[發(fā)明專(zhuān)利]基于多機(jī)器學(xué)習(xí)模型并行的風(fēng)控模型應(yīng)用方法和系統(tǒng)在審
| 申請(qǐng)?zhí)枺?/td> | 201711184294.8 | 申請(qǐng)日: | 2017-11-23 |
| 公開(kāi)(公告)號(hào): | CN107730154A | 公開(kāi)(公告)日: | 2018-02-23 |
| 發(fā)明(設(shè)計(jì))人: | 蔣宏 | 申請(qǐng)(專(zhuān)利權(quán))人: | 安趣盈(上海)投資咨詢有限公司 |
| 主分類(lèi)號(hào): | G06Q10/06 | 分類(lèi)號(hào): | G06Q10/06 |
| 代理公司: | 北京市漢坤律師事務(wù)所11602 | 代理人: | 段志超 |
| 地址: | 200062 上海市*** | 國(guó)省代碼: | 上海;31 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 機(jī)器 學(xué)習(xí) 模型 并行 應(yīng)用 方法 系統(tǒng) | ||
技術(shù)領(lǐng)域
本發(fā)明涉及一種風(fēng)險(xiǎn)評(píng)估的方法和系統(tǒng)。
背景技術(shù)
信貸風(fēng)險(xiǎn)控制對(duì)經(jīng)濟(jì)健康持續(xù)發(fā)展有很重要的意義。信用風(fēng)險(xiǎn)評(píng)估是進(jìn)行信貸風(fēng)險(xiǎn)控制的重要手段。傳統(tǒng)的信用風(fēng)險(xiǎn)評(píng)估過(guò)分依賴(lài)央行的征信系統(tǒng),但該征信系統(tǒng)的征信數(shù)據(jù)的時(shí)效性、全面性和層次性上存在短板,無(wú)法全面反應(yīng)客戶的真實(shí)信息。此外,在風(fēng)險(xiǎn)評(píng)估中常見(jiàn)的模型為專(zhuān)家模型,該模型過(guò)于依賴(lài)專(zhuān)家的個(gè)人經(jīng)驗(yàn),主觀隨意性較強(qiáng),評(píng)估結(jié)果不夠客觀準(zhǔn)確,且效率較低。
發(fā)明內(nèi)容
本發(fā)明提供一種基于多機(jī)器學(xué)習(xí)模型并行的風(fēng)控模型應(yīng)用方法和系統(tǒng),以解決現(xiàn)有技術(shù)中上述問(wèn)題。
第一方面,本發(fā)明提供了一種基于多機(jī)器學(xué)習(xí)模型并行的風(fēng)控模型應(yīng)用方法,包括線下風(fēng)控模型應(yīng)用方法,該線下風(fēng)控模型應(yīng)用方法包括采集申請(qǐng)客群信息;從上述信息中提取客戶畫(huà)像數(shù)據(jù);對(duì)上述畫(huà)像數(shù)據(jù)進(jìn)行處理,計(jì)算風(fēng)險(xiǎn)相關(guān)指標(biāo);對(duì)上述風(fēng)險(xiǎn)相關(guān)指標(biāo)分別利用不同的特征選擇模型進(jìn)行處理得到相應(yīng)的單個(gè)模型特征排序;對(duì)得到的相應(yīng)單個(gè)模型特征排序進(jìn)行綜合排序;以及對(duì)綜合排序后的特征分別利用多個(gè)機(jī)器學(xué)習(xí)模型進(jìn)行建模處理,評(píng)價(jià)各個(gè)機(jī)器學(xué)習(xí)模型的運(yùn)行效果,篩選出排名靠前的若干機(jī)器學(xué)習(xí)模型。
