CN113723759A - 基于设备意向度和设备风险度为设备提供互联网服务的方法及装置 - Google Patents

基于设备意向度和设备风险度为设备提供互联网服务的方法及装置 Download PDF

Info

Publication number
CN113723759A
CN113723759A CN202110875634.1A CN202110875634A CN113723759A CN 113723759 A CN113723759 A CN 113723759A CN 202110875634 A CN202110875634 A CN 202110875634A CN 113723759 A CN113723759 A CN 113723759A
Authority
CN
China
Prior art keywords
equipment
risk
intention
target
level
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.)
Granted
Application number
CN202110875634.1A
Other languages
English (en)
Other versions
CN113723759B (zh
Inventor
赵志远
徐颖颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Qiyu Information Technology Co Ltd
Original Assignee
Beijing Qiyu Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Qiyu Information Technology Co Ltd filed Critical Beijing Qiyu Information Technology Co Ltd
Priority to CN202110875634.1A priority Critical patent/CN113723759B/zh
Publication of CN113723759A publication Critical patent/CN113723759A/zh
Application granted granted Critical
Publication of CN113723759B publication Critical patent/CN113723759B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于设备意向度和设备风险度为设备提供互联网服务方法及装置，所述方法包括：根据设备风险信息和训练好的风险模型确定目标设备风险层级；根据设备意向信息和训练好的意向模型确定所述目标设备意向层级；根据目标设备风险层级和意向层级为目标设备提供所述互联网服务的认证条件；当所述目标设备接受所述认证条件时，向该目标设备提供所述互联网服务。本发明的认证条件同时考虑到设备对互联网服务的风险及设备获取该互联网服务的意愿水平，能够在控制风险的同时最大限度的促进设备获取互联网服务，达到精细化运营各类设备用户的目的，提高运营效率。

