[發(fā)明專利]一種信用評分模型的建立方法及裝置

在審

• 申請?zhí)枺?/td>: 201910695716.0
• 申請日: 2019-07-30
• 公開（公告）號: CN110458690A
• 公開（公告）日: 2019-11-15
• 發(fā)明（設(shè)計）人: 曾偉雄;莫卉星;紀磊
• 申請（專利權(quán)）人: 聯(lián)動優(yōu)勢科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06K9/62
• 代理公司: 11291 北京同達信恒知識產(chǎn)權(quán)代理有限公司
• 代理人: 郝志國<國際申請>=<國際公布>=<進入

本發(fā)明提供一種信用評分模型的建立方法及裝置，該裝置包括：獲取包括授信客戶的相關(guān)信息及信用評分的第一類訓(xùn)練樣本；初始化分類模型，并利用所述第一類訓(xùn)練樣本對初始化后的分類模型進行訓(xùn)練，訓(xùn)練結(jié)束后得到初步信用評分模型；獲取拒絕客戶的相關(guān)信息并輸入到所述初步信用評分模型，得到所述拒絕客戶的信用評分；將拒絕客戶的相關(guān)信息及信用評分，授信客戶的相關(guān)信息及信用評分作為第二類訓(xùn)練樣本；初始化分類模型，并利用第二類訓(xùn)練樣本對初始化后的分類模型進行訓(xùn)練，訓(xùn)練結(jié)束后得到最終信用評分模型。本發(fā)明可以解決現(xiàn)有的拒接推斷的方法均獨立分類模型之外的問題，改善了信用程度評分的判別能力，并且給出了一個量化可操作的過程。

技術(shù)領(lǐng)域

本發(fā)明涉及分類模型應(yīng)用技術(shù)領(lǐng)域。具體涉及一種信用評分模型的建立方法及裝置。

背景技術(shù)

在信貸領(lǐng)域，貸款方需要向放款方申請貸款，放款方基于貸款方的相關(guān)信息進行審核，審核通過后的貸款方為授信客戶，審核未通過的為拒絕客戶。對于授信客戶，根據(jù)授信客戶的貸款請求進行放款，后期放款方根據(jù)授信客戶的相關(guān)信息對授信客戶的信用程度進行區(qū)分，該相關(guān)信息可以包括授信客戶的個人信息，也可以進一步包括授信客戶在一段時間內(nèi)的貸款還款記錄等，區(qū)分后確定該授信客戶是信用程度高的好客戶(如未逾期的客戶)、還是信用程度低的壞客戶(如存在逾期的客戶)。

利用上述授信客戶的相關(guān)信息及其對應(yīng)的信用程度作為訓(xùn)練樣本，對分類模型進行訓(xùn)練，訓(xùn)練結(jié)束后利用分類模型，根據(jù)其他的授信客戶的相關(guān)信息，對其他的授信客戶進行信用程度分類。

但是，上述分類模型僅利用授信客戶的相關(guān)信息及信用卡程度作為訓(xùn)練數(shù)據(jù)進行建模，僅可以對授信客戶進行信用程度分類，無法對拒絕客戶進行信用程度分類，這樣就在對客戶進行信用程度評分時，總是“使用部分樣本數(shù)據(jù)去估計總體”，因而存在參數(shù)估計的偏差。因此提出了拒絕推理(reject inference)，又稱拒絕推斷，拒絕推斷就是為了推斷出拒絕客戶的信用程度評分，改善信用程度評分的判別能力。

目前提出幾種常用的拒絕推斷方法，如重新分類法(Reclassification)、分散打包法(Parceling)、重新加權(quán)法(Reweighting)等，但這些方法均獨立分類模型之外，未能充分利用拒絕客戶的信用程度，并不是一個量化的可操作性的方法。

發(fā)明內(nèi)容

本發(fā)明提供一種信用評分模型的建立方法及裝置，用以解決現(xiàn)有的拒接推斷的算法均獨立分類模型之外，未能充分利用拒絕客戶的信用程度，并不是一個量化的可操作性的方法的問題。

第一方面，本申請?zhí)峁┮环N信用評分模型的建立方法，該方法包括：

獲取包括授信客戶的相關(guān)信息及信用評分的第一類訓(xùn)練樣本；

初始化分類模型，并利用所述第一類訓(xùn)練樣本對初始化后的分類模型進行訓(xùn)練，訓(xùn)練結(jié)束后得到初步信用評分模型；

獲取拒絕客戶的相關(guān)信息并輸入到所述初步信用評分模型，得到所述拒絕客戶的信用評分；

將拒絕客戶的相關(guān)信息及信用評分，授信客戶的相關(guān)信息及信用評分作為第二類訓(xùn)練樣本；

初始化分類模型，并利用第二類訓(xùn)練樣本對初始化后的分類模型進行訓(xùn)練，訓(xùn)練結(jié)束后得到最終信用評分模型。

可選的，所述信用評分為信用度，所述第一類訓(xùn)練樣本/第二類訓(xùn)練樣本中，包括信用度小于設(shè)定閾值的負樣本及信用度大于設(shè)定閾值的正樣本。

可選的，還包括：

檢測當前設(shè)定閾值劃分的第一類訓(xùn)練樣本/第二類訓(xùn)練樣本中的正樣本和負樣本是否滿足如下關(guān)系式，若不滿足調(diào)整設(shè)定閾值至滿足如下關(guān)系式：