一种用户信用评估方法和装置制造方法及图纸

本发明专利技术实施例公开了一种用户信用评估方法和装置，其中的所述方法包括：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。采用本发明专利技术，可提高用户信用的评估准确性。

【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：离线特征获取模块，用于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；离线评分模块，用于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；实时特征获取模块，用于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；实时评分模块，用于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；综合评分模块，用于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。本专利技术实施例中的用户信用评估装置通过获取用户的离线特征信息和实时特征信息，分别计算用户的离线信用评分和实时信用评分，从而计算用户的综合信用评分，实现了结合用户的长期特征数据和实时特征数据准确预测用户的信用状况，解决了现有技术中因此用户信息滞后造成的信用估计不准确的问题。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例中的一种用户信用评估方法的流程示意图；图2是本专利技术实施例中获取用户的实时特征信息和离线特征信息的来源示意图；图3是本专利技术实施例中对离线预测模型进行训练的流程示意图；图4是本专利技术实施例中对实时预测模型进行训练的流程示意图；图5是本专利技术实施例中对综合预测模型进行训练的流程示意图；图6是本专利技术实施例中的一种用户信用评估装置的结构示意图；图7是本专利技术实施例中的样本获取模块的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例中的用户信用评估方法和装置，可以实现在如个人电脑、笔记本电脑、智能手机、平板电脑、电子阅读器等计算机系统中，较多的可以被采用在提供用户信用评估的服务器中，例如数据业务平台的后台服务器。下文均以用户信用评估装置作为本专利技术实施例的执行主体进行介绍。图1是本专利技术实施例中的一种用户信用评估方法的流程示意图，如图所示本实施例中的用户信用评估方法流程可以包括：S101，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。所述离线特征信息如图2所示，用户信用评估装置可以通过采集来自第三方提供的用户数据得到，也可以通过业务平台采集得到的用户数据中获取得到。用户信用评估装置可以通过对上述得到的用户数据进行特征计算，将用户数据中的用户属性、用户行为或用户属性/行为的变化转换为统一格式的离线特征信息，例如数字化的特征信息。所述预设的更新周期，可以是外部厂商提供用户数据的更新周期，也可以是用户信用评估装置中自身设置的采集更新周期。由于大数据涉及庞大的用户基数，离线特征信息中可以包括用户所有的历史特征信息，数据量庞大，因此该预设的更新周期一般较长，通常至少为一周至一个月。在可选实施例中，所述离线特征信息可以为用户较为稳定的特征信息，例如性别、年龄、籍贯、职业、收入情况等属性，还可以包括所有的历史契约信用记录，对于此类通常较为稳定的用户特征信息，只需要按照预设更新周期进行更新即可，因此将这些特征类别的信息作为离线特征信息。在可选实施例中，所述离线特征信息可以是经过筛选的特征类别的离线特征信息，即第三方提供的用户数据或业务平台采集得到的用户数据中可能包括多个特征类别的离线特征信息，用户信用评估装置可以从中筛选出指定特征类别的离线特征信息。所述指定的特征类别，可以是用户信用评估装置根据预设的训练样本数据，所述训练样本数据包括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，用户信用评估装置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，从而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指定的特征类别。S102，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。所述离线预测模型，可以是经过训练的逻辑回归分类模型，也可以是经过训练的集成学习模型、深度学习模型、随机森林模型等。用户信用评估装置将目标用户的离线特征信息代入到所述预设的离线预测模型中，即可计算得到目标用户的离线信用评分。所述离线预测模型可以是用户信用评估装置根据预设的训练样本数据训练得到的，所述训练样本数据可以包括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；所述离线预测模型还可以是用户信用评估装置从外部获取的经过训练的离线预测模型。S103，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。所述实时特征信息如图2所示，用户信用评估装置可以通过业务平台采集得到的用户数据中获取得到。用户信用评估装置可以通过对得到的用户数据进行特征计算，将用户数据中的用户属性、用户行为或用户属性/行为的变化转换为统一格式的实时特征信息，例如数字化的特征信息。所述业务平台可以采集用户最新的特征信息，所述预设时间范围小于所述预设更新周本文档来自技高网...

【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