[發明專利]用戶信用風險評估方法及裝置、計算機可讀存儲介質

在審

• 申請號: 201910574796.4
• 申請日: 2019-06-28
• 公開（公告）號: CN110415102A
• 公開（公告）日: 2019-11-05
• 發明（設計）人: 嚴銳;張俊
• 申請（專利權）人: 上海上湖信息技術有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06N3/08;G06N3/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 周書敏;李笑笑

一種用戶信用風險評估方法及裝置、計算機可讀存儲介質，所述用戶信用風險評估方法包括：獲取用戶在預設的應用軟件中的操作數據；將所述用戶的操作數據輸入至信用風險評估模型中進行風險評估，得到所述用戶的逾期概率；輸出所述用戶的逾期概率。采用上述方案，能夠對沒有征信數據或者征信數據較少的人群進行信用風險評估。

技術領域

本發明實施例涉及信用風險評估技術領域，尤其涉及一種用戶信用風險評估方法及裝置、計算機可讀存儲介質。

背景技術

貸款通常包括抵押貸款和無抵押信用貸款兩種類型。對于抵押貸款要求申請人具有相應的抵押物，對于無押信用貸款通常根據用戶的征信報告等數據判斷用戶的信用風險情況，以確定是否能夠給申請人授信貸款額度。在個人信貸場景中，如何準確的識別申請人的信用風險情況時信貸過程中一個非常重要的環節。

然而，對于沒有征信報告或者征信報告中數據較少的人群，難以進行信用風險評估。

發明內容

本發明實施例解決的技術問題是對沒有征信報告或者征信報告中數據非常少的人群難以進行信用風險評估。

為解決上述技術問題，本發明實施例提供一種用戶信用風險評估方法，包括：獲取用戶在預設的應用軟件中的操作數據；將所述用戶的操作數據輸入至信用風險評估模型中進行風險評估，得到所述用戶的逾期概率；輸出所述用戶的逾期概率。

可選的，所述操作數據包括：每項操作的操作內容及對應的操作時間點；將所述用戶的操作數據輸入至信用風險評估模型中進行風險評估，包括：根據每項操作的操作時間點，將所述用戶的操作數據按照時序進行排列，得到所述用戶的操作行為集合，所述操作行為集合包括每項操作的操作內容及對應的時間點；將所述用戶的操作行為集合輸入至信用風險評估模型中進行風險評估。

可選的，所述操作內容包括以下至少一種：所述用戶在所述預設的應用軟件中觸發的操作類型、所述用戶在瀏覽頁面的停留時長。

可選的，所述獲取用戶在設定的應用軟件中的操作數據，包括：基于所述用戶在所述應用軟件中的行為埋點數據，獲取所述操作數據。

可選的，采用如下方式構建所述信用風險評估模型：獲取訓練樣本中所有用戶的操作數據；將所述所有用戶的操作數據按照時序進行排序及分類，得到所述所有用戶的操作行為集合；將所述所有用戶的操作行為集合輸入至時序類深度學習算法中，并基于每個用戶的信用標簽，訓練得到所述信用風險評估模型。

可選的，所述時序類深度學習算法包括以下至少一種：循環神經網絡、長短期記憶網絡。

本發明實施例還提供一種用戶信用風險評估裝置，包括：獲取單元，適于獲取用戶在預設的應用軟件中的操作數據；評估單元，適于將所述用戶的操作數據輸入至信用風險評估模型中進行風險評估，得到所述用戶的逾期概率；輸出單元，適于輸出所述用戶的逾期概率。

可選的，所述操作數據包括：每項操作的操作內容及對應的操作時間點；所述評估單元，適于根據每項操作的操作時間點，將所述用戶的操作數據按照時序進行排列，得到所述用戶的操作行為集合，所述操作行為集合包括每項操作的操作內容及對應的時間點；將所述用戶的操作行為集合輸入至信用風險評估模型中進行風險評估。

可選的，所述操作內容包括以下至少一種：所述用戶在所述預設的應用軟件中觸發的操作類型、所述用戶在瀏覽頁面的停留時長。

可選的，所述獲取單元，適于基于所述用戶在所述應用軟件中的行為埋點數據，獲取所述操作數據。

可選的，所述用戶信用風險評估裝置還包括：模型構建單元，適于采用如下方式構建所述信用風險評估模型：獲取訓練樣本中所有用戶的操作數據；將所述所有用戶的操作數據按照時序進行排序及分類，得到所述所有用戶的操作行為集合；將所述所有用戶的操作行為集合輸入至時序類深度學習算法中，并基于每個用戶的信用標簽，訓練得到所述信用風險評估模型。