交易限额确定方法及装置与流程

1.本发明涉及交易处理领域，尤指一种交易限额确定方法及装置。


背景技术：

2.目前，用户手机银行跨行转账，atm无卡取款，atm转账，手机银行交易限额等银行都对交易有一定的限额。在最大限额中，用户可自行设定自己的限额，用户自己的限额一般都是根据自己的经验或者自己方便设定。由此存在交易限额设定不合理，不符合安全原则等问题。


技术实现要素：

3.针对现有技术中存在的问题，本发明实施例的主要目的在于提供一种交易限额确定方法及装置，实现准确且合理地设定交易限额，提高交易安全性。
4.为了实现上述目的，本发明实施例提供一种交易限额确定方法，方法包括：
5.获取经用户授权的限额交易数据，根据预设的异常交易判定规则，确定限额交易数据中的异常交易数据，并确定异常交易数据对应的用户信息；
6.对异常交易数据及其对应的用户信息进行聚类处理，得到用户聚类结果；
7.利用余弦相似度算法，确定用户聚类结果对应的用户相似度；
8.将用户聚类结果对应的用户相似度输入至预先建立的交易限额模型中进行处理，得到用户交易限额。
9.可选的，在本发明一实施例中，对异常交易数据及其对应的用户信息进行聚类处理，得到用户聚类结果包括：
10.对异常交易数据及其对应的用户信息进行聚类处理，得到用户年龄聚类、用户职业聚类及交易金额聚类，并将用户年龄聚类、用户职业聚类及交易金额聚类作为用户聚类结果。
11.可选的，在本发明一实施例中，利用余弦相似度算法，确定用户聚类结果对应的用户相似度包括：
12.根据用户聚类结果，确定用户聚类结果对应的特征向量数据；
13.根据特征向量数据，利用余弦相似度算法，确定用户年龄聚类对应的相似度、用户职业聚类对应的相似度及交易金额聚类对应的相似度，并将用户年龄聚类对应的相似度、用户职业聚类对应的相似度及交易金额聚类对应的相似度作为用户聚类结果对应的用户相似度。
14.可选的，在本发明一实施例中，方法还包括：利用预设交易阈值及用户交易限额，生成风险提示信息，并将风险提示信息发送给用户。
15.本发明实施例还提供一种交易限额确定装置，装置包括：
16.异常交易模块，用于获取经用户授权的限额交易数据，根据预设的异常交易判定规则，确定所述限额交易数据中的异常交易数据，并确定异常交易数据对应的用户信息；
17.聚类结果模块，用于对异常交易数据及其对应的用户信息进行聚类处理，得到用户聚类结果；
18.相似度模块，用于利用余弦相似度算法，确定所述用户聚类结果对应的用户相似度；
19.交易限额模块，用于将用户聚类结果对应的用户相似度输入至预先建立的交易限额模型中进行处理，得到用户交易限额。
20.可选的，在本发明一实施例中，聚类结果模块还用于对所述异常交易数据及其对应的用户信息进行聚类处理，得到用户年龄聚类、用户职业聚类及交易金额聚类，并将用户年龄聚类、用户职业聚类及交易金额聚类作为用户聚类结果。
21.可选的，在本发明一实施例中，相似度模块包括：
22.特征向量单元，用于根据用户聚类结果，确定所述用户聚类结果对应的特征向量数据；
23.相似度单元，用于根据特征向量数据，利用余弦相似度算法，确定用户年龄聚类对应的相似度、用户职业聚类对应的相似度及交易金额聚类对应的相似度，并将用户年龄聚类对应的相似度、用户职业聚类对应的相似度及交易金额聚类对应的相似度作为用户聚类结果对应的用户相似度。
24.可选的，在本发明一实施例中，装置还包括：风险提示模块，用于利用预设交易阈值及用户交易限额，生成风险提示信息，并将风险提示信息发送给用户。
25.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行所述程序时实现上述方法。
26.本发明还提供一种计算机可读存储介质，计算机可读存储介质存储有执行上述方法的计算机程序。
27.本发明还提供一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现上述方法的步骤。
28.本发明通过收集用户的限额交易数据，确定出现异常的交易数据，并对异常用户进行聚类分析及相似度计算，结合预设的交易限额模型，实现准确且合理地设定交易限额，提高交易安全性。
附图说明
29.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
30.图1为本发明实施例一种交易限额确定方法的流程图；
31.图2为本发明实施例中确定用户相似度的流程图；
32.图3为本发明实施例中用户年龄聚类的示意图；
33.图4为本发明实施例一种交易限额确定装置的结构示意图；
34.图5为本发明实施例中相似度模块的结构示意图；
35.图6为本发明另一实施例中交易限额确定装置的结构示意图；
36.图7为本发明一实施例所提供的电子设备的结构示意图。
具体实施方式
37.本发明实施例提供一种交易限额确定方法及装置，可用于金融领域及其他领域，需要说明的是，本发明的交易限额确定方法及装置可用于金融领域，也可用于除金融领域之外的任意领域，本发明的交易限额确定方法及装置应用领域不做限定。
38.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
39.如图1所示为本发明实施例一种交易限额确定方法的流程图，本发明实施例提供的交易限额确定方法的执行主体包括但不限于计算机。本发明通过收集用户的限额交易数据，确定出现异常的交易数据，并对异常用户进行聚类分析及相似度计算，结合预设的交易限额模型，实现准确且合理地设定交易限额，提高交易安全性。图1中所示方法包括：
