贷款担保后的风险监控方法及装置与流程

计算;推算;计数设备的制造及其应用技术1.本技术属于大数据处理技术领域，具体涉及一种贷款担保后的风险监控方法及装置。背景技术：2.随着经济的发展，贷款效率以及贷款金额呈逐渐上升的趋势，为了保障贷款后的有效还款，贷款担保也成为贷款中的常用手段，其中，贷款担保指银行在发放贷款时，要求借款人提供担保，以保障贷款债权实现的法律行为，但是在贷款担保后仍存在一定的风险，但为了及时发现早期预警信号，并积极采取相应补救措施，担保公司仍需要对被担保人及其影响担保业务安全的有关因素进行不间断监控和分析，若进行监控和分析需要大量的人力去进行，因此，通过计算机进行智能监控和分析是亟需解决的技术问题。技术实现要素：3.本技术实施例提供了一种贷款担保后的风险监控方法及装置，通过对用户的一些相关数据进行相关评估，可以得到对应的预警结果，以期对贷款担保后的风险进行及时防范。4.第一方面，本技术实施例提供了一种贷款担保后的风险监控方法，该方法包括：获取目标对象的预警数据，目标对象为完成贷款担保的对象，预警数据用于表征目标对象的资金流动相关数据；根据预警数据对目标对象进行风险评估，风险评估用于确定目标对象是否存在资金流动风险；若目标对象存在资金流动风险，则将预警数据输入保后预警模型；调用保后预警模型对预警数据进行推理，获得保后预警结果，保后预警结果用于指示对目标对象的资金流动的处理方式。5.在一个可能的示例中，根据预警数据对目标对象进行风险评估，包括：获取至少一个预警风险因子，预警风险因子用于表征可能存在风险的因素；将至少一个预警风险因子与预警数据进行关键字匹配；根据关键字匹配结果确定目标对象是否存在资金流动风险。6.在一个可能的示例中，述根据关键字匹配结果确定目标对象是否存在资金流动风险，包括：若至少一个预警风险因子中任意一个预警风险因子与预警数据关键字匹配成功，则确定目标对象存在资金流动风险。7.在一个可能的示例中，保后预警模型包括k均值聚类模型，方法还包括：获取至少一个预警风险因子，以及至少一个安全因子，至少一个安全因子根据至少一个预警风险因子的反义词形成，且至少一个安全因子与至少一个预警风险因子一一对应；将至少一个预警风险因子，以及至少一个安全因子作为聚类中心，形成k均值聚类模型。8.在一个可能的示例中，预警数据包括多个预警数据文档，调用保后预警模型对预警数据进行推理，包括：将多个预警数据文档输入k均值聚类模型，使得多个预警数据文档根据聚类中心的相似度进行聚类；获取至少一个风险类簇中每个风险类簇包括的文档数量，风险类簇为以至少一个预警风险因子作为聚类中心聚类获得的类簇；根据每个风险类簇包括的文档数量对每个风险类簇对应的预警风险因子设置权值；获取至少一个预警风险因子对应的风险值，风险值根据预警风险因子的危害程度确定；根据至少一个预警风险因子的权值和至少一个预警风险因子对应的风险值计算获得目标对象对应的预警值。9.在一个可能的示例中，保后预警结果包括解除预警，贷款中止，或贷款终止，获得保后预警结果包括：若预警值小于或等于第一预设阈值，则确定保后预警结果为解除预警；若预警值大于第一预设阈值，且小于第二预设阈值，则确定保后预警结果为贷款中止；若预警值大于第二预设阈值，则确定保后预警结果为贷款终止。10.在一个可能的示例中，预警数据中包括的多个预警数据文档为根据多个数据来源划分的文档。11.第二方面，本技术实施例提供了一种贷款担保后的风险监控装置，其中包括：12.获取单元，用于获取目标对象的预警数据，目标对象为完成贷款担保的对象，预警数据用于表征目标对象的资金流动相关数据；13.评估单元，用于根据预警数据对目标对象进行风险评估，风险评估用于确定目标对象是否存在资金流动风险；14.输入单元，用于若目标对象存在资金流动风险，则将预警数据输入保后预警模型；15.推理单元，用于调用保后预警模型对预警数据进行推理，获得保后预警结果，保后预警结果用于指示对目标对象的资金流动的处理方式。16.第三方面，本技术实施例提供了一种电子装置，该装置包括处理器、存储器、通信接口，处理器、存储器和通信接口相互连接，并且完成相互间的通信工作，存储器上存储有可执行程序代码，通信接口用于进行无线通信，处理器用于调取存储器上存储的可执行程序代码，执行例如第一方面任一方法中所描述的部分或全部的步骤。