CN111681115B - 一种发薪日识别方法、***、设备和存储介质 - Google Patents
一种发薪日识别方法、***、设备和存储介质 Download PDFInfo
- Publication number
- CN111681115B CN111681115B CN202010507865.2A CN202010507865A CN111681115B CN 111681115 B CN111681115 B CN 111681115B CN 202010507865 A CN202010507865 A CN 202010507865A CN 111681115 B CN111681115 B CN 111681115B
- Authority
- CN
- China
- Prior art keywords
- target user
- payday
- preset
- matrix
- account
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000011159 matrix material Substances 0.000 claims abstract description 75
- 230000008859 change Effects 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000012880 independent component analysis Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例公开了一种发薪日识别方法、***、设备和存储介质。该发薪日识别方法包括:获取目标用户的预设月数内的第一入账信息;根据所述第一入账信息生成基于所述预设月数和对应日期的稀疏矩阵;使用预设算法对所述稀疏矩阵进行解混以确认所述目标用户的发薪日。本发明实施例实现了准确识别出用户发薪日。
Description
技术领域
本发明实施例涉及金融技术,尤其涉及一种发薪日识别方法、***、设备和存储介质。
背景技术
在个人财务管理领域,需要对用户的收入水平和发薪日进行识别,为用户提供符合其收入水平的支出规划建议和现金流管理;在数据分析和用户运营领域,根据实际业务领域的运营需要,亦需要对用户的收入和结余水平进行估计,制定符合用户特征的运营策略。比如,对于有稳定结余的用户适当推送投资理财类产品,对具有稳定收入但偶尔入不敷出的用户推送贷款类产品。因此,识别用户的薪资水平和发薪日是个人财务管理和用户精准运营的必要前提。
在识别用户发薪日以及收入水平方面,一般使用基础的统计方法。在估计用户薪资水平时,统计自然月内用户所有的收入金额视为工资收入,或利用SQL使用“工资”、“薪水”等与工资收入强相关的关键词对用户流水进行初步筛选,进而简单的加总统计。在估计用户发薪日时,直接统计收入流水较多的日期,或利用移动平均数等统计方法对发薪日进行识别,取金额最高的几天视为发薪日的估计,这是比较直观的解决方案。传统方法的直观之处在于利用简单的统计方法,比如求和、移动平均方法、设定移动窗口取中位数等,易于理解,操作简单。
传统方案虽然直观易于理解,但劣势也十分明显:(1)在估计用户工资水平的时候,简单的对入账金额进行求和容易受到极值的影响,而且无法区分哪些是用户的经常性收入,哪些是用户的偶发性收入。(2)在估计用户工资水平和发薪日时,移动平均的方法容易受到极致的影响,波动较大,而且易受入账金额影响,具体体现为对大额流水记录较为敏感,但对小额稳定的流水识别能力不足。(3)用户记录自己收入流水是相对低频的事件,在样本数量较少的情况下,设定移动窗口取中位数的识别结果容易产生较大的偏差。
发明内容
本发明实施例提供一种发薪日识别方法、***、设备和存储介质,以实现准确识别出用户发薪日。
为达此目的,本发明实施例提供了一种发薪日识别方法,该方法包括:
获取目标用户的预设月数内的第一入账信息;
根据所述第一入账信息生成基于所述预设月数和对应日期的稀疏矩阵;
使用预设算法对所述稀疏矩阵进行解混以确认所述目标用户的发薪日。
进一步的,所述使用预设算法对所述稀疏矩阵进行解混以确认所述目标用户的发薪日包括:
使用预设算法对所述稀疏矩阵进行解混以获得解析矩阵;
确认所述解析矩阵中每个日期对应的方差求和值,将大于第一阈值的方差求和值对应的日期作为所述目标用户的发薪日。
进一步的,所述确认所述解析矩阵中每个日期对应的方差求和值,将大于第一阈值的方差求和值对应的日期作为所述目标用户的发薪日包括:
确认所述解析矩阵中每个日期对应的方差求和值,将大于第一阈值的方差求和值由大到小进行排序;
将排名前预设位数的方差求和值所对应的日期作为所述目标用户的发薪日。
进一步的,所述使用预设算法对所述稀疏矩阵进行解混以确认所述目标用户的发薪日之后包括:
