信用评估方法及装置制造方法及图纸

本发明专利技术提供一种信用评估方法及装置，在第一时间段内获取第一账号在分类信息平台上的行为数据，根据该行为数据，获取训练样本及行为特征，将训练样本及行为特征输入至分类模型，获取到第一时间段内第一账号在分类信息平台上的置信度后，根据该置信度，预测第二时间段内，第一账号在分类信息平台上的信用。该过程中，通过获取第一账号在分类信息平台上的行为数据，通过对该行为数据进行分析预测未来时间段内第一账号在分类信息平台上的信用，实现正确评估用户在分类信息平台上的信用的目的。

【技术实现步骤摘要】

本专利技术实施例涉及数据评估
，尤其涉及一种信用评估方法及装置。
技术介绍
信用制度是银行等机构开展个人消费信贷业务的基础，银行等机构通过获取用户的金融消费数据、网络行为数据等预测用户的金融信用，并定期更新该金融信用，根据金融信用为用户提供信用业务。例如，芝麻信用通过呈现个人的信用情况，在酒店、租房、航空等场景为用户、商户提供信用服务。金融信用中，每个用户就是一个具体的实体，通过该用户在线下的金融消费数据，以及网络行为数据(即线上数据)从而预测用户的金融信用，通过线下与线上，实现闭环交易。目前，一般通过金融信用来评估用户在114分类信息网、58同城、赶集网等分类信息平台上的信用。然而，金融信息获取的网络行为数据，仅仅是用户在一些交易平台上的数据，只能反映用户的金融信用，并不能反映用户在分类信息平台上的发帖表现等行为。
技术实现思路
本专利技术提供一种信用评估方法及装置，通过获取用户在分类信息平台上的行为实现正确评估用户在分类信息平台上的信用的目的。第一方面，本专利技术实施例提供一种信用评估方法，包括：在第一时间段内获取第一账号在分类信息平台上的行为数据；对所述行为数据进行过滤获取训练样本，并对所述行为数据进行训练获取行为特征；将所述训练样本与所述行为特征输入分类模型，以确定所述第一账号在所述分类信息平台上的置信度；根据所述置信度，预测第二时间段内，所述第一账号在所述分类信息平台上的信用。在一种可行的实现方式中，所述对所述行为数据进行过滤获取训练样本，包括：确定预设规则，根据所述预设规则获取预设数量的样本；对所述预设数量的样本进行验证；若所述预设数量的样本中每个样本满足预设条件，则根据所述预设规则，过滤所述行为数据。在一种可行的实现方式中，上述方法还包括：确定与所述第一账号关联的第二账号；对所述第二账号在所述分类信息平台上的行为数据进行训练，得到所述第二账号的训练样本；将所述第二账号的训练样本加入至所述第一账号的训练样本中。在一种可行的实现方式中，所述对所述行为数据进行训练获取行为特征，包括：确定与所述第一账号关联的第二账号；对所述第二账号在所述分类信息平台上的行为数据进行训练，得到所述第二账号的行为特征；将所述第二账号的行为特征加入至所述第一账号的行为特征中。在一种可行的实现方式中，所述在第一时间段内获取用户在分类信息平台上的行为数据之前，还包括：获取至少一个用户在所述分类信息平台上的行为数据；采用机器学习模块对所述至少一个用户在所述分类信息平台上的数据进行学习，生成所述分类模型。在一种可行的实现方式中，根据所述置信度，预测第二时间段内，所述第一账号在所述分类信息平台上的信用之后，还包括：更新所述第一账号在所述分类信息平台上的信用。第二方面，本专利技术实施例提供一种信用评估装置，包括：获取模块，用于在第一时间段内获取第一账号在分类信息平台上的行为数据；处理模块，用于对所述行为数据进行过滤获取训练样本，并对所述行为数据进行训练获取行为特征；置信度确定模块，用于将所述训练样本与所述行为特征输入分类模型，以确定所述第一账号在所述分类信息平台上的置信度；预测模块，用于根据所述置信度，预测第二时间段内，所述第一账号在所述分类信息平台上的信用。在一种可行的实现方式中，所述处理模块，具体用于确定预设规则，根据所述预设规则获取预设数量的样本，对所述预设数量的样本进行验证，若所述预设数量的样本中每个样本满足预设条件，则根据所述预设规则，过滤所述行为数据。在一种可行的实现方式中，所述处理模块，还用于确定与所述第一账号关联的第二账号，对所述第二账号在所述分类信息平台上的行为数据进行训练，得到所述第二账号的训练样本，将所述第二账号的训练样本加入至所述第一账号的训练样本中。在一种可行的实现方式中，所述处理模块，还用于确定与所述第一账号关联的第二账号，对所述第二账号在所述分类信息平台上的行为数据进行训练，得到所述第二账号的行为特征，将所述第二账号的行为特征加入至所述第一账号的行为特征中。在一种可行的实现方式中，所述处理模块，在所述获取模块在第一时间段内获取用户在分类信息平台上的行为数据之前，还用于获取至少一个用户在所述分类信息平台上的行为数据；采用机器学习模块对所述至少一个用户在所述分类信息平台上的数据进行学习，生成所述分类模型。在一种可行的实现方式中，所述处理模块，在所述预测模块根据所述置信度，预测第二时间段内，所述第一账号在所述分类信息平台上的信用之后，还用于更新所述第一账号在所述分类信息平台上的信用。本专利技术实施例提供的信用评估方法及装置，在第一时间段内获取第一账号在分类信息平台上的行为数据，根据该行为数据，获取训练样本及行为特征，将训练样本及行为特征输入至分类模型，获取到第一时间段内第一账号在分类信息平台上的置信度后，根据该置信度，预测第二时间段内，第一账号在分类信息平台上的信用。该过程中，通过获取第一账号在分类信息平台上的行为数据，通过对该行为数据进行分析预测未来时间段内第一账号在分类信息平台上的信用，实现正确评估用户在分类信息平台上的信用的目的。附图说明为了更清楚地说明本专利技术方法实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术方法的一些实施例，对于本领域技术人员来讲，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为本专利技术信用评估方法的过程示意图；图2为本专利技术信用评估方法实施例一的流程图；图3为本专利技术信用评估装置的结构示意图。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，本领域技术人员在没有做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。以下内容为结合附图及较佳实施例，对依据本专利技术申请的具体实施方式、结构、特征及其功效的详细说明。本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。一般来说，用户的金融信用，用于反映用户的诚信度、偿还债务的信誉等。与金融信用不同，第一账号在分类信息平台上的信用，用于反映该账号为低质量账号的概率、为违规账号的概率或具有虚假行为的概率等。本专利技术实施例中，通过分析评估第一账号在过去的一段时间，即第一时间段内的行为数据，结合通过机器学习学习得到的分类模型，预测未来时间段内，即第二时间段内第一账号为低质量账号的概率、为违规账号的概率、具有虚假行为的概率。具体的，可参见图1，图1为本专利技术信用评估方法的过程示意图。请参照图1，第一时间段例如为1个月，第二时间段也例如本文档来自技高网...

