数据处理方法及装置、电子设备、存储介质、程序产品与流程

本申请涉及大数据领域，具体涉及一种数据处理方法及装置、电子设备、 计算机可读存储介质、以及计算机程序产品。

背景技术：

1、随着互联网和通信技术的快速发展，电子商务逐渐发展为与人们生活密 切相关的行业。商家在互联网上运营通常需要先注册商户账号，并在注册时 商户账号时提交商家的身份证明材料，由有关人员对这些身份证明材料进行 审核通过后，才允许商家通过商户账号在互联网上进行运营，并且在运营过 程中依赖于交易数据来识别商户账户的风险，但是这样无法做到风险的提前 发现，难以规避潜在损失。

技术实现思路

1、为解决上述技术问题，本申请的实施例提供了一种数据处理方法及装置、 电子设备、计算机可读存储介质以及计算机程序产品。

2、根据本申请实施例的一个方面，提供了一种数据处理方法，包括：根据预 设的内容异常判定规则对目标对象的特征信息进行内容分析，获得特征信息对 应的内容分析结果；根据预设的异常信息集合对内容分析结果指示内容正常的 特征信息进行关联分析，获得特征信息对应的关联分析结果；对关联分析结果 指示为非集合内信息的特征信息进行聚集异常分析，获得特征信息对应的聚集 分析结果；将所述目标对象的特征信息以及各条特征信息对应的分析参数输入 异常评估模型，以获得所述异常评估模型输出的异常评估分值，其中，各条特 征信息对应的分析参数包括所述内容分析结果、所述关联分析结果、所述聚集 分析结果中的至少一种。

3、根据本申请实施例的一个方面，提供了一种数据处理装置，包括：内容分 析模块，配置为根据预设的内容异常判定规则对目标对象的特征信息进行内容 分析，获得特征信息对应的内容分析结果；关联分析模块，配置为根据预设的 异常信息集合对内容分析结果指示内容正常的特征信息进行关联分析，获得特 征信息对应的关联分析结果；聚集分析模块，配置为对关联分析结果指示为非 集合内信息的特征信息进行聚集异常分析，获得特征信息对应的聚集分析结果； 异常评估模块，配置为将所述目标对象的特征信息以及各条特征信息对应的分 析参数输入异常评估模型，以获得所述异常评估模型输出的异常评估分值，其 中，各条特征信息对应的分析参数包括所述内容分析结果、所述关联分析结果、 所述聚集分析结果中的至少一种。

4、根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多 个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被 所述一个或多个处理器执行时，使得所述电子设备实现如前所述的数据处理 方法。

5、根据本申请实施例的一个方面，提供了一种计算机可读存储介质，其上 存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时， 使计算机执行如上所述的数据处理方法。

6、根据本申请实施例的一个方面，还提供了一种计算机程序产品，包括计 算机程序，该计算机程序被处理器执行时实现如上所述的数据处理方法。

7、在本申请的实施例所提供的技术方案中，一方面，由于得到异常评估分 值的过程都是基于对目标对象的特征信息的处理，若目标对象具体实现为商 户账号，目标对象的特征信息相应包括商户账号在注册时提交的身份证明材 料中的有关信息，根据这些特征信息即可以预先评估对应风险，不依赖于交 易数据，因此可以实现风险的提前发现，从而规避潜在风险；另一方面，基 于对目标对象的特征信息依次进行内容异常、关联异常和聚集异常三位一体 的分析，所得到的目标对象的各条特征信息对应的分析参数能够较为全面地 表征目标对象的异常程度，进而能够通过异常评估模型得到准确的异常评估 分值，若目标对象具体实现为商户账号，所得到的异常评估分值则能够准确 地反映商户账号的风险程度。

8、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性 的，并不能限制本申请。

技术特征：

1.一种数据处理方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对关联分析结果指示为非集合内信息的特征信息进行聚集异常分析，获得特征信息对应的聚集分析结果，包括：

3.根据权利要求2所述的方法，其特征在于，在所述获取与所述关联分析结果指示为非集合内信息的特征信息相匹配的聚集异常阈值，并确定所述关联分析结果指示为非集合内信息的特征信息被其它对象所使用的次数之前，所述方法还包括：

4.根据权利要求3所述的方法，其特征在于，所述获取由多个样本对象的特征信息构成的信息样本集合，包括：

5.根据权利要求3所述的方法，其特征在于，所述根据所述特征信息样本的聚集值计算不同特征信息样本的聚集异常阈值，包括：

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

7.根据权利要求5所述的方法，其特征在于，所述确定各个聚集值组中抽样样本对象的异常占比，若所述异常占比大于或等于预设比值，则确定聚集值组中的最小聚集值为所述聚集值组所表征特征信息样本的聚集异常阈值，包括：

8.根据权利要求7所述的方法，其特征在于，所述将所述次数和与所述聚集异常阈值进行数值大小对比，根据得到的对比结果确定特征信息对应的聚集分析结果，包括：

9.根据权利要求1-8中任一项所述的方法，其特征在于，在所述根据预设的内容异常判定规则对目标对象的特征信息进行内容分析，获得特征信息对应的内容分析结果之前，所述方法还包括：

10.根据权利要求1-8中任一项所述的方法，其特征在于，在所述将所述目标对象的特征信息以及各条特征信息对应的分析参数输入异常评估模型，以获得所述异常评估模型输出的异常评估分值之后，所述方法还包括：

11.一种数据处理装置，其特征在于，包括：

12.一种电子设备，其特征在于，包括：

13.一种计算机可读存储介质，其特征在于，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行权利要求1至10中任一项所述的数据处理方法。

14.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至10中任一项所述的数据处理方法。

技术总结
本申请揭示了一种数据处理方法及装置、电子设备、存储介质、程序产品。该方法包括：根据预设的内容异常判定规则对目标对象的特征信息进行内容分析，获得特征信息对应的内容分析结果；根据预设的异常信息集合对内容分析结果指示内容正常的特征信息进行关联分析，获得特征信息对应的关联分析结果；对关联分析结果指示为非集合内信息的特征信息进行聚集异常分析，获得特征信息对应的聚集分析结果；将目标对象的特征信息以及各条特征信息对应的分析参数输入异常评分模型，以获得异常评分模型输出的异常评估分值，各条特征信息对应的分析参数包括内容分析结果、关联分析结果、聚集分析结果中的至少一种。本申请的能够得到准确的异常评估分值。

技术研发人员：张宇康,张洋
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：
技术公布日：2024/1/13