一种借贷需求预测方法技术
【技术实现步骤摘要】
一种借贷需求预测方法
本专利技术涉及计算机应用
，具体而言，涉及一种借贷需求预测方法。
技术介绍
随着互联网技术的快速发展和普及，个人对个人(person-to-person，P2P)借贷逐渐由单一的线下模式转变为线下与线上并行，网络借贷平台也应运而生，且成为P2P借贷的主要形式。通过上述网络借贷平台把借、贷双方对接起来实现各自的借贷需求，其中，借款人主体是个人，以信用借款为主，面对社会筹集资金。相关技术中的信用借款多通过网络借贷平台对借款申请人的个人信用进行评分，然后根据评分结果从事先划定好等级的各个借款额度中确定对应于借款申请人的借款额度。就一定程度而言，网络借贷平台对借款申请人的借款额度将随着该借款申请人的个人信用评分的增大而增大，然而，在实际的借贷应用过程中，并非借款人的个人信用评分越高，其需求的借款金额越大，反之亦然，可见，亟需一种对借贷需求进行预测的技术方案以最大程度的挖掘用户的借款意图。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种借贷需求预测方法，以提高借贷需求预测的精准度，进一步实现互联网金融借贷的精准营销。第一方面，本专利技术提供了一...
【技术保护点】
一种借贷需求预测方法，其特征在于，包括：获取多个样本用户的历史借贷属性信息，以及对应于每个样本用户的历史借贷行为信息；其中，所述历史借贷行为信息包括是否借贷的记录，以及发生借贷的借贷金额；根据所述多个样本用户的历史借贷属性信息和所述是否借贷的记录，训练得到借贷概率预测模型；以及，根据所述多个样本用户的历史借贷属性信息和所述借贷金额，训练得到借贷金额预测模型；基于所述借贷概率预测模型的预测结果和所述借贷金额预测模型的预测结果之间的预设运算关系，为目标用户预测借贷信息。
【技术特征摘要】
1.一种借贷需求预测方法，其特征在于，包括：获取多个样本用户的历史借贷属性信息，以及对应于每个样本用户的历史借贷行为信息；其中，所述历史借贷行为信息包括是否借贷的记录，以及发生借贷的借贷金额；根据所述多个样本用户的历史借贷属性信息和所述是否借贷的记录，训练得到借贷概率预测模型；以及，根据所述多个样本用户的历史借贷属性信息和所述借贷金额，训练得到借贷金额预测模型；基于所述借贷概率预测模型的预测结果和所述借贷金额预测模型的预测结果之间的预设运算关系，为目标用户预测借贷信息。2.根据权利要求1所述的方法，其特征在于，所述根据所述多个样本用户的历史借贷属性信息和所述是否借贷的记录，训练得到借贷概率预测模型，具体包括：基于获取的多个样本用户的历史借贷属性信息，确定初始第一借贷属性特征；将所述初始第一借贷属性特征作为初始自变量，将对应的是否借贷的记录作为初始因变量进行至少一轮模型训练；其中，每一轮模型训练由至少两个候选模型参与；将每一轮模型训练中错误率最小的模型的组合，作为完成训练的借贷概率预测模型。3.根据权利要求2所述的方法，其特征在于，每轮训练执行如下操作：基于本轮训练使用的训练数据确定当前自变量的自变量值和当前因变量的因变量值，对参与本轮训练的至少两个候选模型进行训练；根据本轮训练的结果，从参与本轮训练的至少两个候选模型中确定错误率最低的第一候选模型；并确定所述第一候选模型在本轮训练中得到的是否借贷结果错误的出错样本用户；基于预设权重更新规则，将出错样本用户的权重更新；根据所述多个样本用户的当前权重，对多个样本用户进行分层抽样处理，得到下一轮训练需要使用的训练数据，进入下一轮训练。4.根据权利要求3所述的方法，其特征在于，针对除第一轮训练之外的其他轮训练，在基于本轮训练使用的训练数据确定对应自变量的自变量值和对应因变量的因变量值之前，还包括：基于上轮训练结束确定的本轮训练需要使用的训练数据所包含样本用户的特征，构建针对本轮训练的新的第一借贷属性特征；并将所述新的第一借贷属性特征确定为当前自变量，将对应的是否借贷的记录确定为当前因变量。5.根据权利要求3所述的方法，其特征在于，针对除第一轮训练之外的其他轮训练，根据本轮训练的结果，从参与本轮训练的至少两个候选模型中确定错误率最低的第一候选模型，具体包括：基于所述多个样本用户的历史借贷属性信息，确定每个样本用户的对应当前自变量的自变量值及当前因变量的因变量值；将每个样本用户的对应自变量值分别输入本轮完成训练的至少两个候选模型，得到各样本用户是否借贷的预测结果；根据各样本...
【专利技术属性】
技术研发人员：李燕伟，夏耘海，王甲樑，
申请(专利权)人：国信优易数据有限公司，
类型：发明
国别省市：北京,11
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。