【技术实现步骤摘要】
本专利技术涉及互联网
,尤其涉及一种用户信用评估方法和装置。
技术介绍
近年来,随着互联网技术的飞速发展,人们越来越多的通过互联网进行各种数据业务,而用户的信用评估也成为了一个互联网
的焦点问题。现有技术中对用户的信用评估方式通常是通过收集用户的个人信息,然后通过统计模型或机器学习的一些预测算法,对用户违约风险进行预测,例如常用的FICO信用评分系统以及Zestfinace信用评价系统。现有的信用评分机制中采用的个人信息(大数据)通常都是按照预设更新周期进行更新,更新周期一般为一个月或更长,用户发生的状况要在下次更新时才能被参考,照成信息滞后,对用户信用的评估准确性带来非常大的影响。
技术实现思路
本专利技术实施例所要解决的技术问题在于,提供一种用户信用评估方法和装置,可避免信息更新周期带来的用户信息滞后,提高用户信用的评估准确性。为了解决上述技术问题,本专利技术实施例提供了一种用户信用评估方法,所述方法包括:获取目标用户的离线特征信息,所述离线特征信息为按照预设更新周期进行更新的用户的特征信息;根据目标用户的离线特征信息以及预设的离线预测模型,计算目标用户的离线信用评分;获取目标用户的实时特征信息,所述实时特征信息为距离当前预设时间范围内采集到的用户的特征信息,所述预设时间范围小于所述预设更新周期;根据目标用户的实时特征信息以及预设的实时预测模型,计算目标用户的实时信用评分;根据得到的目标用户的离线信用评分和实时信用评分结合预设的综合预测模型,计算目标用户的综合信用评分。相应地,本专利技术实施例还提供了一种用户信用评估装置,所述装置包括:离线特 ...
【技术保护点】
一种用户信用评估方法,其特征在于,所述方法包括:获取目标用户的离线特征信息,所述离线特征信息为按照预设更新周期进行更新的用户的特征信息;根据目标用户的离线特征信息以及预设的离线预测模型,计算目标用户的离线信用评分;获取目标用户的实时特征信息,所述实时特征信息为距离当前预设时间范围内采集到的用户的特征信息,所述预设时间范围小于所述预设更新周期;根据目标用户的实时特征信息以及预设的实时预测模型,计算目标用户的实时信用评分;根据得到的目标用户的离线信用评分和实时信用评分结合预设的综合预测模型,计算目标用户的综合信用评分。
【技术特征摘要】
1.一种用户信用评估方法,其特征在于,所述方法包括:获取目标用户的离线特征信息,所述离线特征信息为按照预设更新周期进行更新的用户的特征信息;根据目标用户的离线特征信息以及预设的离线预测模型,计算目标用户的离线信用评分;获取目标用户的实时特征信息,所述实时特征信息为距离当前预设时间范围内采集到的用户的特征信息,所述预设时间范围小于所述预设更新周期;根据目标用户的实时特征信息以及预设的实时预测模型,计算目标用户的实时信用评分;根据得到的目标用户的离线信用评分和实时信用评分结合预设的综合预测模型,计算目标用户的综合信用评分。2.如权利要求1所述的用户信用评估方法,其特征在于,所述获取目标用户的离线特征信息之前还包括:获取多个用户的信用评分结果样本和各个用户的离线特征信息;根据用户的离线特征信息建立所述离线预测模型,并根据所述多个用户的信用评分结果样本和各个用户的离线特征信息对所述离线预测模型进行训练。3.如权利要求2所述的用户信用评估方法,其特征在于,所述获取多个用户的信用评分结果样本和各个用户的离线特征信息包括:获取多个用户的信用评分结果样本和各个用户的多个特征类别的离线特征信息样本;根据所述用户信用样本数据中多个用户的信用评分结果样本和各个用户的多个特征类别的离线特征信息样本,计算各个特征类别与信用评分结果之间的相关度;将与信用评分结果之间的相关度达到预设阈值的特征类别确定为所述离线特征信息的特征类别,并从所述各个用户的多个特征类别的离线特征信息样本中筛选出对应特征类别的离线特征信息。4.如权利要求1所述的用户信用评估方法,其特征在于,所述获取用户的实时特征信息之前还包括:获取多个用户的信用评分结果样本和各个用户的实时特征信息;根据用户的实时特征信息建立所述实时预测模型,并根据所述多个用户的信用评分结果样本和各个用户的实时特征信息对所述实时预测模型进行训练。5.如权利要求4所述的用户信用评估方法,其特征在于,所述获取多个用户的信用评分结果样本和各个用户的实时特征信息包括:获取多个用户的信用评分结果样本和各个用户的多个特征类别的实时特征信息样本;根据所述用户信用样本数据中多个用户的信用评分结果样本和各个用户的多个特征类别的实时特征信息样本,计算各个特征类别与信用评分结果之间的相关度;将与信用评分结果之间的相关度达到预设阈值的特征类别确定为所述实时特征信息的特征类别,并从所述各个用户的多个特征类别的实时特征信息样本中筛选出对应特征类别的实时特征信息。6.如权利要求1所述的用户信用评估方法,其特征在于,所述根据得到的目标用户的离线信用评分和实时信用评分结合预设的综合预测模型,计算目标用户的综合信用评分之前还包括:获取多个用户的信用评分结果样本和各个用户的离线特征信息和实时特征信息;根据所述各个用户的离线特征信息以及预设的离线预测模型,计算所述各个用户的离线信用评分;根据所述各个用户的实时特征信息以及预设的实时预测模型,计算所述各个用户的实时信用评分;根据用户的离线信用评分和实时信用评分建立所述综合预测模型,并根据所述多个用户的信用评分结果以及各个用户的离线信用评分和实时信用评分对所述综合预测模型进行训练。7.如权利要求1所述的用户信用评估方法,其特征在于,所述实时特征信息包括业务平台采集得到的用户数据;所述离线特征信息包括第三方提供的用户数据或业务平台采集得到的用户数据。8.如权利要求1-7中任一项所述的用户信用评估方法,其特征在于,所述方法还包括:根据目标用户的综合信用评分为目标用户推送产品信息;或根据目标用户的综合信用评分对目标用户的数据业务进行监控管理。9.一种用户信用评估装置,其特征在于,所述装置包括:离线特征获取模块,用于获取目标用户的离线...
【专利技术属性】
技术研发人员:陈培炫,陈谦,陈玲,
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。