[發(fā)明專利]貸款產(chǎn)品匹配方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811123039.7
• 申請(qǐng)日: 2018-09-26
• 公開（公告）號(hào): CN109389490A
• 公開（公告）日: 2019-02-26
• 發(fā)明（設(shè)計(jì)）人: 夏良超
• 申請(qǐng)（專利權(quán)）人: 深圳壹賬通智能科技有限公司
• 主分類號(hào): G06Q40/02
• 分類號(hào): G06Q40/02;G06K9/62
• 代理公司: 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 王寧

1.一種貸款產(chǎn)品匹配方法，所述方法包括：

獲取歷史稅務(wù)數(shù)據(jù)；

解析所述歷史稅務(wù)數(shù)據(jù)得到稅務(wù)特征，對(duì)所述稅務(wù)特征進(jìn)行訓(xùn)練得到初始決策樹模型，所述初始決策樹模型輸出貸款產(chǎn)品的類型標(biāo)簽；

獲取各類型貸款產(chǎn)品的資質(zhì)需求信息，根據(jù)所述資質(zhì)需求信息，生成決策節(jié)點(diǎn)，將所述決策節(jié)點(diǎn)加入所述初始決策樹模型得到匹配決策樹模型；

根據(jù)各個(gè)稅務(wù)特征的所述匹配決策樹模型，生成隨機(jī)森林模型；將貸款企業(yè)的稅務(wù)數(shù)據(jù)輸入所述隨機(jī)森林模型，得到匹配的貸款產(chǎn)品的類型標(biāo)簽。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述稅務(wù)特征進(jìn)行訓(xùn)練得到初始決策樹模型，包括：

將所述稅務(wù)特征進(jìn)行組合，得到組合稅務(wù)特征；

對(duì)所述組合稅務(wù)特征進(jìn)行訓(xùn)練得到所述初始決策樹模型。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述決策節(jié)點(diǎn)加入所述初始決策樹模型得到匹配決策樹模型，包括：

將所述決策節(jié)點(diǎn)加入所述初始決策樹模型；

根據(jù)預(yù)先設(shè)置的生成算法建立所述決策節(jié)點(diǎn)與所述初始決策樹模型的內(nèi)部節(jié)點(diǎn)的連接關(guān)系；

在所述連接關(guān)系的復(fù)雜程度最低時(shí)，得到所述匹配決策樹模型。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述解析所述歷史稅務(wù)數(shù)據(jù)得到稅務(wù)特征，對(duì)所述稅務(wù)特征進(jìn)行訓(xùn)練得到初始決策樹模型，還包括：

根據(jù)所述歷史稅務(wù)數(shù)據(jù)，建立樣本集和特征集；

從所述樣本集中有放回隨機(jī)選擇多個(gè)樣本以及從所述特征集中有放回隨機(jī)選擇多個(gè)稅務(wù)特征；

利用所述多個(gè)樣本以及所述多個(gè)稅務(wù)特征，生成初始決策樹模型。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述生成隨機(jī)森林模型，包括：

重復(fù)多次生成所述初始決策樹模型，根據(jù)所述初始決策樹模型對(duì)應(yīng)的所述匹配決策樹模型，得到隨機(jī)森林模型。

6.根據(jù)權(quán)利要求1至5所述的方法，其特征在于，所述貸款產(chǎn)品的類型標(biāo)簽包括：高風(fēng)險(xiǎn)貸款產(chǎn)品標(biāo)簽、中風(fēng)險(xiǎn)貸款產(chǎn)品標(biāo)簽和低風(fēng)險(xiǎn)貸款產(chǎn)品標(biāo)簽；

所述將貸款企業(yè)的稅務(wù)數(shù)據(jù)輸入所述隨機(jī)森林，得到匹配的貸款產(chǎn)品的類型標(biāo)簽，包括：

將貸款企業(yè)的稅務(wù)數(shù)據(jù)輸入所述隨機(jī)森林，輸出所述高風(fēng)險(xiǎn)貸款產(chǎn)品、中風(fēng)險(xiǎn)貸款產(chǎn)品和低風(fēng)險(xiǎn)貸款產(chǎn)品中的任意一個(gè)。

7.根據(jù)權(quán)利要求1至5任意一項(xiàng)所述的方法，其特征在于，在解析所述歷史稅務(wù)數(shù)據(jù)得到稅務(wù)特征之后，還包括：

為每個(gè)稅務(wù)特征通過加權(quán)算法賦予權(quán)值；

所述根據(jù)各個(gè)稅務(wù)特征的所述匹配決策樹模型，生成隨機(jī)森林模型，還包括：

根據(jù)所述稅務(wù)特征的權(quán)值，給所述匹配決策樹模型賦值；

根據(jù)賦值后的所述匹配決策樹模型，生成隨機(jī)森林模型。

8.一種貸款產(chǎn)品匹配裝置，其特征在于，所述裝置包括：

樣本獲取模塊，用于獲取歷史稅務(wù)數(shù)據(jù)；

初始訓(xùn)練模塊，用于解析所述歷史稅務(wù)數(shù)據(jù)得到稅務(wù)特征，對(duì)所述稅務(wù)特征進(jìn)行訓(xùn)練得到初始決策樹模型，所述初始決策樹模型輸出貸款產(chǎn)品的類型標(biāo)簽；

匹配訓(xùn)練模塊，用于獲取各類型貸款產(chǎn)品的資質(zhì)需求信息，根據(jù)所述資質(zhì)需求信息，生成決策節(jié)點(diǎn)，將所述決策節(jié)點(diǎn)加入所述初始決策樹模型得到匹配決策樹模型；

輸出模塊，用于根據(jù)各個(gè)稅務(wù)特征的所述匹配決策樹模型，生成隨機(jī)森林模型；將貸款企業(yè)的稅務(wù)數(shù)據(jù)輸入所述隨機(jī)森林模型，得到匹配的貸款產(chǎn)品的類型標(biāo)簽。

9.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述方法的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的方法的步驟。