40.步骤s1，获取经用户授权的限额交易数据，根据预设的异常交易判定规则，确定限额交易数据中的异常交易数据，并确定异常交易数据对应的用户信息；
41.步骤s2，对异常交易数据及其对应的用户信息进行聚类处理，得到用户聚类结果；
42.步骤s3，利用余弦相似度算法，确定用户聚类结果对应的用户相似度；
43.步骤s4，将用户聚类结果对应的用户相似度输入至预先建立的交易限额模型中进行处理，得到用户交易限额。
44.其中，收集所有用户在有交易限额的交易中的限额交易数据，例如手机、atm、pos等渠道。预设的异常交易判定规则，异常交易判定规则可以包括敏感词汇、异常账户或异常手机号等，利用异常交易判定规则确定异常交易数据，并确定与其对应的用户信息，即有出现异常的用户的信息，也就是出现被骗现象用户的信息。
45.作为本发明的一个实施例，对异常交易数据及其对应的用户信息进行聚类处理，得到用户聚类结果包括：对异常交易数据及其对应的用户信息进行聚类处理，得到用户年龄聚类、用户职业聚类及交易金额聚类，并将所述用户年龄聚类、用户职业聚类及交易金额聚类作为用户聚类结果。
46.其中，对异常交易数据及其对应的用户信息进行聚类处理，具体的对异常用户进行聚类分析，找到异常用户中相同的因子，比如年龄范围、职业聚类及异常交易金额占总存款比例等等。得到的用户聚类结果可以包括用户年龄聚类，用户职业聚类，金额聚类(转账金额占总存款比例)。
47.进一步的，如图3所示，用户身份聚类模块中还可以继续划分，比如：[40-50]，[70-80]。
[0048]
在本实施例中，如图2所示，利用余弦相似度算法，确定用户聚类结果对应的用户相似度包括：
[0049]
步骤s21，根据用户聚类结果，确定用户聚类结果对应的特征向量数据；
[0050]
步骤s22，根据特征向量数据，利用余弦相似度算法，确定用户年龄聚类对应的相似度、用户职业聚类对应的相似度及交易金额聚类对应的相似度，并将用户年龄聚类对应
的相似度、用户职业聚类对应的相似度及交易金额聚类对应的相似度作为用户聚类结果对应的用户相似度。
[0051]
其中，利用常规特征向量提取方法，根据用户聚类结果确定用户聚类结果对应的特征向量数据。具体的，特征向量数据包括某用户的相同特征向量、某个特定特征向量等。
[0052]
进一步的，用户相似度包括用户年龄聚类对应的相似度、用户职业聚类对应的相似度及交易金额聚类对应的相似度。
[0053]
进一步的，利用余弦相似度算法计算相似度，即余弦相似性筛选与之相似的用户，余弦相似公式如公式(1)所示。
[0054][0055]
其中，ti表示异常用户集中筛选出来的相同特征向量，t
it
异常用户ti的第t个向量，tj是其他用户。
[0056]
在本实施例中，将用户年龄聚类对应的相似度、用户职业聚类对应的相似度及交易金额聚类对应的相似度输入到预先建立的交易限额模型中，即人工智能模型。交易限额模型输出用户交易限额的具体金额(按照最高限额的百分比计算具体金额，比如高等级为：银行系统中最高金额的占比100％，中为80％，低为60％)。
[0057]
其中，交易限额模型的建立过程具体说明如下：交易限额模型可采用bp网络神经模型，输入为：三个相似度，输出为交易限额。交易限额模型采用通过bp神经网络和遗传算法建立模型，在bp神经网络的权值和阈值的优化方面引入遗传算法，构建ga-bp神经网络模型。确定ga-bp神经网络结构，根据网络输入输出的个数确定bp神经网络结构，进而确定了遗传算法中需要优化的参数个数。根据kolmogorov原理，一个三层bp神经网络足以完成任意的n维到m维的映射，一般只需要采用一个隐层即可，隐层节点个数采用试凑法确定，从而确定ga-bp神经网络结构。
[0058]
进一步的，通过遗传算法输出的最优个体作为bp神经网络初始权值和阈值进行bp神经网络训练和学习。将收集的客户信息作为历史数据，把历史数据分为训练集和测试集，基于历史数据分析，对ga-bp神经网络模型进行训练，并使用测试样本对模型的预测准确率进行验证。模型在使用过程中通过机器学习方法不断对模型自动优化，提高模型的有效性。
[0059]
作为本发明的一个实施例，方法还包括：利用预设交易阈值及用户交易限额，生成风险提示信息，并将风险提示信息发送给用户。
[0060]
其中，当用户在某个渠道超过交易限额模型算出来的交易限额，或者，超过预设交易阈值(可以为交易限额的90％等)，则可给用户提醒，具体的，例如您当前操作有一定风险，请您谨慎办理。同时开启风控处理，让用户填写该笔转账业务的被转账人信息，包括身份证，职业等，同时对被转账人信息进行审查，审查通过后，方可进行交易。
[0061]
本发明通过收集用户的限额交易数据，确定出现异常的交易数据，并对异常用户进行聚类分析及相似度计算，结合预设的交易限额模型，实现准确且合理地设定交易限额，提高交易安全性。
[0062]
如图4所示为本发明实施例一种交易限额确定装置的结构示意图，图中所示装置包括：
[0063]
异常交易模块10，用于获取经用户授权的限额交易数据，根据预设的异常交易判定规则，确定限额交易数据中的异常交易数据，并确定异常交易数据对应的用户信息；
[0064]
聚类结果模块20，用于对异常交易数据及其对应的用户信息进行聚类处理，得到用户聚类结果；
