[发明专利]批量用户数据处理方法和装置

说明书

本申请公开了批量用户数据处理方法、装置及设备。其中，所述方法通过数据服务平台接收客户端的批量用户数据计算请求，通过客户端或者数据服务平台将计算请求关联的用户数量较多的用户集划分为多个用户数量较小的用户子集，通过数据服务平台在基于海量用户互联网行为形成的互联网用户在多个时间的高达百亿级数据规模的用户特征数据库内，对多个用户子集并行检索用户特征数据，在获取到用户的多维特征数据后，通过基于机器学习得到的打分方式复杂的用户评分模型，基于多维用户特征数据计算用户得分。采用这种处理方式，可以实现基于海量用户特征数据的批量用户并行复杂打分，因此可以有效提升用户评分性能和准确度。

技术领域

本申请涉及数据处理领域，具体涉及批量用户数据处理方法和装置，模型构建方法和装置，模型准确度评估方法和装置，信息推送方法和装置，推送方法和装置，以及电子设备。

背景技术

企业可通过自有系统获取用户信用评分，基于用户信用评分进行风险控制。当企业自有的数据丰富度不够时，可使用三方数据进行联合风控，通过多维数据刻画用户，优化风控策略。

一种典型的企业从数据服务商获取用户信用评分的方式是，企业一次要从数据服务商获取一批用户在历史某个时间的信用评分，使用这批用户在历史某个时刻的信用评分进行风险控制相关处理，通常将对用户在历史某个时刻的信用进行评分称为历史回溯打分。目前，对一批用户进行历史回溯打分主要采用文件批处理模式。一种典型的采用文件批处理模式对一批用户进行历史回溯打分的方式是，由企业通过线下方式(如邮件、通讯软件、安全文件传送等)向数据服务商的工作人员提供用户集，数据服务商的工作人员手动将用户集导入到数据抽取、转换和加载(ETL)系统，通过串行检索方式产出一批用户在历史某个时刻的特征数据，采用串行打分方式对一批用户逐个执行历史回溯评分计算，最后再通过邮件等方式将一批用户的历史回溯打分结果提供给企业。

然而，在实现本发明过程中，发明人发现上述技术方案至少存在如下问题：1)串行打分导致批量用户历史回溯评分时效无法得到保证，难以及时向用户反馈评分结果，从而影响用户体验；2)通过线下方式交互用户数据，既耗费人力，又容易出错，且存在数据泄露风险；3)数据传输方式支持的文件大小有限，无法直接对大批量用户进行评分处理。

发明内容

本申请提供批量用户数据处理方法，以解决现有技术存在的批量用户评分时效较低等问题。本申请另外提供批量用户数据处理装置，模型构建方法和装置，模型准确度评估方法和装置，信息推送方法和装置，推送方法和装置，以及电子设备。

本申请提供一种批量用户数据处理方法，包括：向服务端发送批量用户数据计算请求，所述计算请求对应用户集，所述用户集包括多个用户子集；获得返回的用户得分相关数据，其中，所述用户得分通过用户评分模型对在目标时间的用户特征数据进行计算得到；所述用户特征数据包括基于用户在多个时间的互联网行为形成的特征数据，所述用户特征数据存储于用户特征数据库中，所述目标时间的用户特征数据是从用户特征数据库中并行检索得到。

本申请提供一种批量用户数据处理方法，包括：接收客户端发送的批量用户数据计算请求，所述计算请求对应的用户集包括多个用户子集；对所述多个用户子集并行从用户特征数据库中获取用户在目标时间的用户特征数据，所述数据库包括基于用户互联网行为数据形成的互联网用户在多个时间的用户特征数据；根据所述用户特征数据，对所述多个用户子集通过用户评分模型计算用户得分；向所述客户端提供用户得分相关数据。

本申请提供一种模型构建方法，包括：向数据服务平台发送用户评分模型构建请求，所述模型构建请求对应第一用户集，所述第一用户集包括多个第一用户子集，所述第一用户子集包括用户标识、至少一个第一用户得分、与第一用户得分对应的目标时间；至少一个用户评分模型从训练数据集学习得到；所述训练数据包括用户在所述目标时间的用户特征数据和所述第一用户得分，所述目标时间的用户特征数据是从用户特征数据库中并行检索得到。