获取与所述发薪日对应的第一入账金额;
确认所述第一入账金额的基于所述预设月数的变化速率以得到所述变化速率最小时的第二入账金额;
将所述第二入账金额作为目标用户的薪资水平。
进一步的,所述确认所述第一入账金额的基于所述预设月数的变化速率以得到所述变化速率最小时的第二入账金额包括:
确认所述第一入账金额的基于所述预设月数的变化速率以得到所述变化速率小于第二阈值时的第三入账金额;
将所述第三入账金额由大到小进行排序;
将排名第一位的第三入账金额作为所述第二入账金额。
进一步的,所述将所述第二入账金额作为目标用户的薪资水平之后包括:
判断所述目标用户的薪资水平是否高于第三阈值;
若所述目标用户的薪资水平高于第三阈值,对所述目标用户推送投资理财类产品。
进一步的,所述将所述第二入账金额作为目标用户的薪资水平之后包括:
判断所述目标用户的薪资水平是否低于第四阈值;
若所述目标用户的薪资水平低于第四阈值,对所述目标用户推送贷款类产品。
一方面,本发明实施例还提供了一种发薪日识别***,该***包括:
信息获取模块,用于获取目标用户的预设月数内的第一入账信息;
矩阵生成模块,用于根据所述第一入账信息生成基于所述预设月数和对应日期的稀疏矩阵;
矩阵解混模块,用于使用预设算法对所述稀疏矩阵进行解混以确认所述目标用户的发薪日。
另一方面,本发明实施例还提供了一种发薪日识别设备,该设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例提供的方法。
又一方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例提供的方法。
本发明实施例通过获取目标用户的预设月数内的第一入账信息;根据所述第一入账信息生成基于所述预设月数和对应日期的稀疏矩阵;使用预设算法对所述稀疏矩阵进行解混以确认所述目标用户的发薪日,解决了因用户入账金额存在偶发性、波动较大且样本数少而无法准确识别出用户发薪日的问题,实现了准确识别出用户发薪日的效果。
附图说明
图1是本发明实施例一提供的一种发薪日识别方法的流程示意图;
图2是本发明实施例一提供的稀疏矩阵的示意图;
图3是本发明实施例一提供的解析矩阵的示意图;
图4是本发明实施例二提供的一种发薪日识别方法的流程示意图;
图5是本发明实施例三提供的一种发薪日识别方法的流程示意图;
图6是本发明实施例四提供的一种发薪日识别***的结构示意图;
图7为本发明实施例五提供的一种发薪日识别设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止,但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
此外,术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等,但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一模块称为第二模块,且类似地,可将第二模块称为第一模块。第一模块和第二模块两者都是模块,但其不是同一模块。术语“第一”、“第二”等不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明实施例的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
实施例一
如图1所示,本发明实施例一提供了一种发薪日识别方法,该方法包括:
S110、获取目标用户的预设月数内的第一入账信息。
本实施例中,若要识别一个目标用户的发薪日,首先需要获取目标用户预设月数内的第一入账信息,其中,预设月数可以为3个月、12个月或其他任意月数,预设月数可以看作样本量,样本量越大识别也越准确。可以通过目标用户的银行卡的流水信息获取到第一入账信息,或通过用户自己在预设平台上记录的流水信息获取到第一入账信息。具体的第一入账信息包括了目标用户交易的入账金额、交易时间、交易类型和备注信息,交易类型和备注信息可以明确的显示出该笔金额的来历,例如第一入账信息包括:1.入账金额“1元”、备注信息“基金理财收益”;2.入账金额“5000元”、交易类型“工资收入”等。示例性的,获取目标用户6个月内的第一入账信息。
作为优选的,还需要剔除第一入账信息中不具有实际意义的流水信息,例如剔除入账金额为0或99999999等流水信息,或者用户用于支出或转账等入账金额为负数的流水信息。
S120、根据所述第一入账信息生成基于所述预设月数和对应日期的稀疏矩阵。
S130、使用预设算法对所述稀疏矩阵进行解混以获得解析矩阵。
