[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

本公開是關于一種用戶信用評估方法及裝置、電子設備、存儲介質，涉及互聯網技術領域，該方法包括：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，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。本公開能夠更準確的確定用戶信用評估結果，準確識別信用風險。

技術領域

本公開涉及互聯網技術領域，具體而言，涉及一種用戶信用評估方法、用戶信用評估裝置、電子設備以及計算機可讀存儲介質。

背景技術

信用評估卡模型是金融領域最常見的一種風險評分模型，這種模型在可解釋性和算法復雜度取得平衡。

相關技術中，一般都是使用強金融屬性的參數預測用戶的違約概率。但是大多情況下獲取的用戶數據并不具備很強的金融屬性。因此，能使用的強金融屬性參數的數據量較少，可能導致預測的信用評估結果并不準確且應用范圍受到限制，不能準確衡量用戶風險。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開的目的在于提供一種用戶信用評估方法及裝置、電子設備、存儲介質，進而至少在一定程度上克服由于相關技術的限制和缺陷而導致的不能準確衡量用戶風險的問題。

本公開的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習得。

根據本公開的一個方面，提供一種用戶信用評估方法，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，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。

在本公開的一種示例性實施例中，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。

在本公開的一種示例性實施例中，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。

在本公開的一種示例性實施例中，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。

在本公開的一種示例性實施例中，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。

在本公開的一種示例性實施例中，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。