[发明专利]恶意欠费用电客户识别方法和系统

说明书

本发明提供了恶意欠费用电客户识别方法和系统，包括：获取历史缴费数据；根据历史缴费数据分别得到第一指标数据和第二指标数据；根据第一指标数据得到欠费恶意程度；根据第二指标数据得到欠费经济损失；根据欠费恶意程度和欠费经济损失得到欠费风险值；将欠费风险值与预设风险阀值进行比较；判断欠费风险值是否大于且等于预设风险阀值；如果欠费风险值大于且等于预设风险阀值，则获取对应的欠费用电客户，计算速度快，有利于供电企业弹性展开缴费工作，提高用户体验。

技术领域

本发明涉及供用电技术领域，尤其是涉及恶意欠费用电客户识别方法和系统。

背景技术

用户识别是用来判断用户属性或者标签的，比如判断一个用户是否是恶意欠费用户、一个用户是否有购买电脑的意愿等等。目前有两种方式建立用户识别模型：监督学习方法和非监督学习方法，对于非监督学习方法，用户识别的常用方法是聚类算法。虽然聚类算法是一种常用的非监督学习方法，但面对用电客户达几百万用户级别，聚类算法的计算代价昂贵。另外聚类算法的模型不具备可伸缩性，即模型一旦确立，聚类算法的标准就确定了，不利于供电企业弹性开展缴费工作，因为对恶意欠费用户的处置工作需要投入大量的人力、物力(短信催收、电话催收、停电复电等)，识别出来恶意欠费用户过多或过少都不利于开展欠费回收工作。同时聚类算法的模型无法动态更新，如果需要重新调整识别标准，需要重新训练模型，耗时耗力。

发明内容

有鉴于此，本发明的目的在于提供恶意欠费用电客户识别方法和系统，计算速度快，有利于供电企业弹性展开缴费工作，提高用户体验。

第一方面，本发明实施例提供了一种恶意欠费用电客户识别方法，所述方法包括：

获取历史缴费数据；

根据所述历史缴费数据分别得到第一指标数据和第二指标数据；

根据所述第一指标数据得到欠费恶意程度；

根据所述第二指标数据得到欠费经济损失；

根据所述欠费恶意程度和所述欠费经济损失得到欠费风险值；

将所述欠费风险值与预设风险阀值进行比较；

判断所述欠费风险值是否大于且等于所述预设风险阀值；

如果所述欠费风险值大于且等于所述预设风险阀值，则获取对应的欠费用电客户。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述第一指标数据包括欠费次数、欠费密度、欠费总时长和前一欠费日离当前日时长，所述第二指标数据包括：欠费总额和违约金总额，所述根据所述第一指标数据得到欠费恶意程度，包括：

根据下式计算所述欠费恶意程度：

P＝p₁f₁(QFCS)+p₂f₂(QFMD)+p₃f₃(QFZSC)+p₄f₄(ZJQFSC)

其中，P为所述欠费恶意程度，QFCS为所述欠费次数，QFMD为所述欠费密度，QFZSC为所述欠费总时长，ZJQFSC为所述前一欠费日离当前日时长，f₁为欠费次数概率化函数，f₂为欠费密度概率化函数，f₃为欠费总时长概率化函数，f₄为前一欠费日离当前日时长概率化函数，p₁、p₂、p₃和p₄分别为第一权重、第二权重、第三权重和第四权重，所述第一权重、所述第二权重、所述第三权重和所述第四权重满足第一预设条件。