第二方面,本發(fā)明還提供一種基于多機(jī)器學(xué)習(xí)模型并行的風(fēng)控模型應(yīng)用方法,包括線上風(fēng)控模型應(yīng)用方法,該線上風(fēng)控模型應(yīng)用方法包括采集申請(qǐng)客群信息;從上述信息中提取客戶畫(huà)像數(shù)據(jù);對(duì)上述畫(huà)像數(shù)據(jù)進(jìn)行處理,計(jì)算風(fēng)險(xiǎn)相關(guān)指標(biāo);將前述線下風(fēng)控模型應(yīng)用方法中篩選出的排名靠前的若干機(jī)器學(xué)習(xí)模型作為投入使用的線上機(jī)器學(xué)習(xí)模型;將所述風(fēng)險(xiǎn)相關(guān)指標(biāo)送入線上機(jī)器學(xué)習(xí)模型中相應(yīng)的機(jī)器學(xué)習(xí)模型進(jìn)行處理;以及將處理結(jié)果作為是否授信的決策依據(jù)。
第三方面,本發(fā)明進(jìn)一步提供了一種基于多機(jī)器學(xué)習(xí)模型并行的風(fēng)控模型應(yīng)用系統(tǒng),包括線下風(fēng)控模型應(yīng)用系統(tǒng),該線下風(fēng)控模型應(yīng)用系統(tǒng)包括數(shù)據(jù)采集模塊,其用于采集申請(qǐng)客群信息;數(shù)據(jù)提取模塊,從申請(qǐng)客群信息中提取客戶畫(huà)像數(shù)據(jù);數(shù)據(jù)計(jì)算模塊,對(duì)上述畫(huà)像數(shù)據(jù)進(jìn)行處理,計(jì)算風(fēng)險(xiǎn)相關(guān)指標(biāo);特征選擇模塊,對(duì)上述風(fēng)險(xiǎn)相關(guān)指標(biāo)分別利用不同的特征選擇模型進(jìn)行處理得到相應(yīng)的單個(gè)模型特征排序;特征綜合排序模塊,對(duì)所述得到的單個(gè)模型特征排序進(jìn)行綜合排序;線下機(jī)器學(xué)習(xí)并行模塊,利用多個(gè)機(jī)器學(xué)習(xí)模型對(duì)排序后的特征分別進(jìn)行建模處理;以及機(jī)器學(xué)習(xí)模型評(píng)價(jià)篩選模塊,評(píng)價(jià)各個(gè)機(jī)器學(xué)習(xí)模型的運(yùn)行效果的優(yōu)劣,篩選出排名靠前的若干機(jī)器學(xué)習(xí)模型。
第四方面,本發(fā)明還進(jìn)一步提供一種基于多機(jī)器學(xué)習(xí)模型并行的風(fēng)控模型應(yīng)用系統(tǒng),包括線上風(fēng)控模型應(yīng)用系統(tǒng),該線上風(fēng)控模型應(yīng)用系統(tǒng)包括數(shù)據(jù)采集模塊,其用于采集申請(qǐng)客群信息;數(shù)據(jù)提取模塊,從申請(qǐng)客群信息中提取客戶畫(huà)像數(shù)據(jù);數(shù)據(jù)計(jì)算模塊,對(duì)上述畫(huà)像數(shù)據(jù)進(jìn)行處理,計(jì)算風(fēng)險(xiǎn)相關(guān)指標(biāo);線上機(jī)器學(xué)習(xí)并行模塊,將前述線下風(fēng)控模型應(yīng)用系統(tǒng)中篩選出的排名靠前的若干機(jī)器學(xué)習(xí)模型作為投入使用的線上機(jī)器學(xué)習(xí)模型,并將所述風(fēng)險(xiǎn)相關(guān)指標(biāo)送入線上機(jī)器學(xué)習(xí)模型中相應(yīng)的機(jī)器學(xué)習(xí)模型進(jìn)行處理;以及決策引擎模塊,利用機(jī)器學(xué)習(xí)模型的處理結(jié)果進(jìn)行決策。
本發(fā)明中分別利用不同的特征選擇模型對(duì)多個(gè)風(fēng)險(xiǎn)相關(guān)指標(biāo)的重要性進(jìn)行單個(gè)模型排序,不同的特征選擇模型因其內(nèi)部使用的算法差異,從而可得到不同的選擇結(jié)果,這樣可以保證選擇出來(lái)的特征不遺漏可能的重要特征。對(duì)于經(jīng)過(guò)特征選擇模型處理后的單個(gè)模型特征進(jìn)行排序時(shí),因不同的特征選擇模型對(duì)多個(gè)風(fēng)險(xiǎn)相關(guān)指標(biāo)處理后的不同的特征的重要性排序不同,可以采用平均加權(quán)或者根據(jù)特征選擇模型的選擇效果進(jìn)行加權(quán)的方法綜合排序;在綜合排序后可以選擇排名靠前的若干特征,去除不重要的特征,作為綜合排序后保留的特征,利用機(jī)器學(xué)習(xí)模型進(jìn)行建模處理,以提高后續(xù)利用機(jī)器學(xué)習(xí)模型處理數(shù)據(jù)的效果和效率。
此外,通過(guò)對(duì)各機(jī)器學(xué)習(xí)模型的運(yùn)行效果進(jìn)行評(píng)價(jià)從中篩選出排名靠前的機(jī)器學(xué)習(xí)模型投入線上風(fēng)控模型使用,能夠提高風(fēng)控評(píng)估的準(zhǔn)確性;根據(jù)機(jī)器學(xué)習(xí)模型運(yùn)行效果排名的高低分配申請(qǐng)流量,進(jìn)一步提高評(píng)估的準(zhǔn)確性。線上運(yùn)行過(guò)程中,線上機(jī)器學(xué)習(xí)并行模塊中的投入使用的多個(gè)機(jī)器學(xué)習(xí)模型定期更新,再次提高了決策的準(zhǔn)確性和可靠性。
綜上,通過(guò)本發(fā)明的提供的技術(shù)方案,能夠大大提高風(fēng)險(xiǎn)評(píng)估的效率,且結(jié)果更加準(zhǔn)確可靠。
附圖說(shuō)明
圖1描繪了一種線下風(fēng)控模型應(yīng)用方法的示意圖;
圖2描繪了一種線上風(fēng)控模型應(yīng)用方法的示意圖;
圖3描述了一種線下風(fēng)控模型應(yīng)用系統(tǒng)的示意圖;
圖4描述了一種線上風(fēng)控模型應(yīng)用系統(tǒng)的示意圖。
具體實(shí)施方式
該專(zhuān)利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專(zhuān)利權(quán)人授權(quán)。該專(zhuān)利全部權(quán)利屬于安趣盈(上海)投資咨詢有限公司,未經(jīng)安趣盈(上海)投資咨詢有限公司許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買(mǎi)此專(zhuān)利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201711184294.8/2.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專(zhuān)利網(wǎng)。
- 同類(lèi)專(zhuān)利
- 專(zhuān)利分類(lèi)
G06Q 專(zhuān)門(mén)適用于行政、商業(yè)、金融、管理、監(jiān)督或預(yù)測(cè)目的的數(shù)據(jù)處理系統(tǒng)或方法;其他類(lèi)目不包含的專(zhuān)門(mén)適用于行政、商業(yè)、金融、管理、監(jiān)督或預(yù)測(cè)目的的處理系統(tǒng)或方法
G06Q10-00 行政;管理
G06Q10-02 .預(yù)定,例如用于門(mén)票、服務(wù)或事件的
G06Q10-04 .預(yù)測(cè)或優(yōu)化,例如線性規(guī)劃、“旅行商問(wèn)題”或“下料問(wèn)題”
G06Q10-06 .資源、工作流、人員或項(xiàng)目管理,例如組織、規(guī)劃、調(diào)度或分配時(shí)間、人員或機(jī)器資源;企業(yè)規(guī)劃;組織模型
G06Q10-08 .物流,例如倉(cāng)儲(chǔ)、裝貨、配送或運(yùn)輸;存貨或庫(kù)存管理,例如訂貨、采購(gòu)或平衡訂單
G06Q10-10 .辦公自動(dòng)化,例如電子郵件或群件的計(jì)算機(jī)輔助管理
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評(píng)測(cè)方法及系統(tǒng)





