【983】大数据实操：社交数据在征信领域的分析应用(3)
|
把非常有影响力社交网络的成果进行具体应用，就是把挖掘出来的结果作用到整个前端的社交网络用户。具体案例就是如用户的某个同事，他们并不是直接的好友关系，但社交网络软件会知道这期间的潜在关系，或自动分到同事分组并同时加上备注。 社交网络圈子可以做到除了它自己本身之外，也会把它作用到很多场其他景里去，比如说用它来挖掘学历的信息，基于圈子好友的备注，如说很多人把这个用户备注成一个本科同学，那系统可能会判断其学历是本科学历。数据覆盖率大概能覆盖74%，准确到90%以上。 社交网络拓扑的应用 社交网络拓扑的应用无外乎有两种，其一是是判断拓扑的类型，其二是研究这些类型在这个关系链里的影响力。比较有标志性的拓扑类型有三角形和心型两种结构。 五、模型建设及应用 那么要如何把个体用户画像和社交圈子的研究，用到模型中去呢？首先要做的事情就是先建立一个社交模型，但在建模之前要做一些基本假设，如两个社交网络号码是属于同一个人的话有一些比较明显的特征，第一个他会经常在同一个设备里面登陆，或者在同样的IP里面登陆，或者它有其他特征的表现等等。最后把这些特征用来建立模型，去判断说某几个社交网号码背后对应的到底是不是同样一个人，这个的准确率大概是85%，覆盖率是75%左右。 变量衍生与模型结果 模型整体效果
征信模型运用到这个互联网金融软件中的具体应用流程，如上面产品截图所示。打开社交软件如果能够看到这个互联网金融软件入口，说明是在社交网络后台筛选出的白名单里面。只要用户点击了申请开通，它会马上算一个额度出来，如果用户要借款，可以快速绑定绑定用户银行卡，系统会在几分钟之内会把用户的借款打到账上。其实这个相对于去传统银行借款的话，效率有了一个质的飞跃。但其前台产品表现得越简单，它背后的技术可能是越复杂的技术。征信模型的背后技术就是为了筛选具有良好信用的用户，为这些用户提供贷款服务。 作者：刘黎春 文章来源：大数据文摘 （编辑：ASP站长网） |
对话黄仁勋全解元宇宙
怎样理解你的DBA
跟随云时代玩转大数据