[發明專利]用戶信用預測方法、裝置、電子設備及存儲介質

在審

• 申請號: 201910049615.6
• 申請日: 2019-01-18
• 公開（公告）號: CN109784733A
• 公開（公告）日: 2019-05-21
• 發明（設計）人: 周熠;李一山;程俠寬
• 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;G06Q40/02;G06K9/00
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 袁禮君;闞梓瑄

本公開提供了一種用戶信用預測方法、裝置、電子設備及計算機可讀存儲介質，屬于人工智能技術領域。該方法包括：獲取目標用戶的原始特征數據，所述原始特征數據包括人臉特征數據、表情特征數據與動作特征數據中的至少一種；將所述目標用戶的原始特征數據轉換為目標特征向量；分別利用多個信用區間的信用預測模型對所述目標特征向量進行處理，得到所述目標用戶在所述多個信用區間的初始預測值；基于各所述初始預測值，確定所述目標用戶的最終預測值。本公開無需依賴于外部信用數據，可以實現用戶信用的快速預測，提高效率，且預測結果具有較高的準確度。

技術領域

本公開涉及人工智能技術領域，特別涉及一種用戶信用預測方法、用戶信用預測裝置、電子設備及計算機可讀存儲介質。

背景技術

隨著計算機技術的發展，互聯網在金融領域也得到越來越廣泛的應用。其中，參與互聯網金融消費、融資租賃、接受信用卡服務或其他金融服務的用戶越來越多，為了保障金融服務企業的利益，降低金融風險，有必要采取有效的用戶信用評價方法。

現有的用戶信用評價方法通常需要用戶提交一系列外部數據，例如人行征信數據、第三方征信數據、資產證明等，通過外部數據評價用戶的信用狀況。可見，該方法對于外部數據有較強的依賴性，并且一般還需要對外部數據進行審核，從而增加了信用評價所需的時間，降低了效率。

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

本公開提供了一種用戶信用預測方法、用戶信用預測裝置、電子設備及計算機可讀存儲介質，進而至少在一定程度上克服現有的用戶信用評價方法所需時間過長的問題。

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，提供一種用戶信用預測方法，包括：獲取目標用戶的原始特征數據，所述原始特征數據包括人臉特征數據、表情特征數據與動作特征數據中的至少一種；將所述目標用戶的原始特征數據轉換為目標特征向量；分別利用多個信用區間的信用預測模型對所述目標特征向量進行處理，得到所述目標用戶在所述多個信用區間的初始預測值；基于各所述初始預測值，確定所述目標用戶的最終預測值。

在本公開的一種示例性實施例中，所述方法還包括：獲取多個歷史用戶的原始特征數據與信用評價值；將所述歷史用戶的原始特征數據轉換為樣本特征向量；根據所述歷史用戶的信用評價值將所述歷史用戶劃分到所述多個信用區間；對于每個所述信用區間，利用所述信用區間內歷史用戶的樣本特征向量與信用評價值訓練機器學習模型，得到所述信用區間的信用預測模型。

在本公開的一種示例性實施例中，所述方法還包括：獲取所述目標用戶的信用評價值；如果所述目標用戶的信用評價值與最終預測值未處于同一信用區間內，則將所述目標用戶添加到所述歷史用戶中，并重新訓練所述目標用戶所屬的信用區間的信用預測模型。

在本公開的一種示例性實施例中，所述基于各所述初始預測值，確定所述目標用戶的最終預測值包括：基于各所述初始預測值在對應的所述信用區間內的偏離程度，確定所述目標用戶的最終預測值。

在本公開的一種示例性實施例中，所述基于各所述初始預測值在對應的信用區間內的偏離程度，確定所述目標用戶的最終預測值包括：分別計算各所述初始預測值與所述初始預測值對應的信用區間的中間值的偏離程度；將所述偏離程度最小的初始預測值確定為所述最終預測值。

在本公開的一種示例性實施例中，所述基于各所述初始預測值在對應的信用區間內的偏離程度，確定所述目標用戶的最終預測值包括：分別計算各所述初始預測值與所述初始預測值對應的信用區間的中間值的偏離程度；根據所述偏離程度確定所述初始預測值的權重；對各所述初始預測值進行加權計算，得到所述最終預測值。