[發明專利]一種用戶信用評估方法及裝置

在審

• 申請號: 202110290623.7
• 申請日: 2021-03-18
• 公開（公告）號: CN113011965A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 林鈔;江曼;陳立新;熊濤;鮑伍
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02
• 代理公司: 北京曼威知識產權代理有限公司 11709
• 代理人: 方志煒

1.一種用戶信用評估方法，其特征在于，包括：

確定業務平臺中的至少部分用戶，并針對確定出的每個用戶，確定該用戶相關聯的各其他用戶；

針對確定出的該用戶相關聯的每個其他用戶，根據該其他用戶與該用戶的關聯關系，以及各關聯關系對應的權重值，確定該其他用戶與該用戶的關系權重，其中，各關聯關系對應的權重值是根據歷史上守信用戶和失信用戶的關聯關系確定的；

根據該其他用戶與該用戶的關系權重、該其他用戶以及該用戶在所述業務平臺中的行為信息，確定該其他用戶與該用戶之間的關系指數，以基于所述至少部分用戶之間的關系指數，確定圖網絡模型，并通過所述圖網絡模型進行信用評估；

其中，所述關系指數用于表征用戶之間的關系緊密程度。

2.如權利要求1所述的方法，其特征在于，各關聯關系對應的權重值采用以下方法確定：

獲取所述業務平臺中的若干守信用戶以及若干失信用戶，并根據獲取到的各守信用戶以及各失信用戶，確定若干訓練樣本對，以及對各訓練樣本對進行標注；

針對每個訓練樣本對，將該訓練樣本對中各用戶之間的關聯關系作為輸入，輸入待訓練的決策樹模型中，確定所述待訓練的決策樹模型輸出的分類結果，以最小化各分類結果與各訓練樣本對的標注之間的差異為目標，調整所述待訓練的決策樹模型中的模型參數，并根據各關聯關系對輸出的分類結果的信息增益，確定各關聯關系對應的權重值。

3.如權利要求1所述的方法，其特征在于，根據該其他用戶與該用戶的關系權重、該其他用戶以及該用戶在所述業務平臺中的行為信息，確定該其他用戶與該用戶之間的關系指數，具體包括：

根據該其他用戶以及該用戶在所述業務平臺中的行為信息，確定該其他用戶以及該用戶之間的行為相似度；

根據該其他用戶與該用戶的關系權重，以及該其他用戶以及該用戶之間的行為相似度，確定該其他用戶與該用戶之間的關系指數。

4.如權利要求1所述的方法，其特征在于，根據該其他用戶與該用戶的關系權重、該其他用戶以及該用戶在所述業務平臺中的行為信息，確定該其他用戶與該用戶之間的關系指數，具體包括：

將該其他用戶與該用戶的關系權重、該其他用戶以及該用戶在所述業務平臺中的行為信息作為輸入，輸入預先訓練的關系預測模型中，確定所述關系預測模型輸出的該其他用戶與該用戶之間的關系指數。

5.如權利要求2或4所述的方法，其特征在于，所述關系預測模型采用以下方法訓練：

針對每個訓練樣本對，根據該訓練樣本對中用戶之間的關聯關系，以及各關聯關系的權重值，確定該訓練樣本對中用戶的關系權重；

將該訓練樣本對中用戶的關系權重以及該訓練樣本對中各用戶的行為信息作為輸入，輸入待訓練的關系預測模型中，確定所述待訓練的關系預測模型輸出的關系指數；

以最小化所述關系指數與該訓練樣本對的標注之間的差異為目標，調整所述待訓練的關系預測模型中的模型參數。

6.如權利要求2所述的方法，其特征在于，根據獲取到的各守信用戶以及各失信用戶，確定若干訓練樣本對，具體包括：

從獲取到的各失信用戶中，確定任意相關聯的兩個失信用戶，作為訓練樣本對；

從獲取到的各守信用戶以及各失信用戶中，確定任意相關聯的一個守信用戶以及一個失信用戶，作為訓練樣本對。

7.如權利要求2所述的方法，其特征在于，所述方法還包括：

當所述待訓練的決策樹模型為多個時，針對每個關聯關系，根據該關聯關系對各決策樹模型輸出的分類結果的信息增益，確定該關聯關系的平均信息增益，作為該關聯關系的權重值。

8.如權利要求1所述的方法，其特征在于，確定各關聯關系對應的權重值，具體包括：

根據歷史上所述業務平臺中若干守信用戶和若干失信用戶的關聯關系，確定各關聯關系對應的權重值；或者

根據歷史上其他平臺中若干守信用戶和若干失信用戶的關聯關系，確定各關聯關系對應的權重值。