信用额度的调整方法及其装置、设备、存储介质制造方法及图纸

本发明专利技术实施例提供一种信用额度的调整方法及其装置、设备、存储介质，其中，所述方法包括：基于获取的目标用户的标识信息，获取所述目标用户的数据信息；根据所述目标用户的数据信息确定所述目标用户的状态向量，根据所述目标用户的状态向量确定所述状态向量对应的策略收益向量；将所述策略收益向量和所述状态向量输入至第一全连接神经网络，确定信用额度的调整方向和调整值；根据所述调整方向、调整值和所述目标用户的当前信用额度确定所述目标用户的目标信用额度。

The Adjustment Method of Credit Quota and Its Devices, Equipment and Storage Medium

The embodiment of the present invention provides a credit limit adjustment method and its device, device and storage medium, in which the method includes: acquiring the data information of the target user based on the acquired identification information of the target user; determining the state vector of the target user according to the data information of the target user; and determining the state vector of the target user according to the state vector of the target user. The strategy revenue vector corresponding to the state vector; input the strategy revenue vector and the state vector into the first fully connected neural network to determine the adjustment direction and the adjustment value of the credit limit; and determine the target credit limit of the target user according to the adjustment direction, the adjustment value and the current credit limit of the target user.

【技术实现步骤摘要】
信用额度的调整方法及其装置、设备、存储介质
本专利技术涉及互联网
，尤其涉及一种信用额度的调整方法及其装置、设备、存储介质。
技术介绍
目前，随着经济的发展，人们不再满足于吃饱穿暖的基本保障，往往会有一些超前消费，而这些超前消费需要向银行贷款。个人信用贷款是银行或其它金融机构向资信良好的借款人发放的无需提供担保的人民币信用贷款，而信用额度是依据贷方收入、营收、负债比、职业、财产等条件因素，由借方单方面决定的金额。此意味着借方要有越高的信用额度，借方的各种条件都必须相当优良，贷方才会愿意提供越高的借贷金额。传统的自动调额系统，都是基于人工定制的规则，无法自动的适应当前金融形势和用户状态的变化。
技术实现思路
有鉴于此，本专利技术实施例期望提供一种信用额度的调整方法及其装置、设备、存储介质，解决了现有技术方案中信用额度的调整无法自动的适应当前金融形势和用户状态的变化的问题，能够深度强化学习利用用户的多维度数据信息，并根据用户的状态向量对应与策略收益向量的对应关系，确定信用额度的调整策略，从而自动对信用额度进行调整。本专利技术实施例的技术方案是这样实现的：本专利技术实施例提供一种信用额度的调整方法，所述方法包括：基于获取的目标用户的标识信息，获取所述目标用户的数据信息；根据所述目标用户的数据信息确定所述目标用户的状态向量，根据所述目标用户的状态向量确定所述状态向量对应的策略收益向量；将所述策略收益向量和所述状态向量输入至第一全连接神经网络，确定信用额度的调整方向和调整值；根据所述调整方向、调整值和所述目标用户的当前信用额度确定所述目标用户的目标信用额度。本专利技术实施例提供一种信用额度的调整装置，所述装置包括：第一获取模块、第一确定模块、第二确定模块和第三确定模块，其中：所述第一获取模块，用于基于获取的目标用户的标识信息，获取所述目标用户的数据信息；所述第一确定模块，用于根据所述目标用户的数据信息确定所述目标用户的状态向量，根据所述目标用户的状态向量确定所述状态向量对应的策略收益向量；所述第二确定模块，用于将所述策略收益向量和所述状态向量输入至第一全连接神经网络，确定信用额度的调整方向和调整值；所述第三确定模块，用于根据所述调整方向、调整值和所述目标用户的当前信用额度确定所述目标用户的目标信用额度。