[發明專利]基于機器學習的貸款審批方法、裝置、設備和存儲介質

有效

• 申請號: 202010147886.8
• 申請日: 2020-03-05
• 公開（公告）號: CN111369342B
• 公開（公告）日: 2023-10-17
• 發明（設計）人: 陳鑫;程琬蕓;劉哲;伍輝;梁棟
• 申請（專利權）人: 中國建設銀行股份有限公司
• 主分類號: G06Q40/03
• 分類號: G06Q40/03;G06Q50/16;G06Q10/0635;G06N20/00
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種基于機器學習的貸款審批方法，其特征在于，包括：

獲取用戶輸入的貸款申請信息以及所述用戶當前使用的輸入設備的設備信息，其中，所述貸款申請信息包括貸款信息以及貸款人信息；

當根據所述貸款人信息、所述設備信息、所述用戶的歷史交易行為信息以及預設的風險預警模型確定所述用戶的還款概率大于預設的第一閾值時，獲取所述用戶的外部數據，其中，所述風險預警模型為機器學習模型，所述外部數據為非預先存儲的數據；

根據所述貸款申請信息、所述外部數據以及預設的評分規則，確定所述用戶的評分，并根據所述評分輸出審批結果。

2.根據權利要求1所述的方法，其特征在于，所述根據所述貸款人信息、所述設備信息、所述用戶的歷史交易行為信息以及預設的風險預警模型確定所述用戶的還款概率，包括：

根據所述貸款人信息、所述設備信息以及所述用戶的歷史交易行為信息，構建所述用戶的信息關系網絡；

從所述信息關系網絡中提取所述用戶對應的風險特征信息；

將所述風險特征信息分別輸入至預設的多個風險預警模型，得到對應的輸出結果，其中，不同的風險預警模型用于預測所述用戶不同的還款風險，所述還款風險包括逾期概率、還款能力以及還款意愿中的任意一種；

對所有輸出結果進行加權計算，得到所述用戶的還款概率。

3.根據權利要求2所述的方法，其特征在于，還包括：

對所述用戶的信息關系網絡進行分析，確定目標風險標識，并將所述目標風險標識添加到黑名單中。

4.根據權利要求2所述的方法，其特征在于，所述外部數據包括所述用戶的第一收入數據，所述根據所述貸款申請信息、所述外部數據以及預設的評分規則，確定所述用戶的評分，包括：

根據預設的映射關系，分別判斷所述第一收入數據以及所述貸款申請信息中的第二收入數據是否與目標貸款金額匹配，其中，所述映射關系中包括不同的收入數據與貸款金額之間的對應關系；

若至少有一個收入數據匹配，則根據所述外部數據中的征信數據，通過預設的評分規則確定所述用戶的評分。

5.根據權利要求4所述的方法，其特征在于，還包括：

若所述第一收入數據和所述第二收入數據均不匹配，則輸出拒貸結果；

若所述第一收入數據不匹配且所述第二收入數據匹配，則輸出第一提示信息，所述第一提示信息用于指示需要提供收入證明。

6.根據權利要求1至5中任一項所述的方法，其特征在于，所述根據所述評分輸出審批結果，包括：

當所述評分大于或等于預設的第二閾值時，輸出第一審批結果，所述第一審批結果用于表征貸款審批通過；

當所述評分小于所述第二閾值時，輸出第二審批結果，所述第二審批結果用于指示通過線下審批流程進行貸款的審批。

7.根據權利要求6所述的方法，其特征在于，所述貸款申請信息還包括待購買房屋的房屋信息，所述方法還包括：

當所述評分大于或等于所述第二閾值時，根據所述房屋信息，確定所述待購買房屋的房屋性質；

當所述待購買房屋為二手房時，判斷所述待購買房屋的購買價格與市場價格是否匹配；

若匹配，則輸出所述第一審批結果；

若不匹配，則輸出第二提示信息，所述第二提示信息用于指示需要提供所述待購買房屋的房屋評估報告。

8.一種基于機器學習的貸款審批裝置，其特征在于，包括：

第一獲取模塊，用于獲取用戶輸入的貸款申請信息以及所述用戶當前使用的輸入設備的設備信息，其中，所述貸款申請信息包括貸款信息以及貸款人信息；

第二獲取模塊，用于當根據所述貸款人信息、所述設備信息、所述用戶的歷史交易行為信息以及預設的風險預警模型確定所述用戶的還款概率大于預設的第一閾值時，獲取所述用戶的外部數據，其中，所述風險預警模型為機器學習模型，所述外部數據為非預先存儲的數據；

處理模塊，用于根據所述貸款申請信息、所述外部數據以及預設的評分規則，確定所述用戶的評分，并根據所述評分輸出審批結果。