[發(fā)明專利]客戶的分類方法和裝置

有效

• 申請?zhí)枺?/td>: 202011484452.3
• 申請日: 2020-12-15
• 公開（公告）號: CN112561685B
• 公開（公告）日: 2023-10-17
• 發(fā)明（設計）人: 張發(fā)波
• 申請（專利權）人: 建信金融科技有限責任公司
• 主分類號: G06Q40/03
• 分類號: G06Q40/03;G06F18/241
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 尹宗美;馮培培

1.一種客戶的分類方法，其特征在于，包括：

校驗模塊根據客戶的交易數據對所述客戶進行校驗；

若所述客戶符合校驗要求，則評分模塊確定所述客戶的信用評分和/或反欺詐評分；

閾值確定模塊確定每個維度指標特征的規(guī)則集合，并根據每個維度的指標特征的規(guī)則集合以及決策函數，確定每個維度指標特征對應的目標閾值；所述指標特征是根據所述客戶的交易數據衍生得到的特征；

分類模塊根據所述客戶的信用評分和/或反欺詐評分，以及每個維度的指標特征的目標閾值，確定所述客戶的分類結果。

2.根據權利要求1所述的方法，其特征在于，根據每個維度的指標特征的規(guī)則集合確定每個維度指標特征對應的目標閾值包括：

所述閾值確定模塊確定每個指標特征的規(guī)則集合中規(guī)則的閾值所形成的閾值集合；

所述閾值確定模塊根據所述規(guī)則集合、所述閾值集合以及所述規(guī)則集合與所述閾值集合之間的超參數空間，形成決策函數；

所述閾值確定模塊根據預設的約束條件求解所述決策函數，所述決策函數的解為所述每個維度指標特征對應的目標閾值，所述每個維度指標特征對應的目標閾值能夠使得所述決策函數取最大值或最小值。

3.根據權利要求2所述的方法，其特征在于，所述指標特征至少包括以下一個或多個維度：社交特征、行為偏好特征、信用履約歷史特征以及反欺詐特征；所述規(guī)則集合是從央行征信數據源或者其他第三方數據源中提取每個維度的指標特征對應的規(guī)則所形成的集合。

4.根據權利要求1所述的方法，其特征在于，評分模塊確定所述客戶的信用評分包括：

評分模塊根據所述客戶的交易數據進行特征衍生處理；

所述評分模塊從衍生得到的特征中選擇指標特征；

所述評分模塊確定每個維度指標特征對應的信用評分；

所述評分模塊將每個指標特征對應的信用評分相加，并將加和作為所述客戶的信用評分。

5.根據權利要求4所述的方法，其特征在于，所述評分模塊確定每個維度指標特征對應的信用評分包括：

所述評分模塊確定每個維度指標特征的證據權重；

所述評分模塊根據所述證據權重以及邏輯回歸模型，確定每個維度指標特征對應的信用評分。

6.根據權利要求1所述的方法，其特征在于，分類模塊根據所述客戶的信用評分、反欺詐評分以及每個維度的指標特征的目標閾值確定所述客戶的分類結果包括：

根據每個維度指標特征對應的目標閾值確定分數線；

根據所述客戶的信用評分、反欺詐評分以及所述分數線，對所述客戶進行分段處理，以得到所述客戶的分類結果。

7.根據權利要求1所述的方法，其特征在于，校驗模塊根據客戶的交易數據對所述客戶進行校驗包括：

校驗模塊從客戶的交易數據中獲取客戶信息，所述客戶信息至少包括：身份信息和/或生物信息；

所述校驗模塊判斷所述客戶信息與預存客戶信息是否一致；

若所述客戶的客戶信息與預存客戶信息不一致，則所述校驗模塊認定客戶不滿足校驗要求；

若所述客戶的客戶信息與預存客戶信息一致，則所述校驗模塊判斷所述客戶是否在至少一個預設黑名單中；

若所述客戶在至少一個預設黑名單中，則所述校驗模塊認定所述客戶不符合校驗要求；

若所述客戶不在至少一個預設黑名單中，則所述校驗模塊根據所述客戶的交易數據，則所述校驗模塊認定所述客戶符合校驗要求。

8.一種行為分類裝置，其特征在于，包括：

校驗模塊，用于根據客戶的交易數據對所述客戶進行校驗；

評分模塊，用于若所述客戶符合校驗要求，則確定所述客戶的信用評分和/或反欺詐評分；

閾值確定模塊，用于確定每個維度指標特征的規(guī)則集合，并根據每個維度的指標特征的規(guī)則集合確定每個維度指標特征對應的目標閾值；所述指標特征是根據所述客戶的交易數據衍生得到的特征；

分類模塊，用于根據所述客戶的信用評分和/或反欺詐評分，以及每個維度的指標特征的目標閾值，確定所述客戶的分類結果。