Description

基于设备意向度和设备风险度为设备提供互联网服务的方法 及装置
技术领域
本发明涉及计算机信息处理技术领域，具体而言，涉及一种基于设备意向度和设备风险度为设备提供互联网服务的方法、装置、电子设备及计算机可读介质。
背景技术
随着互联网的发展，出现了各种互联网服务平台。比如：网购平台、网约车平台、共享平台、地图、音乐等等。这些平台给人们的生活带来了很大的便利，但因其与互联网紧密结合，设备在享受这些互联网服务时会存在损害互联网服务平台的可能性，比如：欺诈、失信等的风险。
为了减小对互联网平台的上述可能损害，通常会预先对申请互联网服务的设备进行风险评估，进而制定其相对应的认证条件。在认证条件的制定上，通常是基于风险维度，给予设备不同的认证条件，以达到控制风险的目的。这种方法只考虑到设备风险，并未考虑到设备获取所述互联网服务的意愿水平，存在维度单一、无法精细化的问题。
发明内容
有鉴于此，本发明主要目的在于提出一种基于设备意向度和设备风险度为设备提供互联网服务方法、装置、电子设备及计算机可读介质，以期至少部分地解决上述技术问题中的至少之一。
为了解决上述技术问题，本发明第一方面提出一种基于设备意向度和设备风险度为设备提供互联网服务的方法，所述设备意向度是指该设备对于获取所述互联网服务的意愿水平，所述设备风险度是指该设备在享受所述互联网服务时损害互联网服务平台的可能性，所述方法包括：
根据设备风险信息和训练好的风险模型确定目标设备风险层级；所述风险模型用于计算设备发生损害所述互联网服务平台行为的概率；所述设备风险信息是与所述设备的风险行为相关的设备信息；
根据设备意向信息和训练好的意向模型确定所述目标设备意向层级，所述意向模型用于计算设备获取所述互联网服务的意向度；所述设备意向信息是与所述设备获取所述互联网服务的意向相关的设备信息；
根据目标设备风险层级和意向层级为目标设备提供所述互联网服务的认证条件；
当所述目标设备接受所述认证条件时，向该目标设备提供所述互联网服务。
根据本发明一种优选实施方式，所述根据目标设备风险层级和意向层级为目标设备提供所述互联网服务的认证条件，包括：
根据所述风险层级从第一预设区间中确定第一目标区间；其中，所述风险层级对应的概率越大，对应的第一目标区间的最小值和最大值越大；
根据所述意向层级从第二预设区间中确定第二目标区间；其中，所述意向层级对应的意向度越大，对应的第二目标区间的最小值和最大值越大；
根据所述第一目标区间和所述第二目标区间，确定目标区间，作为所述认证条件。
根据本发明一种优选实施方式，所述根据目标设备风险层级和意向层级为目标设备提供所述互联网服务的认证条件，包括：
通过如下公式计算所述认证条件：
X＝A×a+B×b；
其中，X为所述认证条件对应的数值区间，A为所述风险层级，a为预设风险区间，B为所述意向层级，b为预设意向区间。
根据本发明一种优选实施方式，所述方法还包括：当所述风险模型计算所述目标设备发生损害所述互联网服务平台行为的概率大于阈值时，拒绝所述目标设备申请提供所述互联网服务的请求。
根据本发明一种优选实施方式，所述设备风险信息包括：设备相关信息和设备风险相关信息；其中，所述设备相关信息包括：设备ID、设备型号、设备通讯信息、设备用户信息中的至少一种；所述设备风险相关信息包括：设备是否通过互联网服务申请、设备资源配置额度、设备逾期归还资源天数、设备逾期归还资源次数、设备是否有欺诈记录中的至少一种。
为解决上述技术问题，本发明第二方面提供一种基于设备意向度和设备风险度为设备提供互联网服务的装置，所述设备意向度是指该设备对于获取所述互联网服务的意愿水平，所述设备风险度是指该设备在享受所述互联网服务时损害互联网服务平台的可能性，所述装置包括：
第一确定模块，用于根据设备风险信息和训练好的风险模型确定目标设备风险层级；所述风险模型用于计算设备发生损害所述互联网服务平台行为的概率；所述设备风险信息是与所述设备的风险行为相关的设备信息；
第二确定模块，用于根据设备意向信息和训练好的意向模型确定所述目标设备意向层级，所述意向模型用于计算设备获取所述互联网服务的意向度；所述设备意向信息是与所述设备获取所述互联网服务的意向相关的设备信息；
第一提供模块，用于根据目标设备风险层级和意向层级为目标设备提供所述互联网服务的认证条件；
第二提供模块，用于当所述目标设备接受所述认证条件时，向该目标设备提供所述互联网服务。
根据本发明一种优选实施方式，所述第一提供模块包括：
第一子确定模块，用于根据所述风险层级从第一预设区间中确定第一目标区间；其中，所述风险层级对应的概率越大，对应的第一目标区间的最小值和最大值越大；
第二子确定模块，用于根据所述意向层级从第二预设区间中确定第二目标区间；其中，所述意向层级对应的意向度越大，对应的第二目标区间的最小值和最大值越大；
第三子确定模块，用于根据所述第一目标区间和所述第二目标区间，确定目标区间，作为所述认证条件。
根据本发明一种优选实施方式，所述第一提供模块通过如下公式计算所述认证条件：
X＝A×a+B×b；
其中，X为所述认证条件对应的数值区间，A为所述风险层级，a为预设风险区间，B为所述意向层级，b为预设意向区间。
根据本发明一种优选实施方式，所述装置还包括：拒绝模块，用于当所述风险模型计算所述目标设备发生损害所述互联网服务平台行为的概率大于阈值时，拒绝所述目标设备申请提供所述互联网服务的请求。
根据本发明一种优选实施方式，所述设备风险信息包括：设备相关信息和设备风险相关信息；其中，所述设备相关信息包括：设备ID、设备型号、设备通讯信息、设备用户信息中的至少一种；所述设备风险相关信息包括：设备是否通过互联网服务申请、设备资源配置额度、设备逾期归还资源天数、设备逾期归还资源次数、设备是否有欺诈记录中的至少一种。
为解决上述技术问题，本发明第三方面提供一种电子设备，包括：
处理器；以及
存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器执行上述的方法。
为解决上述技术问题，本发明第四方面提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，当所述一个或多个程序被处理器执行时，实现上述方法。
本发明根据风险模型确定目标设备风险层级，根据意向模型确定所述目标设备意向层级，综合目标设备风险层级和意向层级为目标设备提供所述互联网服务的认证条件，从而满足多维度、精细化运营的需求，本发明的认证条件同时考虑到设备对互联网服务的风险及设备获取该互联网服务的意愿水平，能够在控制风险的同时最大限度的促进设备获取互联网服务，达到精细化运营各类设备用户的目的，提高运营效率。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本发明的具体实施例。但需声明的是，下面描述的附图仅仅是本发明的示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。
