-
Patent Agency Ranking
公开(公告)号：CN110400209A
公开(公告)日：2019-11-01
申请号：CN201910594934.5
申请日：2019-07-03
Applicant: 上海上湖信息技术有限公司
IPC: G06Q40/02
Abstract: 一种用户信用的确定方法及装置、存储介质、终端，所述方法包括：采集目标用户的信用信息；选择预设时间点之前的信用信息的至少一部分为第一信用信息，并基于所述第一信用信息构建基础模型；对所述基础模型进行打分，以得到分数pt；选择预设时间点之后的信用信息的至少一部分为第二信用信息；根据所述分数pt、逾期状态yt、第一信用信息以及第二信用信息，采用FTRL算法，更新所述基础模型；根据更新后的基础模型，确定所述目标用户的信用。本发明方案可以在采用FTRL算法更新模型时，有机会选择更适当的信用信息，从而有机会降低数据量较大的早期数据对用户信用的影响。
-
公开(公告)号：CN110322343A
公开(公告)日：2019-10-11
申请号：CN201910588634.6
申请日：2019-07-02
Applicant: 上海上湖信息技术有限公司
Abstract: 本发明公开了一种用户全生命周期信用预测方法、装置和计算机设备，属于数据分析技术领域。方法包括：获取待测用户在客户端应用内的操作记录数据，操作记录数据包括按照操作时间点顺序排序的多个行为数据；识别出操作时间点中的关键时间点，并针对每一当前关键时间点，在操作记录数据中，对当前关键时间点与前一个关键时间点之间的所有行为数据中进行提取得到用户特征；将用户特征以及前一个关键时间点的信用分输入到当前关键时间点对应的预测模型中，获得待测用户在当前关键时间点的信用分，本发明能够准确可靠地评估出用户的信用情况，以便为决策者提供数据支撑。
-
公开(公告)号：CN110309307A
公开(公告)日：2019-10-08
申请号：CN201910536175.7
申请日：2019-06-20
Applicant: 上海上湖信息技术有限公司
IPC: G06F16/35
Abstract: 本发明公开一种基于应用程序预测用户文化水平的方法和系统，方法包括：获取用户安装的应用程序并进行分类处理；根据分类后的应用程序构建特征矩阵；其中，特征矩阵的行代表按照时间段统计得到的不同类别的应用程序的个数，列代表时间段；将特征矩阵输入至预设的分类模型中，预测得到用户的学历类别。本发明通过提取用户安装的应用程序的名称、安装时间等信息，构建特征矩阵输入至分类模型中，从而完成用户的文化水平预测，该方案简单易行，并且准确率高，通过获取应用程序的来预测用户的文化水平，为后期对用户进行信息推荐、服务指定等提供决策支持。
-
公开(公告)号：CN110399705A
公开(公告)日：2019-11-01
申请号：CN201910594702.X
申请日：2019-07-03
Applicant: 上海上湖信息技术有限公司
Abstract: 一种判断欺诈用户的方法、装置、设备、及存储介质，判断欺诈用户的方法包括：构造特征矩阵，特征矩阵包括时序类特征，时序类特征为与欺诈用户相关的特征，时序类特征基于埋点操作所收集的数据来提取；搭建基于注意力机制的时序类神经网络，将特征矩阵输入到时序类神经网络，并且采用注意力机制训练每个时序类特征的权重，从而定义出欺诈用户；将待测试用户的数据输入到已完成训练的、基于注意力机制的时序类神经网络来判断待测试用户是否为欺诈用户。本发明的技术方案能够相对准确而及时地判断出欺诈用户。
-
公开(公告)号：CN110415102A
公开(公告)日：2019-11-05
申请号：CN201910574796.4
申请日：2019-06-28
Applicant: 上海上湖信息技术有限公司
Abstract: 一种用户信用风险评估方法及装置、计算机可读存储介质，所述用户信用风险评估方法包括：获取用户在预设的应用软件中的操作数据；将所述用户的操作数据输入至信用风险评估模型中进行风险评估，得到所述用户的逾期概率；输出所述用户的逾期概率。采用上述方案，能够对没有征信数据或者征信数据较少的人群进行信用风险评估。
-
-
-
-
Search Results
5
records
(took 0.026 seconds)
