[發明專利]貸款預測方法、裝置、設備及存儲介質

在審

• 申請號: 201910341651.X
• 申請日: 2019-04-24
• 公開（公告）號: CN110288459A
• 公開（公告）日: 2019-09-27
• 發明（設計）人: 鐘磊;田羽;岳帥;陳剛;蘭翔
• 申請（專利權）人: 武漢眾邦銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胡海國

1.一種貸款預測方法，其特征在于，所述貸款預測方法包括：

獲取用戶的貸款申請請求；

提取所述貸款申請請求中的當前申請特征信息；

通過所述高斯混合分布模型對所述當前申請特征信息對應的用戶進行分類；

根據分類結果以及所述當前申請特征信息通過所述預設用戶貸款預測模型進行貸款通過率預測，得到貸款通過率的預測結果。

2.如權利要求1所述的貸款預測方法，其特征在于，所述通過高斯混合分布模型對所述當前申請特征信息對應的用戶進行分類之前，所述方法還包括：

獲取建立高斯混合分布模型的歷史均值，并將所述歷史均值進行初始化；

根據所述歷史申請特征信息、預設個參考高斯模型以及初始后的歷史均值得到所述高斯混合分布模型。

3.如權利要求2所述的貸款預測方法，其特征在于，根據所述歷史申請特征信息、預設個參考高斯模型以及初始后的歷史均值通過公式(一)得到高斯混合分布模型：

其中，K表示高斯模型混合的歷史數量，N(x|u_k,∑k)是第k個高斯模型的歷史類別概率密度函數，表示選定第k個模型后產生x的概率；π_k第k個高斯模型的歷史權重，x表示歷史申請特征信息，u_k第k個高斯模型的歷史均值。

4.如權利要求1至3所述的貸款預測方法，其特征在于，所述通過高斯混合分布模型對所述當前申請特征信息對應的用戶進行分類，包括：

定義所述當前申請特征信息的初始分量數量，并設置所述當前申請特征信息對應的第k個高斯模型的初始權重、第k個高斯模型的初始均值以及高斯混合分布模型中的初始模型數量；

根據所述初始分量數量、初始權重、初始均值以及初始模型數量得到后驗概率；

根據所述后驗概率得到目標權重、目標均值以及目標模型數量；

根據所述目標權重、目標均值以及目標模型數量得到目標對數似然函數；

判斷所述目標對數似然函數是否收斂，根據判斷結果對所述當前申請特征信息對應的用戶進行分類。

5.如權利要求4所述所述的貸款預測方法，其特征在于，根據所述初始分量數量、初始權重、初始均值以及初始模型數量通過公式(二)得到后驗概率；

其中，K表示高斯模型混合的初始數量，N(x|u_k,∑k)是第k個高斯模型的初始類別概率密度函數，表示選定第k個模型后產生x的概率；π_k第k個高斯模型的初始權重，x表示當前申請特征信息，u_k第k個高斯模型的初始均值。

6.如權利要求4所述所述的貸款預測方法，其特征在于，根據所述目標權重、目標均值以及目標模型數量通過公式(三)得到目標對數似然函數；

其中，π表示目標權重，u目標均值，∑表示目標模型數量。

7.如權利要求1至3中任一項所述的貸款預測方法，其特征在于，所述貸款申請請求包括用戶收款賬號信息；

所述根據分類結果以及所述當前申請特征信息通過所述預設用戶貸款預測模型進行貸款通過率預測，得到貸款通過率的預測結果之后，所述方法還包括：

將所述預測結果與預設閾值進行比較；

在所述預測結果超過預設閾值時，獲取所述貸款申請請求中的用戶收款賬號信息，根據所述用戶收款賬號信息響應所述貸款申請請求。

8.一種貸款預測裝置，其特征在于，所述貸款預測裝置包括：

獲取模塊，用于獲取用戶的貸款申請請求；

提取模塊，用于提取所述貸款申請請求中的當前申請特征信息；

分類模塊，用于通過所述高斯混合分布模型對所述當前申請特征信息對應的用戶進行分類；

預測模塊，用于根據分類結果以及所述當前申請特征信息通過所述預設用戶貸款預測模型進行貸款通過率預測，得到貸款通過率的預測結果。