图1是本发明实施例一种基于设备意向度和设备风险度为设备提供互联网服务方法的流程示意图；
图2是本发明实施例确定目标设备风险层级和意向层级的示意图；
图3是本发明实施例一种基于设备意向度和设备风险度为设备提供互联网服务装置的结构框架示意图；
图4是根据本发明的一种电子设备的示例性实施例的结构框图；
图5是本发明一种计算机可读介质实施例的示意图。
具体实施方式
现在将参考附图来更加全面地描述本发明的示例性实施例，虽然各示例性实施例能够以多种具体的方式实施，但不应理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例是为了使本发明的内容更加完整，更加便于将发明构思全面地传达给本领域的技术人员。
在符合本发明的技术构思的前提下，在某个特定的实施例中描述的结构、性能、效果或者其他特征可以以任何合适的方式结合到一个或更多其他的实施例中。
在对于具体实施例的介绍过程中，对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是，并不排除本领域技术人员可以在特定情况下，以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。
附图中的流程图仅是一种示例性的流程演示，不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤，也不代表必须按照图中所显示的的顺序执行。例如，流程图中有的操作/步骤可以分解，有的操作/ 步骤可以合并或部分合并，等等，在不脱离本发明的发明主旨的情况下，流程图中显示的执行顺序可以根据实际情况改变。
附图中的框图一般表示的是功能实体，并不一定必然与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
各附图中相同的附图标记表示相同或类似的元件、组件或部分，因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说，这些定语仅是用来将一者与另一者区分。例如，第一器件亦可称为第二器件，但不偏离本发明实质的技术方案。此外，术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。
本发明中，所述设备意向度是指该设备对于获取所述互联网服务的意愿水平；示例性的，所述设备意向度可以通过训练好的意向模型获取。所述设备风险度是指该设备在享受所述互联网服务时损害互联网服务平台的可能性；示例性的，所述设备风险度可以通过训练好的风险模型获取。所述互联网服务可以是任何基于互联网技术提供的服务，比如：基于互联网技术提供的购物、出行、支付、导航、团购、共享物品、社交、在线教育、翻译、付费的会员服务等等
请参阅图1，图1是本发明提供的一种基于设备意向度和设备风险度为设备提供互联网服务方法的流程示意图，如图1所示，所述方法包括：
S1、根据设备风险信息和训练好的风险模型确定目标设备风险层级；
其中，所述风险模型用于计算设备发生损害所述互联网服务平台行为的概率，可以通过风险模型计算出的概率反映设备风险度。
所述设备风险信息是与所述设备的风险行为相关的设备信息；其中，所述设备信息可以是任何与设备相关的信息，比如：设备ID、设备型号等的设备属性信息、使用该设备的用户信息、设备的通讯信息、设备的购物信息、设备的位置信息等等，本发明不做具体限定。所述风险行为可以是欺诈行为、失信行为等。
在一种示例中，设备风险信息可以包括：设备相关信息和设备风险相关信息；其中，所述设备相关信息包括：设备ID、设备型号、设备通讯信息、设备用户信息中的至少一种；所述设备用户信息可以包括：设备用户性别、设备用户年龄、设备用户学历、设备位置等等；其中，设备位置可以根据设备所在经度和纬度来确定。所述设备风险相关信息与互联网服务相关，比如：在基于互联网的资源交换服务中，所述设备风险相关信息包括：设备是否通过互联网服务申请、设备资源配置额度、设备逾期归还资源天数、设备逾期归还资源次数、设备是否有欺诈记录中的至少一种。所述基于互联网的资源交换服务是以互联网为基础，向用户设备提供资源交换的服务。所述资源是指任何可被利用的物质、信息、金钱、时间等。信息资源包括计算资源和各种类型的数据资源。数据资源包括各个领域中的各种专用数据。
所述风险模型可根据历史设备风险信息通过机器学习算法建立。其中，机器学习中使用的算法大体分为3类：监督学习、无监督学习和强化学习。监督学习提供了反馈来表明预测正确与否，而无监督学习没有响应：算法仅尝试根据数据的隐含结构对数据进行分类。强化学习类似于监督学习，因为它会接收反馈，但反馈并不是对每个输入或状态都是必要的。
如图2所示，可以预先根据配置的M个第一阈值Si将风险模型输出的概率值分为多个区间，相邻两个第一阈值形成的区间为一个风险层级，根据配置的N个第二阈值Ri将意向模型输出的概率值分为多个区间，其中，相邻两个第二阈值形成的区间为一个意向层级，将M个风险层级和N 个意向层级交叉组合成预设的M×N个类别。如图2，SM-1与SM区间的风险层级和RN-1与RN区间的意向层级交叉形成的阴影区域为同一个类别。
其中，所述风险层级从风险维度对设备进行划分，将设备风险信息输入风险模型后得到目标设备发生损害所述互联网服务平台行为的概率，将目标设备发生损害所述互联网服务平台行为的概率与各个第一阈值进行比较，即可找到目标设备的风险层级。
S2、根据设备意向信息和训练好的意向模型确定所述目标设备意向层级，
其中，所述意向模型用于计算设备获取所述互联网服务的意向度；所述设备意向信息是与所述设备获取所述互联网服务的意向相关的设备信息。其中，所述设备信息可以是任何与设备相关的信息，比如：设备ID、设备型号等的设备属性信息、使用该设备的用户信息、设备的通讯信息、设备的购物信息、设备的位置信息等等，本发明不做具体限定。
在一种示例中，所述设备意向信息可以包括：设备相关信息和设备意向相关信息；其中，所述设备相关信息包括：设备ID、设备型号、设备通讯信息、设备用户信息中的至少一种；所述设备意向相关信息包括：设备是否注册互联网服务平台、设备是否申请互联网服务、设备是否成功获取互联网服务等。
其中，所述意向层级从设备获取互联网服务意向的维度对设备进行划分。示例性的，将设备意向信息输入训练好的意向模型后得到目标设备获取所述互联网服务的概率，将目标设备获取所述互联网服务的概率与各个第二阈值进行比较，即可找到目标设备所在的意向层级。
S3、根据目标设备风险层级和意向层级为目标设备提供所述互联网服务的认证条件；
