[发明专利]金融交易数据处理方法、欺诈行为的监测方法和装置

权利要求书

1.一种金融交易数据处理方法，其特征在于，包括：

获取第一预设数量的有效样本；其中，所述有效样本是从用户的金融交易数据中提取得到的至少一个维度的特征数据，所述金融交易数据至少包括：个人信息以及缴存、提取和/或贷款的数据；

接收第二预设数量的第一指令，不同的所述第一指令指示了不同的第一预测模型的初始模型参数，基于所述第二预设数量的第一指令，将聚类模型以及第一预测模型的训练过程循环计算所述第二预设数量次；

所述聚类模型以及所述第一预测模型的训练过程：将所述第一预设数量的有效样本分成K份，轮流将其中K-1份作为第一训练集，剩下的1份作为第一测试集，每个所述第一测试集对应一次训练过程，共经过K次训练过程；轮流采用聚类模型将每个所述第一训练集聚类成第三预设数量的簇，以得到每个所述第一训练集中有效样本的第一分类标签，将每个所述第一训练集中有效样本的第一分类标签分别加入对应的有效样本；轮流将加入所述第一分类标签的有效样本输入到第一预测模型中，确定每次迭代计算得到的所述第一预测模型的训练模型参数；轮流通过每个所述第一测试集验证每次训练过程得到的所述第一预测模型的预测准确率；

根据每次循环过程中K次训练过程的预测准确率，确定每次循环过程对应的第一评价指标；将所述第二预设数量的循环过程中所述第一评价指标最高的初始模型参数和训练模型参数作为所述第一预测模型的目标模型参数，通过训练得到的所述聚类模型和所述第一预测模型确定用户出现欺诈行为的概率。

2.根据权利要求1所述的方法，其特征在于，所述将所述第二预设数量的循环过程中所述第一评价指标最高的初始模型参数和训练模型参数作为所述第一预测模型的目标模型参数的步骤之后，所述方法还包括：

获取第四预设数量的第一有效样本；其中，所述第一有效样本是从用户的金融交易数据中提取得到的至少一个维度的特征数据；

接收第五预设数量的第二指令，不同的所述第二指令指示了不同的第二预测模型的初始模型参数，基于所述第五预设数量的第二指令，将第二预测模型的训练过程循环计算所述第五预设数量次；

所述第二预测模型的训练过程：将所述第四预设数量的第一有效样本分成K份，轮流将其中K-1份作为第二训练集，剩下的1份作为第二测试集；轮流将所述第一预测模型所得的预测结果作为第二分类标签加入所述第一有效样本中，将所述第一有效样本输入第二预测模型中，确定每次迭代计算得到的所述第二预测模型的训练模型参数；轮流通过每个所述第二测试集验证每次训练过程得到的所述第二预测模型的预测准确率；

根据每次循环过程中K次训练过程的预测准确率，确定每次循环过程对应的第二评价指标；将所述第五预设数量的循环过程中所述第二评价指标最高的初始模型参数和训练模型参数作为所述第二预测模型的目标模型参数，通过所述第二预测模型确定在同意用户的提取或贷款请求后用户出现欺诈行为的概率。

3.根据权利要求2所述的方法，其特征在于，在获取第一预设数量的有效样本的步骤或获取第四预设数量的第一有效样本的步骤之前，所述方法还包括：

获取一个或多个用户的金融交易数据；

从所述一个或多个用户的金融交易数据中提取预设的特征库中每个维度的特征数据，得到候选样本；

筛选掉所述候选样本中身份特征不是有效数据的样本；

将筛选后的候选样本按照预设的清洗规则进行清洗处理，以得到有效样本。

4.根据权利要求3所述的方法，其特征在于，所述预设的清洗规则包括：

1)若所述候选样本中有超过第六预设数量的特征数据为空，则删除所述候选样本；

2)若每个所述候选样本的第一特征为空或无效，则删除所述第一特征；

3)若每个所述候选样本的第二特征为相同值，则删除所述第二特征。

5.根据权利要求3所述的方法，其特征在于，从所述一个或多个用户的金融交易数据中提取预设的特征库中每个维度的特征数据，得到候选样本，包括：

以用户为颗粒度且以用户的身份特征作为识别，基于spark框架从所述一个或多个用户的金融交易数据中提取预设的特征库中每个维度的特征数据，得到候选样本。