[發明專利]一種信用評估方法及系統

在審

• 申請號: 202210272417.8
• 申請日: 2022-03-18
• 公開（公告）號: CN114782123A
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 胡一聞;楊旭;張愛華;黃逸珺;彭若弘;車培榮
• 申請（專利權）人: 北京匯智信達科技發展有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q30/02;G06K9/62
• 代理公司: 北京中政聯科專利代理事務所(普通合伙) 11489
• 代理人: 陳超

1.一種信用評估方法，其特征在于，包括：

獲取訓練用戶的電信運營商業務數據中預設周期內的訓練原始行為數據；

將所述訓練原始行為數據加載到所述XGBoost模型或所述線性回歸模型中進行訓練；

使用訓練完成的所述XGBoost模型或所述線性回歸模型對所述訓練原始行為數據的信用分進行預測，生成所述預設周期的預測信用分；

對所述預測信用分進行平滑處理，得到所述預設周期的更新信用分。

2.根據權利要求1所述的方法，其特征在于，

使用訓練完成的所述XGBoost模型對所述訓練原始行為數據的信用分進行預測還包括：

保存預測結果并檢測所述預測結果的穩定性；

所述預測結果穩定，使用所述XGBoost模型計算預測信用分；

所述預測結果不穩定，重新建立XGBoost模型進行訓練。

3.根據權利要求1所述的方法，其特征在于，

對所述預測信用分進行平滑處理后得到所述預設周期的更新信用分包括：

利用上一預設周期的信用分對當前所述預設周期的預測信用分進行平滑處理，得到當前所述預設周期的更新信用分；

所述平滑處理的公式為：

其中，表示當前所述預設周期的更新信用分，S_n-1表示上一預設周期的信用分，S_n′表示當前所述預設周期的預測信用分，α為平滑系數。

4.根據權利要求1所述的方法，其特征在于，

將所述訓練原始行為數據加載到所述線性回歸模型之前還包括：對所述訓練原始行為數據進行預處理。

5.根據權利要求4所述的方法，其特征在于，

所述預處理包括：對所述訓練原始行為數據進行清洗和維度選取；

所述清洗包括；對所述訓練原始行為數據進行缺失值填充、糾正錯誤值、消除重復記錄、一致性檢查；

所述維度選取包括：基于不同的維度對所述訓練原始行為數據進行選取，所述維度包括：身份信息、消費能力、信用記錄、行為習慣、交往圈信息。

6.根據權利要求5所述的方法，其特征在于，

所述缺失值填充包括填充所述訓練原始行為數據中的缺失部分；

所述糾正錯誤值包括根據數學統計，將所述訓練原始行為數據中偏離總體統計分布的數據替換為正常區間的邊界數據；

所述消除重復記錄包括對所述訓練原始行為數據中完全一致的數據進行集合，保留其中一行數據，刪除其余數據；

所述一致性檢查包括根據所述訓練原始行為數據中的每個數據的合理取值范圍和相互關系，檢查數據是否合乎要求。

7.根據權利要求6所述的方法，其特征在于，

所述缺失值填充還包括：部分缺失值填充，用所述訓練原始行為數據中推導出的平均值、最大值、最小值、中位數或概率估計值代替缺失值。

8.一種信用評估系統，其特征在于，包括：

獲取數據模塊,用于獲取訓練用戶的電信運營商業務數據中預設周期內的訓練原始行為數據；

訓練模塊，用于將所述訓練原始行為數據加載到所述XGBoost模型或所述線性回歸模型中進行訓練；

生成預測信用分模塊，用于使用訓練完成的所述XGBoost模型或所述線性回歸模型對所述訓練原始行為數據的信用分進行預測，生成預測信用分；

更新信用分模塊，用于對所述預測信用分進行平滑處理，得到所述預設周期的更新信用分。

9.根據權利要求8所述的系統，其特征在于，還包括：

預處理模塊，用于將所述訓練原始行為數據加載到所述線性回歸模型之前，對所述訓練原始行為數據進行預處理。

10.根據權利要求9所述的系統，其特征在于，所述預處理模塊包括：

清洗單元，用于對所述訓練原始行為數據進行缺失值填充、糾正錯誤值、消除重復記錄、一致性檢查；

維度選取單元，用于基于不同的維度對所述訓練原始行為數據進行選取，所述維度包括：身份信息、消費能力、信用記錄、行為習慣、交往圈信息。