其中，所述认证条件是向设备提供互联网服务时，设备需要提供的资源量，所述资源是指任何可被利用的物质、信息、金钱、时间等。信息资源包括计算资源和各种类型的数据资源。数据资源包括各个领域中的各种专用数据。在一种示例中，所述认证条件是获取互联网服务的费用。比如：互联网服务为付费的会员服务，所述认证条件可以是：总价、单价、积分、虚拟币中的任何一种。
在一种示例中，可以先根据目标设备风险层级和意向层级从预设的 M×N个类别中确定目标设备所在类别。如图2，将目标设备所在风险层级和第二分层交叉形成的区域作为目标设备所在类别。在本步骤之前，可以根据每个类别的意向层级和风险层级配置各个类别的认证条件，则本步骤可以直接根据目标设备所在的类别查找到目标设备的认证条件，并为目标设备提供所述互联网服务的认证条件。
在一种对认证条件的配置方式中，认证条件为提供互联网服务的费用区间，当所述风险层级和所述意向层级均相对较高区间时，将所述认证条件设为最高区间(即最高费用区间)；当所述风险层级和所述意向层级均相对较低区间时，将所述认证条件设为最低区间(即最高费用区间)。在一种示例中，相对较高区间只包含最高区间，相对较低区间只包含最低区间，风险层级和意向层级均为最高区间时，设置认证条件为最高区间；风险层级和意向层级均为最低区间时，设置认证条件为最低区间。在另一种示例中，相对较高区间可以包含最小值大于第一阈值的所有区间，比如：第一高区间、第二高区间等，相对较低区间可以包含最大值小于第二阈值的所有区间，比如：第一低区间、第二低区间等，则风险层级和意向层级均为第一高区间、或者均为第二高区间，或者一个为第一高区间另一个为第二高区间时，设置认证条件为最高区间；风险层级和意向层级均为第一低区间、或者均为第二低区间，或者一个为第一低区间另一个为第二低区间时，设置认证条件为最低区间。所述第一阈值和第二阈值根据实际需要配置。
在另一种对认证条件的配置方式中，认证条件为提供互联网服务的单价，当所述风险层级和所述意向层级均为最高区间时，即高风险高意向的设备，给于最高的单价，确保购买率的同时，获得更高利润；对于风险层级相对较高区间意向层级相对较低区间时，即高风险低意向的设备，给于对应的低单价，以期通过降价来提升购买意愿；其中，较高区间可以是高于第一预设值的所有区间，所述较低区间可以是低于第二预设值的所有区间，示例性的，风险层级包含区间依次降低的第一高区间～第五高区间，五个较高区间，意向层级包含区间依次降低的第一低区间～第五低区间，五个较低区间，可以配置五个较高区间分别与五个低区间交叉对应的低单价；对于风险层级相对较低区间意向层级相对较高区间时，即低风险高意向的设备，给于对应的高单价，保证购买的同时，获得更高收益；其中，较高区间可以是高于第一预设值的所有区间，所述较低区间可以是低于第二预设值的所有区间，示例性的，风险层级包含区间依次降低的第一低区间～第五低区间，五个较低区间，意向层级包含区间依次降低的第一高区间～第五高区间，五个较高区间，可以配置五个较高区间分别与五个低区间交叉对应的高单价；对于风险层级和所述意向层级均为最低区间，即低风险低意向的设备，给于最低的单价，以吸引设备购买。
在另一种示例中，根据目标设备风险层级和意向层级为目标设备提供所述互联网服务的认证条件，包括：
S31、根据目标设备的风险层级从第一预设区间中确定第一目标区间；
其中，所述风险层级对应的概率越大，对应的第一目标区间的最小值和最大值越大；示例性的，第一预设区间可以是预先配置的不同风险层级对应的认证条件的区间。所述风险层级对应的概率用于表示该风险层级内设备的平均风险概率，其可以是该风险层级内设备风险概率的平均值。
S32、根据所述意向层级从第二预设区间中确定第二目标区间；
其中，所述意向层级对应的意向度越大，对应的第二目标区间的最小值和最大值越大；示例性的，第二预设区间可以是预先配置的不同意向层级对应的认证条件的区间。所述意向层级对应的意向度用于表示该意向层级内设备获取互联网服务的平均意向度，其可以是该风险层级内所有设备获取互联网服务的意向度的平均值。
S33、根据所述第一目标区间和所述第二目标区间，确定目标区间，作为所述认证条件。
示例性的，认证条件为提供互联网服务的费用区间，可以直接将第一目标区间和第二目标区间的重合区间作为目标区间，则该目标区间为认证条件。进一步的，若第一目标区间和第二目标区间没有重合区间，可以将第一目标区间和第二目标区间中较小的区间作为目标区间。示例性的，若第一目标区间和第二目标区间没有重合区间，可以比较第一目标区间的最大值和第二目标区间的最小值，若第一目标区间的最大值小于第二目标区间的最小值，则将第一目标区间作为目标区间，反之，将第二目标区间作为目标区间。
在另一示例中，认证条件为提供互联网服务的单价，可以将第一目标区间及第二目标区间的最大值和最小值的平均值作为认证条件。
在又一示例中，所述根据目标设备风险层级和意向层级为目标设备提供所述互联网服务的认证条件，包括：
通过如下公式计算所述认证条件：
X＝A×a+B×b；
其中，X为所述认证条件对应的数值区间，A为所述风险层级，a为预设风险区间，B为所述意向层级，b为预设意向区间。所述预设风险区间是预先配置的最低风险层级对应的认证条件的数值区间，所述预设意向区间是预先配置的最低意向层级对应的认证条件的数值区间。
S4、当所述目标设备接受所述认证条件时，向该目标设备提供所述互联网服务。
进一步的，本发明还可以根据设备反馈对设备策略进行调整，则所述方法还包括：
S5、接收目标设备的反馈；
其中，所述目标设备的反馈包括：接受所述认证条件和拒绝所述认证条件。
S6、根据目标设备的反馈，对认证条件进行调整。
示例性的，可以根据目标设备的反馈计算拒绝所述认证条件的设备占提供该认证条件的所有设备的比例Q1、接受所述认证条件的设备与拒绝所述认证条件的设备的比率Q2等，当Q1大于预设比例和/或Q2大于预设比率时，对认证条件进行调整，比如：按照预设比例降低提供互联网服务的费用等等。
此外，为了避免对互联网服务平台的损失，当所述风险模型计算所述目标设备发生损害所述互联网服务平台行为的概率大于阈值时，说明该设备存在欺诈或者逾期的风险很大，拒绝所述目标设备申请提供所述互联网服务的请求。进一步，可以该设备存入黑名单中，拒绝该设备的任何互联网服务的申请。
图3是本发明一种基于意向度和风险度为设备提供互联网服务的装置，所述设备意向度是指该设备对于获取所述互联网服务的意愿水平，所述设备风险度是指该设备在享受所述互联网服务时损害互联网服务平台的可能性，如图3所示，所述装置包括：
第一确定模块31，用于根据设备风险信息和训练好的风险模型确定目标设备风险层级；所述风险模型用于计算设备发生损害所述互联网服务平台行为的概率；所述设备风险信息是与所述设备的风险行为相关的设备信息；
