[發(fā)明專利]一種用戶信用模型建立方法及裝置

有效

• 申請?zhí)枺?/td>: 201610154184.6
• 申請日: 2016-03-17
• 公開（公告）號: CN107203916B
• 公開（公告）日: 2020-09-01
• 發(fā)明（設(shè)計）人: 杜瑋;王曉光;施興;張柯;余舟華;楊強鵬;李文鵬;陳琰;漆遠(yuǎn)
• 申請（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 北京博思佳知識產(chǎn)權(quán)代理有限公司 11415
• 代理人: 林祥

本申請涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種用戶信用模型建立方法及裝置，用以解決現(xiàn)有技術(shù)中使用統(tǒng)一的信用模型計算出來的用戶信用分值準(zhǔn)確度較低的問題。本申請實施例提供一種用戶信用模型建立方法，包括：從用戶數(shù)據(jù)庫中，選取至少一個用戶作為一個簇中的核心對象；針對簇中的每個核心對象，根據(jù)該核心對象和所述用戶數(shù)據(jù)庫中除簇中的核心對象外的其它各個用戶分別在多種特征參數(shù)下的特征值，確定所述其它各個用戶分別與該核心對象之間的相似度，并根據(jù)所述其它各個用戶分別與該核心對象之間的相似度，確定劃分到所述簇中的其它用戶；采用所述簇對應(yīng)的建模方式，建立針對所述簇中各個用戶的用戶信用模型。

技術(shù)領(lǐng)域

本申請涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種用戶信用模型建立方法及裝置。

背景技術(shù)

當(dāng)前互聯(lián)網(wǎng)金融的最大風(fēng)險是用戶信用風(fēng)險，建立一個良好的信用評估體系對于互聯(lián)網(wǎng)金融的健康發(fā)展具有重大意義。

現(xiàn)行的信用評估系統(tǒng)通常需要基于預(yù)先訓(xùn)練好的用戶信用模型計算用戶的信用分值。用戶信用模型的訓(xùn)練離不開大數(shù)據(jù)的支持，除了直接相關(guān)的信貸數(shù)據(jù)，在信用模型訓(xùn)練中還會引入大量非結(jié)構(gòu)化的信用弱相關(guān)數(shù)據(jù)，

現(xiàn)有的信用評估系統(tǒng)一般針對所有用戶使用統(tǒng)一的信用模型，也即在一套評分體系中完成對所有人群的信用評估。然而針對具有不同的群體特性的人群，統(tǒng)一的普適性模型往往無法很好地刻畫所有用戶的信用情況，使用統(tǒng)一的信用模型計算出來的用戶信用分值準(zhǔn)確度較低。

發(fā)明內(nèi)容

本申請實施例提供一種用戶信用模型建立方法及裝置，用以解決現(xiàn)有技術(shù)中使用統(tǒng)一的信用模型計算出來的用戶信用分值準(zhǔn)確度較低的問題。

本申請實施例提供一種用戶信用模型建立方法，包括：

從用戶數(shù)據(jù)庫中，選取至少一個用戶作為一個簇中的核心對象；

針對所述簇中的核心對象，根據(jù)該核心對象和所述用戶數(shù)據(jù)庫中除所述簇中的核心對象外的其它各個用戶分別在多種特征參數(shù)下的特征值，確定所述其它各個用戶分別與該核心對象之間的相似度，并根據(jù)所述其它各個用戶分別與該核心對象之間的相似度，確定劃分到所述簇中的其它用戶；

采用所述簇對應(yīng)的建模方式，建立針對所述簇中各個用戶的用戶信用模型。

可選地，所述從用戶數(shù)據(jù)庫中，選取至少一個用戶作為一個簇中的核心對象，包括：

從用戶數(shù)據(jù)庫中，選取在至少一種指定特征參數(shù)下的特征值符合預(yù)設(shè)的取值區(qū)間的用戶，并將選取的用戶作為一個簇中的核心對象。

可選地，根據(jù)該核心對象和所述其它各個用戶分別在多種特征參數(shù)下的特征值，確定所述其它各個用戶分別與該核心對象之間的相似度，包括：

根據(jù)該核心對象和所述其它各個用戶分別在多種特征參數(shù)下的特征值，以及其中每種特征參數(shù)的權(quán)重，確定所述其它各個用戶分別與該核心對象之間的相似度；其中，在所述多種特征參數(shù)中所述至少一種指定特征參數(shù)的權(quán)重大于其它特征參數(shù)的權(quán)重。

可選地，所述從用戶數(shù)據(jù)庫中，選取至少一個用戶作為一個簇中的核心對象，包括：

從用戶數(shù)據(jù)庫中選取至少一個指定用戶作為一個簇中的核心對象。

可選地，所述根據(jù)所述其它各個用戶分別與該核心對象之間的相似度，確定劃分到所述簇中的其它用戶，包括：

若與所述核心對象之間的相似度大于設(shè)定相似度閾值的鄰域用戶的數(shù)量大于設(shè)定數(shù)量閾值，則將該核心對象的鄰域用戶劃分到候選集中；

從所述候選集中選取一個用戶，若與選取的用戶之間的相似度大于設(shè)定相似度閾值的領(lǐng)域用戶的數(shù)量大于設(shè)定數(shù)量閾值，則將所述選取的用戶從所述候選集中移入到所述簇中，并將所述選取的用戶的鄰域用戶中未移入所述簇中的鄰域用戶劃分到所述候選集中，否則，將所述選取的用戶作為噪聲從所述候選集中移入到噪聲集中；