说明书的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本说明书的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本说明书的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本说明书的范围由所附权利要求来限定。
上述对本说明书特定实施例进行了描述。其他实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的效果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连接顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
Claims (29)
1.一种数据处理方法,包括:
获取目标对象的流转数据,并根据所述流转数据得到所述目标对象的流转节点;
基于所述流转数据,并根据预设的规则生成节点序列;其中,所述节点序列中包含设定数量个流转节点、及所述目标对象的流转路径;
基于预设的向量转换模型,根据所述节点序列得到风险管理对象的特征向量;其中,所述风险管理对象为所述节点序列所包含的流转节点和/或流转路径;
根据所述特征向量对所述风险管理对象进行风险管理。
2.根据权利要求1所述的方法,所述基于所述流转数据,根据所述预设的规则生成所述节点序列包括:
从所述流转节点中选取所述节点序列的起始节点;
将所述起始节点作为目标节点;
基于所述流转数据,根据预设的规则选取所述目标节点的下一节点;
将所述下一节点作为目标节点;
根据选取的流转节点、及流转节点的选取顺序,生成所述节点序列。
3.根据权利要求2所述的方法,所述基于所述流转数据,根据所述预设的规则选取所述目标节点的下一节点包括:
基于所述流转数据,选取符合预设条件的流转节点,作为备选节点;
从所述备选节点中随机选取所述下一节点。
4.根据权利要求3所述的方法,还包括:
根据所述流转数据构建节点关系图;其中,所述节点关系图用于表示所述目标对象在所述流转节点之间的流转路径;
根据所述节点关系图,得到预设格式的节点连接数据;其中,所述节点连接数据为用于表示与每个流转节点在所述节点关系图中具有连接关系的流转节点的数据;
所述基于所述流转数据,选取符合预设条件的流转节点,作为备选节点包括:
基于所述节点连接数据,选取符合预设条件的流转节点,作为所述备选节点。
5.根据权利要求4所述的方法,所述选取符合预设条件的流转节点,作为所述备选节点的方式包括:
选取与所述目标节点具有连接关系的流转节点,作为所述备选节点。
6.根据权利要求5所述的方法,所述选取符合预设条件的节点,作为所述备选节点的方式还包括:
从与所述目标节点具有连接关系的流转节点中选取未选取的流转节点,作为所述备选节点。
7.根据权利要求3所述的方法,其中,所述选取符合预设条件的节点,作为备选节点的方式包括以下任意一项或多项:
选取与所述目标节点的属性相同的流转节点,作为所述备选节点;
选取与所述目标节点之间的目标对象的流转次数在第一设定范围内的流转节点,作为所述备选节点;
选取与所述目标节点之间所流转的目标对象的指定参数的参数值在第二设定范围内的流转节点,作为所述备选节点。
8.根据权利要求3所述的方法,还包括:
检测停止选取所述下一节点的事件是否发生;
在检测到所述事件发生的情况下,停止选取所述下一节点,执行所述根据选取的流转节点、及流转节点的选取顺序,生成所述节点序列的步骤。
9.根据权利要求8所述的方法,其中,所述事件包括:
未得到符合所述预设条件的备选节点;和/或,
选取流转节点的数量达到所述设定数量。
10.根据权利要求2所述的方法,所述节点序列为多个,每个节点序列的起始节点不同。
11.根据权利要求2所述的方法,其中,所述节点序列为对应流转节点的节点标识构成的标识序列;所述节点序列中节点标识的数量小于所述设定数量;
所述方法还包括:
按照预设的标识符填充所述节点序列。
12.根据权利要求1所述的方法,其中,
所述风险管理对象包括流转节点,所述向量转换模型包括Word2vec模型、Bert模型、Lstm模型中的任意一种或多种;和/或,
所述风险管理对象包括流转路径,所述向量转换模型包括Bert模型和/或Lstm模型。
13.根据权利要求1所述的方法,其中,所述风险管理对象包括流转节点,
所述根据所述特征向量对所述风险管理对象进行风险管理包括:
根据每个流转节点的特征向量,对流转节点进行聚类;
对属于同一聚类的流转节点执行相同的风险管理策略。
14.根据权利要求1所述的方法,其中,所述根据所述特征向量对所述风险管理对象进行风险管理包括:
基于预设的预测模型,根据所述特征向量判断所述风险管理对象的风险预测结果;
在所述风险管理对象的风险预测结果为指定结果的情况下,对所述风险管理对象执行相应的风险管理策略。
15.一种数据处理装置,包括:
数据节点获取模块,用于获取目标对象的流转数据,并根据所述流转数据得到所述目标对象的流转节点;
节点序列生成模块,用于基于所述流转数据,并根据预设的规则生成节点序列;其中,所述节点序列中包含设定数量个流转节点、及所述目标对象的流转路径;