第二确定模块32，用于根据设备意向信息和训练好的意向模型确定所述目标设备意向层级，所述意向模型用于计算设备获取所述互联网服务的意向度；所述设备意向信息是与所述设备获取所述互联网服务的意向相关的设备信息；
第一提供模块33，用于根据目标设备风险层级和意向层级为目标设备提供所述互联网服务的认证条件；
第二提供模块34，用于当所述目标设备接受所述认证条件时，向该目标设备提供所述互联网服务。
可选的，所述互联网服务为以下的任一种：购物、出行、支付、导航、团购、共享物品、社交、在线教育、翻译。
可选的，所述互联网服务为付费的会员服务，所述认证条件包括以下的任一种：总价、单价、积分、虚拟币。
在一种实施方式中，所述第一提供模块33包括：
第一子确定模块，用于根据所述风险层级从第一预设区间中确定第一目标区间；其中，所述风险层级对应的概率越大，对应的第一目标区间的最小值和最大值越大；
第二子确定模块，用于根据所述意向层级从第二预设区间中确定第二目标区间；其中，所述意向层级对应的意向度越大，对应的第二目标区间的最小值和最大值越大；
第三子确定模块，用于根据所述第一目标区间和所述第二目标区间，确定目标区间，作为所述认证条件。
在另一种实施方式种，所述第一提供模块33通过如下公式计算所述认证条件：
X＝A×a+B×b；
其中，X为所述认证条件对应的数值区间，A为所述风险层级，a为预设风险区间，B为所述意向层级，b为预设意向区间。
进一步的，所述装置还包括：拒绝模块，用于当所述风险模型计算所述目标设备发生损害所述互联网服务平台行为的概率大于阈值时，拒绝所述目标设备申请提供所述互联网服务的请求。
优选的，所述设备风险信息包括：设备相关信息和设备风险相关信息；其中，所述设备相关信息包括：设备ID、设备型号、设备通讯信息、设备用户信息中的至少一种；所述设备风险相关信息包括：设备是否通过互联网服务申请、设备资源配置额度、设备逾期归还资源天数、设备逾期归还资源次数、设备是否有欺诈记录中的至少一种。
本领域技术人员可以理解，上述装置实施例中的各模块可以按照描述分布于装置中，也可以进行相应变化，分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的实体形式的实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。
图4是根据本发明的一种电子设备的示例性实施例的结构框图。图4 显示的电子设备仅仅是一个示例，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4所示，该示例性实施例的电子设备400以通用数据处理设备的形式表现。电子设备400的组件可以包括但不限于：至少一个处理单元 410、至少一个存储单元420、连接不同电子设备组件(包括存储单元420 和处理单元410)的总线430、显示单元440等。
其中，所述存储单元420存储有计算机可读程序，其可以是源程序或都只读程序的代码。所述程序可以被处理单元410执行，使得所述处理单元410执行本发明各种实施方式的步骤。例如，所述处理单元410可以执行如图1所示的步骤。
所述存储单元420可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)4201和/或高速缓存存储单元4202，还可以进一步包括只读存储单元(ROM)4203。所述存储单元420还可以包括具有一组(至少一个)程序模块4205的程序/实用工具4204，这样的程序模块4205 包括但不限于：操作电子设备、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。
总线430可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备400也可以与一个或多个外部设备100(例如键盘、显示器、网络设备、蓝牙设备等)通信，使得用户能经由这些外部设备100与该电子设备400交互，和/或使得该电子设备400能与一个或多个其它数据处理设备(例如路由器、调制解调器等等)进行通信。这种通信可以通过输入 /输出(I/O)接口450进行，还可以通过网络适配器460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)进行。网络适配器460可以通过总线430与电子设备400的其它模块通信。应当明白，尽管图4中未示出，电子设备400中可使用其它硬件和 /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电子设备、磁带驱动器以及数据备份存储电子设备等。
图5是本发明的一个计算机可读介质实施例的示意图。如图5所示，所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的电子设备、装置或器件，或者任意以上的组合。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。当所述计算机程序被一个或多个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法，即：根据设备风险信息和训练好的风险模型确定目标设备风险层级；所述风险模型用于计算设备发生损害所述互联网服务平台行为的概率；所述设备风险信息是与所述设备的风险行为相关的设备信息；根据设备意向信息和训练好的意向模型确定所述目标设备意向层级，所述意向模型用于计算设备获取所述互联网服务的意向度；所述设备意向信息是与所述设备获取所述互联网服务的意向相关的设备信息；根据目标设备风险层级和意向层级为目标设备提供所述互联网服务的认证条件；当所述目标设备接受所述认证条件时，向该目标设备提供所述互联网服务。
通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读的存储介质(可以是 CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台数据处理设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。
