[發(fā)明專利]預(yù)售風(fēng)險(xiǎn)評(píng)估方法、系統(tǒng)、計(jì)算機(jī)裝置及可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811289813.1
• 申請(qǐng)日: 2018-10-31
• 公開(kāi)（公告）號(hào): CN109598410A
• 公開(kāi)（公告）日: 2019-04-09
• 發(fā)明（設(shè)計(jì)）人: 甘文俊
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06
• 代理公司: 深圳市賽恩倍吉知識(shí)產(chǎn)權(quán)代理有限公司 44334
• 代理人: 楊毅玲

1.一種預(yù)售風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述方法包括：

獲取歷史特征數(shù)據(jù)，其中所述歷史特征數(shù)據(jù)為商戶已經(jīng)發(fā)起預(yù)售行為且具有預(yù)售結(jié)果的數(shù)據(jù)，所述預(yù)售結(jié)果包括預(yù)售成功及預(yù)售失敗；

將不同的預(yù)售結(jié)果所對(duì)應(yīng)的歷史特征數(shù)據(jù)分別輸入至神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，以分別得到對(duì)應(yīng)于預(yù)售成功的第一風(fēng)險(xiǎn)評(píng)估模型及對(duì)應(yīng)于預(yù)售失敗的第二風(fēng)險(xiǎn)評(píng)估模型；

獲取一待進(jìn)行預(yù)售活動(dòng)的特征數(shù)據(jù)，并將所述特征數(shù)據(jù)輸入至所述第一風(fēng)險(xiǎn)評(píng)估模型得到第一評(píng)估值，及將所述特征數(shù)據(jù)輸入至所述第二風(fēng)險(xiǎn)評(píng)估模型得到第二評(píng)估值；及

根據(jù)所述第一評(píng)估值及所述第二評(píng)估值計(jì)算得出所述待進(jìn)行預(yù)售活動(dòng)的成功率。

2.如權(quán)利要求1所述的預(yù)售風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述歷史特征數(shù)據(jù)包括多個(gè)商戶維度信息，多個(gè)所述商戶維度信息包括但不限于：商戶注冊(cè)資金信息、股東人數(shù)信息、股東信用記錄信息、門(mén)店所在城市信息、門(mén)店位置信息、商戶所屬行業(yè)信息、商品優(yōu)惠力度信息、優(yōu)惠時(shí)間信息、商品成本信息、開(kāi)業(yè)時(shí)間信息、商戶盈利或虧損信息、顧客數(shù)量信息。

3.如權(quán)利要求2所述的預(yù)售風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述獲取歷史特征數(shù)據(jù)的步驟之后還包括：

判斷是否存在一個(gè)或者多個(gè)商戶維度信息缺失；及

當(dāng)存在一個(gè)或者多個(gè)商戶維度信息缺失，將缺失的一個(gè)或者多個(gè)商戶維度信息設(shè)置為預(yù)設(shè)特征數(shù)據(jù)。

4.如權(quán)利要求1或2所述的預(yù)售風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述將不同的預(yù)售結(jié)果所對(duì)應(yīng)的歷史特征數(shù)據(jù)分別輸入至神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，以分別得到對(duì)應(yīng)于預(yù)售成功的第一風(fēng)險(xiǎn)評(píng)估模型及對(duì)應(yīng)于預(yù)售失敗的第二風(fēng)險(xiǎn)評(píng)估模型的步驟包括：

將預(yù)售結(jié)果為預(yù)售成功的歷史特征數(shù)據(jù)輸入至第一神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到所述第一風(fēng)險(xiǎn)評(píng)估模型；

將預(yù)售結(jié)果為預(yù)售失敗的歷史特征數(shù)據(jù)輸入至第二神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到所述第二風(fēng)險(xiǎn)評(píng)估模型；

其中，所述第一神經(jīng)網(wǎng)絡(luò)模型及所述第二神經(jīng)網(wǎng)絡(luò)模型均為BP神經(jīng)網(wǎng)絡(luò)模型，所述BP神經(jīng)網(wǎng)絡(luò)模型包括輸入層、隱藏層及輸出層。

5.如權(quán)利要求4所述的預(yù)售風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述輸入層包括n個(gè)節(jié)點(diǎn)，所述隱藏層包括m個(gè)節(jié)點(diǎn)，所述BP神經(jīng)網(wǎng)絡(luò)模型為：

其中，y為所述輸出層的輸出值，當(dāng)將所述特征數(shù)據(jù)輸入至所述第一風(fēng)險(xiǎn)評(píng)估模型時(shí)，所述第一風(fēng)險(xiǎn)評(píng)估模型的輸出值y為所述第一評(píng)估值，當(dāng)將所述特征數(shù)據(jù)輸入至所述第二風(fēng)險(xiǎn)評(píng)估模型時(shí)，所述第二風(fēng)險(xiǎn)評(píng)估模型的輸出值y為所述第二評(píng)估值，t_i為所述隱藏層與所述輸出層之間的連接權(quán)重，(i＝1,2,3...m；j＝1,2,3...n)為所述隱藏層的輸入，即為所述輸入層的輸出，W_ij為所述輸入層與所述隱藏層之間的連接權(quán)重；f(S_i)為所述BP神經(jīng)網(wǎng)絡(luò)模型中的激活函數(shù)，

6.如權(quán)利要求1所述的預(yù)售風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述根據(jù)所述第一評(píng)估值及所述第二評(píng)估值計(jì)算得出所述待進(jìn)行預(yù)售活動(dòng)的成功率的步驟包括：

獲取所述第一評(píng)估值對(duì)應(yīng)的第一權(quán)重系數(shù)及所述第二評(píng)估值對(duì)應(yīng)的第二權(quán)重系數(shù)；及

將所述第一評(píng)估值與所述第一權(quán)重系數(shù)的乘積減去所述第二評(píng)估值與所述第二權(quán)重系數(shù)的乘積得到所述待進(jìn)行預(yù)售活動(dòng)的成功率。

7.如權(quán)利要求6所述的預(yù)售風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述根據(jù)所述第一評(píng)估值及所述第二評(píng)估值計(jì)算得出所述待進(jìn)行預(yù)售活動(dòng)的成功率的步驟之后還包括：

判斷所述待進(jìn)行預(yù)售活動(dòng)的成功率是否大于預(yù)設(shè)閾值；

當(dāng)所述待進(jìn)行預(yù)售活動(dòng)的成功率大于所述預(yù)設(shè)閾值時(shí)，輸出第一提示信息；及

當(dāng)所述待進(jìn)行預(yù)售活動(dòng)的成功率不大于所述預(yù)設(shè)閾值時(shí)，輸出第二提示信息。