本实施例中,在获取第一入账信息后,还需要根据第一入账信息生成基于预设月数和对应日期的稀疏矩阵,一并参照图2,稀疏矩阵10中,每一横列代表预设月数的每一个月份,每一纵列代表每一个月份中对应的具体日期,稀疏矩阵10为一个31*7的矩阵,不难看出,该用户每月的10号左右会有一笔收入,每月的25号左右还会有一笔收入,但具体的发薪日还需要进一步通过算法确定。作为优选的,还可以获得稀疏矩阵10基于预设月份里每个日期入账金额的sum(求和)值,生成以日期为横坐标、sum值为纵坐标的柱状图或折线图,以便于进一步的观察和分析。
进一步的,使用预设算法对所述稀疏矩阵进行解混以获得解析矩阵,可以根据解析矩阵确认所述目标用户的发薪日。其中,预设算法可以为ICA(Independent ComponentCorrelation Algorithm,独立成分分析)算法。由于实际情况中存在部分公司发双薪、目标用户每月除了固定工资外,还有额外的补贴,若一个账本中记录整个家庭收支,那么将存在两个及两个以上的收入来源,这些收入来源可以视为收入源信号,作为优选的,根据第一入账信息的备注信息和交易类型判断出有几个收入源信号,然后据此设定收入源信号的数量。需要说明的是,如果收入源信号设置的数量少于实际的收入信号源的数量会出现漏判,但是即使出现漏判,ICA算法依然可以识别出一个收入最高且最规律的日期。
示例性的,使用ICA算法对用户的收入矩阵进行解混时设定3个收入信号源,一并参照图3,可以将稀疏矩阵10作为ICA算法的输入,并指定3个收入信号源,得到31*3的解析矩阵20,解析矩阵20中,每一横列代表每一个收入信号源,每一纵列代表每一个月份中的具体日期,解析矩阵20中的数是没有实际意义的,即其中的量纲、大小、乃至于正负号都没有实际意义,但此时我们可以很明显的通过解析矩阵判断目标用户的发薪日为每月的10号和25号。进一步的,我们通过确认解析矩阵中每个日期对应的方差求和值,然后将大于第一阈值的方差求和值对应的日期作为所述目标用户的发薪日,第一阈值可以是任意值。作为优选的,还可以生成以日期为横坐标、方差求和值为纵坐标的柱状图或折线图,以便于进一步的观察和分析。
S140、确认所述解析矩阵中每个日期对应的方差求和值,将大于第一阈值的方差求和值由大到小进行排序。
S150、将排名前预设位数的方差求和值所对应的日期作为所述目标用户的发薪日。
本实施例中,由于各种原因可能存在很多大于第一阈值的方差求和值,作为优选的,还可以将获得的大于第一阈值的方差求和值由大到小进行排序,然后只将排名前预设位数的方差求和值所对应的日期作为所述目标用户的发薪日。其中预设位数可以为3位、4位或任意位数,也可以根据第一入账信息的备注信息和交易类型判断出取前几位方差求和值。
本发明实施例通过获取目标用户的预设月数内的第一入账信息;根据所述第一入账信息生成基于所述预设月数和对应日期的稀疏矩阵;使用预设算法对所述稀疏矩阵进行解混以确认所述目标用户的发薪日,解决了因用户入账金额存在偶发性、波动较大且样本数少而无法准确识别出用户发薪日的问题,实现了准确识别出用户发薪日的效果。
实施例二
如图4所示,本发明实施例二提供了一种发薪日识别方法,本发明实施例二是在本发明实施例一的基础上进一步的说明解释,该方法包括:
S210、获取目标用户的预设月数内的第一入账信息。
S220、根据所述第一入账信息生成基于所述预设月数和对应日期的稀疏矩阵。
S230、使用预设算法对所述稀疏矩阵进行解混以确认所述目标用户的发薪日。
S240、获取与所述发薪日对应的第一入账金额。
本实施例中,为了确定用户的薪资水平,确认目标用户的发薪日后,还可以进一步获取与发薪日对应的第一入账金额,因第一入账金额可能包括多个入账金额,为了排除偶发性的不稳定收入,还需要计算第一入账金额基于预设月数的变化速率,即计算第一入账金额在6个月的变化速率,最后直接将变化速率最小的第二入账金额作为用户的薪资水平。
S250、确认所述第一入账金额的基于所述预设月数的变化速率以得到所述变化速率小于第二阈值时的第三入账金额。
S260、将所述第三入账金额由大到小进行排序。
S270、将排名第一位的第三入账金额作为所述第二入账金额。
S280、将所述第二入账金额作为目标用户的薪资水平。
本实施例中,因第一入账金额中还可能存在金额很小但很稳定的投资收益,为了将这种投资收益排除在薪资水平的外,在计算第一入账金额基于预设月数的变化速率时,取变化速率小于第二阈值时的多个第三入账金额,第二阈值可以任取,但需要保证能获得至少一个第三入账金额,然后将第三入账金额由大到小进行排序,将排名第一位的第三入账金额作为第二入账金额,将第二入账金额作为目标用户的薪资水平。作为优选的,也可以进一步的在第三入账金额的基础上通过交易类型和备注信息确定第二入账金额,从而确定用户的薪资水平。
实施例三
如图5所示,本发明实施例三提供了一种发薪日识别方法,本发明实施例三是在本发明实施例二的基础上进一步的说明解释,在步骤S280之后,该方法还包括:
S310、判断所述目标用户的薪资水平是否高于第三阈值。
