[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

说明书

本发明公开了一种金融交易数据处理方法、欺诈行为的监测方法和装置，该方法包括：获取第一预设数量的有效样本；接收第二预设数量的第一指令，基于第一指令将训练过程循环计算第二预设数量次；训练过程：将第一预设数量的有效样本分成K份，轮流将K‑1份作为第一训练集，剩下的1份作为第一测试集；轮流采用聚类模型得到第一分类标签，将第一分类标签分别加入对应的有效样本；轮流将有效样本输入到第一预测模型，确定第一预测模型的训练模型参数；轮流验证每次训练过程得到的第一预测模型的预测准确率；确定每次循环过程的评价指标；将循环过程中评价指标最高的初始模型参数和训练模型参数作为目标模型参数，这样可预测用户出现欺诈行为概率。

技术领域

本发明涉及计算机领域，尤其涉及一种金融交易数据处理方法、欺诈行为的监测方法和装置。

背景技术

一般地，在提取公积金或贷款时需要对用户提交的材料进行人工审核。其中，人工审核的部分主要是审核提交材料的真实性及是否满足中心的政策条件：购房收据、房产证等是否真实；是否满足提取的条件；是否满足连续缴存的条件；申请贷款额度是否符合政策条件等。但是，通过人工审核无法确定用户出现欺诈行为(骗提或骗贷)的概率，无法有效降低风险，且人工审核的工作量较大会导致审核效率低。

发明内容

有鉴于此，本发明实施例提供一种金融交易数据处理方法、欺诈行为的监测方法和装置，能够解决人工审核方式无法确定用户出现欺诈行为的概率的问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种金融交易数据处理方法。

本发明实施例的金融交易数据处理方法包括：

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。

可选地，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；