[發(fā)明專利]基于人工智能對分期購車用戶的再授信評估方法和設備

在審

• 申請?zhí)枺?/td>: 201811624497.9
• 申請日: 2018-12-28
• 公開（公告）號: CN109741175A
• 公開（公告）日: 2019-05-10
• 發(fā)明（設計）人: 鐘忠;劉振
• 申請（專利權）人: 上海點融信息科技有限責任公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06K9/62
• 代理公司: 北京永新同創(chuàng)知識產(chǎn)權代理有限公司 11376
• 代理人: 楊勝軍

本發(fā)明內(nèi)容公開基于人工智能對分期購車用戶的再授信評估方法、設備以及存儲介質，方法包括：基于多個訓練數(shù)據(jù)訓練出第一單個分類器模型、第一串聯(lián)集成模型以及第一并聯(lián)集成模型；將多個測試數(shù)據(jù)分別輸入上述多個模型得到每個模型的多個預測值；基于所有預測值采用平均法、投票法計算得到相應平均值集合、投票值集合；基于多個訓練數(shù)據(jù)、多個測試數(shù)據(jù)，采用層次堆疊法得到堆疊預測值集合；以及采用平均法計算平均值集合、投票值集合、堆疊預測值集合得到最終預測值集合。本發(fā)明采用三種模型融合方法：平均法、投票法、層次堆疊法，將單個分類器模型、串行集成模型、并行集成模型分別融合在一起生成鐵三角集成模型，大幅提升模型預測能力和穩(wěn)定性。

技術領域

本發(fā)明內(nèi)容涉及客戶再授信評估技術領域，更具體地涉及一種基于人工智能對分期購車用戶的再授信評估方法、一種基于人工智能對分期購車用戶的再授信評估設備以及一種相應的計算機可讀存儲介質。

背景技術

銀行等傳統(tǒng)金融機構對分期購車用戶的授信相對較嚴，額度固定，最高為車價的70％，并且在用戶未結清前的再授信較少，額度也較低。

人工智能(Artificial Intelligence，英文縮寫為AI)，是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。隨著大數(shù)據(jù)和人工智能技術的發(fā)展，信用貸款行業(yè)開始向技巧型和智能化發(fā)展。現(xiàn)有的信用貸款行業(yè)運用人工智能的方法，較多為選用機器學習中單一分類器模型，或者單一的集成學習的算法，無法取長補短，發(fā)揮機器學習的最優(yōu)效果。

現(xiàn)有的基于人工智能技術實現(xiàn)對分期購車用戶的授信評估技術，選用用戶車輛相關信息進行建模時，車輛相關信息的變量如事故信息、車輛維護信息、投保信息等文本類變量，存在缺失和客戶不涉及的情況，一般做法是直接舍棄不入模，或做成單條準入規(guī)則，但這樣大量重要的客戶車輛信息并未被模型學習，模型泛化能力會有所缺失。缺少某些必要的用戶駕駛信息、用戶車輛信息，使得現(xiàn)有的授信評估技術對客戶評價不夠全面，無法更加優(yōu)化用戶貸款的風險收益比。

發(fā)明內(nèi)容

由于目前市場上的傳統(tǒng)的金融機構對分期購車用戶的授信相對較嚴格，而現(xiàn)有的基于人工智能技術實現(xiàn)對分期購車用戶的授信評估技術在對用戶的車輛相關信息進行評估時未能考慮時間維度和駕齡維度，同時現(xiàn)有的授信評估技術僅采用單一分類器算法或單一集成學習方法來完成評估處理，沒有融合各類算法的優(yōu)點，無法取長補短，從而導致授信評估結果不夠客觀、準確，無法發(fā)揮出人工智能的最優(yōu)效果。

針對上述問題，本發(fā)明內(nèi)容的第一方面提出了一種基于人工智能對分期購車用戶的再授信評估方法，所述方法包括：

A.基于多個訓練數(shù)據(jù)，訓練出第一單個分類器模型、第一串行集成模型以及第一并行集成模型；

B.將多個測試數(shù)據(jù)分別輸入所述第一單個分類器模型、所述第一串行集成模型以及所述第一并行集成模型，以相應地得到每一個模型的多個預測值，其中，所述訓練數(shù)據(jù)和所述測試數(shù)據(jù)分別包括車輛相關信息、用戶個人基本信息、用戶個人征信信息、用戶個人資產(chǎn)負債以及運營商數(shù)據(jù)；

C.基于所有預測值，分別采用平均法、投票法計算得到相應的平均值集合、投票值集合；

D.基于所述多個訓練數(shù)據(jù)、所述多個測試數(shù)據(jù)，采用層次堆疊法得到堆疊預測值集合；以及

E.基于所述平均值集合、所述投票值集合以及所述堆疊預測值集合，采用平均法計算得到最終預測值集合。

本發(fā)明內(nèi)容的第二方面提出了一種基于人工智能對分期購車用戶的再授信評估設備，所述設備包括：

處理器；以及

存儲器，其用于存儲指令，當所述指令執(zhí)行時使得所述處理器執(zhí)行以下操作：

A.基于多個訓練數(shù)據(jù)，訓練出第一單個分類器模型、第一串行集成模型以及第一并行集成模型；