所述计算机可读存储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，其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行电子设备、装置或者器件使用或者与其结合使用的程序。可读存储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、有线、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音的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语音包括面向对象的程序设计语音—诸如 Java、C++等，还包括常规的过程式程序设计语音—诸如“C”语音或类似的程序设计语音。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述，本发明可以执行计算机程序的方法、装置、电子设备或计算机可读介质来实现。可以在实践中使用微处理器或者数字信号处理器 (DSP)等通用数据处理设备来实现本发明的一些或者全部功能。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种基于设备意向度和设备风险度为设备提供互联网服务的方法，所述设备意向度是指该设备对于获取所述互联网服务的意愿水平，所述设备风险度是指该设备在享受所述互联网服务时损害互联网服务平台的可能性，其特征在于，所述方法包括：
根据设备风险信息和训练好的风险模型确定目标设备风险层级；所述风险模型用于计算设备发生损害所述互联网服务平台行为的概率；所述设备风险信息是与所述设备的风险行为相关的设备信息；
根据设备意向信息和训练好的意向模型确定所述目标设备意向层级，所述意向模型用于计算设备获取所述互联网服务的意向度；所述设备意向信息是与所述设备获取所述互联网服务的意向相关的设备信息；
根据目标设备风险层级和意向层级为目标设备提供所述互联网服务的认证条件；
当所述目标设备接受所述认证条件时，向该目标设备提供所述互联网服务。
2.根据权利要求1所述的方法，其特征在于，所述根据目标设备风险层级和意向层级为目标设备提供所述互联网服务的认证条件，包括：
根据所述风险层级从第一预设区间中确定第一目标区间；其中，所述风险层级对应的概率越大，对应的第一目标区间的最小值和最大值越大；
根据所述意向层级从第二预设区间中确定第二目标区间；其中，所述意向层级对应的意向度越大，对应的第二目标区间的最小值和最大值越大；
根据所述第一目标区间和所述第二目标区间，确定目标区间，作为所述认证条件。
3.根据权利要求1所述的方法，其特征在于，所述根据目标设备风险层级和意向层级为目标设备提供所述互联网服务的认证条件，包括：
通过如下公式计算所述认证条件：
X＝A×a+B×b；
其中，X为所述认证条件对应的数值区间，A为所述风险层级，a为预设风险区间，B为所述意向层级，b为预设意向区间。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：当所述风险模型计算所述目标设备发生损害所述互联网服务平台行为的概率大于阈值时，拒绝所述目标设备申请提供所述互联网服务的请求。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述设备风险信息包括：设备相关信息和设备风险相关信息；其中，所述设备相关信息包括：设备ID、设备型号、设备通讯信息、设备用户信息中的至少一种；所述设备风险相关信息包括：设备是否通过互联网服务申请、设备资源配置额度、设备逾期归还资源天数、设备逾期归还资源次数、设备是否有欺诈记录中的至少一种。
6.一种基于设备意向度和设备风险度为设备提供互联网服务的装置，所述设备意向度是指该设备对于获取所述互联网服务的意愿水平，所述设备风险度是指该设备在享受所述互联网服务时损害互联网服务平台的可能性，其特征在于，所述装置包括：
第一确定模块，用于根据设备风险信息和训练好的风险模型确定目标设备风险层级；所述风险模型用于计算设备发生损害所述互联网服务平台行为的概率；所述设备风险信息是与所述设备的风险行为相关的设备信息；
第二确定模块，用于根据设备意向信息和训练好的意向模型确定所述目标设备意向层级，所述意向模型用于计算设备获取所述互联网服务的意向度；所述设备意向信息是与所述设备获取所述互联网服务的意向相关的设备信息；
第一提供模块，用于根据目标设备风险层级和意向层级为目标设备提供所述互联网服务的认证条件；
第二提供模块，用于当所述目标设备接受所述认证条件时，向该目标设备提供所述互联网服务。
7.根据权利要求6所述的装置，其特征在于，所述第一提供模块包括：
第一子确定模块，用于根据所述风险层级从第一预设区间中确定第一目标区间；其中，所述风险层级对应的概率越大，对应的第一目标区间的最小值和最大值越大；
第二子确定模块，用于根据所述意向层级从第二预设区间中确定第二目标区间；其中，所述意向层级对应的意向度越大，对应的第二目标区间的最小值和最大值越大；
第三子确定模块，用于根据所述第一目标区间和所述第二目标区间，确定目标区间，作为所述认证条件。
8.根据权利要求6所述的装置，其特征在于，所述第一提供模块通过如下公式计算所述认证条件：
X＝A×a+B×b；
其中，X为所述认证条件对应的数值区间，A为所述风险层级，a为预设风险区间，B为所述意向层级，b为预设意向区间。
9.根据权利要求6-8任一项所述的装置，其特征在于，所述装置还包括：拒绝模块，用于当所述风险模型计算所述目标设备发生损害所述互联网服务平台行为的概率大于阈值时，拒绝所述目标设备申请提供所述互联网服务的请求。
10.根据权利要求6-8任一项所述的装置，其特征在于，所述设备风险信息包括：设备相关信息和设备风险相关信息；其中，所述设备相关信息包括：设备ID、设备型号、设备通讯信息、设备用户信息中的至少一种；所述设备风险相关信息包括：设备是否通过互联网服务申请、设备资源配置额度、设备逾期归还资源天数、设备逾期归还资源次数、设备是否有欺诈记录中的至少一种。
11.一种电子设备，包括：
处理器；以及
存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器执行根据权利要求1-5中任一项所述的方法。
12.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，当所述一个或多个程序被处理器执行时，实现权利要求1-5中任一项所述的方法。
CN202110875634.1A 2021-07-30 2021-07-30 基于设备意向度和设备风险度为设备提供互联网服务的方法及装置 Active CN113723759B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110875634.1A CN113723759B (zh) 2021-07-30 2021-07-30 基于设备意向度和设备风险度为设备提供互联网服务的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110875634.1A CN113723759B (zh) 2021-07-30 2021-07-30 基于设备意向度和设备风险度为设备提供互联网服务的方法及装置