本专利技术实施例提供一种信用额度的调整设备，所述设备至少包括：存储器、通信总线和处理器，其中：所述存储器，用于存储信用额度的调整程序；所述通信总线，用于实现处理器和存储器之间的连接通信；所述处理器，用于执行存储器中存储的信用额度的调整程序，以实现以下步骤：基于获取的目标用户的标识信息，获取所述目标用户的数据信息；根据所述目标用户的数据信息确定所述目标用户的状态向量，根据所述目标用户的状态向量确定所述状态向量对应的策略收益向量；将所述策略收益向量和所述状态向量输入至第一全连接神经网络，确定信用额度的调整方向和调整值；根据所述调整方向、调整值和所述目标用户的当前信用额度确定所述目标用户的目标信用额度。本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信用额度的调整程序，所述信用额度的调整程序被处理器执行时实现如上所述的信用额度的调整方法的步骤。本专利技术实施例提供一种信用额度的调整方法及其装置、设备、存储介质，其中，首先基于获取的目标用户的标识信息，获取所述目标用户的数据信息；然后根据所述目标用户的数据信息确定所述目标用户的状态向量，并根据所述目标用户的状态向量确定所述状态向量对应的策略收益向量；再将所述策略收益向量和所述状态向量输入至第一全连接神经网络，确定信用额度的调整方向和调整值；最后根据所述调整方向、调整值和所述目标用户的当前信用额度确定所述目标用户的目标信用额度，如此，能够深度强化学习利用用户的多维度数据信息，并根据用户的状态向量对应与策略收益向量的对应关系，确定信用额度的调整策略，从而自动对信用额度进行调整。附图说明图1为本专利技术实施例提供的信用额度的调整方法的实施环境的示意图；图2-1为本专利技术实施例信用额度的调整方法的实现流程示意图；图2-2为本专利技术实施例第一全神经网络的示意图；图3为本专利技术实施例信用额度的调整方法的实现流程示意图；图4为本专利技术实施例基于用户多维度信息的自动智能调额系统的组成结构示意图；图5为本专利技术实施例状态感知模块示意图；图6为本专利技术实施例策略收益迭代模块的工作过程示意图；图7为本专利技术实施例策略输出模块的工作过程示意图；图8为本专利技术实施例信用额度的调整装置的组成结构示意图；图9为本专利技术实施例信用额度的调整设备的组成结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对专利技术的具体技术方案做进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。图1为本专利技术实施例提供的信用额度的调整方法的实施环境的示意图，如图1所示，该实施环境包括信用额度调整平台101、贷款平台102、社交应用服务器103和目标用户终端104，其中，信用额度调整平台101和贷款平台102之间以及信用额度调整平台101和社交应用服务器103之间、贷款平台102和目标用户终端104、目标用户终端104和社交应用服务器103之间都是通过网络连接并进行信息交互的。信用额度调整平台101，用于从社交应用服务器中获取目标用户的数据信息，并根据数据信息确定目标用户的信用额度调整策略，再根据目标用户的信用额度调整策略和目标用户当前的信用额度确定目标信用额度，并将目标信用额度发送给贷款平台102。信用额度调整平台101可以是一台服务器，或者由若干台服务器组成的服务器集群，或者是一个云计算服务中心。贷款平台102，用于根据目标信用额度为用户发放贷款。贷款平台102可以是一台服务器，或者由若干台服务器组成的服务器集群，或者是一个云计算服务中心。社交应用服务器103是目标用户终端104上安装的社交应用程序对应的服务器。可以是一台服务器，或者由若干台服务器组成的服务器集群，或者是一个云计算服务中心。目标用户终端104上安装有社交应用程序，该社交应用程序指类似于中国的腾讯科技(深圳)有限公司的QQ和微信，中国的北京小米科技有限责任公司的米聊以及中国的新浪网络技术股份有限公司的新浪微博等应用程序。该目标用户终端可以是智能手机、平板电脑、膝上型便携计算机和台式计算机等等。结合图1所示的示意图，以下对信用额度的调整方法及信用额度的调整装置的各实施例进行说明。为了更好的理解本专利技术实施例，这里对深度学习以及本专利技术实施例涉及到的各种神经网络进行解释说明。深度学习(DeepLearning)自2006年以来已经颠覆了图像识别、自然语言理解、语音识别和合成等领域，使得很多“不可能的任务”变为“可能”，带动了人工智能的第三次浪潮。神经网络可以高效的表示高维数据，将其映射为低维数据。深度神经网络，即学习在多层抽象中表示数据的神经网络，已经极大地提升了语音识别、对象识别、对象检测、预测药物分子活性以及其他许多技术。深度学习通过构建分布式表示(监督学习、无监督学习、强化学习)在大型数据集中发现复杂结构。通用人工智能要求模型强调具备人一样的多重智能行为，包括感知、决策、推理与规划，以及交流和沟通。其中最重本文档来自技高网...

