本發(fā)明涉及信息處理技術(shù)領(lǐng)域，尤其涉及一種基于位置服務(wù)的風(fēng)險評估方法及裝置。

背景技術(shù)：

現(xiàn)有銀行、證券、保險等金融機構(gòu)在給用戶提供金融業(yè)務(wù)時，需采集并審核用戶畫像數(shù)據(jù)，以審核用戶身份及財富狀態(tài)，從而實現(xiàn)對其提供的金融業(yè)務(wù)的風(fēng)險控制。其中，用戶畫像(即Persona)數(shù)據(jù)是真實用戶的虛擬代表，是建立在一系統(tǒng)真實數(shù)據(jù)(Marketing Data/Usability Data)之上的目標(biāo)用戶模型。用戶畫像(即Persona)數(shù)據(jù)是通過用戶調(diào)研去了解用戶，并根據(jù)用戶的目標(biāo)、行為和觀點的差異，將他們區(qū)分為不同類型，以抽取出典型特征，如用戶姓名、身份識別特征(如指紋)、照片、聯(lián)系方式、家庭住址、辦公場所、職業(yè)和收入等。

現(xiàn)有金融機構(gòu)在提供貸款或其他金融業(yè)務(wù)時，需用戶填寫相關(guān)的業(yè)務(wù)表格，每一業(yè)務(wù)表格中包括多項可完善用戶畫像數(shù)據(jù)的詳細(xì)數(shù)據(jù)，包括但不限于用戶姓名、家庭住址、辦公場所、職業(yè)和收入等?，F(xiàn)有金融機構(gòu)通過用戶填寫業(yè)務(wù)表格方式采集用戶畫像數(shù)據(jù)時，金融機構(gòu)無法對用戶提供的用戶畫像數(shù)據(jù)的真實性和準(zhǔn)確性進(jìn)行審核，在用戶提供虛擬的用戶畫像數(shù)據(jù)時存在貨款無法收回的業(yè)務(wù)風(fēng)險。而且，金融機構(gòu)只能采集到用戶在辦理金融業(yè)務(wù)過程中的用戶畫像數(shù)據(jù)，無法實時跟進(jìn)用戶畫像數(shù)據(jù)的變化情況，在用戶畫像數(shù)據(jù)發(fā)生較大變化時存在業(yè)務(wù)風(fēng)險。如用戶的家庭住址和辦公場所等發(fā)生變化時，金融機構(gòu)無法對用戶畫像數(shù)據(jù)實時跟進(jìn)，可能導(dǎo)致金融機構(gòu)無法順利追討貸款問題發(fā)生。

技術(shù)實現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題在于，針對現(xiàn)有技術(shù)無法實時跟進(jìn)用戶畫像數(shù)據(jù)變化而導(dǎo)致業(yè)務(wù)風(fēng)險存在的不足，提供一種基于位置服務(wù)的風(fēng)險評估方法及裝置。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種基于位置服務(wù)的風(fēng)險評估方法，包括：

基于位置服務(wù)獲取用戶的地理位置信息，所述地理位置信息包括與時間相關(guān)聯(lián)的POI信息；

對用戶在預(yù)設(shè)期間內(nèi)所有POI信息按預(yù)設(shè)時間界限劃分成辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集；

對所述辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集分別進(jìn)行聚類分析，分別獲取辦公位置動態(tài)信息和住址位置動態(tài)信息；

將所述辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行對比，輸出用戶風(fēng)險度評估信息；

其中，所述用戶畫像數(shù)據(jù)包括用戶ID、辦公場所和家庭住址。

優(yōu)選地，所述對所述辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集分別進(jìn)行聚類分析，分別獲取辦公位置動態(tài)信息和住址位置動態(tài)信息，包括：

采用DBSCAN聚類算法對所述辦公區(qū)域數(shù)據(jù)集中的POI信息進(jìn)行聚類，以獲取若干辦公子集群，每一辦公子群集包括至少一個辦公POI信息；采用DBSCAN聚類算法對所述住址區(qū)域數(shù)據(jù)集中的POI信息進(jìn)行聚類，以獲取若干住址子集群，每一住址子群集包括至少一個住址POI信息；

采用K-MEANS聚類算法對每一所述辦公子集群進(jìn)行迭代聚類，以獲取所述辦公子集群的辦公質(zhì)心POI信息；所述辦公位置動態(tài)信息包括所述辦公POI信息和所述辦公質(zhì)心POI信息；采用K-MEANS聚類算法對每一所述住址子集群進(jìn)行迭代聚類，以獲取所述住址子集群的住址質(zhì)心POI信息；所述住址位置動態(tài)信息包括所述住址POI信息和所述住址質(zhì)心POI信息。

優(yōu)選地，所述將所述辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行對比，輸出用戶風(fēng)險度評估信息，包括：

判斷所述辦公場所是否與所述辦公質(zhì)心POI信息相匹配并判斷所述家庭住址是否與所述所述住址質(zhì)心POI信息相匹配；

若均相匹配，輸出低風(fēng)險度評估信息；

若不均相匹配，則判斷所述辦公場所是否與所述辦公子集群中的辦公POI信息相匹配，和/或判斷所述家庭住址是否與所述住址子集群中的住址POI信息相匹配；

根據(jù)判斷結(jié)果輸出高風(fēng)險度評估信息或中風(fēng)險度評估信息。

優(yōu)選地，還包括：采用相似度檢測算法將所述辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行對比。

優(yōu)選地，所述用戶畫像數(shù)還包括管戶人員ID；

還包括：在輸出高風(fēng)險度評估信息時，將所述辦公位置動態(tài)信息和/或住址位置動態(tài)信息發(fā)送給所述管戶人員ID對應(yīng)的管戶人員。

本發(fā)明還提供一種基于位置服務(wù)的風(fēng)險評估裝置，包括：

信息獲取單元，用于基于位置服務(wù)獲取用戶的地理位置信息，所述地理位置信息包括與時間相關(guān)聯(lián)的POI信息；

信息劃分單元，用于對用戶在預(yù)設(shè)期間內(nèi)所有POI信息按預(yù)設(shè)時間界限劃分成辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集；

聚類分析單元，用于對所述辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集分別進(jìn)行聚類分析，分別獲取辦公位置動態(tài)信息和住址位置動態(tài)信息；

評估結(jié)果輸出單元，用于將所述辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行對比，輸出用戶風(fēng)險度評估信息；