Publications (2)

Publication Number Publication Date
CN113723759A true CN113723759A (zh) 2021-11-30
CN113723759B CN113723759B (zh) 2024-06-04

Family

ID=78674510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110875634.1A Active CN113723759B (zh) 2021-07-30 2021-07-30 基于设备意向度和设备风险度为设备提供互联网服务的方法及装置

Country Status (1)

Country Link
CN (1) CN113723759B (zh)

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8280805B1 (en) * 2006-01-10 2012-10-02 Sas Institute Inc. Computer-implemented risk evaluation systems and methods
JP2016099702A (ja) * 2014-11-19 2016-05-30 キヤノン株式会社 装置連携による認証管理方法、情報処理装置、ウェアラブルデバイス、コンピュータプログラム
US9661011B1 (en) * 2014-12-17 2017-05-23 Amazon Technologies, Inc. Techniques for data routing and management using risk classification and data sampling
CN107491862A (zh) * 2017-07-26 2017-12-19 广州供电局有限公司 电网风险评测的方法及装置
CN107888574A (zh) * 2017-10-27 2018-04-06 深信服科技股份有限公司 检测数据库风险的方法、服务器及存储介质
CN109614997A (zh) * 2018-11-29 2019-04-12 武汉大学 一种基于深度学习的窃电风险预测方法及装置
CN110009359A (zh) * 2019-01-22 2019-07-12 阿里巴巴集团控股有限公司 无监督风险防控模型的训练方法、更新方法及装置
CN110033153A (zh) * 2018-12-05 2019-07-19 阿里巴巴集团控股有限公司 一种对信息推荐进行资源奖励方法、装置及设备
CN110348727A (zh) * 2019-07-02 2019-10-18 北京淇瑀信息科技有限公司 一种基于用户风险等级和用户动支意愿的营销策略制定方法、装置和电子设备
CN110443617A (zh) * 2019-07-10 2019-11-12 阿里巴巴集团控股有限公司 信息处理方法、装置及计算机设备
US20200042723A1 (en) * 2018-08-03 2020-02-06 Verizon Patent And Licensing Inc. Identity fraud risk engine platform
WO2020037942A1 (zh) * 2018-08-20 2020-02-27 平安科技（深圳）有限公司 风险预测处理方法、装置、计算机设备和介质
CN110992169A (zh) * 2019-11-29 2020-04-10 深圳乐信软件技术有限公司 一种风险评估方法、装置、服务器及存储介质
WO2020077895A1 (zh) * 2018-10-16 2020-04-23 深圳壹账通智能科技有限公司 签约意向判断方法、装置、计算机设备和存储介质
CN111210109A (zh) * 2019-12-20 2020-05-29 上海淇玥信息技术有限公司 基于关联用户预测用户风险的方法、装置和电子设备
CN111478890A (zh) * 2020-03-30 2020-07-31 中国科学院计算技术研究所 一种基于智能合约的网络服务访问控制方法和***
WO2020211388A1 (zh) * 2019-04-16 2020-10-22 深圳壹账通智能科技有限公司 基于预测模型的行为预测方法、装置、设备及存储介质
CN112308387A (zh) * 2020-10-20 2021-02-02 深圳思为科技有限公司 客户意向度评估方法与装置、云服务器
CN112330373A (zh) * 2020-11-30 2021-02-05 ***股份有限公司 用户行为分析方法、装置及计算机可读存储介质
CN112418653A (zh) * 2020-11-19 2021-02-26 重庆邮电大学 一种基于机器学习算法的携号转网潜客识别***及方法
CN112668832A (zh) * 2020-11-25 2021-04-16 广东电网有限责任公司 基于指标管理体系的风险量化评估方法、装置以及电子设备