特征向量得到模块,用于基于预设的向量转换模型,根据所述节点序列得到风险管理对象的特征向量;其中,所述风险管理对象为所述节点序列所包含的流转节点和/或流转路径;
风险管理模块,用于根据所述特征向量对所述风险管理对象进行风险管理。
16.根据权利要求15所述的装置,所述节点序列生成模块还用于:
从所述流转节点中选取所述节点序列的起始节点;
将所述起始节点作为目标节点;
基于所述流转数据,根据预设的规则选取所述目标节点的下一节点;
将所述下一节点作为目标节点;
根据选取的流转节点、及流转节点的选取顺序,生成所述节点序列。
17.根据权利要求16所述的装置,所述基于所述流转数据,根据所述预设的规则选取所述目标节点的下一节点包括:
基于所述流转数据,选取符合预设条件的流转节点,作为备选节点;
从所述备选节点中随机选取所述下一节点。
18.根据权利要求17所述的装置,还包括:
关系图构建模块,用于根据所述流转数据构建节点关系图;其中,所述节点关系图用于表示所述目标对象在所述流转节点之间的流转路径;
连接数据得到模块,用于根据所述节点关系图,得到预设格式的节点连接数据;其中,所述节点连接数据为用于表示与每个流转节点在所述节点关系图中具有连接关系的流转节点的数据;
所述基于所述流转数据,选取符合预设条件的流转节点,作为备选节点包括:
基于所述节点连接数据,选取符合预设条件的流转节点,作为所述备选节点。
19.根据权利要求18所述的装置,所述选取符合预设条件的流转节点,作为所述备选节点的方式包括:
选取与所述目标节点具有连接关系的流转节点,作为所述备选节点。
20.根据权利要求19所述的装置,所述选取符合预设条件的节点,作为所述备选节点的方式还包括:
从与所述目标节点具有连接关系的流转节点中选取未选取的流转节点,作为所述备选节点。
21.根据权利要求17所述的装置,其中,所述选取符合预设条件的节点,作为备选节点的方式包括以下任意一项或多项:
选取与所述目标节点的属性相同的流转节点,作为所述备选节点;
选取与所述目标节点之间的目标对象的流转次数在第一设定范围内的流转节点,作为所述备选节点;
选取与所述目标节点之间所流转的目标对象的指定参数的参数值在第二设定范围内的流转节点,作为所述备选节点。
22.根据权利要求17所述的装置,还包括:
用于检测停止选取所述下一节点的事件是否发生的模块;
用于在检测到所述事件发生的情况下,停止选取所述下一节点,执行所述根据选取的流转节点、及流转节点的选取顺序,生成所述节点序列的步骤的模块。
23.根据权利要求22所述的装置,其中,所述事件包括:
未得到符合所述预设条件的备选节点;和/或,
选取流转节点的数量达到所述设定数量。
24.根据权利要求16所述的装置,所述节点序列为多个,每个节点序列的起始节点不同。
25.根据权利要求16所述的装置,其中,所述节点序列为对应流转节点的节点标识构成的标识序列;所述节点序列中节点标识的数量小于所述设定数量;
所述装置还包括:
用于按照预设的标识符填充所述节点序列的模块。
26.根据权利要求15所述的装置,其中,
所述风险管理对象包括流转节点,所述向量转换模型包括Word2vec模型、Bert模型、Lstm模型中的任意一种或多种;和/或,
所述风险管理对象包括流转路径,所述向量转换模型包括Bert模型和/或Lstm模型。
27.根据权利要求15所述的装置,其中,所述风险管理对象包括流转节点,
所述风险管理模块还用于:
根据每个流转节点的特征向量,对流转节点进行聚类;
对属于同一聚类的流转节点执行相同的风险管理策略。
28.根据权利要求15所述的装置,其中,所述风险管理模块还用于:
基于预设的预测模型,根据所述特征向量判断所述风险管理对象的风险预测结果;
在所述风险管理对象的风险预测结果为指定结果的情况下,对所述风险管理对象执行相应的风险管理策略。
29.一种电子设备,包括:处理器和存储器,所述存储器用于存储可执行的指令,所述指令用于在所述电子设备运行时控制所述处理器执行根据权利要求1至14中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911054084.6A CN110942306A (zh) | 2019-10-31 | 2019-10-31 | 数据处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911054084.6A CN110942306A (zh) | 2019-10-31 | 2019-10-31 | 数据处理方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110942306A true CN110942306A (zh) | 2020-03-31 |
Family
ID=69906412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911054084.6A Pending CN110942306A (zh) | 2019-10-31 | 2019-10-31 | 数据处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110942306A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113760225A (zh) * | 2020-10-10 | 2021-12-07 | 北京京东乾石科技有限公司 | 流程流转方法、装置、设备及存储介质 |
-
2019
- 2019-10-31 CN CN201911054084.6A patent/CN110942306A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113760225A (zh) * | 2020-10-10 | 2021-12-07 | 北京京东乾石科技有限公司 | 流程流转方法、装置、设备及存储介质 |
CN113760225B (zh) * | 2020-10-10 | 2024-04-16 | 北京京东乾石科技有限公司 | 流程流转方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112685565B (zh) | 基于多模态信息融合的文本分类方法、及其相关设备 | |
CN109740018B (zh) | 用于生成视频标签模型的方法和装置 | |
CN111090756B (zh) | 基于人工智能的多目标推荐模型的训练方法及装置 | |
CN110234018B (zh) | 多媒体内容描述生成方法、训练方法、装置、设备及介质 | |
CN110688528B (zh) | 生成视频的分类信息的方法、装置、电子设备和介质 | |
JP7394809B2 (ja) | ビデオを処理するための方法、装置、電子機器、媒体及びコンピュータプログラム | |
US20170103337A1 (en) | System and method to discover meaningful paths from linked open data | |
US20200250272A1 (en) | Generating completed responses via primal networks trained with dual networks | |
CN109471978B (zh) | 一种电子资源推荐方法及装置 | |
CN111400504A (zh) | 企业关键人的识别方法和装置 | |
CN111340220B (zh) | 用于训练预测模型的方法和装置 | |
KR102502985B1 (ko) | 대상 추천 방법, 신경망 및 그 훈련 방법, 장치 및 매체 | |
CN111104599B (zh) | 用于输出信息的方法和装置 | |
US11516159B2 (en) | Systems and methods for providing a comment-centered news reader | |
JP7337172B2 (ja) | 音声パケット推薦方法、装置、電子機器およびプログラム | |
CN111368973A (zh) | 用于训练超网络的方法和装置 | |
CN112182281B (zh) | 一种音频推荐方法、装置及存储介质 | |
CN111104874A (zh) | 人脸年龄预测方法及模型的训练方法、装置及电子设备 | |
CN113157941B (zh) | 业务特征数据处理、文本生成方法、装置及电子设备 | |
CN117633356A (zh) | 基于大语言模型的资源处理方法、装置、电子设备及介质 | |
JP2021108095A (ja) | スピーチ理解における解析異常の情報を出力するための方法 | |
CN110942306A (zh) | 数据处理方法、装置及电子设备 | |
CN116451700A (zh) | 目标语句生成方法、装置、设备及存储介质 | |
CN111582456B (zh) | 用于生成网络模型信息的方法、装置、设备和介质 | |
CN115017362A (zh) | 数据处理方法、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230111 Address after: 200120 Floor 15, No. 447, Nanquan North Road, China (Shanghai) Pilot Free Trade Zone, Pudong New Area, Shanghai Applicant after: Alipay.com Co.,Ltd. Address before: 310000 801-11 section B, 8th floor, 556 Xixi Road, Xihu District, Hangzhou City, Zhejiang Province Applicant before: Alipay (Hangzhou) Information Technology Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200331 |