【技术保护点】
一种信用评估方法，其特征在于，包括：在第一时间段内获取第一账号在分类信息平台上的行为数据；对所述行为数据进行过滤获取训练样本，并对所述行为数据进行训练获取行为特征；将所述训练样本与所述行为特征输入分类模型，以确定所述第一账号在所述分类信息平台上的置信度；根据所述置信度，预测第二时间段内，所述第一账号在所述分类信息平台上的信用。

【技术特征摘要】
1.一种信用评估方法，其特征在于，包括：在第一时间段内获取第一账号在分类信息平台上的行为数据；对所述行为数据进行过滤获取训练样本，并对所述行为数据进行训练获取行为特征；将所述训练样本与所述行为特征输入分类模型，以确定所述第一账号在所述分类信息平台上的置信度；根据所述置信度，预测第二时间段内，所述第一账号在所述分类信息平台上的信用。2.根据权利要求1所述的方法，其特征在于，所述对所述行为数据进行过滤获取训练样本，包括：确定预设规则，根据所述预设规则获取预设数量的样本；对所述预设数量的样本进行验证；若所述预设数量的样本中每个样本满足预设条件，则根据所述预设规则，过滤所述行为数据。3.根据权利要求1所述的方法，其特征在于，还包括：确定与所述第一账号关联的第二账号；对所述第二账号在所述分类信息平台上的行为数据进行训练，得到所述第二账号的训练样本；将所述第二账号的训练样本加入至所述第一账号的训练样本中。4.根据权利要求1～3任一项所述的方法，其特征在于，所述对所述行为数据进行训练获取行为特征，包括：确定与所述第一账号关联的第二账号；对所述第二账号在所述分类信息平台上的行为数据进行训练，得到所述第二账号的行为特征；将所述第二账号的行为特征加入至所述第一账号的行为特征中。5.根据权利要求1～3任一项所述的方法，其特征在于，所述在第一时间段内获取用户在分类信息平台上的行为数据之前，还包括：获取至少一个用户在所述分类信息平台上的行为数据；采用机器学习模块对所述至少一个用户在所述分类信息平台上的数据进行学习，生成所述分类模型。6.根据权利要求1～3任一项所述的方法，其特征在于，根据所述置信度，预测第二时间段内，所述第一账号在所述分类信息平台上的信用之后，还包括：更新所述第一账号在所述分类信息平台上的信用。7.一种信用评估装置，其特征在于，包括...

【专利技术属性】
技术研发人员：吴向中，
申请(专利权)人：北京城市网邻信息技术有限公司，
类型：发明
国别省市：北京;11