技术摘要：
本发明提供了一种基于APP的智能化用户职业判断方法、装置和电子设备。该方法包括：设定用户职业分类策略，筛选种子APP，并构建种子APP模型；对种子APP模型进行扩增处理，以获得种子APP分类模型，种子APP分类模型用于根据用户的APP安装列表信息中APP信息判断用户职业类  全部
背景技术：
金融平台存在大量信息缺失的用户，用户信息缺失使金融平台对于用户授信额度 和用户还款能力的评估出现偏差，不利于金融平台的风险控制。如果用户职业信息缺失，金 融平台难以准确估计用户的收入水平，进而难以精准评估用户资质，对用户资质判断失误， 将坏客户划分为好客户，则存在资源分配后难以收回的情况，对金融平台造成严重的经济 损失。 现有技术中对于职业信息多采用手工填报的形式，对于用户真实的职业倾向和岗 位，缺乏验证，甚至无法验证用户的职业和填报职业的差异。此外，现有方法对用户职业的 判断准确率不高，用户职业标签在用户标签系统的覆盖率也不高。 因此，有必要提供一种更为准确的且智能化的用户职业判断方法。
技术实现要素：
本发明旨在解决现有的用户职业判断方法耗费人力、准确度低、智能化水平不高 的问题。 为了解决上述问题，本发明提供了一种基于APP的智能化用户职业判断方法，包 括：设定用户职业分类策略，筛选种子APP，并构建种子APP模型；对所述种子APP模型进行扩 增处理，以获得种子APP分类模型，所述种子APP分类模型用于根据用户的APP安装列表信息 中APP信息判断用户职业类别；获取目标用户的APP安装列表信息，自动将所述APP安装列表 信息中相应APP信息进行文本向量化；使用所述种子APP分类模型，对所述目标用户的APP安 装列表信息中APP进行分类和量化计算；基于预设判别规则，判断所述目标用户的职业类 别。 优选地，所述对所述种子APP模型进行扩增处理包括：设定与不同用户职业类别对 应的相似度阈值；使用word2-vector将用户的APP安装列表信息中的各个APP信息文本向量 化，进行向量相似度计算，获得不同用户职业类别下的大于各设定相似度阈值的相似种子 APP，以进行种子APP扩增处理。 优选地，还包括：重复进行种子APP扩增处理，直到每个用户职业类别的种子APP的 数量大于特定数量。 优选地，还包括：基于对目标用户的APP安装列表信息中APP的分类结果，进一步计 算不同用户职业类别下种子APP的信息量；所述预设判别规则包括将种子APP的信息量最大 的用户职业类别作为所述目标用户的职业类别。 优选地，还包括：基于职业类别的判断结果，使用自适应算法，对所述目标用户的 金融资源审批和风险评估进行评估。 4 CN 111597343 A 说　明　书 2/9 页 优选地，所述APP文本信息包括APP名称和/或APP简介。 优选地，所述APP安装列表信息是通过数据筛选规则筛选后的APP安装列表信息。 优选地，所述数据筛选规则是通过特定时间、地域或应用场景筛选APP安装列表信 息。 此外，本发明还提供了一种基于APP的智能化用户职业判断装置，包括：第一处理 模块，用于设定用户职业分类策略，筛选种子APP，并构建种子APP模型；构建模块，用于对所 述种子APP模型进行扩增处理，以获得种子APP分类模型，所述种子APP分类模型用于根据用 户的APP安装列表信息中APP信息判断用户职业类别；第二处理模块，用于获取目标用户的 APP安装列表信息，自动将所述APP安装列表信息中相应APP信息进行文本向量化；分类计算 模块，用于使用所述种子APP分类模型，对所述目标用户的APP安装列表信息中APP进行分类 和量化计算；判断模块，基于预设判别规则，判断所述目标用户的职业类别。 优选地，还包括设定模块，所述设定模块用于设定与不同用户职业类别对应的相 似度阈值；使用word2-vector将用户的APP安装列表信息中的各个APP信息文本向量化，进 行向量相似度计算，获得不同用户职业类别下的大于各设定相似度阈值的相似种子APP，以 进行种子APP扩增处理。 优选地，所述预设判断规则包括：重复进行种子APP扩增处理，直到每个用户职业 类别的种子APP的数量大于特定数量。 优选地，还包括：基于对目标用户的APP安装列表信息中APP的分类结果，进一步计 算不同用户职业类别下种子APP的信息量；所述预设判别规则包括将种子APP的信息量最大 的用户职业类别作为所述目标用户的职业类别。 优选地，还包括分析模块，所述分析模块用于基于职业类别的判断结果，使用自适 应算法，对所述目标用户的金融资源审批和风险评估进行评估。 优选地，所述APP文本信息包括APP名称和/或APP简介。 优选地，所述APP安装列表信息是通过数据筛选规则筛选后的APP安装列表信息。 优选地，所述数据筛选规则是通过特定时间、地域或应用场景筛选APP安装列表信 息。 此外，本发明还提供了一种电子设备，其中，该电子设备包括：处理器；以及，存储 计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行本发明所述的 用户职业判断方法。 此外，本发明还提供了一种计算机可读存储介质，其中，所述计算机可读存储介质 存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现本发明所述的用户职 业判断方法。 有益效果 与现有技术相比，本发明的智能化用户职业判断方法通过构建种子APP模型，使用 word2-vector扩增种子APP模型以得到种子APP分类模型，再使用扩增后的种子APP分类模 型对用户的APP安装列表信息进行分类，确定用户在不同职业类别下所包含种子APP的信息 量，以判断用户的职业类别，有效降低了人工干预的误差，提高了用户职业挖掘效率和精准 性；判断用户的职业类别或职业倾向，自适应地分析不同职业用户的风险水平，有利于进一 步的的定向风险布控，实现风险管控的闭环运行，降低人工风险；还能够验证用户的职业和 5 CN 111597343 A 说　明　书 3/9 页 填报职业的差异，从而对用户的风险更有效的甄别。 附图说明 为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚， 下面将参照附图详细描述本发明的具体实施例。但需声明的是，下面描述的附图仅仅是本 发明本发明示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前 提下，可以根据这些附图获得其他实施例的附图。 图1是本发明的基于APP的智能化用户职业判断方法的一示例的流程图。 图2是本发明的历史用户的APP文本信息的示例的示意性图。 图3是本发明的基于APP的智能化用户职业判断方法的另一示例的流程图。 图4是本发明的实施例2的基于APP的智能化用户职业判断装置的一示例的示意 图。 图5是本发明的实施例2的基于APP的智能化用户职业判断装置的另一示例的示意 图。 图6是本发明的实施例2的基于APP的智能化用户职业判断装置的又一示例的示意 图。 图7是根据本发明的一种电子设备的示例性实施例的结构框图。 图8是根据本发明的计算机可读介质的示例性实施例的结构框图。