17.第四方面，本技术实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有程序数据，程序数据在被处理器执行时，用于执行程序数据以实现本技术实施例第一方面的部分或全部步骤。18.可以看出，本技术实施例中，获取目标对象的预警数据，目标对象为完成贷款担保的对象，预警数据用于表征目标对象的资金流动相关数据；根据预警数据对目标对象进行风险评估，风险评估用于确定目标对象是否存在资金流动风险；若目标对象存在资金流动风险，则将预警数据输入保后预警模型；调用保后预警模型对预警数据进行推理，获得保后预警结果，保后预警结果用于指示对目标对象的资金流动的处理方式。采用上述方法，通过对目标用户的初始评估确认其存在一定风险后再通过保后预警模型对预警数据进行推理，可以有效的提高工作效率并且能够及时发现早期预警信号，积极采取相应补救措施。附图说明19.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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技术的一些实施例，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。20.图1为本技术实施例提供的一种风险监控系统的结构示意图；21.图2为本技术实施例提供的一种贷款担保后的风险监控方法的流程示意图；22.图3为本技术实施例提供的一种预警数据文档的结构示意图；23.图4为本技术实施例提供的一种聚类图的结构示意图；24.图5为本技术实施例提供的一种贷款担保后的风险监控装置的结构示意图；25.图6为本技术实施例提供的一种电子装置的结构示意图。具体实施方式26.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。27.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤的过程、方法、系统、产品或设备没有限定于已列出的步骤，而是可选地还包括没有列出的步骤，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤。28.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。29.首先，请参阅图1，图1为本技术实施例提供的一种风险监控系统的结构示意图，如图1所示，30.该系统中包含预警数据获取装置和风险监控装置，其中，预警数据获取装置用于获取目标对象的预警数据，该预警数据用于表征目标对象的资金流动相关数据，该资金流动相关数据包括但不限于税务数据、发票数据和营收数据。风险监控装置用于对目标对象进行贷款担保后的风险评估和风险预测。31.上述风险监控系统的运作工程具体为：预警数据获取装置获取目标对象的预警数据，风险监控装置根据该目标对象的预警数据进行风险评估和风险预测。32.下面对贷款担保后的风险监控方法进行具体说明：33.请参阅图2，图2为本技术实施例提供的一种贷款担保后的风险监控方法的流程示意图，如图2所示，该方法包括如下步骤：34.步骤201，获取目标对象的预警数据，目标对象为完成贷款担保的对象，预警数据用于表征目标对象的资金流动相关数据。35.其中，预警数据用于表征目标对象的资金流动相关数据，具体可以包括目标对象的营收数据、亏损数据和转账数据等。由于在完成贷款担保后的目标对象仍存在不还款的风险，此时对该目标对象进行风险监控需要获取其资金流动的相关数据，并对该数据进行后续处理完成风险监控。36.步骤202，根据预警数据对目标对象进行风险评估，风险评估用于确定目标对象是否存在资金流动风险。37.其中，在获取了预警数据后，先根据预警数据对目标对象进行风险评估是为了先粗略判断该目标对象是否存在资金流动风险，若不存在资金流动风险则对该目标对象不进行后续处理，若存在资金流动风险再对该目标对象进行后续处理，这样能增加风险监控的效率。38.在一个可行的实施例中，根据预警数据对目标对象进行风险评估，包括：获取至少一个预警风险因子，预警风险因子用于表征可能存在风险的因素；将至少一个预警风险因子与预警数据进行关键字匹配；根据关键字匹配结果确定目标对象是否存在资金流动风险。39.其中，预警风险因子用于表征可能存在风险的因素，其可以是词组也可以是句子，该预警风险因子包括但不限于偷税漏税、贷款逾期和资金抽逃。40.在本技术实施例中，通过获取至少一个预警风险因子，将至少一个预警风险因子与预警数据进行关键字匹配，并根据关键字匹配结果确定目标对象是否存在资金流动风险。这样的话，可以使得风险评估的方式较便捷，进而增加风险监控的效率。41.在一个可行的实施例中，根据关键字匹配结果确定目标对象是否存在资金流动风险，包括：若至少一个预警风险因子中任意一个预警风险因子与预警数据关键字匹配成功，则确定目标对象存在资金流动风险。42.其中，由于风险评估是对目标对象进行粗略判断是否存在资金流动风险，那么在至少一个预警风险因子中任意一个预警风险因子与预警数据关键词匹配成功，就可确定目标对象存在资金流动风险。例如：若预警风险因子包括“偷税”和“贷款逾期”，预警数据中包括“偷税1万元”，则预警风险因子中“偷税”与预警数据关键词匹配成功，即使预警风险因子“贷款逾期”与预警数据关键词匹配不成功，也可确定目标对象存在资金流动风险。上述举例是为了便于对本技术实施例进行说明，不应造成对本技术方案的限制。43.在本技术实施例中，通过上述关键词匹配之后，若至少一个预警风险因子中任意一个预警风险因子与预警数据关键字匹配成功，则确定目标对象存在资金流动风险。这样的话，可以更加贴近风险评估的设定理由，即对目标对象进行粗略判断是否存在资金流动风险，并且能够增加风险评估的效率。44.步骤203，若目标对象存在资金流动风险，则将预警数据输入保后预警模型。45.其中，由于风险评估只是对目标对象进行粗略判断是否存在资金流动风险，那么在风险评估后得到的存在资金流动风险的对象还需要进一步的处理以更准确的判断其是否存在资金流动风险，于是将该目标对象的预警数据输入保后预警模型进行进一步的判断。46.在一个可行的实施例中，保后预警模型包括k均值聚类模型，该方法还包括：获取至少一个预警风险因子，以及至少一个安全因子，至少一个安全因子根据至少一个预警风险因子的反义词形成，且至少一个安全因子与至少一个预警风险因子一一对应；将至少一个预警风险因子，以及至少一个安全因子作为聚类中心，形成k均值聚类模型。47.其中，因为k均值聚类模型中包含k均值聚类算法，k均值聚类算法是一种迭代求解的聚类分析算法，其大致步骤是，预将数据分为k组，选取k个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有(或最小数目)对象被重新分配给不同的聚类，没有(或最小数目)聚类中心再发生变化，误差平方和局部最小。48.由于k均值聚类算法是预先设定一些初始的聚类中心，然后将一些对象分配给它最近的聚类中心，那么这里可以将预警数据作为其对象，预警风险因子作为聚类中心。但该算法会将每个对象都分配给距离它最近的聚类中心，且终止条件可以设定为没有对象被重新分配给不同的聚类中心，若只将预警风险因子作为聚类中心会导致所有预警数据都分配到预警风险因子上，对后续处理不会存在帮助。因此这里将预警风险因子的反义词安全因子也作为聚类中心，预警风险因子表征存在风险的因素，安全因子表征不存在风险的因素。将安全因子和预警风险因子同时作为聚类中心进行聚类，例如，若预警风险因子包括“偷税”和“贷款逾期”，“偷税”的反义词可以为“上税”，“贷款逾期”的反义词可以为“贷款按期”，那么安全因子包括“上税”和“贷款按期”，最后将“偷税”、“贷款逾期”、“上税”和“贷款按期”同时作为聚类中心进行聚类。其中，该预警风险因子的反义词可以通过一些词库来进行查找。上述举例是为了便于对本技术实施例进行说明，不应造成对本技术方案的限制。49.而之所以将安全因子也作为聚类中心是因为，分配给预警风险因子的对象可以认为是存在风险的数据，而分配给安全因子的对象可以认为是不存在风险的对象，这样可以将预警数据分为存在风险的数据以及不存在风险的数据，但最后只通过存在风险的数据对该目标对象进行后续判断是否存在风险。50.在本技术实施例中，获取至少一个预警风险因子，以及至少一个安全因子，将至少一个预警风险因子，以及至少一个安全因子作为聚类中心，形成k均值聚类模型。这样的话，可以满足k均值聚类模型的特征，将安全因子也作为聚类中心聚类可以排除没有风险的数据，方便后续对目标对象进行风险监控。51.步骤204，调用保后预警模型对预警数据进行推理，获得保后预警结果，保后预警结果用于指示对目标对象的资金流动的处理方式。52.其中，将预警数据输入保后预警模型后，调用保后预警模型对预警数据进行推理从而获得保后预警结果，其保后预警模型包括k均值聚类模型。下面对这一过程进行具体描述：53.在一个可行的实施例中，预警数据包括多个预警数据文档，调用保后预警模型对预警数据进行推理，包括：将多个预警数据文档输入k均值聚类模型，使得多个预警数据文档根据聚类中心的相似度进行聚类；获取至少一个风险类簇中每个风险类簇包括的文档数量，风险类簇为以至少一个预警风险因子作为聚类中心聚类获得的类簇；根据每个风险类簇包括的文档数量对每个风险类簇对应的预警风险因子设置权值；获取至少一个预警风险因子对应的风险值，风险值根据预警风险因子的危害程度确定；根据至少一个预警风险因子的权值和至少一个预警风险因子对应的风险值计算获得目标对象对应的预警值。54.在一个可行的实施例中，预警数据中包括的多个预警数据文档为根据多个数据来源划分的文档。55.在一些情况下，预警数据可以是获取的多个预警数据文档，或者是按照一定的规则被划分成多个预警数据文档。例如预警数据可以是从多个渠道获取的多个预警数据文档。其中，获取预警数据的数据来源包括但不限于行内数据、征信数据、税务数据、发票数据、财务数据、涉诉数据、反欺诈数据和工商数据等。或者，预警数据也可以是根据发生日期、文档主题如营收、亏损、收购等等因素划分的多个文档，在此不再赘述。在本技术实施例中，将预警数据根据多个数据来源划分为多个预警数据文档。这样的话，可以方便进行k均值聚类。56.其中，将多个预警数据文档输入k均值聚类模型，使得多个预警数据文档根据聚类中心的相似度进行聚类可以具体包括以下步骤：57.1.由于预警数据文档中难免会存在很多空格、符号、数字以及一些语气词等影响聚类的效果，因此，这里首先对多个预警数据文档进行分词处理，分词处理可以采用github上的jieba分词对文本进行分词处理，github是一个面向开源及私有软件项目的托管平台。在分词之后还可以利用一些停用词文档结合正则表达式去除语气词和数字等。58.2.对完成分词后的多个预警数据文档进行文本权重计算，这里可以使用tf-idf(term frequency–inverse document frequency)技术，tf-idf是一种用于信息检索与数据挖掘的常用加权技术，其中，tf表示词组在文档中出现的频率，idf的主要思想是：如果包含该词组的文档越少，idf越大，也就说明该词组具有很好的类别区分能力。完成文本权重计算后，构件一个向量模型，如图3所示，图3为本技术实施例提供的一种预警数据文档的结构示意图，其中，a1、a2、a3……为完成分词后的文本，b1、b2、b3……为a1、a2、a3……对应的权重值。59.3.使用k均值算法进行聚类。将预警风险因子和安全因子作为聚类中心，由于步骤2中奖预警数据文档进行了文本权重计算，那么可以通过多个聚类中心在预警数据文档中的文本权重大小判断来作为多个聚类中心与预警数据文档的距离大小判断，即聚类中心在预警数据文档中的权重越大，该聚类中心与该预警数据文档的距离越近。60.例如，请参见图4，图4为本技术实施例提供的一种聚类图的结构示意图，如图4所示，图4中包括文档1、文档2、文档3、文档4、聚类中心e和聚类中心f，其中各文档中包含聚类中心e和聚类中心f的权重值。可以看出，文档1中聚类中心e的权重值大于聚类中心f的权重值，文档2中聚类中心e的权重值大于聚类中心f的权重值，文档3中聚类中心f的权重值大于聚类中心e的权重值，文档4中聚类中心f的权重值大于聚类中心e的权重值。因此最终将文档1和文档2分配给聚类中心e，将文档3和文档4分配给聚类中心f。请参见表1，表1为本技术实施例提供的聚类图数据对照表，表1如下：61.表162.文档e权值f权值权值比较文档15030e》f文档25533e》f文档33050e《f文档43545e《f63.在完成聚类之后，可以得到每个聚类中心所对应的文档及文档数，聚类中心包含安全因子和预警风险因子，但安全因子与预警风险因子属于对立关系，即安全因子用于表征没有风险的因素，由于风险监控是针对存在风险的因素进行判断，那么通过安全因子作为聚类中心所聚类到的文档就可以选择直接剔除，而预警风险因子所聚类到的文档则作为风险类簇用于后续计算预警值。64.根据每个风险类簇中的文档数对其每个风险类簇对应的预警风险因子设定权值ci，预先对每个预警风险因子根据其危害程度设定其对应的风险值di，目标对象对应的预警值计算公式为：其中，f(x)为预警值，n表示预警风险因子对应的数量。65.在本技术实施例中，将多个预警数据文档输入k均值聚类模型，使得多个预警数据文档根据聚类中心的相似度进行聚类，获取至少一个风险类簇中每个风险类簇包括的文档数量，根据每个风险类簇包括的文档数量对每个风险类簇对应的预警风险因子设置权值，获取至少一个预警风险因子对应的风险值，根据至少一个预警风险因子的权值和至少一个预警风险因子对应的风险值计算获得目标对象对应的预警值。这样的话，可以结合预警数据和预警风险因子准确得到目标对象对应的预警值，并在后续通过预警值获得预警结果，完成风险监控。66.在一个可行的实施例中，保后预警结果包括解除预警，贷款中止，或贷款终止，获得保后预警结果包括：若预警值小于或等于第一预设阈值，则确定保后预警结果为解除预警；若预警值大于第一预设阈值，且小于第二预设阈值，则确定保后预警结果为贷款中止；若预警值大于第二预设阈值，则确定保后预警结果为贷款终止。67.具体地，可参阅表2，为本技术实施例提供的保后预警结果输出对照表，表2如下：68.表269.条件保后预警结果预警值《＝第一预设阈值解除预警第一预设阈值《预警值《第二预设阈值贷款中止第二预设阈值》＝预警值贷款终止70.其中，解除预警表示目标对象并不存在风险或存在的风险对还款行为不产生影响，贷款中止表示目标对象存在一定风险且该风险对还款行为有轻微影响，若目标对象能够证明该风险对还款行为不存在影响则可以解除贷款中止，贷款终止表示目标对象存在一定风险且该风险对还款行为有严重影响，直接停止为目标对象贷款。71.在本技术实施例中，若预警值小于或等于第一预设阈值，则确定保后预警结果为解除预警；若预警值大于第一预设阈值，且小于第二预设阈值，则确定保后预警结果为贷款中止；若预警值大于第二预设阈值，则确定保后预警结果为贷款终止。这样的话，可以直观的得到保后预警结果，并且可以通过该保后预警结果直接进行对目标对象贷款行为上的处理。72.可以看出，本技术实施例中，获取目标对象的预警数据，目标对象为完成贷款担保的对象，预警数据用于表征目标对象的资金流动相关数据；根据预警数据对目标对象进行风险评估，风险评估用于确定目标对象是否存在资金流动风险；若目标对象存在资金流动风险，则将预警数据输入保后预警模型；调用保后预警模型对预警数据进行推理，获得保后预警结果，保后预警结果用于指示对目标对象的资金流动的处理方式。采用上述方法，通过对目标用户的初始评估确认其存在一定风险后再通过保后预警模型对预警数据进行推理，可以有效的提高工作效率并且能够及时发现早期预警信号，积极采取相应补救措施。73.与上述图1～图4对应实施例一致的，请参阅图5，图5为本技术实施例提供的一种贷款担保后的风险监控装置500的结构示意图，如图5所示，其中包括：74.获取单元501，用于获取目标对象的预警数据，目标对象为完成贷款担保的对象，预警数据用于表征目标对象的资金流动相关数据；75.评估单元502，用于根据预警数据对目标对象进行风险评估，风险评估用于确定目标对象是否存在资金流动风险；76.输入单元503，用于若目标对象存在资金流动风险，则将预警数据输入保后预警模型；77.推理单元504，用于调用保后预警模型对预警数据进行推理，获得保后预警结果，保后预警结果用于指示对目标对象的资金流动的处理方式。78.可以看出，在本技术实施例中，获取单元501，用于获取目标对象的预警数据，目标对象为完成贷款担保的对象，预警数据用于表征目标对象的资金流动相关数据；评估单元502，用于根据预警数据对目标对象进行风险评估，风险评估用于确定目标对象是否存在资金流动风险；输入单元503，用于若目标对象存在资金流动风险，则将预警数据输入保后预警模型；推理单元504，用于调用保后预警模型对预警数据进行推理，获得保后预警结果，保后预警结果用于指示对目标对象的资金流动的处理方式。采用上述方法，通过对目标用户的初始风险确认其存在一定风险后再通过保后预警模型对预警数据进行推理，可以有效的提高工作效率并且能够及时发现早期预警信号，积极采取相应补救措施。79.在一个可行的实施例中，评估单元502具体用于：80.根据预警数据对目标对象进行风险评估，包括：获取至少一个预警风险因子，预警风险因子用于表征可能存在风险的因素；将至少一个预警风险因子与预警数据进行关键字匹配；根据关键字匹配结果确定目标对象是否存在资金流动风险。81.在一个可行的实施例中，评估单元502具体用于：82.根据关键字匹配结果确定目标对象是否存在资金流动风险，包括：若至少一个预警风险因子中任意一个预警风险因子与预警数据关键字匹配成功，则确定目标对象存在资金流动风险。83.在一个可行的实施例中，保后预警模型包括k均值聚类模型，方法还包括：获取至少一个预警风险因子，以及至少一个安全因子，至少一个安全因子根据至少一个预警风险因子的反义词形成，且至少一个安全因子与至少一个预警风险因子一一对应；将至少一个预警风险因子，以及至少一个安全因子作为聚类中心，形成k均值聚类模型。84.在一个可行的实施例中，预警数据包括多个预警数据文档，调用保后预警模型对预警数据进行推理，包括：将多个预警数据文档输入k均值聚类模型，使得多个预警数据文档根据聚类中心的相似度进行聚类；获取至少一个风险类簇中每个风险类簇包括的文档数量，风险类簇为以至少一个预警风险因子作为聚类中心聚类获得的类簇；根据每个风险类簇包括的文档数量对每个风险类簇对应的预警风险因子设置权值；获取至少一个预警风险因子对应的风险值，风险值根据预警风险因子的危害程度确定；根据至少一个预警风险因子的权值和至少一个预警风险因子对应的风险值计算获得目标对象对应的预警值。85.在一个可行的实施例中，保后预警结果包括解除预警，贷款中止，或贷款终止，获得保后预警结果包括：若预警值小于或等于第一预设阈值，则确定保后预警结果为解除预警；若预警值大于第一预设阈值，且小于第二预设阈值，则确定保后预警结果为贷款中止；若预警值大于第二预设阈值，则确定保后预警结果为贷款终止。86.在一个可行的实施例中，预警数据中包括的多个预警数据文档为根据多个数据来源划分的文档。87.与上述图1～图4对应实施例一致的，请参阅图6，图6是本技术实施例提供的一种电子装置600的结构示意图，如图6所示：该装置包括处理器、存储器、通信接口，处理器、存储器和通信接口相互连接，并且完成相互间的通信工作；88.存储器上存储有可执行程序代码，通信接口用于进行无线通信；89.处理器用于调取存储器上存储的可执行程序代码，执行如上述方法实施例中记载的任何一种贷款担保后的风险监控方法的部分或全部步骤，上述计算机包括电子终端设备。90.其中，存储器可以是易失性存储器如动态随机存储器dram，也可以是非易失性存储器如机械硬盘。上述存储器用于存储一组可执行程序代码，上述处理器用于调用存储器中存储的可执行程序代码，可以执行包括以下操作：91.获取目标对象的预警数据，目标对象为完成贷款担保的对象，预警数据用于表征目标对象的资金流动相关数据；根据预警数据对目标对象进行风险评估，风险评估用于确定目标对象是否存在资金流动风险；若目标对象存在资金流动风险，则将预警数据输入保后预警模型；调用保后预警模型对预警数据进行推理，获得保后预警结果，保后预警结果用于指示对目标对象的资金流动的处理方式。92.在一个可行的实施例中，上述存储器用于存储一组可执行程序代码，上述处理器用于调用存储器中存储的可执行程序代码，用于：根据预警数据对目标对象进行风险评估，包括：获取至少一个预警风险因子，预警风险因子用于表征可能存在风险的因素；将至少一个预警风险因子与预警数据进行关键字匹配；根据关键字匹配结果确定目标对象是否存在资金流动风险。93.在一个可行的实施例中，上述存储器用于存储一组可执行程序代码，上述处理器用于调用存储器中存储的可执行程序代码，用于：根据关键字匹配结果确定目标对象是否存在资金流动风险，包括：若至少一个预警风险因子中任意一个预警风险因子与预警数据关键字匹配成功，则确定目标对象存在资金流动风险。94.在一个可行的实施例中，上述存储器用于存储一组可执行程序代码，上述处理器用于调用存储器中存储的可执行程序代码，用于：保后预警模型包括k均值聚类模型，方法还包括：获取至少一个预警风险因子，以及至少一个安全因子，至少一个安全因子根据至少一个预警风险因子的反义词形成，且至少一个安全因子与至少一个预警风险因子一一对应；将至少一个预警风险因子，以及至少一个安全因子作为聚类中心，形成k均值聚类模型。95.在一个可行的实施例中，上述存储器用于存储一组可执行程序代码，上述处理器用于调用存储器中存储的可执行程序代码，用于：预警数据包括多个预警数据文档，调用保后预警模型对预警数据进行推理，包括：将多个预警数据文档输入k均值聚类模型，使得多个预警数据文档根据聚类中心的相似度进行聚类；获取至少一个风险类簇中每个风险类簇包括的文档数量，风险类簇为以至少一个预警风险因子作为聚类中心聚类获得的类簇；根据每个风险类簇包括的文档数量对每个风险类簇对应的预警风险因子设置权值；获取至少一个预警风险因子对应的风险值，风险值根据预警风险因子的危害程度确定；根据至少一个预警风险因子的权值和至少一个预警风险因子对应的风险值计算获得目标对象对应的预警值。96.在一个可行的实施例中，上述存储器用于存储一组可执行程序代码，上述处理器用于调用存储器中存储的可执行程序代码，用于：保后预警结果包括解除预警，贷款中止，或贷款终止，获得保后预警结果包括：若预警值小于或等于第一预设阈值，则确定保后预警结果为解除预警；若预警值大于第一预设阈值，且小于第二预设阈值，则确定保后预警结果为贷款中止；若预警值大于第二预设阈值，则确定保后预警结果为贷款终止。97.在一个可行的实施例中，预警数据中包括的多个预警数据文档为根据多个数据来源划分的文档。98.本技术实施例提供了一种计算机可读存储介质，其中，计算机可读存储介质中存储有程序数据，该程序数据在被处理器执行时，用于执行上述方法实施例中记载的任何一种贷款担保后的风险监控方法的部分或全部步骤。99.需要说明的是，对于前述的任一种贷款担保后的风险监控方法的实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本技术所必须的。100.尽管在此结合各实施例对本技术进行了描述，然而，在实施所要求保护的本技术过程中，本领域技术人员通过查看附图、公开内容、以及所附权利要求书，可理解并实现所公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。101.本领域普通技术人员可以理解上述任一种贷款担保后的风险监控方法的方法实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：read-only memory，简称：rom)、随机存取器(英文：random access memory，简称：ram)、磁盘或光盘等。102.以上对本技术实施例进行了详细介绍，本文中应用了具体个例对本技术一种贷款担保后的风险监控方法及装置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技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术一种贷款担保后的风险监控方法及装置的思想，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技术的限制。103.本技术是参照本技术实施例的方法、硬件产品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。104.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。105.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。106.可以理解的是，凡是被控制或者被配置以用于执行本技术一种贷款担保后的风险监控方法的方法实施例所描述的流程图的处理方法的产品，如上述流程图的终端以及计算机程序产品，均属于本技术所描述的相关产品的范畴。107.显然，本领域的技术人员可以对本技术提供的一种贷款担保后的风险监控方法及装置进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!