[發(fā)明專利]排序校準(zhǔn)方法、裝置及服務(wù)器

在審

• 申請?zhí)枺?/td>: 201610496081.8
• 申請日: 2016-06-28
• 公開（公告）號: CN107545500A
• 公開（公告）日: 2018-01-05
• 發(fā)明（設(shè)計(jì)）人: 杜瑋;趙星
• 申請（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02
• 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: 王茹

技術(shù)領(lǐng)域

本申請涉及信息處理技術(shù)領(lǐng)域，尤其涉及排序校準(zhǔn)方法、裝置及服務(wù)器。

背景技術(shù)

信用是整個社會的基礎(chǔ)設(shè)施，在互聯(lián)網(wǎng)金融和大數(shù)據(jù)的推動下，我們進(jìn)入了互聯(lián)網(wǎng)信用時代。

目前，可以通過信用值對用戶進(jìn)行信用評級。例如，可以根據(jù)用戶行為數(shù)據(jù)確定用戶的信用值。進(jìn)一步的，為了提高獲得信用值的準(zhǔn)確性，可以根據(jù)用戶行為數(shù)據(jù)以及用戶信息將用戶進(jìn)行劃分獲得不同的群組，每個群組分別訓(xùn)練出一個評估模型，可以簡稱為分群模型。每個分群模型可以包括多個模塊，每個模塊用于確定每個維度的信用分值，每個分群模型計(jì)算出來的信用總值由多個模塊計(jì)算出來的信用分值組成。不同群組對應(yīng)的分群模型不同，每個分群模型所包括的模塊的類型相同、且信用總值的范圍相同，但不同分群模型中模塊的評估策略可能不同。按信用分值的大小進(jìn)行排序可以獲得每個信用分值的順序值。在確定各個信用分值的順序值后，可以根據(jù)各信用分值繪制該用戶的雷達(dá)圖。

可見，當(dāng)兩個用戶從屬于不同群組時，用戶的信用總值是由不同分群模型確定的。不同的分群模型，其每個模塊的信用分值的重要性可能不同、分值范圍可能不同，因此無法將不同分群模型的同一模塊的信用分值的順序值進(jìn)行比較。

發(fā)明內(nèi)容

本申請?zhí)峁┡判蛐?zhǔn)方法、裝置及服務(wù)器，以解決現(xiàn)有技術(shù)中不同分群模型的同一模塊的信用分值的順序值不具有可比性的問題。

根據(jù)本申請實(shí)施例的第一方面，提供一種排序校準(zhǔn)方法，包括：

獲取用戶的目標(biāo)信用總值、目標(biāo)信用分值和目標(biāo)信用分值的順序值，所述目標(biāo)信用總值是所述用戶所屬群組的分群模型確定的該用戶的信用總值，所述目標(biāo)信用分值是所述用戶所屬群組的分群模型確定的該用戶的信用分值，所述目標(biāo)信用分值的順序值是將同一群組內(nèi)同一類信用分值按大小排列后所述目標(biāo)信用分值所對應(yīng)的順序值；

根據(jù)所述用戶的目標(biāo)信用總值、目標(biāo)信用分值和預(yù)設(shè)校準(zhǔn)策略對所述順序值進(jìn)行校準(zhǔn)，所述預(yù)設(shè)校準(zhǔn)策略是使信用總值高、信用分值低的用戶的信用分值的順序值增大，使信用總值低、信用分值高的用戶的信用分值的順序值減小的策略。

根據(jù)本申請實(shí)施例的第二方面，提供一種排序校準(zhǔn)裝置，所述裝置包括：

信息獲取模塊，用于獲取用戶的目標(biāo)信用總值、目標(biāo)信用分值和目標(biāo)信用分值的順序值，所述目標(biāo)信用總值是所述用戶所屬群組的分群模型確定的該用戶的信用總值，所述目標(biāo)信用分值是所述用戶所屬群組的分群模型確定的該用戶的信用分值，所述目標(biāo)信用分值的順序值是將同一群組內(nèi)同一類信用分值按大小排列后所述目標(biāo)信用分值所對應(yīng)的順序值；

信息校準(zhǔn)模塊，用于根據(jù)所述用戶的目標(biāo)信用總值、目標(biāo)信用分值和預(yù)設(shè)校準(zhǔn)策略對所述順序值進(jìn)行校準(zhǔn)，所述預(yù)設(shè)校準(zhǔn)策略是使信用總值高、信用分值低的用戶的信用分值的順序值增大，使信用總值低、信用分值高的用戶的信用分值的順序值減小的策略。

根據(jù)本申請實(shí)施例的第三方面，提供一種服務(wù)器，包括：

處理器；用于存儲所述處理器可執(zhí)行指令的存儲器；

其中，所述處理器被配置為：

獲取用戶的目標(biāo)信用總值、目標(biāo)信用分值和目標(biāo)信用分值的順序值，所述目標(biāo)信用總值是所述用戶所屬群組的分群模型確定的該用戶的信用總值，所述目標(biāo)信用分值是所述用戶所屬群組的分群模型確定的該用戶的信用分值，所述目標(biāo)信用分值的順序值是將同一群組內(nèi)同一類信用分值按大小排列后所述目標(biāo)信用分值所對應(yīng)的順序值；

根據(jù)所述用戶的目標(biāo)信用總值、目標(biāo)信用分值和預(yù)設(shè)校準(zhǔn)策略對所述順序值進(jìn)行校準(zhǔn)，所述預(yù)設(shè)校準(zhǔn)策略是使信用總值高、信用分值低的用戶的信用分值的順序值增大，使信用總值低、信用分值高的用戶的信用分值的順序值減小的策略。

應(yīng)用本申請實(shí)施例排序校準(zhǔn)方法、裝置及服務(wù)器時，通過獲取用戶的目標(biāo)信用總值、目標(biāo)信用分值和目標(biāo)信用分值的順序值，并根據(jù)用戶的目標(biāo)信用總值、目標(biāo)信用分值和預(yù)設(shè)校準(zhǔn)策略對順序值進(jìn)行校準(zhǔn)，由于根據(jù)目標(biāo)信用總值進(jìn)行校準(zhǔn)，不同分群模型中信用總值的范圍相同，因此校準(zhǔn)后的順序值之間具有可比性。

應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本申請。

附圖說明

此處的附圖被并入說明書中并構(gòu)成本說明書的一部分，示出了符合本申請的實(shí)施例，并與說明書一起用于解釋本申請的原理。

圖1為本申請排序校準(zhǔn)方法中各數(shù)據(jù)的關(guān)系示意圖。

圖2為本申請排序校準(zhǔn)方法的一個實(shí)施例流程圖。

圖3為本申請確定校準(zhǔn)因子的一個實(shí)施例流程圖。