其中，所述用戶畫像數(shù)據(jù)包括用戶ID、辦公場所和家庭住址。

優(yōu)選地，所述聚類分析單元包括：

第一聚類子單元，用于采用DBSCAN聚類算法對所述辦公區(qū)域數(shù)據(jù)集中的POI信息進(jìn)行聚類，以獲取若干辦公子集群，每一辦公子群集包括至少一個辦公POI信息；采用DBSCAN聚類算法對所述住址區(qū)域數(shù)據(jù)集中的POI信息進(jìn)行聚類，以獲取若干住址子集群，每一住址子群集包括至少一個住址POI信息；

第二聚類子單元，用于采用K-MEANS聚類算法對每一所述辦公子集群進(jìn)行迭代聚類，以獲取所述辦公子集群的辦公質(zhì)心POI信息；所述辦公位置動態(tài)信息包括所述辦公POI信息和所述辦公質(zhì)心POI信息；采用K-MEANS聚類算法對每一所述住址子集群進(jìn)行迭代聚類，以獲取所述住址子集群的住址質(zhì)心POI信息；所述住址位置動態(tài)信息包括所述住址POI信息和所述住址質(zhì)心POI信息。

優(yōu)選地，所述評估結(jié)果輸出單元包括：

第一判斷子單元，用于判斷所述辦公場所是否與所述辦公質(zhì)心POI信息相匹配并判斷所述家庭住址是否與所述所述住址質(zhì)心POI信息相匹配；

第一處理子單元，用于若均相匹配，輸出低風(fēng)險度評估信息；

第二判斷子單元，用于若不均相匹配，則判斷所述辦公場所是否與所述辦公子集群中的辦公POI信息相匹配，和/或判斷所述家庭住址是否與所述住址子集群中的住址POI信息相匹配；

第二處理子單元，用于根據(jù)判斷結(jié)果輸出高風(fēng)險度評估信息或中風(fēng)險度評估信息。

優(yōu)選地，所述評估結(jié)果輸出單元，用于采用相似度檢測算法將所述辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行對比。

優(yōu)選地，所述用戶畫像數(shù)還包括管戶人員ID；

還包括信息發(fā)送單元，用于在輸出高風(fēng)險度評估信息時，將所述辦公位置動態(tài)信息和/或住址位置動態(tài)信息發(fā)送給所述管戶人員ID對應(yīng)的管戶人員。

本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點：本發(fā)明所提供的基于位置服務(wù)的風(fēng)險評估方法及裝置中，基于位置服務(wù)獲取用戶的地理位置信息，地理位置信息具有客觀性和實時性。通過對用戶在預(yù)設(shè)期間內(nèi)所有POI信息按預(yù)設(shè)時間界限劃分成辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集，再對辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集分別進(jìn)行聚類分析，以獲取辦公位置動態(tài)信息和住址位置動態(tài)信息。其中，劃分辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集并分別聚類，使得辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集中的POI信息的數(shù)據(jù)量較小，有利于提高聚類效果，節(jié)省聚類處理時間。由于辦公位置動態(tài)信息和住址位置動態(tài)信息具有客觀性，使得利用辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行比對，輸出的用戶風(fēng)險度評估信息具有客觀性，可有效評估用戶畫像數(shù)據(jù)是否發(fā)生變化，可提高用戶畫像數(shù)據(jù)變動產(chǎn)生的風(fēng)險的管控。由于實時采集用戶的地理位置信息，并對預(yù)設(shè)期間內(nèi)的地理位置信息進(jìn)行聚類分析獲取到的辦公位置動態(tài)信息和住址位置動態(tài)信息可客觀反映用戶的用戶畫像數(shù)據(jù)，可將辦公位置動態(tài)信息和住址位置動態(tài)信息實時更新為新的用戶畫像數(shù)據(jù)，以提高用戶風(fēng)險度評估信息的準(zhǔn)確性。

附圖說明

下面將結(jié)合附圖及實施例對本發(fā)明作進(jìn)一步說明，附圖中：

圖1是本發(fā)明實施例1中基于位置服務(wù)的風(fēng)險評估方法的一流程圖。

圖2是本發(fā)明實施例2中基于位置服務(wù)的風(fēng)險評估裝置的一原理框圖。

具體實施方式

為了對本發(fā)明的技術(shù)特征、目的和效果有更加清楚的理解，現(xiàn)對照附圖詳細(xì)說明本發(fā)明的具體實施方式。

實施例1

圖1示出本實施例中基于位置服務(wù)的風(fēng)險評估方法的一流程圖。如圖1所示，該基于位置服務(wù)的風(fēng)險評估方法可以由銀行、保險、證券等金融機構(gòu)的后臺服務(wù)器中執(zhí)行。如圖1所示，該基于位置服務(wù)的風(fēng)險評估方法包括：

S1：基于位置服務(wù)獲取用戶的地理位置信息，地理位置信息包括與時間相關(guān)聯(lián)的POI信息。

以任一用戶一天的地理位置信息為例，該地理位置信息中包括0：00—24：00的POI信息，每一POI信息用于指示電子地圖中的一點，包括POI點名稱、經(jīng)度和緯度等信息?；谟脩舻牡乩砦恢眯畔ⅲ闪私庥脩裘刻旖?jīng)過的家庭住址、辦公場所、購物場所、娛樂場所、健身場所等信息?？梢岳斫獾兀谖恢梅?wù)獲取用戶的地理位置信息，具有較強的客觀性和可靠性。

基于位置服務(wù)(Location Based Service，簡稱LBS)是通過電信移動運營商的無線電通訊網(wǎng)絡(luò)(如GSM網(wǎng)、CDMA網(wǎng))或外部定位方式(如GPS)獲取移動終端用戶的位置信息(地理坐標(biāo)，或大地坐標(biāo))，在地理信息系統(tǒng)(Geographic Information System，簡稱GIS)平臺的支持下，為用戶提供相應(yīng)服務(wù)的一種增值業(yè)務(wù)?？傮w來看，LBS由移動通信網(wǎng)絡(luò)和計算機網(wǎng)絡(luò)結(jié)合而成，兩個網(wǎng)絡(luò)之間通過網(wǎng)關(guān)實現(xiàn)交互。移動終端通過移動通信網(wǎng)絡(luò)發(fā)出請求，經(jīng)過網(wǎng)關(guān)傳遞給LBS服務(wù)平臺；LBS服務(wù)平臺根據(jù)用戶請求和用戶當(dāng)前位置進(jìn)行處理，并將結(jié)果通過網(wǎng)關(guān)返回給用戶。POI(PointOfInterest,即興趣點或信息點)，包括名稱、類型、經(jīng)度、緯度等資料，以使POI可在電子地圖上呈現(xiàn)，以標(biāo)示電子地圖上的某個地標(biāo)、景點等地點信息。

