本数据集基于我司大阳智投软件体系的用户行为日志、聊天记录文本，经清洗、脱敏、加工处理后，对用户进行风险判定与标签标注，形成用于用户风险识别、异常行为检测及风险模型训练优化的标准化数据集，数据已脱敏处理，权属清晰。具体数据包含用户唯一身份标识、风险等级、风险状态值。

本数据集的数据处理以我司大阳智投软件体系内用户合法授权的日常行为日志、聊天记录文本为基础，严格遵循合规性要求，经数据采集、清洗、加工整合及算法分析，对用户行为进行风险判定与等级标注，具体规则如下： 1.从业务系统、APP 行为数据、会话存档等多数据源采集客户行为数据。 2.对数据进行清洗，去重复记录、填补缺失值、异常值检测与处理、敏感信息脱敏。 3.脱敏用户身份信息，提取风险测评、会话存档等数据，作为风险标签算法的基础材料。 4.依托规则引擎构建身份及风险测评风险智能识别体系，通过多维度硬规则阈值，全量校验用户年龄、职业、地域等属性，精准拦截各类风险场景；结合大数据实时计算，实现风险标签动态更新与全天候自动化监控标注。 5.依托 NLP 技术构建聊天文本风险识别体系，通过 “文本预处理 + 规则引擎 + 语义理解” 架构，覆盖情绪、敏感意图、内容矛盾三大场景，结合双渠道扫描与协同联动，实现全维度风险扫描与实时标注，为金融合规风控提供支撑。 6.示例说明：以user_id为39dc35d1d306619dbc83ed0edddb9444的风险用户为例，风险等级为低风险。

用户风险标签数据集作为我司风控体系核心数据资产，主要应用于内部风控管理、业务合规运营及模型迭代优化三大场景，为 “大阳智投软件体系” 提供精准数据决策支撑，具体如下： 1.精准化用户风险识别 依托数据集标准化风险标签、等级及类型，建立自动化风险筛查机制，快速定位高风险用户，提前预判潜在业务风险。 2.全流程异常行为检测 将数据集与用户实时行为日志深度联动，辅助监测用户在平台内的各类异常操作与违规行为。通过风险标签的动态匹配，为风控人员的及时介入、精准处置提供明确的数据依据，构建全方位、全流程的主动防御体系。 3.风控模型的训练与迭代 以数据集为核心训练样本，优化风控模型算法逻辑，提升模型风险识别精度与泛化能力。 4.合规化业务展业管控 基于风险标注结果建立业务准入退出机制，对高风险用户自动触发管控，阻断违规风险，保障业务合规安全。 5.内部管理决策支撑 为我司的用户分层管理、合规审核流程优化、产品服务调整等内部决策提供坚实的数据支撑。通过量化用户风险分布情况，助力公司优化资源配置，合理管控运营成本，有效降低整体合规风险。

39dc35d1d306619dbc83ed0edddb9444 1 1 7d02c88871ebf87a5243caba00b97025 3 1 7d02c88871ebf87a5243caba00b97025 3 1 3e5712f68feda434628d784c74db0267 3 1 4eb36d5ad043cfbac4c70b44d014d6d1 3 1

表名：ads_tag_all_user_common_tags `user_id` varchar(128) NOT NULL COMMENT '用户唯一身份标识', `jt_risk_level` int(11) DEFAULT '0' COMMENT '风险等级', `value` varchar(64) DEFAULT NULL COMMENT '状态值1=风险客户,0=非风险客', 39dc35d1d306619dbc83ed0edddb9444：'用户唯一身份标识', 1：风险等级，低风险， 1：'标签值风险客户'