System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本申請屬于數據處理,尤其涉及一種潛在風險數據的篩選方法、裝置、電子設備及存儲介質。
技術介紹
1、電信運營商的風險稽核系統需定期處理大量風險稽核點輸出的疑似風險數據,現有稽核方式主要依賴人工核查,存在效率低下和疏漏風險。電信運營商的風險稽核系統中包含眾多風險稽核點,由各部門或各分局進行稽核并回復結果。然而,目前的稽核方式效率低下且容易出現疏漏。同時,現有的風險稽核模型可能無法全面準確地挖掘電信業務中的異常問題,如電信業務操作、電信系統漏洞、電信產品配置、電信業務發展、電信套餐營銷等方面的異常。
2、現有的風險稽核模型在挖掘電信業務中的異常問題的過程中,大多采用單項特征提取預處理后,采用現有常規模型進行前置數據的直接帶入訓練,對于多關聯特征所得到的訓練結果來說,不具備較好的結果表達能力和特征捕捉能力,最終的結果準確度往往達不到所預想的高精度效果。
3、因此,亟需一種新的技術方案來提高風險預測的準確性,優化風險監控流程,減少人工排查的負擔,并能夠更全面地覆蓋電信業務中的各種異常問題。
技術實現思路
1、本申請實施例提供一種潛在風險數據的篩選方法、裝置、設備及存儲介質,能夠解決目前亟需一種新的技術方案來提高風險預測的準確性問題。
2、第一方面,本申請實施例提供一種潛在風險數據的篩選方法,該方法包括:
3、獲取風險數據和潛在風險數據,風險數據是風險監控系統監控到的數據,潛在風險數據是未被納入風險監控系統的監控范圍的數據;
4、將風
5、基于目標加權值對多個相似度矩陣進行加權處理,得到綜合相似度矩陣,綜合相似度矩陣用于表征風險數據與潛在風險數據之間的綜合關聯關系;
6、根據綜合相似度矩陣,從潛在風險數據中篩選出目標潛在風險數據,目標潛在風險數據是和風險數據具有關聯關系的數據。
7、第二方面,本申請實施例提供一種潛在風險數據的篩選裝置,潛在風險數據的篩選裝置包括:
8、獲取模塊,用于獲取風險數據和未監控數據,風險數據是風險監控系統監控到的數據,未監控數據是未被納入風險監控系統的監控范圍的數據;
9、輸入模塊,用于將風險數據和未監控數據輸入至預先訓練的風險預測模型,通過風險預測模型中的多個關聯預測算法計算多個相似度矩陣,相似度矩陣用于表征風險數據與未監控數據之間的潛在關聯關系;
10、加權模塊,用于基于目標加權值對多個相似度矩陣進行加權處理,得到綜合相似度矩陣,綜合相似度矩陣用于表征風險數據與未監控數據之間的綜合關聯關系;
11、篩選模塊,用于根據綜合相似度矩陣,從未監控數據中篩選出目標監控數據,目標監控數據是和風險數據具有關聯關系的數據。
12、第三方面,本申請實施例提供了一種電子設備,該設備包括:處理器以及存儲有計算機程序指令的存儲器;處理器執行計算機程序指令時,實現如第一方面或者第一方面的任一可能實現方式中的方法。
13、第四方面,本申請實施例提供了一種可讀存儲介質,該計算機可讀存儲介質上存儲有計算機程序指令,計算機程序指令被處理器執行時實現如第一方面或者第一方面的任一可能實現方式中的方法。
14、本申請實施例中,通過獲取風險數據和潛在風險數據,風險數據是風險監控系統監控到的數據,潛在風險數據是未被納入風險監控系統的監控范圍的數據,實現對風險的全面覆蓋,提高風險識別的覆蓋率。將風險數據和潛在風險數據輸入至預先訓練的風險預測模型,通過風險預測模型中的多個關聯預測算法計算多個相似度矩陣,相似度矩陣用于表征風險數據與潛在風險數據之間的潛在關聯關系;通過多個關聯預測算法,綜合利用各個算法的優勢,提高預測準確性。基于目標加權值對多個相似度矩陣進行加權處理,得到綜合相似度矩陣,綜合相似度矩陣用于表征風險數據與潛在風險數據之間的綜合關聯關系;根據綜合相似度矩陣,從潛在風險數據中篩選出目標潛在風險數據,目標潛在風險數據是和風險數據具有關聯關系的數據。通過綜合相似度矩陣,精準篩選出與風險數據具有關聯關系的目標潛在風險數據,提高風險識別的精準性,減少人工排查的負擔,并能夠更全面地覆蓋業務中的各種異常問題。
本文檔來自技高網...【技術保護點】
1.一種潛在風險數據的篩選方法,其特征在于,所述方法包括:
2.根據權利要求1所述的方法,其特征在于,所述基于目標加權值對多個相似度矩陣進行加權處理,得到綜合相似度矩陣之前,所述方法還包括:
3.根據權利要求2所述的方法,其特征在于,所述根據圖結構更新后的節點特征,確定目標加權值,包括:
4.根據權利要求3所述的方法,其特征在于,所述基于自適應閾值的稀疏化方法,對圖結構的預測相似度矩陣進行稀疏化處理,得到稀疏化后的圖結構,包括:
5.根據權利要求1所述的方法,其特征在于,所述根據綜合相似度矩陣,從潛在風險數據中篩選出目標潛在風險數據,包括:
6.根據權利要求1所述的方法,其特征在于,所述將風險數據和潛在風險數據輸入至預先訓練的風險預測模型之前,所述方法還包括:
7.根據權利要求1所述的方法,其特征在于,所述獲取訓練數據,包括:
8.一種潛在風險數據的篩選裝置,其特征在于,所述潛在風險數據的篩選裝置包括:
9.一種電子設備,其特征在于,所述電子設備包括:處理器以及存儲有計算機程序指令的存
10.一種計算機可讀存儲介質,其特征在于,所述計算機可讀存儲介質上存儲有計算機程序指令,所述計算機程序指令被處理器執行時實現如權利要求1-7任一項所述潛在風險數據的篩選方法。
...【技術特征摘要】
1.一種潛在風險數據的篩選方法,其特征在于,所述方法包括:
2.根據權利要求1所述的方法,其特征在于,所述基于目標加權值對多個相似度矩陣進行加權處理,得到綜合相似度矩陣之前,所述方法還包括:
3.根據權利要求2所述的方法,其特征在于,所述根據圖結構更新后的節點特征,確定目標加權值,包括:
4.根據權利要求3所述的方法,其特征在于,所述基于自適應閾值的稀疏化方法,對圖結構的預測相似度矩陣進行稀疏化處理,得到稀疏化后的圖結構,包括:
5.根據權利要求1所述的方法,其特征在于,所述根據綜合相似度矩陣,從潛在風險數據中篩選出目標潛在風險數據,包括:
6.根據權利要求1所述的方法,...
【專利技術屬性】
技術研發人員:陳旖旎,盧帆,陳浩南,
申請(專利權)人:中國電信股份有限公司,
類型:發明
國別省市:
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。