本實施例中，基于位置服務(wù)的移動終端為智能手機，通過開啟智能手機上的定位功能，以使LBS服務(wù)平臺實時獲取智能手機的地理位置信息，從而獲取該智能手機對應(yīng)的用戶的地理位置信息。其中，POI信息與時間相關(guān)聯(lián)，每一POI信息包括日期和時刻，通過該地理位置信息可了解用戶在任一時刻所處的POI信息?？梢岳斫獾兀乩砦恢眯畔⑴c用戶ID相關(guān)聯(lián)，用戶ID用于識別唯一識別用戶，可以是身份證號或手機號。

可以理解地，為了減少數(shù)據(jù)處理量，提高處理效率，可預(yù)先設(shè)置時間閾值，以使基于位置服務(wù)獲取用戶的地理位置信息時，只獲取用戶在任一地點停留時間達(dá)到該時間閾值的POI信息，以避免采集到的與時間相關(guān)聯(lián)的POI信息的數(shù)據(jù)量較多，導(dǎo)致處理效率低的問題。

S2：對用戶在預(yù)設(shè)期間內(nèi)所有POI信息按預(yù)設(shè)時間界限劃分成辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集。

其中，預(yù)設(shè)期間可以是當(dāng)前系統(tǒng)時間之前的任意一段時間，可以為一個月、三個月或半年等，可根據(jù)需求自主設(shè)置。預(yù)設(shè)時間界限是用于劃分辦公時間和休息時間的界限?；陬A(yù)設(shè)時間界限可將所有POI信息劃分為辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集，以便基于辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集對用戶畫像數(shù)據(jù)進(jìn)行跟進(jìn)處理。本實施例中，將8：00-20：00作為辦公時間，其對應(yīng)的地理位置信息為辦公區(qū)域數(shù)據(jù)集；相應(yīng)地，20：00-次日8：00作為休息時間，其對應(yīng)的地理位置信息為住址區(qū)域數(shù)據(jù)集。

S3：對辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集分別進(jìn)行聚類分析，分別獲取辦公位置動態(tài)信息和住址位置動態(tài)信息。

其中，辦公位置動態(tài)信息是對辦公區(qū)域數(shù)據(jù)集中所有POI信息進(jìn)行聚類分析的結(jié)果；住址位置動態(tài)信息是對住址區(qū)域數(shù)據(jù)集中所有POI信息進(jìn)行聚類分析的結(jié)果。辦公位置動態(tài)信息和住址位置動態(tài)信息可客觀反映用戶在預(yù)設(shè)期間內(nèi)的日常生活軌跡，可利用辦公位置動態(tài)信息和住址位置動態(tài)信息實現(xiàn)對用戶畫像數(shù)據(jù)實時跟進(jìn)，以保證跟進(jìn)后的用戶畫像數(shù)據(jù)的客觀性。

本實施例中，先將用戶在預(yù)設(shè)期間內(nèi)所有POI信息按預(yù)設(shè)時間界限劃分成辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集，再對辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集分別進(jìn)行聚類分析，使得辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集中的POI信息的數(shù)據(jù)量較小，有利于提高聚類效果，節(jié)省聚類處理時間。

步驟S3具體包括：

S31：采用DBSCAN聚類算法對辦公區(qū)域數(shù)據(jù)集中的POI信息進(jìn)行聚類，以獲取若干辦公子集群，每一辦公子群集包括至少一個辦公POI信息。采用DBSCAN聚類算法對住址區(qū)域數(shù)據(jù)集中的POI信息進(jìn)行聚類，以獲取若干住址子集群，每一住址子群集包括至少一個住址POI信息。

其中，DBSCAN(Density-Based Spatial Clustering of Applications with Noise，具有噪聲的基于密度的聚類方法)是一種基于密度的空間聚類算法。該算法將具有足夠密度的區(qū)域劃分為簇，并在具有噪聲的空間數(shù)據(jù)庫中發(fā)現(xiàn)任意形狀的簇，它將簇定義為密度相連的點的最大集合。DBSCAN聚類算法具有聚類速度快且能夠有效處理噪聲和發(fā)現(xiàn)任意形成的空間聚類的優(yōu)點。

具體地，預(yù)設(shè)辦公區(qū)域數(shù)據(jù)集的掃描半徑(以下簡稱為eps)和最小包含點數(shù)(minPts)，任選一個未被訪問(unvisited)的POI信息開始，找出與其距離在eps之內(nèi)(包括eps)的所有POI信息，將POI信息與距離在eps之內(nèi)的所有POI信息作為一個辦公子集群輸出，辦公子集群中的POI信息為辦公POI信息。相應(yīng)地，預(yù)設(shè)住址區(qū)域數(shù)據(jù)集的掃描半徑(eps)和最小包含點數(shù)(minPts)，任選一個未被訪問(unvisited)的POI信息開始，找出與其距離在eps之內(nèi)(包括eps)的所有POI信息，將POI信息與距離在eps之內(nèi)的所有POI信息作為一個住址子集群輸出，住址子集群中的POI信息為住址POI信息。

S32：采用K-MEANS聚類算法對每一辦公子集群進(jìn)行迭代聚類，以獲取辦公子集群的辦公質(zhì)心POI信息；辦公位置動態(tài)信息包括辦公POI信息和辦公質(zhì)心POI信息。采用K-MEANS聚類算法對每一住址子集群進(jìn)行迭代聚類，以獲取住址子集群的住址質(zhì)心POI信息；住址位置動態(tài)信息包括住址POI信息和住址質(zhì)心POI信息。

K-MEANS算法是很典型的基于距離的算法，采用距離作為相似性的評價指標(biāo)，即認(rèn)為兩個對象的距離越近，其相似度就越大。其計算公式為其中，k個初始類聚類中心點的選取對聚類結(jié)果具有較大的影響，因為在該算法第一步中是隨機的選取任意k個對象作為初始聚類的中心，初始地代表一個簇。該算法在每次迭代中對數(shù)據(jù)集中剩余的每個對象，根據(jù)其與各個簇中心的距離將每個對象重新賦給最近的簇。若一次迭代前后，J的值沒有發(fā)生變化，說明算法已經(jīng)收斂。K-MEANS算法可快速簡單地對數(shù)據(jù)進(jìn)行聚類，對大數(shù)據(jù)集具有較高的效率且可伸縮性，時間復(fù)雜度近于線性，而且適合挖掘大規(guī)模數(shù)據(jù)集。

