[發明專利]信用評分值的確定方法及其裝置、電子設備及存儲介質

在審

• 申請號: 202210017882.7
• 申請日: 2022-01-07
• 公開（公告）號: CN114372871A
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 相妹
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q10/06;G06N3/08
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 周春枚

1.一種信用評分值的確定方法，其特征在于，包括：

基于目標賬戶的賬戶標識，獲取所述目標賬戶的多個賬戶特征，得到特征集合，其中，每個所述賬戶特征對應一個特征值，對多個所述特征值進行分箱處理，得到多個特征分箱；

將所述特征集合輸入至預先訓練的聯邦學習模型，得到每個所述賬戶特征的參數值；

對每個所述賬戶特征進行權重編碼，得到所述賬戶特征所屬的特征分箱的證據權重值；

基于每個所述賬戶特征的參數值以及所述賬戶特征所屬的特征分箱的證據權重值,確定所述目標賬戶在當前評分機構的信用評分值。

2.根據權利要求1所述的確定方法，其特征在于，在基于目標賬戶的賬戶標識，獲取所述目標賬戶的多個賬戶特征之前，所述確定方法包括：

獲取多個評分機構的樣本數據集，其中，每個所述樣本數據集至少包括：賬戶特征，至少一個樣本數據集還包括：樣本標簽；

對所述樣本數據集進行預處理，并將預處理后的所述樣本數據集中的賬戶特征進行分箱處理，得到多個特征分箱；

基于所述多個特征分箱，計算每個所述特征分箱的證據權重值WOE，并基于所述證據權重值，計算每個所述賬戶特征的信息值IV；

基于所述信息值，篩選大于等于預設價值閾值的信息值所對應的賬戶特征，得到篩選出的賬戶特征集合；

基于預設邏輯回歸模型，擬合所述賬戶特征集合中每個賬戶特征的特征參數，以完成對所述聯邦學習模型的訓練任務。

3.根據權利要求2所述的確定方法，其特征在于，在所述樣本數據集包括樣本標簽的情況下，將預處理后的所述樣本數據集中的賬戶特征進行分箱處理，得到多個特征分箱的步驟，包括：

獲取每個所述賬戶特征的特征值，并對所述特征值進行排序處理，得到排序結果；

基于預設分箱策略，對所述排序結果中所述特征值進行分箱處理，得到多個特征分箱。

4.根據權利要求2所述的確定方法，其特征在于，在將預處理后的所述樣本數據集中的賬戶特征進行分箱處理，得到多個特征分箱之后，所述確定方法還包括：

計算每兩個相鄰的特征分箱的卡方值；

將最小卡方值所指示的相鄰特征分箱合并為一個特征分箱；

返回計算每兩個相鄰的特征分箱的卡方值的步驟，直至所述卡方值大于預設閾值或者分箱數量等于分析數量閾值。

5.根據權利要求2所述的確定方法，其特征在于，在所述樣本數據集包括樣本標簽的情況下，所述確定方法還包括：

控制包含所述樣本標簽的樣本數據集所對應的目標評分機構生成公鑰和私鑰；

控制所述目標評分機構向未包含所述樣本標簽的樣本數據集所對應的其它評分機構發送所述公鑰，并保留所述私鑰。

6.根據權利要求5所述的確定方法，其特征在于，在所述樣本數據集不包括樣本標簽的情況下，在將預處理后的所述樣本數據集中的賬戶特征進行分箱處理，得到多個特征分箱之后，所述確定方法還包括：

獲取目標評分機構生成的公鑰以及標簽向量，其中，所述標簽向量為所述目標評分機構對所述樣本標簽進行同態加密后得到的；

基于所述標簽向量，計算每個所述特征分箱的樣本總數和正樣本數，得到計算結果；

采用所述公鑰對所述計算結果進行加密，并將加密后的所述計算結果發送至所述目標評分機構。

7.根據權利要求2所述的確定方法，其特征在于，基于預設邏輯回歸模型，擬合所述賬戶特征集合中每個賬戶特征的特征參數的步驟，包括：

獲取隨機特征參數，并初始化每個所述賬戶特征的參數，得到初始化參數；

采用預設計算公式對所述賬戶特征以及與所述賬戶特征對應的所述初始化參數進行計算，得到參數計算結果；

基于不同評分機構所對應的參數計算結果，計算模型參數的梯度；

基于模型參數的梯度以及所述隨機特征參數，更新所述初始化參數；

返回采用預設計算公式對所述賬戶特征以及與所述賬戶特征對應的所述初始化參數進行計算，得到參數計算結果的步驟，直到所述邏輯回歸模型達到預設模型收斂模式，得到與每個所述賬戶特征對應的特征參數。