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8280805B1 (en) * 2006-01-10 2012-10-02 Sas Institute Inc. Computer-implemented risk evaluation systems and methods
JP2016099702A (ja) * 2014-11-19 2016-05-30 キヤノン株式会社 装置連携による認証管理方法、情報処理装置、ウェアラブルデバイス、コンピュータプログラム
US9661011B1 (en) * 2014-12-17 2017-05-23 Amazon Technologies, Inc. Techniques for data routing and management using risk classification and data sampling
CN107491862A (zh) * 2017-07-26 2017-12-19 广州供电局有限公司 电网风险评测的方法及装置
CN107888574A (zh) * 2017-10-27 2018-04-06 深信服科技股份有限公司 检测数据库风险的方法、服务器及存储介质
US20200042723A1 (en) * 2018-08-03 2020-02-06 Verizon Patent And Licensing Inc. Identity fraud risk engine platform
WO2020037942A1 (zh) * 2018-08-20 2020-02-27 平安科技（深圳）有限公司 风险预测处理方法、装置、计算机设备和介质
WO2020077895A1 (zh) * 2018-10-16 2020-04-23 深圳壹账通智能科技有限公司 签约意向判断方法、装置、计算机设备和存储介质
CN109614997A (zh) * 2018-11-29 2019-04-12 武汉大学 一种基于深度学习的窃电风险预测方法及装置
CN110033153A (zh) * 2018-12-05 2019-07-19 阿里巴巴集团控股有限公司 一种对信息推荐进行资源奖励方法、装置及设备
CN110009359A (zh) * 2019-01-22 2019-07-12 阿里巴巴集团控股有限公司 无监督风险防控模型的训练方法、更新方法及装置
WO2020211388A1 (zh) * 2019-04-16 2020-10-22 深圳壹账通智能科技有限公司 基于预测模型的行为预测方法、装置、设备及存储介质
CN110348727A (zh) * 2019-07-02 2019-10-18 北京淇瑀信息科技有限公司 一种基于用户风险等级和用户动支意愿的营销策略制定方法、装置和电子设备
CN110443617A (zh) * 2019-07-10 2019-11-12 阿里巴巴集团控股有限公司 信息处理方法、装置及计算机设备
CN110992169A (zh) * 2019-11-29 2020-04-10 深圳乐信软件技术有限公司 一种风险评估方法、装置、服务器及存储介质
CN111210109A (zh) * 2019-12-20 2020-05-29 上海淇玥信息技术有限公司 基于关联用户预测用户风险的方法、装置和电子设备
CN111478890A (zh) * 2020-03-30 2020-07-31 中国科学院计算技术研究所 一种基于智能合约的网络服务访问控制方法和***
CN112308387A (zh) * 2020-10-20 2021-02-02 深圳思为科技有限公司 客户意向度评估方法与装置、云服务器
CN112418653A (zh) * 2020-11-19 2021-02-26 重庆邮电大学 一种基于机器学习算法的携号转网潜客识别***及方法
CN112668832A (zh) * 2020-11-25 2021-04-16 广东电网有限责任公司 基于指标管理体系的风险量化评估方法、装置以及电子设备
CN112330373A (zh) * 2020-11-30 2021-02-05 ***股份有限公司 用户行为分析方法、装置及计算机可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
NITIN AGGARWAL ET AL: "Risk knowledge and concern as influences of purchase intention for internet of things devices", 《TECHNOLOGY IN SOCIETY》, 31 December 2020 (2020-12-31), pages 1 - 11 *
张明明: "手机银行用户使用意向影响因素的证实研究", 《中国优秀硕士学位全文数据库 经济与管理科学辑》, no. 2015, 31 July 2015 (2015-07-31), pages 159 - 86 *

Also Published As

Publication number Publication date
CN113723759B (zh) 2024-06-04

Similar Documents

Publication Publication Date Title
US11188720B2 (en) Computing system including virtual agent bot providing semantic topic model-based response
CN110807649A (zh) 一种金融产品的邀请奖励方法和***
CN112465627B (zh) 基于区块链和机器学习的金融借贷审核方法及***
CN110599335A (zh) 一种基于多模型的用户金融风险评估方法和装置
CN112016796B (zh) 综合风险评分请求处理方法、装置及电子设备
US20140019295A1 (en) Automated Technique For Generating Recommendations Of Potential Supplier Candidates
CN110009365B (zh) 非正常转移电子资产的用户群体检测方法、装置和设备
CN112348659B (zh) 用户识别策略的分配方法、装置及电子设备
CN111210255B (zh) 广告推送方法、装置及电子设备
CN111583018A (zh) 一种基于用户金融表现分析的授信策略管理方法、装置和电子设备
CN112017042A (zh) 基于tweedie分布的资源配额确定方法、装置和电子设备
CN112017062A (zh) 基于客群细分的资源额度分配方法、装置及电子设备
CN110689425A (zh) 基于收益进行额度定价的方法、装置和电子设备
CN113987350A (zh) 资源推荐方法及装置
US11436596B2 (en) Eligibility determination for delegation exemption to strong authentication requirements
CN111210109A (zh) 基于关联用户预测用户风险的方法、装置和电子设备
CN116451938A (zh) 任务处理方法、装置、电子设备及存储介质
CN112017063B (zh) 基于综合风险评分的资源分配方法、装置及电子设备
CN115048561A (zh) 推荐信息确定方法及装置、电子设备和可读存储介质
CN112016791B (zh) 资源分配方法、装置及电子设备
CN113723759A (zh) 基于设备意向度和设备风险度为设备提供互联网服务的方法及装置
US20180012301A1 (en) Block-price optimisation in energy markets
CN112950352A (zh) 用户筛选策略生成方法、装置及电子设备
CN112288475A (zh) 产品推荐方法、装置及电子设备
CN112016789B (zh) 互联网金融业务处理方法、装置和电子设备

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