本實施例中，采用K-MEANS算法對每一辦公子集群中的POI信息進(jìn)行迭代聚合，直到最后一次迭代時，迭代前后數(shù)值沒有發(fā)生變化，則獲取該辦公子集群的辦公質(zhì)心POI信息，從而獲取包括辦公POI信息和辦公質(zhì)心POI信息的辦公位置動態(tài)信息。相應(yīng)地，采用K-MEANS算法對每一住址子集群中的POI信息進(jìn)行迭代聚合，直到最后一次迭代時，迭代前后數(shù)值沒有發(fā)生變化，則獲取該住址子集群的住址質(zhì)心POI信息，從而獲取包括住址POI信息和住址質(zhì)心POI信息的住址位置動態(tài)信息。

若用戶某天的地理位置信息包括與時間相關(guān)聯(lián)的如下POI信息：A、B、C、D、E、F、G、H、F、I、J、K……E、D、A，若A為家庭住址，B和C分別為家庭住址附近eps內(nèi)的地點，D和E為工作路上獲取的地點，F(xiàn)為辦公地址，G為辦公地址附近eps內(nèi)的地點，H、I、J、K為消費場所等。步驟S31中采用DBSCAN聚類算法進(jìn)行聚類時，通過設(shè)置掃描半徑(eps)和最小包含點數(shù)(minPts)，可將家庭住址和家庭住址附近eps內(nèi)所有的POI信息聚類為一住址子集群輸出，將辦公場所和辦公場所附近eps內(nèi)所有的POI信息聚類為一辦公子集群輸出。步驟S32對每一辦公子集群和住址子集群分別采用K-MEANS聚類算法進(jìn)行迭代聚合，以獲取每一辦公子集群的辦公質(zhì)心POI信息，并獲取每一住址子集群的住址質(zhì)心POI信息。其中，辦公質(zhì)心POI信息是辦公子集群的辦公POI信息中的一個，住址質(zhì)心POI信息是住址子集群的住址POI信息中的一個；辦公位置動態(tài)信息包括辦公POI信息和辦公質(zhì)心POI信息，住址位置動態(tài)信息包括住址POI信息和住址質(zhì)心POI信息。

S4：將辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行對比，輸出用戶風(fēng)險度評估信息。

其中，用戶畫像數(shù)據(jù)包括用戶ID、辦公場所和家庭住址。用戶畫像數(shù)據(jù)可以是用戶在辦理相關(guān)業(yè)務(wù)時采集到的用戶畫像數(shù)據(jù)，也可以是基于位置服務(wù)實時跟進(jìn)后存儲的用戶畫像數(shù)據(jù)。利用辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行比對，由于辦公位置動態(tài)信息和住址位置動態(tài)信息具有客觀性，使得比對后輸出的用戶風(fēng)險度評估信息具有客觀性。其中，用戶風(fēng)險度評估信息包括低風(fēng)險度評估信息、中風(fēng)險度評估信息和高風(fēng)險度評估信息。

進(jìn)一步地，由于實時采集用戶的地理位置信息，并對預(yù)設(shè)期間內(nèi)的地理位置信息進(jìn)行聚類分析獲取到的辦公位置動態(tài)信息和住址位置動態(tài)信息可客觀反映用戶的用戶畫像數(shù)據(jù)，可將辦公位置動態(tài)信息和住址位置動態(tài)信息實時更新為新的用戶畫像數(shù)據(jù)，使得下次評估時可利用新的用戶畫像數(shù)據(jù)進(jìn)行對比，以提高用戶風(fēng)險度評估信息的準(zhǔn)確性。

步驟S4具體包括：

S41：判斷辦公場所是否與辦公質(zhì)心POI信息相匹配，并判斷家庭住址是否與住址質(zhì)心POI信息相匹配。

S42：若均相匹配，輸出低風(fēng)險度評估信息。

S43：若不均相匹配，則判斷辦公場所是否與辦公子集群中的辦公POI信息相匹配，和/或判斷家庭住址是否與住址子集群中的住址POI信息相匹配；

S44：根據(jù)判斷結(jié)果輸出高風(fēng)險度評估信息或中風(fēng)險度評估信息。

本實施例中，設(shè)a為辦公場所，b為家庭住址，A為辦公質(zhì)心POI信息，U為辦公子集群，B為住址質(zhì)心POI信息，Y為住址子集群；將辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行比對的結(jié)果如下表所示，其中，＝表示匹配，≠表示不匹配。

本實施例中，辦公場所與辦公質(zhì)心POI信息或辦公子集群的匹配狀態(tài)有如下三種情況：辦公場所與辦公質(zhì)心POI信息相匹配(a＝A)、辦公場所與辦公子集群中的辦公POI信息相匹配(a＝U)和辦公場所與辦公子集群中的辦公POI信息不相匹配(a≠U)。相應(yīng)地，家庭住址與住址質(zhì)心POI信息或住址子集群的匹配狀態(tài)有如下三種情況：家庭住址與住址質(zhì)心POI信息相匹配(b＝B)、家庭住址與住址子集群中的住址POI信息相匹配(b＝Y(jié))和家庭住址與住址子集群中的住址POI信息不相匹配(b≠Y)。因此，將辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行比對的結(jié)果有如上表所示九種狀態(tài)。

若辦公場所與辦公質(zhì)心POI信息相匹配且家庭住址與住址質(zhì)心POI信息相匹配，即狀態(tài)1，其對應(yīng)的風(fēng)險度評估等級為I級，輸出低風(fēng)險度評估信息，表示用戶在預(yù)設(shè)期間內(nèi)基于位置服務(wù)獲取到的地理位置信息與其預(yù)先存儲的用戶畫像數(shù)據(jù)相匹配，辦公場所和家庭住址位置均沒有變化。

在一具體實施方式中，若辦公場所與辦公子集群中的辦公POI信息不相匹配，且家庭住址在住址子集群中的住址POI信息不相匹配，即狀態(tài)9，其對應(yīng)的風(fēng)險度評估等級為VI級，根據(jù)業(yè)務(wù)需求，可將VI級的風(fēng)險度評估等級作為高風(fēng)險度評估信息輸出，表示用戶在預(yù)設(shè)期間內(nèi)基于位置服務(wù)獲取到的用戶的地理位置信息與其預(yù)先存儲的用戶畫像數(shù)據(jù)完全不相匹配，辦公場所和家庭住址均發(fā)生變化。

