[發明專利]一種互聯網征信評估方法和系統

在審

• 申請號: 201710117748.3
• 申請日: 2017-03-01
• 公開（公告）號: CN108537397A
• 公開（公告）日: 2018-09-14
• 發明（設計）人: 黎新
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 深圳翼盛智成知識產權事務所(普通合伙) 44300
• 代理人: 黃威

本發明實施例公開了一種互聯網征信評估方法和系統；本發明實施例在得到訓練數據集后，可以按照預設策略為該訓練數據集中的各個訓練樣本設置權重，然后，采用帶權重的訓練數據集對預設評估模型進行訓練，得到訓練后評估模型，并基于該訓練后評估模型對用戶的互聯網征信進行評估；該方案可以大大提高評估的合理性和準確性，改善應用效果。

技術領域

本發明涉及通信技術領域，具體涉及一種互聯網征信評估方法和系統。

背景技術

隨著大數據時代的來臨，互聯網征信的應用也越來越為廣泛，其除了可以應用于互聯網金融之外，還可以覆蓋到其他的生活場景，比如打車、租車或酒店預訂等，因此，如何保證互聯網征信評估的準確和公平，也逐漸成為人們所關注的問題。

在現有技術中，一般可以通過收集用戶的在訓練期的行為數據作為訓練數據集，然后，從中提取用戶特征，利用決策樹、以及邏輯回歸等機器學習算法，來建立信用評分模型，并基于該信用評分模型對用戶的信用進行評估。其中，訓練數據集由違約用戶和非違約用戶組成，并切分成訓練集和驗證集，訓練集用于訓練模型，驗證集用于對得到的模型進行評估，而評估的標準就是在驗證集上的預測誤差盡量小，該預測誤差主要是預測違約情況(即預測用戶是否違約)與真實違約情況的差異。

在對現有技術的研究和實踐過程中，本發明的發明人發現，現有的互聯網征信評估不夠合理，準確性不高，導致應用效果不佳。

發明內容

本發明實施例提供一種互聯網征信評估方法和系統，可以提高評估的合理性和準確性，改善應用效果。

本發明實施例提供一種互聯網征信評估方法，包括：

獲取多個用戶數據，所述用戶數據包括用戶的屬性數據、行為數據和信用記錄；

從所述用戶數據中選擇訓練樣本，得到訓練數據集；

按照預設策略為所述訓練數據集中的各個訓練樣本設置權重，得到帶權重的訓練數據集；

采用帶權重的訓練數據集對預設評估模型進行訓練，得到訓練后評估模型；

基于所述訓練后評估模型對用戶的互聯網征信進行評估。

本發明實施例還提供一種互聯網征信評估系統，包括：

獲取單元，用于獲取多個用戶數據，所述用戶數據包括用戶的屬性數據、行為數據和信用記錄；

選擇單元，用于從所述用戶數據中選擇訓練樣本，得到訓練數據集；

設置單元，用于按照預設策略為所述訓練數據集中的各個訓練樣本設置權重，得到帶權重的訓練數據集；

訓練單元，用于采用帶權重的訓練數據集對預設評估模型進行訓練，得到訓練后評估模型；

評估單元，用于基于所述訓練后評估模型對用戶的互聯網征信進行評估。

本發明實施例在得到訓練數據集后，可以按照預設策略為該訓練數據集中的各個訓練樣本設置權重，然后，采用帶權重的訓練數據集對預設評估模型進行訓練，得到訓練后評估模型，并基于該訓練后評估模型對用戶的互聯網征信進行評估；由于該方案可以按照預設策略為各個訓練樣本設置權重，再據此進行模型訓練，因此，有利于對不同訓練樣本的違約影響進行區分，相對于現有只考慮訓練樣本是否違約的評估方案而言，可以大大提高評估的合理性和準確性，改善應用效果。

附圖說明

為了更清楚地說明本發明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1a是本發明實施例提供的互聯網征信評估方法的框架圖；