[0065]
相似度模块30，用于利用余弦相似度算法，确定用户聚类结果对应的用户相似度；
[0066]
交易限额模块40，用于将用户聚类结果对应的用户相似度输入至预先建立的交易限额模型中进行处理，得到用户交易限额。
[0067]
作为本发明的一个实施例，聚类结果模块20还用于对异常交易数据及其对应的用户信息进行聚类处理，得到用户年龄聚类、用户职业聚类及交易金额聚类，并将用户年龄聚类、用户职业聚类及交易金额聚类作为用户聚类结果。
[0068]
在本实施例中，如图5所示，相似度模块30包括：
[0069]
特征向量单元31，用于根据用户聚类结果，确定用户聚类结果对应的特征向量数据；
[0070]
相似度单元32，用于根据特征向量数据，利用余弦相似度算法，确定用户年龄聚类对应的相似度、用户职业聚类对应的相似度及交易金额聚类对应的相似度，并将用户年龄聚类对应的相似度、用户职业聚类对应的相似度及交易金额聚类对应的相似度作为用户聚类结果对应的用户相似度。
[0071]
作为本发明的一个实施例，如图6所示，装置还包括：风险提示模块50，用于利用预设交易阈值及用户交易限额，生成风险提示信息，并将所述风险提示信息发送给用户。
[0072]
基于与上述一种交易限额确定方法相同的申请构思，本发明还提供了上述一种交易限额确定装置。由于该一种交易限额确定装置解决问题的原理与一种交易限额确定方法相似，因此该一种交易限额确定装置的实施可以参见一种交易限额确定方法的实施，重复之处不再赘述。
[0073]
本发明通过收集用户的限额交易数据，确定出现异常的交易数据，并对异常用户进行聚类分析及相似度计算，结合预设的交易限额模型，实现准确且合理地设定交易限额，提高交易安全性。
[0074]
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述方法。
[0075]
本发明还提供一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现上述方法的步骤。
[0076]
本发明还提供一种计算机可读存储介质，计算机可读存储介质存储有执行上述方法的计算机程序。
[0077]
如图7所示，该电子设备600还可以包括：通信模块110、输入单元120、音频处理器130、显示器160、电源170。值得注意的是，电子设备600也并不是必须要包括图7中所示的所有部件；此外，电子设备600还可以包括图7中没有示出的部件，可以参考现有技术。
[0078]
如图7所示，中央处理器100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器100接收输入并控制电子设备600的各个部件的操作。
[0079]
其中，存储器140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非
易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序，以实现信息存储或处理等。
[0080]
输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为lcd显示器，但并不限于此。
[0081]
该存储器140可以是固态存储器，例如，只读存储器(rom)、随机存取存储器(ram)、sim卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为eprom等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142，该应用/功能存储部142用于存储应用程序和功能程序或用于通过中央处理器100执行电子设备600的操作的流程。
[0082]
存储器140还可以包括数据存储部143，该数据存储部143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
[0083]
通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
[0084]
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132，以经由扬声器131提供音频输出，并接收来自麦克风132的音频输入，从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器130还耦合到中央处理器100，从而使得可以通过麦克风132能够在本机上录音，且使得可以通过扬声器131来播放本机上存储的声音。
[0085]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0086]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0087]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或
多个方框中指定的功能。
[0088]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0089]
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。