在另一具體實施方式中，若辦公場所與辦公子集群中的辦公POI信息不相匹配和/或家庭住址在住址子集群中的住址POI信息不相匹配，即狀態(tài)3、6、7、8和9，其對應(yīng)的風(fēng)險度評估等級為IV級、V級和VI級，根據(jù)業(yè)務(wù)需求，可將IV級、V級和VI級的風(fēng)險度評估等級作為高風(fēng)險度評估信息輸出，表示用戶在預(yù)設(shè)期間內(nèi)基于位置服務(wù)獲取到的用戶的地理位置信息與其預(yù)先存儲的用戶畫像數(shù)據(jù)局部不相匹配，辦公場所和/或家庭住址發(fā)生變化。

其中，在風(fēng)險度評估信息中，低風(fēng)險度評估信息和高風(fēng)險度評估信息之外的狀態(tài)對應(yīng)中風(fēng)險度評估信息。

在一具體實施方式中，步驟S4中采用相似度檢測算法將辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行對比，輸出用戶風(fēng)險度評估信息。

具體地，采用相似度檢測算法分別計算辦公場所與辦公質(zhì)心POI信息的第一檢測值和家庭住址與住址質(zhì)心POI信息的第二檢測值。若第一檢測值大于第一閾值，則認(rèn)定辦公場所與辦公質(zhì)心POI信息相匹配，反之則不相匹配。若第二檢測值大于第一閾值，則認(rèn)定家庭住址與住址質(zhì)心POI信息相匹配，反之則不相匹配。

相應(yīng)地，采用相似度檢測算法分別計算辦公場所與辦公子集群中的辦公POI信息的第三檢測值，和/或家庭住址與住址子集群中的住址POI信息的第四檢測值。若第三檢測值大于第二閾值，則認(rèn)定辦公場所與辦公子集群中的辦公POI信息相匹配，反之則不相匹配。若第四檢測值大于第二閾值，則認(rèn)定家庭住址與住址子集群中的住址POI信息相匹配，反之則不相匹配。

在一具體實施方式中，用戶畫像數(shù)還包括管戶人員ID和管戶人員聯(lián)系方式。該基于位置服務(wù)的風(fēng)險評估方法還包括：在輸出高風(fēng)險度評估信息時，將辦公位置動態(tài)信息和/或住址位置動態(tài)信息發(fā)送給管戶人員ID對應(yīng)的管戶人員。在輸出高風(fēng)險度評估信息時，表示其辦公位置動態(tài)信息和住址位置動態(tài)信息均發(fā)生變化，或者辦公位置動態(tài)信息和/或住址位置動態(tài)信息發(fā)生變化，因此，需將發(fā)生變化的辦公位置動態(tài)信息和/或住址位置動態(tài)信息發(fā)送給管戶人員ID，由管戶人員ID對應(yīng)的管戶人員對用戶畫像數(shù)據(jù)進(jìn)行跟進(jìn)處理，如進(jìn)行信息核實，用戶畫像數(shù)據(jù)更新等，避免因辦公位置動態(tài)信息和/或住址位置動態(tài)信息發(fā)生變化而導(dǎo)致金融機構(gòu)提供的貸款等金融業(yè)務(wù)的業(yè)務(wù)風(fēng)險增大的問題出現(xiàn)。

本實施例所提供的基于位置服務(wù)的風(fēng)險評估方法中，基于位置服務(wù)獲取用戶的地理位置信息，地理位置信息具有客觀性和實時性。通過對用戶在預(yù)設(shè)期間內(nèi)所有POI信息按預(yù)設(shè)時間界限劃分成辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集，再對辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集分別進(jìn)行聚類分析，以獲取辦公位置動態(tài)信息和住址位置動態(tài)信息。其中，劃分辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集并分別聚類，使得辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集中的POI信息的數(shù)據(jù)量較小，有利于提高聚類效果，節(jié)省聚類處理時間。由于辦公位置動態(tài)信息和住址位置動態(tài)信息具有客觀性，使得利用辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行比對，輸出的用戶風(fēng)險度評估信息具有客觀性，可有效評估用戶畫像數(shù)據(jù)是否發(fā)生變化，可提高對用戶畫像數(shù)據(jù)變動產(chǎn)生的風(fēng)險的管控。由于實時采集用戶的地理位置信息，并對預(yù)設(shè)期間內(nèi)的地理位置信息進(jìn)行聚類分析獲取到的辦公位置動態(tài)信息和住址位置動態(tài)信息可客觀反映用戶的用戶畫像數(shù)據(jù)，可將辦公位置動態(tài)信息和住址位置動態(tài)信息實時更新為新的用戶畫像數(shù)據(jù)，以提高用戶風(fēng)險度評估信息的準(zhǔn)確性。

實施例2

圖2示出本實施例中基于位置服務(wù)的風(fēng)險評估裝置的一流程圖。如圖2所示，該基于位置服務(wù)的風(fēng)險評估裝置可以設(shè)置在銀行、保險、證券等金融機構(gòu)的后臺服務(wù)器上。如圖2所示，該基于位置服務(wù)的風(fēng)險評估裝置包括信息獲取單元10、信息劃分單元20、聚類分析單元30、評估結(jié)果輸出單元40和信息發(fā)送單元50。

信息獲取單元10，用于基于位置服務(wù)獲取用戶的地理位置信息，地理位置信息包括與時間相關(guān)聯(lián)的POI信息。

以任一用戶一天的地理位置信息為例，該地理位置信息中包括0：00—24：00的POI信息，每一POI信息用于指示電子地圖中的一點，包括POI點名稱、經(jīng)度和緯度等信息?；谟脩舻牡乩砦恢眯畔?，可了解用戶每天經(jīng)過的家庭住址、辦公場所、購物場所、娛樂場所、健身場所等信息。可以理解地，基于位置服務(wù)獲取用戶的地理位置信息，具有較強的客觀性和可靠性。

基于位置服務(wù)(Location Based Service，簡稱LBS)是通過電信移動運營商的無線電通訊網(wǎng)絡(luò)(如GSM網(wǎng)、CDMA網(wǎng))或外部定位方式(如GPS)獲取移動終端用戶的位置信息(地理坐標(biāo)，或大地坐標(biāo))，在地理信息系統(tǒng)(Geographic Information System，簡稱GIS)平臺的支持下，為用戶提供相應(yīng)服務(wù)的一種增值業(yè)務(wù)?？傮w來看，LBS由移動通信網(wǎng)絡(luò)和計算機網(wǎng)絡(luò)結(jié)合而成，兩個網(wǎng)絡(luò)之間通過網(wǎng)關(guān)實現(xiàn)交互。移動終端通過移動通信網(wǎng)絡(luò)發(fā)出請求，經(jīng)過網(wǎng)關(guān)傳遞給LBS服務(wù)平臺；LBS服務(wù)平臺根據(jù)用戶請求和用戶當(dāng)前位置進(jìn)行處理，并將結(jié)果通過網(wǎng)關(guān)返回給用戶。POI(Point Of Interest,即興趣點或信息點)，包括名稱、類型、經(jīng)度、緯度等資料，以使POI可在電子地圖上呈現(xiàn)，以標(biāo)示電子地圖上的某個地標(biāo)、景點等地點信息。

本實施例中，基于位置服務(wù)的移動終端為智能手機，通過開啟智能手機上的定位功能，以使LBS服務(wù)平臺實時獲取智能手機的地理位置信息，從而獲取該智能手機對應(yīng)的用戶的地理位置信息。其中，POI信息與時間相關(guān)聯(lián)，每一POI信息包括日期和時刻，通過該地理位置信息可了解用戶在任一時刻所處的POI信息?？梢岳斫獾?，地理位置信息與用戶ID相關(guān)聯(lián)，用戶ID用于識別唯一識別用戶，可以是身份證號或手機號。

可以理解地，為了減少數(shù)據(jù)處理量，提高處理效率，可預(yù)先設(shè)置時間閾值，以使基于位置服務(wù)獲取用戶的地理位置信息時，只獲取用戶在任一地點停留時間達(dá)到該時間閾值的POI信息，以避免采集到的與時間相關(guān)聯(lián)的POI信息的數(shù)據(jù)量較多，導(dǎo)致處理效率低的問題。

信息劃分單元20，用于對用戶在預(yù)設(shè)期間內(nèi)所有POI信息按預(yù)設(shè)時間界限劃分成辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集。

其中，預(yù)設(shè)期間可以是當(dāng)前系統(tǒng)時間之前任意一段時間，可以為一個月、三個月或半年等，可根據(jù)需求自主設(shè)置。預(yù)設(shè)時間界限可以是用于劃分辦公時間和休息時間的界限?；陬A(yù)設(shè)時間界限可將所有POI信息劃分為辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集，以便基于辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集對用戶畫像數(shù)據(jù)進(jìn)行跟進(jìn)處理。本實施例中，將8：00-20：00作為辦公時間，其對應(yīng)的地理位置信息為辦公區(qū)域數(shù)據(jù)集；相應(yīng)地，20：00-次日8：00作為休息時間，其對應(yīng)的地理位置信息為住址區(qū)域數(shù)據(jù)集。

聚類分析單元30，用于對辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集分別進(jìn)行聚類分析，分別獲取辦公位置動態(tài)信息和住址位置動態(tài)信息。其中，辦公位置動態(tài)信息是對辦公區(qū)域數(shù)據(jù)集中所有POI信息進(jìn)行聚類分析的結(jié)果；住址位置動態(tài)信息是對住址區(qū)域數(shù)據(jù)集中所有POI信息進(jìn)行聚類分析的結(jié)果。辦公位置動態(tài)信息和住址位置動態(tài)信息可客觀反映用戶在預(yù)設(shè)期間內(nèi)的日常生活軌跡，可利用辦公位置動態(tài)信息和住址位置動態(tài)信息實現(xiàn)對用戶畫像數(shù)據(jù)實時跟進(jìn)，以保證跟進(jìn)后的用戶畫像數(shù)據(jù)的客觀性。

本實施例中，先將用戶在預(yù)設(shè)期間內(nèi)所有POI信息按預(yù)設(shè)時間界限劃分成辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集，再對辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集分別進(jìn)行聚類分析，使得辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集中的POI信息的數(shù)據(jù)量較小，有利于提高聚類效果，節(jié)省聚類處理時間。

聚類分析單元30具體包括第一聚類子單元31和第二聚類子單元32。

第一聚類子單元31，用于采用DBSCAN聚類算法對辦公區(qū)域數(shù)據(jù)集中的POI信息進(jìn)行聚類，以獲取若干辦公子集群，每一辦公子群集包括至少一個辦公POI信息。采用DBSCAN聚類算法對住址區(qū)域數(shù)據(jù)集中的POI信息進(jìn)行聚類，以獲取若干住址子集群，每一住址子群集包括至少一個住址POI信息。

其中，DBSCAN(Density-Based Spatial Clustering of Applications with Noise，具有噪聲的基于密度的聚類算法)是一種基于密度的空間聚類算法。該算法將具有足夠密度的區(qū)域劃分為簇，并在具有噪聲的空間數(shù)據(jù)庫中發(fā)現(xiàn)任意形狀的簇，它將簇定義為密度相連的點的最大集合。DBSCAN聚類算法具有聚類速度快且能夠有效處理噪聲和發(fā)現(xiàn)任意形成的空間聚類的優(yōu)點。

具體地，預(yù)設(shè)辦公區(qū)域數(shù)據(jù)集的掃描半徑(以下簡稱為eps)和最小包含點數(shù)(minPts)，任選一個未被訪問(unvisited)的POI信息開始，找出與其距離在eps之內(nèi)(包括eps)的所有POI信息，將POI信息與距離在eps之內(nèi)的所有POI信息作為一個辦公子集群輸出，辦公子集群中的POI信息為辦公POI信息。相應(yīng)地，預(yù)設(shè)住址區(qū)域數(shù)據(jù)集的掃描半徑(eps)和最小包含點數(shù)(minPts)，任選一個未被訪問(unvisited)的POI信息開始，找出與其距離在eps之內(nèi)(包括eps)的所有POI信息，將POI信息與距離在eps之內(nèi)的所有POI信息作為一個住址子集群輸出，住址子集群中的POI信息為住址POI信息。

第二聚類子單元32，用于采用K-MEANS聚類算法對每一辦公子集群進(jìn)行迭代聚類，以獲取辦公子集群的辦公質(zhì)心POI信息；辦公位置動態(tài)信息包括辦公POI信息和辦公質(zhì)心POI信息。采用K-MEANS聚類算法對每一住址子集群進(jìn)行迭代聚類，以獲取住址子集群的住址質(zhì)心POI信息；住址位置動態(tài)信息包括住址POI信息和住址質(zhì)心POI信息。

K-MEANS算法是很典型的基于距離的算法，采用距離作為相似性的評價指標(biāo)，即認(rèn)為兩個對象的距離越近，其相似度就越大。其計算公式為其中，k個初始類聚類中心點的選取對聚類結(jié)果具有較大的影響，因為在該算法第一步中是隨機的選取任意k個對象作為初始聚類的中心，初始地代表一個簇。該算法在每次迭代中對數(shù)據(jù)集中剩余的每個對象，根據(jù)其與各個簇中心的距離將每個對象重新賦給最近的簇。若一次迭代前后，J的值沒有發(fā)生變化，說明算法已經(jīng)收斂。K-MEANS算法可快速簡單地對數(shù)據(jù)進(jìn)行聚類，對大數(shù)據(jù)集具有較高的效率且可伸縮性，時間復(fù)雜度近于線性，而且適合挖掘大規(guī)模數(shù)據(jù)集。

本實施例中，采用K-MEANS算法對每一辦公子集群中的POI信息進(jìn)行迭代聚合，直到最后一次迭代時，迭代前后數(shù)值沒有發(fā)生變化，則獲取該辦公子集群的辦公質(zhì)心POI信息，從而獲取包括辦公POI信息和辦公質(zhì)心POI信息的辦公位置動態(tài)信息。相應(yīng)地，采用K-MEANS算法對每一住址子集群中的POI信息進(jìn)行迭代聚合，直到最后一次迭代時，迭代前后數(shù)值沒有發(fā)生變化，則獲取該住址子集群的住址質(zhì)心POI信息，從而獲取包括住址POI信息和住址質(zhì)心POI信息的住址位置動態(tài)信息。

若用戶某天的地理位置信息包括與時間相關(guān)聯(lián)的如下POI信息：A、B、C、D、E、F、G、H、F、I、J、K……E、D、A，若A為家庭住址，B和C分別為家庭住址附近eps內(nèi)的地點，D和E為工作路上獲取的地點，F(xiàn)為辦公地址，G為辦公地址附近eps內(nèi)的地點，H、I、J、K為消費場所等。第一聚類子單元31中采用DBSCAN聚類算法進(jìn)行聚類時，通過設(shè)置掃描半徑(eps)和最小包含點數(shù)(minPts)，可將家庭住址和家庭住址附近eps內(nèi)所有的POI信息聚類為一住址子集群輸出，將辦公場所和辦公場所附近eps內(nèi)所有的POI信息聚類為一辦公子集群輸出。第二聚類子單元32對每一辦公子集群和住址子集群分別采用K-MEANS聚類算法進(jìn)行迭代聚合，以獲取每一辦公子集群的辦公質(zhì)心POI信息，并獲取每一住址子集群住址質(zhì)心POI信息。其中，辦公質(zhì)心POI信息是辦公子集群的辦公POI信息中的一個，住址質(zhì)心POI信息是住址子集群的住址POI信息中的一個；住址位置動態(tài)信息包括住址POI信息和住址質(zhì)心POI信息。

評估結(jié)果輸出單元40，用于將辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行對比，輸出用戶風(fēng)險度評估信息。

其中，用戶畫像數(shù)據(jù)包括用戶ID、辦公場所和家庭住址。用戶畫像數(shù)據(jù)可以是用戶在辦理相關(guān)業(yè)務(wù)時采集到的用戶畫像數(shù)據(jù)，也可以是基于位置服務(wù)實時跟進(jìn)后存儲的用戶畫像數(shù)據(jù)。利用辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行比對，由于辦公位置動態(tài)信息和住址位置動態(tài)信息具有客觀性，使得比對后輸出的用戶風(fēng)險度評估信息具有客觀性。其中，用戶風(fēng)險度評估信息包括低風(fēng)險度評估信息、中風(fēng)險度評估信息和高風(fēng)險度評估信息。

進(jìn)一步地，由于實時采集用戶的地理位置信息，并對預(yù)設(shè)期間內(nèi)的地理位置信息進(jìn)行聚類分析獲取到的辦公位置動態(tài)信息和住址位置動態(tài)信息可客觀反映用戶的用戶畫像數(shù)據(jù)，可將辦公位置動態(tài)信息和住址位置動態(tài)信息實時更新為新的用戶畫像數(shù)據(jù)，使得下次評估時可利用新的用戶畫像數(shù)據(jù)進(jìn)行對比，以提高用戶風(fēng)險度評估信息的準(zhǔn)確性。

評估結(jié)果輸出單元40具體包括第一判斷子單元41、第一處理子單元42、第二判斷子單元43和第二處理子單元44。

第一判斷子單元41，用于判斷辦公場所是否與辦公質(zhì)心POI信息相匹配并判斷家庭住址是否與住址質(zhì)心POI信息相匹配。

第一處理子單元42，用于若均相匹配，輸出低風(fēng)險度評估信息。

第二判斷子單元43，用于若不均相匹配，則判斷辦公場所是否與辦公子集群中的辦公POI信息相匹配，和/或判斷家庭住址是否與住址子集群中的住址POI信息相匹配；

第二處理子單元44，用于根據(jù)判斷結(jié)果輸出高風(fēng)險度評估信息或中風(fēng)險度評估信息。

本實施例中，設(shè)a為辦公場所，b為家庭住址，A為辦公質(zhì)心POI信息，U為辦公子集群，B為住址質(zhì)心POI信息，Y為住址子集群；將辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行比對的結(jié)果如下表所示，其中，＝表示匹配，≠表示不匹配。

本實施例中，辦公場所與辦公質(zhì)心POI信息或辦公子集群的匹配狀態(tài)有如下三種情況：辦公場所與辦公質(zhì)心POI信息相匹配(a＝A)、辦公場所與辦公子集群中的辦公POI信息相匹配(a＝U)和辦公場所與辦公子集群中的辦公POI信息不相匹配(a≠U)。相應(yīng)地，家庭住址與住址質(zhì)心POI信息或住址子集群的匹配狀態(tài)有如下三種情況：家庭住址與住址質(zhì)心POI信息相匹配(b＝B)、家庭住址與住址子集群中的住址POI信息相匹配(b＝Y(jié))和家庭住址與住址子集群中的住址POI信息不相匹配(b≠Y)。因此，將辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行比對的結(jié)果有如上表所示九種狀態(tài)。

若辦公場所與辦公質(zhì)心POI信息相匹配且家庭住址與住址質(zhì)心POI信息相匹配，即狀態(tài)1，其對應(yīng)的風(fēng)險度評估等級為I級，輸出低風(fēng)險度評估信息，表示用戶在預(yù)設(shè)期間內(nèi)基于位置服務(wù)獲取到的地理位置信息與其預(yù)先存儲的用戶畫像數(shù)據(jù)相匹配，辦公場所和家庭住址位置均沒有變化。

在一具體實施方式中，若辦公場所與辦公子集群中的辦公POI信息不相匹配，且家庭住址在住址子集群中的住址POI信息不相匹配，即狀態(tài)9，其對應(yīng)的風(fēng)險度評估等級為VI級，根據(jù)業(yè)務(wù)需求，可將VI級的風(fēng)險度評估等級作為高風(fēng)險度評估信息輸出，表示用戶在預(yù)設(shè)期間內(nèi)基于位置服務(wù)獲取到的用戶的地理位置信息與其預(yù)先存儲的用戶畫像數(shù)據(jù)完全不相匹配，辦公場所和家庭住址均發(fā)生變化。

在另一具體實施方式中，若辦公場所與辦公子集群中的辦公POI信息不相匹配和/或家庭住址在住址子集群中的住址POI信息不相匹配，即狀態(tài)3、6、7、8和9，其對應(yīng)的風(fēng)險度評估等級為IV級、V級和VI級，根據(jù)業(yè)務(wù)需求，可將IV級、V級和VI級的風(fēng)險度評估等級作為高風(fēng)險度評估信息輸出，表示用戶在預(yù)設(shè)期間內(nèi)基于位置服務(wù)獲取到的用戶的地理位置信息與其預(yù)先存儲的用戶畫像數(shù)據(jù)局部不相匹配，辦公場所和/或家庭住址發(fā)生變化。

其中，在風(fēng)險度評估信息中，低風(fēng)險度評估信息和高風(fēng)險度評估信息之外的狀態(tài)對應(yīng)中風(fēng)險度評估信息。

在一具體實施方式中，評估結(jié)果輸出單元40采用相似度檢測算法將辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行對比，輸出用戶風(fēng)險度評估信息。

具體地，采用相似度檢測算法分別計算辦公場所與辦公質(zhì)心POI信息的第一檢測值和家庭住址與住址質(zhì)心POI信息的第二檢測值。若第一檢測值大于第一閾值，則認(rèn)定辦公場所與辦公質(zhì)心POI信息相匹配，反之則不相匹配。若第二檢測值大于第一閾值，則認(rèn)定家庭住址與住址質(zhì)心POI信息相匹配，反之則不相匹配。

相應(yīng)地，采用相似度檢測算法分別計算辦公場所與辦公子集群中的辦公POI信息的第三檢測值，和/或家庭住址與住址子集群中的住址POI信息的第四檢測值。若第三檢測值大于第二閾值，則認(rèn)定辦公場所與辦公子集群中的辦公POI信息相匹配，反之則不相匹配。若第四檢測值大于第二閾值，則認(rèn)定家庭住址與住址子集群中的住址POI信息相匹配，反之則不相匹配。

在一具體實施方式中，用戶畫像數(shù)還包括管戶人員ID和管戶人員聯(lián)系方式。該基于位置服務(wù)的風(fēng)險評估裝置還包括信息發(fā)送單元50，用于在輸出高風(fēng)險度評估信息時，將辦公位置動態(tài)信息和/或住址位置動態(tài)信息發(fā)送給管戶人員ID對應(yīng)的管戶人員。在輸出高風(fēng)險度評估信息時，表示其辦公位置動態(tài)信息和住址位置動態(tài)信息均發(fā)生變化，或者辦公位置動態(tài)信息和/或住址位置動態(tài)信息發(fā)生變化，因此，需將發(fā)生變化的辦公位置動態(tài)信息和/或住址位置動態(tài)信息發(fā)送給管戶人員ID，由管戶人員ID對應(yīng)的管戶人員對用戶畫像數(shù)據(jù)進(jìn)行跟進(jìn)處理，如進(jìn)行信息核實，用戶畫像數(shù)據(jù)更新等，避免因辦公位置動態(tài)信息和/或住址位置動態(tài)信息發(fā)生變化而導(dǎo)致金融機構(gòu)提供的貸款等金融業(yè)務(wù)的業(yè)務(wù)風(fēng)險增大的問題出現(xiàn)。

本實施例所提供的基于位置服務(wù)的風(fēng)險評估裝置中，基于位置服務(wù)獲取用戶的地理位置信息，地理位置信息具有客觀性和實時性。通過對用戶在預(yù)設(shè)期間內(nèi)所有POI信息按預(yù)設(shè)時間界限劃分成辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集，再對辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集分別進(jìn)行聚類分析，以獲取辦公位置動態(tài)信息和住址位置動態(tài)信息。其中，劃分辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集并分別聚類，使得辦公區(qū)域數(shù)據(jù)集和住址區(qū)域數(shù)據(jù)集中的POI信息的數(shù)據(jù)量較小，有利于提高聚類效果，節(jié)省聚類處理時間。由于辦公位置動態(tài)信息和住址位置動態(tài)信息具有客觀性，使得利用辦公位置動態(tài)信息和住址位置動態(tài)信息與預(yù)先存儲的用戶畫像數(shù)據(jù)進(jìn)行比對，輸出的用戶風(fēng)險度評估信息具有客觀性，可有效評估用戶畫像數(shù)據(jù)是否發(fā)生變化，可提高對用戶畫像數(shù)據(jù)變動產(chǎn)生的風(fēng)險的管控。由于實時采集用戶的地理位置信息，并對預(yù)設(shè)期間內(nèi)的地理位置信息進(jìn)行聚類分析獲取到的辦公位置動態(tài)信息和住址位置動態(tài)信息可客觀反映用戶的用戶畫像數(shù)據(jù)，可將辦公位置動態(tài)信息和住址位置動態(tài)信息實時更新為新的用戶畫像數(shù)據(jù)，以提高用戶風(fēng)險度評估信息的準(zhǔn)確性。

本發(fā)明是通過幾個具體實施例進(jìn)行說明的，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)明白，在不脫離本發(fā)明范圍的情況下，還可以對本發(fā)明進(jìn)行各種變換和等同替代。另外，針對特定情形或具體情況，可以對本發(fā)明做各種修改，而不脫離本發(fā)明的范圍。因此，本發(fā)明不局限于所公開的具體實施例，而應(yīng)當(dāng)包括落入本發(fā)明權(quán)利要求范圍內(nèi)的全部實施方式。