[发明专利]互联网金融控制方法、系统、设备及介质

权利要求书

1.一种互联网金融控制方法，其特征在于，所述方法包括：

从预先确定的数据库获取第一类型用户和第二类型用户的金融相关信息，对所述金融相关信息执行预处理操作，基于预处理后的金融相关信息及神经网络模型训练得到金融控制识别模型；

获取待识别用户的金融属性信息输入所述金融控制识别模型得到识别结果，判断所述识别结果的类型是否为第一类型识别结果，当判断所述识别结果的类型为第一类型识别结果时，根据预先配置的埋点集获取所述待识别用户在预设页面的操作痕迹信息；

将所述操作痕迹信息转输入预先确定的痕迹识别模型，得到目标识别结果并反馈至预设终端。

2.如权利要求1所述的互联网金融控制方法，其特征在于，在判断所述识别结果的类型是否为第一识别结果之后，所述方法还包括：

定时随机选取预设数量的所述识别结果的类型为第二类型识别结果的用户，根据预先配置的埋点集获取所述第二类型识别结果的用户在预设页面的操作痕迹信息，将该操作痕迹信息转换为时间序列数据后输入预先确定的痕迹识别模型。

3.如权利要求1或2所述的互联网金融控制方法，其特征在于，所述痕迹识别模型的具体构建过程包括：

从所述数据库中分别获取第一类型用户和第二类型用户的历史操作痕迹信息；

基于预设算法计算任意两条历史操作痕迹信息的距离值；

根据所述距离值判断所述两条历史操作痕迹信息是否为相似的操作痕迹；

若所述两条历史操作痕迹信息为相似的操作痕迹，将所述两条历史操作痕迹信息进行合并，作为一个聚类中心点；

若所述两条历史操作痕迹信息不为相似的操作痕迹，分别根据所述两条历史操作痕迹信息的每条历史操作痕迹信息形成一个聚类中心点。

4.如权利要求1所述的互联网金融控制方法，其特征在于，所述对所述金融相关信息执行预处理操作包括：

对所述金融相关信息执行偏差数据检测、缺失值处理及噪声数据光滑处一种或多种。

5.如权利要求4所述的互联网金融控制方法，其特征在于，所述基于预处理后的金融相关信息及神经网络模型训练得到金融控制识别模型包括：

对预处理后的金融相关信息对应的用户分配预设标签，将金融相关信息作为变量，各金融相关信息对应用户的标签作为因变量生成样本集；

将所述样本集按照预设比例分成训练集及验证集；

利用所述训练集中的各所述变量及各所述因变量对卷积神经网络模型进行训练，每隔预设周期使用所述验证集对所述卷积神经网络模型进行验证，利用所述验证集中各所述变量及各所述因变量对该金融控制识别模型的准确率进行验证；

当该准确率大于第一预设阈值时，得到所述金融控制识别模型。

6.如权利要求1所述的互联网金融控制方法，其特征在于，所述预先配置的埋点集的生成步骤包括：

在预设页面随机生成初始埋点集；

判断所述初始埋点集的准确率是否大于第二预设阈值，当判断所述初始埋点集的准确率大于第二预设阈值时，将所述初始埋点集作为所述预先配置的埋点集；

当判断所述初始埋点集的准确率小于或者等于第二预设阈值时，基于埋点的适应度值按照预设的交叉概率和交叉方法，生成第一埋点集及第二埋点集；

将所述第一埋点集和所述第二埋点集作为新的初始埋点集。

7.一种互联网金融控制系统，其特征在于，所述系统包括：

第一控制模块：用于从预先确定的数据库获取第一类型用户和第二类型用户的金融相关信息，对所述金融相关信息执行预处理操作，基于预处理后的金融相关信息及神经网络模型训练得到金融控制识别模型；

判断模块：用于获取待识别用户的金融属性信息输入所述金融控制识别模型得到识别结果，判断所述识别结果的类型是否为第一类型识别结果，当判断所述识别结果的类型为第一类型识别结果时，根据预先配置的埋点集获取所述待识别用户在预设页面的操作痕迹信息；

第二控制模块：用于将所述操作痕迹信息转输入预先确定的痕迹识别模型，得到目标识别结果并反馈至预设终端。