S320、若所述目标用户的薪资水平高于第三阈值,对所述目标用户推送投资理财类产品。
S330、判断所述目标用户的薪资水平是否低于第四阈值。
S340、若所述目标用户的薪资水平低于第四阈值,对所述目标用户推送贷款类产品。
本实施例中,在获取到目标用户的薪资水平后,就可以制定符合用户特征的运营策略了。若目标用户的薪资水平高于第三阈值,对目标用户推送投资理财类产品,其中第三阈值可以是在获得目标用户的支出水平后分析得出的,可以直接将用户的支出水平作为第三阈值,若是无法获得用户的支出水平,也可以获得目标用户的身份信息和家庭信息,预测目标的支出水平大概在什么标准,然后确定第三阈值。若无法获得目标用户的身份信息和家庭信息,则直接将目标用户所处城市的平均支出水平作为第三阈值。相应的,若目标用户的薪资水平低于第四阈值,对目标用户推送贷款类产品。第四阈值和第三阈值的确定方式相同,可选的,确定的第四阈值低于用户支出水平。
实施例四
如图6所示,本发明实施例四提供了一种发薪日识别***100,本发明实施例三所提供的发薪日识别***100可执行本发明任意实施例所提供的发薪日识别方法,具备执行方法相应的功能模块和有益效果。该发薪日识别***100包括信息获取模块200、矩阵生成模块300和矩阵解混模块400。
具体的,信息获取模块200用于获取目标用户的预设月数内的第一入账信息;矩阵生成模块300用于根据所述第一入账信息生成基于所述预设月数和对应日期的稀疏矩阵;矩阵解混模块400用于使用预设算法对所述稀疏矩阵进行解混以确认所述目标用户的发薪日。
本实施例中,矩阵解混模块400具体用于使用预设算法对所述稀疏矩阵进行解混以获得解析矩阵;确认所述解析矩阵中每个日期对应的方差求和值,将大于第一阈值的方差求和值对应的日期作为所述目标用户的发薪日。矩阵解混模块400具体还用于确认所述解析矩阵中每个日期对应的方差求和值,将大于第一阈值的方差求和值由大到小进行排序;将排名前预设位数的方差求和值所对应的日期作为所述目标用户的发薪日。
进一步的,该发薪日识别***100还包括薪资确认模块500和薪资判断模块600。
具体的,薪资确认模块500用于获取与所述发薪日对应的第一入账金额;确认所述第一入账金额的基于所述预设月数的变化速率以得到所述变化速率最小时的第二入账金额;将所述第二入账金额作为目标用户的薪资水平。薪资确认模块500具体用于确认所述第一入账金额的基于所述预设月数的变化速率以得到所述变化速率小于第二阈值时的第三入账金额;将所述第三入账金额由大到小进行排序;将排名第一位的第三入账金额作为所述第二入账金额。薪资判断模块600用于判断所述目标用户的薪资水平是否高于第三阈值;若所述目标用户的薪资水平高于第三阈值,对所述目标用户推送投资理财类产品。薪资判断模块600还用于判断所述目标用户的薪资水平是否低于第四阈值;若所述目标用户的薪资水平低于第四阈值,对所述目标用户推送贷款类产品。
实施例五
图7为本发明实施例五提供的一种发薪日识别计算机设备的结构示意图。图7示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图7显示的计算机设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图7未显示,通常称为“硬盘驱动器”)。尽管图7中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括——但不限于——操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的方法:
获取目标用户的预设月数内的第一入账信息;
根据所述第一入账信息生成基于所述预设月数和对应日期的稀疏矩阵;
使用预设算法对所述稀疏矩阵进行解混以确认所述目标用户的发薪日。
实施例六
本发明实施例六还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请所有发明实施例提供的方法:
获取目标用户的预设月数内的第一入账信息;
根据所述第一入账信息生成基于所述预设月数和对应日期的稀疏矩阵;
使用预设算法对所述稀疏矩阵进行解混以确认所述目标用户的发薪日。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、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)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种发薪日识别方法,其特征在于,包括:
获取目标用户的预设月数内的第一入账信息;
根据所述第一入账信息生成基于所述预设月数和对应日期的稀疏矩阵;
使用预设算法对所述稀疏矩阵进行解混以确认所述目标用户的发薪日,包括:
使用预设算法对所述稀疏矩阵进行解混以获得解析矩阵;其中,所述预设算法为ICA独立成分分析算法;
确认所述解析矩阵中每个日期对应的方差求和值,将大于第一阈值的方差求和值对应的日期作为所述目标用户的发薪日。
2.根据权利要求1所述的方法,其特征在于,所述确认所述解析矩阵中每个日期对应的方差求和值,将大于第一阈值的方差求和值对应的日期作为所述目标用户的发薪日包括:
确认所述解析矩阵中每个日期对应的方差求和值,将大于第一阈值的方差求和值由大到小进行排序;
将排名前预设位数的方差求和值所对应的日期作为所述目标用户的发薪日。
3.根据权利要求1所述的方法,其特征在于,所述使用预设算法对所述稀疏矩阵进行解混以确认所述目标用户的发薪日之后包括:
获取与所述发薪日对应的第一入账金额;
确认所述第一入账金额的基于所述预设月数的变化速率以得到所述变化速率最小时的第二入账金额;
将所述第二入账金额作为目标用户的薪资水平。
4.根据权利要求3所述的方法,其特征在于,所述确认所述第一入账金额的基于所述预设月数的变化速率以得到所述变化速率最小时的第二入账金额包括:
确认所述第一入账金额的基于所述预设月数的变化速率以得到所述变化速率小于第二阈值时的第三入账金额;
将所述第三入账金额由大到小进行排序;
将排名第一位的第三入账金额作为所述第二入账金额。
5.根据权利要求3所述的方法,其特征在于,所述将所述第二入账金额作为目标用户的薪资水平之后包括:
判断所述目标用户的薪资水平是否高于第三阈值;
若所述目标用户的薪资水平高于所述第三阈值,对所述目标用户推送投资理财类产品。
6.根据权利要求3所述的方法,其特征在于,所述将所述第二入账金额作为目标用户的薪资水平之后包括:
判断所述目标用户的薪资水平是否低于第四阈值;
若所述目标用户的薪资水平低于所述第四阈值,对所述目标用户推送贷款类产品。
7.一种发薪日识别***,其特征在于,包括:
信息获取模块,用于获取目标用户的预设月数内的第一入账信息;
矩阵生成模块,用于根据所述第一入账信息生成基于所述预设月数和对应日期的稀疏矩阵;
矩阵解混模块,用于使用预设算法对所述稀疏矩阵进行解混以确认所述目标用户的发薪日;
其中,所述矩阵解混模块,具体用于使用预设算法对所述稀疏矩阵进行解混以获得解析矩阵;其中,所述预设算法为ICA独立成分分析算法;确认所述解析矩阵中每个日期对应的方差求和值,将大于第一阈值的方差求和值对应的日期作为所述目标用户的发薪日。
8.一种发薪日识别设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
9.一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,该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010507865.2A CN111681115B (zh) | 2020-06-05 | 2020-06-05 | 一种发薪日识别方法、***、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010507865.2A CN111681115B (zh) | 2020-06-05 | 2020-06-05 | 一种发薪日识别方法、***、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111681115A CN111681115A (zh) | 2020-09-18 |
CN111681115B true CN111681115B (zh) | 2024-04-05 |
Family
ID=72454313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010507865.2A Active CN111681115B (zh) | 2020-06-05 | 2020-06-05 | 一种发薪日识别方法、***、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111681115B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107369001A (zh) * | 2017-07-06 | 2017-11-21 | 广东电网有限责任公司信息中心 | 一种大型电力企业绩效发放监控与分析*** |
CN108198281A (zh) * | 2017-12-15 | 2018-06-22 | 四川省大益科技有限公司 | 智能道闸现场监控***及其控制方法 |
CN108230140A (zh) * | 2017-12-29 | 2018-06-29 | 阿里巴巴集团控股有限公司 | 推送信息的方法和装置、确定输入默认值的方法和装置 |
