[发明专利]一种数据分析方法及装置

权利要求书

1.一种数据分析方法，其特征在于，包括：

获取目标对象的还款信息和目标对象对应的用户的身份信息；所述目标对象为借贷类产品；

基于目标对象的还款信息和目标对象所属的用户的身份信息，筛选高风险目标对象；所述高风险目标对象表示可能会存在异常消费的目标对象获取高风险目标对象在第一时间段内的消费信息和所述目标对象所属客户的基本信息；

将所述高风险的目标对象在第一时间段内的消费信息和所述高风险目标对象所属客户的基本信息输入到预设的消费预测模型中，得到高风险目标对象在第二时间段内的消费信息；

获取高风险目标对象在第二时间段内真实的消费信息；

基于所述高风险目标对象在第二时间段内真实的消费信息、预测的消费信息和预设的评分模型，得到高风险目标对象的评分结果；所述目标对象评分结果是基于所述真实消费信息和预测的消费信息之间的相关性确定的，所述评分模型是通过预设的第二数据集进行训练后得到的；

基于高风险目标对象的评分与预设的阈值的关系，确定所述高风险目标对象是否存在异常消费情况。

2.根据权利要求1所述的方法，其特征在于，所述基于目标对象的还款信息和目标对象所属的用户的身份信息，筛选高风险目标对象，包括：

判断目标对象的还款信息和目标对象所属的用户的身份信息是否一致；

若目标对象的还款信息和目标对象所属用户的身份信息不一致，则表示所述目标对象为高风险目标对象。

3.根据权利要求1所述的方法，其特征在于，所述评分模型的训练过程包括：

构建神经网络模型；

获取第二数据集；所述第二数据集包括高风险目标对象在同一时间段内真实的消费信息和预测的消费信息，所述第二数据集中的目标对象标记有评分结果；

获取所述神经网络的初始参数值；

基于所述神经网络的初始参数值和第二数据集对所述神经网络模型进行训练。

4.根据权利要求1所述的方法，其特征在于，所述评分模型的训练过程包括：

获取计算真实消费信息中每个消费对象与预设的消费信息中每个消费对象匹配度的计算方法；

确定真实消费信息中每个消费对象的评分规则；

确定真实消费信息中所有消费对象的评分统计规则；

基于真实消费信息中每个消费对象与预设的消费信息中每个消费对象匹配度的计算方法、真实消费信息中没给消费对象的评分规则以及真实消费信息中所有消费对象的评分统计规则，训练预设的专家系统。

5.根据权利要求1所述的方法，其特征在于，所述基于高风险目标对象的评分与预设的阈值的关系，确定所述高风险客户是否存在异常消费情况，包括：

若高风险目标对象的评分大于预设阈值，则表示目标对象的消费行为未出现异常；

若高风险目标对象的评分小于等于预设的阈值，则表示目标对象的消费行为异常。

6.根据权利要求1所述的方法，其特征在于，还包括：

确定第二时间段真实消费信息包括的消费对象的总数量；

基于第二时间段真实消费信息包括的消费对象的总数量，确定阈值。

7.根据权利要求1所述的方法，其特征在于，还包括：

在检测到目标对象存在消费异常行为的情况下，监测目标对象的使用动态；

当监测到目标对象再次使用时，获取使用目标对象的消费者的人脸信息；

判断所述消费者的人脸信息是否与预设的所述目标对象所属的用户的人脸信息是否一致；

若述消费者的人脸信息是否与预设的所述目标对象所属的用户的人脸信息不一致，则向目标对象所属的用户发送消费异常提醒。