[發明專利]用戶分類方法、裝置、電子設備及存儲介質

在審

• 申請號: 202110483797.5
• 申請日: 2021-04-30
• 公開（公告）號: CN113112346A
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 許天歌
• 申請（專利權）人: 平安普惠企業管理有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06K9/62
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明涉及大數據技術，揭露了一種用戶分類方法，包括：采集樣本用戶的數據，得到樣本數據集；基于有序離散選擇模型和預設的種類數構建初始用戶分類模型；基于所述初始用戶分類模型，利用所述樣本數據集構建用戶分類模型；利用所述用戶分類模型對待分類用戶數據進行分類，得到分類結果。此外，本發明還涉及區塊鏈技術，所述待分類用戶數據可存儲于區塊鏈的節點。本發明還提出一種用戶分類裝置、電子設備以及計算機可讀存儲介質。本發明可以解決用戶分類結果精確性較低的問題。

技術領域

本發明涉及大數據技術領域，尤其涉及一種用戶分類方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

在大數據時代下，對用戶進行分類，可以有效預測用戶的行為，挖掘出各類用戶的價值，并為業務系統提供有效信息。如借貸用戶，業務系統通過劃分信用等級實現客戶細分，預測客戶的違約概率。

目前，已有的借貸用戶分類方法往往僅是簡單的二分類，分類的類別總數較少，使得分類結果精確性較低；同時，現有用戶分類方法的分類標準是通用的信用等級，并沒有結合客戶的還款表現，無法確定貸款的損失程度或獲利能力，因此無法有效區分各等級客戶的價值，區分結果精確性不高。

發明內容

本發明提供一種用戶分類方法、裝置及計算機可讀存儲介質，其主要目的在于解決用戶分類結果精確性較低的問題。

為實現上述目的，本發明提供的一種用戶分類方法，包括：

采集樣本用戶數據，得到樣本數據集；

基于有序離散選擇模型和預設的種類數構建初始用戶分類模型；

基于所述初始用戶分類模型，利用所述樣本數據集構建用戶分類模型；

利用所述用戶分類模型對待分類用戶數據進行分類，得到分類結果。

可選地，所述采集樣本用戶的數據，得到樣本數據集，包括：

獲取樣本用戶的的基礎信息和還款數據，得到用戶數據；

根據預設的類別總數和所述還款數據確定所述用戶數據的標簽；

將所述用戶數據與所述標簽對應匯集，得到樣本數據集。

可選地，所述基于有序離散選擇模型和預設的種類數構建初始用戶分類模型，包括：

獲取有序離散選擇模型；

使所述有序離散選擇模型服從有序多分類分布，并將所述預設的種類數與所述有序離散選擇模型結合，得到初始用戶分類模型。

可選地，所述使所述有序離散選擇模型服從有序多分類分布，并將所述預設的種類數與所述有序離散選擇模型結合，得到初始用戶分類模型，包括：

使所述有序離散選擇模型中的誤差參數ε服從有序多分類分布；

根據所述有序多分類分布和所述預設的種類數對所述有序離散選擇模型進行變換，得到初始用戶分類模型。

可選地，所述基于所述初始用戶分類模型，利用所述樣本數據集構建用戶分類模型，包括：

將所述初始用戶分類模型中的模型參數轉化為似然函數表示，得到似然函數；

對所述似然函數進行取對數處理，并利用所述樣本數據集進行求解，得到模型參數值；

將所述模型參數值代入所述初始用戶分類模型中，得到用戶分類模型。

可選地，所述利用所述用戶分類模型對待分類用戶數據進行分類，得到分類結果，包括：

從預設的業務系統中獲取待分類用戶數據；