CN108596755A (zh) * | 2018-04-18 | 2018-09-28 | 中国银行股份有限公司 | 一种银行潜在有价值客户的识别方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100306095A1 (en) * | 2009-06-02 | 2010-12-02 | Gregory Olson | Method for financial forecasting |
-
2020
- 2020-06-05 CN CN202010507865.2A patent/CN111681115B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107369001A (zh) * | 2017-07-06 | 2017-11-21 | 广东电网有限责任公司信息中心 | 一种大型电力企业绩效发放监控与分析*** |
CN108198281A (zh) * | 2017-12-15 | 2018-06-22 | 四川省大益科技有限公司 | 智能道闸现场监控***及其控制方法 |
CN108230140A (zh) * | 2017-12-29 | 2018-06-29 | 阿里巴巴集团控股有限公司 | 推送信息的方法和装置、确定输入默认值的方法和装置 |
CN108596755A (zh) * | 2018-04-18 | 2018-09-28 | 中国银行股份有限公司 | 一种银行潜在有价值客户的识别方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111681115A (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7853493B2 (en) | Personal finance integration system and method | |
CN111046184B (zh) | 文本的风险识别方法、装置、服务器和存储介质 | |
CN111340616B (zh) | 线上贷款的审批方法、装置、设备及介质 | |
US20020091602A1 (en) | System and method for preparation of personal income taxes | |
CN111260465A (zh) | 一种业务处理方法、装置、服务器及存储介质 | |
CN110675249A (zh) | 网络借贷的匹配方法、装置、服务器和存储介质 | |
CN112184304A (zh) | 一种辅助决策的方法、***、服务器和存储介质 | |
CN113034046A (zh) | 一种数据风险计量方法、装置、电子设备及存储介质 | |
CN111028074B (zh) | 逾期账单的更新和查询方法、***、服务器和存储介质 | |
CN115187378A (zh) | 一种贷款自动还款的方法、***、计算机设备和存储介质 | |
CN108694588B (zh) | 虚拟资源请求方法及终端设备 | |
CN113177701A (zh) | 一种用户信用评估方法和装置 | |
CN111681050B (zh) | 一种广告推送方法、装置、设备和存储介质 | |
CN111861757A (zh) | 一种融资匹配方法、***、设备和存储介质 | |
CN111681115B (zh) | 一种发薪日识别方法、***、设备和存储介质 | |
CN111754329A (zh) | 一种贷款利息结算方法、装置、电子设备和存储介质 | |
CN111915425A (zh) | 一种贷款审批方法、装置、设备及存储介质 | |
CN111815435A (zh) | 一种群体风险特征的可视化方法、装置、设备及存储介质 | |
CN113034258A (zh) | 一种税务数据处理方法、装置、电子设备及存储介质 | |
CN111489101A (zh) | 基于大数据的订单审核方法、装置、设备和介质 | |
CN110827261B (zh) | 图像质量检测方法及装置、存储介质及电子设备 | |
CN110852392A (zh) | 一种用户分群方法、装置、设备和介质 | |
CN117911033A (zh) | 交易限额确定方法、装置、设备、介质及程序产品 | |
CN110888987B (zh) | 一种贷款中介的识别方法、***、设备及存储介质 | |
CN117893303A (zh) | 贷款中介识别方法及*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |