[發明專利]用戶信用評估方法及裝置、電子設備、存儲介質

有效

• 申請號: 201811260889.1
• 申請日: 2018-10-26
• 公開（公告）號: CN109447461B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 陳鵬程;馬瑩;陳金輝
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q30/06;G06Q40/04;G06Q40/06;G06N20/00
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 王輝;闞梓瑄

1.一種用戶信用評估方法，其特征在于，包括：

獲取目標用戶的多個特征信息，所述多個特征信息包括第一類參數和第二類參數；

對所述第一類參數和所述第二類參數進行預處理；

將預處理后的所述第一類參數進行轉化，生成目標參數；

將預處理后的所述第二類參數和所述目標參數輸入機器學習模型，得到所述目標用戶的信用評估結果；

其中，將預處理后的所述第一類參數進行轉化，生成目標參數，包括：

采用線性判別式算法對每個主題關聯的分箱后的第一類參數進行特征組合，生成所述目標參數；

其中，IV值低于預設閾值的特征信息為所述第一類參數，IV值高于所述預設閾值的特征信息為所述第二類參數。

2.根據權利要求1所述的用戶信用評估方法，其特征在于，對所述第一類參數和所述第二類參數進行預處理包括：

通過證據權重值對所述第一類參數和第二類參數分別進行分箱處理，得到分箱后的第一類參數和分箱后的第二類參數。

3.根據權利要求1所述的用戶信用評估方法，其特征在于，所述方法還包括：

對所述目標參數進行再次分箱，并將再次分箱后的目標參數放入候選變量池；

將分箱后的第二類參數放入所述候選變量池。

4.根據權利要求3所述的用戶信用評估方法，其特征在于，將預處理后的所述第二類參數和所述目標參數輸入機器學習模型包括：

剔除所述候選變量池中分箱后的第二類參數和再次分箱后的目標參數之間的多重共線性，得到剩余參數；

將所述剩余參數輸入所述機器學習模型。

5.根據權利要求4所述的用戶信用評估方法，其特征在于，剔除所述候選變量池中分箱后的第二類參數和再次分箱后的目標參數之間的多重共線性，得到剩余參數包括：

從所述候選變量池中剔除證據權重值小于預設值的分箱后的第二類參數以及再次分箱后的目標參數，得到所述剩余參數。

6.根據權利要求5所述的用戶信用評估方法，其特征在于，從所述候選變量池中剔除證據權重值小于預設值的分箱后的第二類參數以及再次分箱后的目標參數包括：

按照所述證據權重值從小到大的排列順序，對所述證據權重值小于所述預設值的分箱后的第二類參數和再次分箱后的目標參數進行剔除；

重新計算經過剔除的分箱后的第二類參數和再次分箱后的目標參數的證據權重值；

按照所述證據權重值從小到大的排列順序，對重新計算的證據權重值小于所述預設值的分箱后的第二類參數和再次分箱后的所述目標參數進行剔除，直至剔除完所述證據權重值小于所述預設值的第二類參數和目標參數為止。

7.一種用戶信用評估裝置，其特征在于，包括：

特征獲取模塊，用于獲取目標用戶的多個特征信息，所述多個特征信息包括第一類參數和第二類參數；

參數預處理模塊，用于對所述第一類參數和所述第二類參數進行預處理；

目標參數生成模塊，用于將預處理后的所述第一類參數進行轉化，生成目標參數；

評估結果確定模塊，用于將預處理后的所述第二類參數和所述目標參數輸入機器學習模型，得到所述目標用戶的信用評估結果；

其中，將預處理后的所述第一類參數進行轉化，生成目標參數，包括：

采用線性判別式算法對每個主題關聯的分箱后的第一類參數進行特征組合，生成所述目標參數；

其中，IV值低于預設閾值的特征信息為所述第一類參數，IV值高于所述預設閾值的特征信息為所述第二類參數。

8.一種電子設備，其特征在于，包括：

處理器；以及

存儲器，用于存儲所述處理器的可執行指令；

其中，所述處理器配置為經由執行所述可執行指令來執行權利要求1-6任意一項所述的用戶信用評估方法。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1-6任意一項所述的用戶信用評估方法。