[發(fā)明專利]催收評(píng)分方法及裝置

在審

• 申請?zhí)枺?/td>: 202110578935.8
• 申請日: 2021-05-26
• 公開（公告）號(hào): CN113191888A
• 公開（公告）日: 2021-07-30
• 發(fā)明（設(shè)計(jì)）人: 樊濤;鄧飛飏;周可沁;褚巍;吳安;朱飛云;韓曉杰
• 申請（專利權(quán)）人: 中國建設(shè)銀行股份有限公司
• 主分類號(hào): G06Q40/02
• 分類號(hào): G06Q40/02;G06Q10/06;G06K9/62
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 李偉

本申請?zhí)峁┝艘环N催收評(píng)分方法及裝置，該方法包括：獲取目標(biāo)用戶的用戶信息，對用戶信息進(jìn)行解析，確定目標(biāo)用戶的逾期還款天數(shù)所屬的逾期還款天數(shù)范圍，將預(yù)先構(gòu)建的各個(gè)催收評(píng)分模型中，與逾期還款天數(shù)范圍對應(yīng)的催收評(píng)分模型確定為目標(biāo)催收評(píng)分模型，將用戶信息輸入至目標(biāo)催收評(píng)分模型中，得到目標(biāo)用戶的催收評(píng)分結(jié)果。本技術(shù)方案中，預(yù)先構(gòu)建不同逾期還款天數(shù)范圍對應(yīng)的催收評(píng)分模型，基于目標(biāo)用戶的逾期還款天數(shù)所屬的逾期還款天數(shù)范圍，從各個(gè)預(yù)先構(gòu)建的催收評(píng)分模型中確定目標(biāo)催收評(píng)分模型，基于目標(biāo)催收評(píng)分模型，對目標(biāo)用戶進(jìn)行催收評(píng)分，從而提高了催收評(píng)分的準(zhǔn)確度，進(jìn)而可基于催收評(píng)分結(jié)果，確定出適用的催收策略，實(shí)現(xiàn)精準(zhǔn)催收。

技術(shù)領(lǐng)域

本申請涉及互聯(lián)網(wǎng)金融行業(yè)領(lǐng)域，尤其涉及一種催收評(píng)分方法及裝置。

背景技術(shù)

在貸后管理工作中，需要對逾期用戶的催收評(píng)分，進(jìn)而基于催收評(píng)分的結(jié)果確定催收策略，以對逾期用戶進(jìn)行貸款催收。

發(fā)明人在研究過程中發(fā)現(xiàn)，現(xiàn)有的催收評(píng)分方案，對所有的逾期用戶采用相同的催收評(píng)分策略進(jìn)行催收評(píng)分。然而逾期還款天數(shù)范圍不同，逾期用戶的風(fēng)險(xiǎn)表現(xiàn)不同，若都采用相同的催收評(píng)分策略，會(huì)影響催收評(píng)分的準(zhǔn)確度，從而使得所確定的催收策略不適用，進(jìn)而導(dǎo)致無法實(shí)現(xiàn)精準(zhǔn)催收。

發(fā)明內(nèi)容

本申請?zhí)峁┝艘环N催收評(píng)分方法及裝置，目的在于解決現(xiàn)有的催收評(píng)分方案，對所有的逾期用戶采用相同的催收評(píng)分策略進(jìn)行催收評(píng)分，會(huì)影響催收評(píng)分的準(zhǔn)確度，從而使得所確定的催收策略不適用，進(jìn)而導(dǎo)致無法實(shí)現(xiàn)精準(zhǔn)催收的問題。

為了實(shí)現(xiàn)上述目的，本申請?zhí)峁┝艘韵录夹g(shù)方案：

一種催收評(píng)分方法，包括：

獲取目標(biāo)用戶的用戶信息；所述目標(biāo)用戶為待催收評(píng)分的用戶；

對所述用戶信息進(jìn)行解析，確定所述逾期用戶的逾期還款天數(shù)所屬的逾期還款天數(shù)范圍；

將預(yù)先構(gòu)建的各個(gè)催收評(píng)分模型中，與所述逾期還款天數(shù)范圍對應(yīng)的催收評(píng)分模型確定為目標(biāo)催收評(píng)分模型；

將所述用戶信息輸入至所述目標(biāo)催收評(píng)分模型中，得到所述目標(biāo)用戶的催收評(píng)分結(jié)果。

上述的方法，可選的，所述將所述用戶信息輸入至所述目標(biāo)催收評(píng)分模型中，得到所述目標(biāo)用戶的催收評(píng)分結(jié)果，包括：

獲取所述目標(biāo)催收評(píng)分模型的多個(gè)變量屬性；

從所述用戶信息中提取每個(gè)變量屬性各自對應(yīng)的信息；

將每個(gè)變量屬性各自對應(yīng)的信息輸入至所述目標(biāo)催收評(píng)分模型中，得到所述目標(biāo)用戶的催收評(píng)分結(jié)果。

上述的方法，可選的，所述將每個(gè)變量屬性各自對應(yīng)的信息輸入至所述目標(biāo)催收評(píng)分模型中，得到所述目標(biāo)用戶的催收評(píng)分結(jié)果，包括：

計(jì)算每個(gè)變量屬性各自對應(yīng)的信息的特征向量；

將每個(gè)變量屬性各自對應(yīng)的信息的特征向量輸入至所述目標(biāo)催收評(píng)分模型中，得到所述目標(biāo)用戶的催收評(píng)分結(jié)果。

上述的方法，可選的，每個(gè)催收評(píng)分模型的構(gòu)建過程，包括：

采集多個(gè)逾期用戶的樣本數(shù)據(jù)，每個(gè)樣本數(shù)據(jù)中包括多個(gè)變量；

按照逾期還款天數(shù)，對各個(gè)樣本數(shù)據(jù)進(jìn)行歸類，得到多個(gè)樣本集；

針對每個(gè)樣本集，按照預(yù)設(shè)的與所述樣本集對應(yīng)的變量篩選策略，對所述樣本集中的每一個(gè)樣本數(shù)據(jù)進(jìn)行變量篩選，得到每個(gè)樣本數(shù)據(jù)對應(yīng)的目標(biāo)樣本數(shù)據(jù)，將各個(gè)目標(biāo)樣本數(shù)據(jù)組成所述樣本集對應(yīng)的目標(biāo)樣本集；