【技术保护点】
1.一种调整信用额度的方法，其特征在于，所述方法包括：基于获取的目标用户的标识信息，获取所述目标用户的数据信息；根据所述目标用户的数据信息确定所述目标用户的状态向量，根据所述目标用户的状态向量确定所述状态向量对应的策略收益向量；将所述策略收益向量和所述状态向量输入至第一全连接神经网络，确定信用额度的调整方向和调整值；根据所述调整方向、调整值和所述目标用户的当前信用额度确定所述目标用户的目标信用额度。

【技术特征摘要】
1.一种调整信用额度的方法，其特征在于，所述方法包括：基于获取的目标用户的标识信息，获取所述目标用户的数据信息；根据所述目标用户的数据信息确定所述目标用户的状态向量，根据所述目标用户的状态向量确定所述状态向量对应的策略收益向量；将所述策略收益向量和所述状态向量输入至第一全连接神经网络，确定信用额度的调整方向和调整值；根据所述调整方向、调整值和所述目标用户的当前信用额度确定所述目标用户的目标信用额度。2.根据权利要求1中所述的方法，其特征在于，所述数据信息至少包括：第一维度数据信息、第二维度数据信息和第三维度数据信息，对应地，所述根据所述数据信息确定所述目标用户的状态向量，包括：将所述第一维度数据信息输入到第一循环神经网络，得到第一输出结果；将所述第二维度数据信息输入到第二循环神经网络，得到第二输出结果；将所述第三维度数据信息输入到第三循环神经网络，得到第三输出结果；将所述第一输出结果、所述第二输出结果和所述第三输出结果输入到第二全连接神经网络，得到所述目标用户的状态向量。3.根据权利要求2中所述的方法，其特征在于，所述将所述第一维度数据信息输入到第一循环神经网络得到第一输出结果，包括：将第一时刻的第一维度数据信息输入到所述第一循环神经网络，得到第一一维输出结果；将第k时刻的第一维度数据信息和第(k-1)一维输出结果输入到所述第一循环神经网络，得到第k一维输出结果，其中，所述k＝2、3、…、N，N为所述第一维度数据信息中的时刻总数；将第N一维输出结果确定为第一输出结果。4.根据权利要求2中所述的方法，其特征在于，所述将所述第二维度数据信息输入到第二循环神经网络得到第二输出结果，包括：将第一时刻的第二维度数据信息和第一一维输出结果输入到所述第二循环神经网络，得到第一二维输出结果；将第k时刻的第二维度数据信息、第k一维输出结果和第(k-1)二维输出结果输入到所述第二循环神经网络，得到第k二维输出结果，其中，所述k＝2，3，…，N；将第N二维输出结果确定为第二输出结果。5.根据权利要求2中所述的方法，其特征在于，所述将所述第三维度数据信息输入到第三循环神经网络得到第三输出结果，包括：将第一时刻的第三维度数据信息、第一一维输出结果和第一二维输出结果输入到所述第三循环神经网络，得到第一三维输出结果；将第k时刻的第三维度数据信息、第k一维输出结果、第k二维输出结果和第(k-1)三维输出结果输入到所述第三循环神经网络，得到第k三维输出结果，其中，所述k＝2、3、…、N；将第N三维输出结果确定为第三输出结果。6.根据权利要求1中所述的方法，其特征在于，所述根据所述状态向量确定所述状态向量对应的策略收益向量，包括：获取可使用的信用额度调整策略；确定所述状态向量在所述可使用的信用额度调整策略下的第一收益概率分布信息；根据所述第一收益概率分布信息确定所述状态向量对应的策略收益向量。7.根据权利要求6中所述的方法，其特征在于，所述根据所述第一收益概率分布信息确定所述状态向量对应的策略收益向量，包括：对所述第一收益概率分布信息进行最大池化操作，得到第一采样结果；对第h采样结果进行策略枚举得到第(h+1)收益概率分布信息，并对所述第(h+1)收益概率分布信息最大池化操作，得到第h采样结果，其中，h＝1、2、…、(M-1)，M为预设的迭代次数；根据第(M-1)采样结果确定所述可使用的信用额度调整策略的收益；根据所述可使用的信用额度调整策略和所述可使用的信用额度调整策略的收益确定所述状态向量对应的策略收益向量。8.根据权利要求1中所述的方法，其特征在于，所述方法还包括：将所述调整方向和调整值确定为调整策略；确定所述调整策略的预计收益值和实际收益值；根据所述预计收益值和所述实际收...

【专利技术属性】
技术研发人员：段培，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44