[發明專利]客戶的分類方法和裝置

有效

• 申請號: 202011484452.3
• 申請日: 2020-12-15
• 公開（公告）號: CN112561685B
• 公開（公告）日: 2023-10-17
• 發明（設計）人: 張發波
• 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

本發明公開了一種客戶的分類方法和裝置，涉及計算機技術領域。該客戶的分類方法的一具體實施方式包括：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則集合，并根據每個維度的指標特征的規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。該實施方式是基于決策函數確定所述目標閾值的，準確率高。

技術領域

本發明涉及計算機技術領域，尤其涉及一種客戶的分類方法和裝置。

背景技術

互聯網純線上業務基本不進行面簽，需特別關注借款身份真實性，同時在還款能力、還款意愿的識別渠道也與傳統不同。借款人身份真實性可以通過身份證照片比對、人臉識別進行識別。還款能力、還款意愿的識別上沒辦法像傳統業務上門盡調、上門訪談等方式進行，只能依據借款人提交的資料、央行征信、第三方數據幾方交叉驗證進行考查。

互聯網客戶來源廣泛，風控過程大部分會采用技術手段先期干預，一般風控流程需要設置一系列風控策略規則，根據風控策略規則設置的閾值計算客戶風險等級。但是，現有分類方式大多是通過經驗確定閾值的，準確率低，進而導致客戶風險等級的劃分準確率低。

發明內容

有鑒于此，本發明實施例提供一種客戶的分類方法和裝置，能夠解決現有分類方式通過經驗確定閾值所導致的準確率低的問題。

為實現上述目的，根據本發明實施例的一個方面，提供了一種客戶的分類方法。

本發明實施例的客戶的分類方法包括：

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則集合，并根據每個維度的指標特征的規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。

可選地，根據每個維度的指標特征的規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則集合中規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則集合、所述閾值集合以及所述規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。

可選地，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則所形成的集合。

可選地，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。

可選地，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：