融合多平台征信数据的征信分析方法、装置及终端制造方法及图纸

本发明专利技术是关于一种融合多平台征信数据的征信分析方法、装置及终端，所述方法包括：获取用户征信分析请求，所述分析请求中包括目标用户标识；根据所述目标用户标识，从N个征信平台中获取与所述目标用户标识对应的M组征信数据，其中，M为小于或等于N的正整数；对所述M组征信数据进行融合处理，确定所述目标用户的征信状态。实现了根据多个征信平台中目标用户的征信数据，确定目标用户的征信状态，提高了判断用户征信状态的准确性和可靠性，改善了用户体验。

Credit analysis method, device and terminal integrating multi platform credit data

The invention relates to a credit analysis method, device and terminal that fuses multi-platform credit data. The method includes: acquiring a user credit analysis request, which includes a target user identification; acquiring M group features corresponding to the target user identification from N credit platforms according to the target user identification. The information data, in which M is a positive integer less than or equal to N, is fused and processed to determine the credit status of the target user. According to the target user's credit data in multiple credit platforms, the target user's credit status is determined, the accuracy and reliability of judging the user's credit status are improved, and the user experience is improved.

【技术实现步骤摘要】
融合多平台征信数据的征信分析方法、装置及终端
本专利技术涉及信用服务
，特别涉及一种融合多平台征信数据的征信分析方法、装置及终端。
技术介绍
个人征信，是征信机构依法采集、调查、保存、整理并提供个人征信信息的活动。征信机构可以根据采集的信息，对用户进行信用评分，并以信用报告的形式提供用户信用记录。征信分，反映了用户的征信状态，分数越高，该用户的风险越低即信用越好，反之信用越差。然而，目前的征信机构众多，从而一个用户可能会被多家征信机构评分，得到多个征信分，比如人行信用报告、芝麻分、考拉分、好信度、万象分、猪猪分等。由于各征信机构评分时依据的都是和自己平台领域内的产品数据有关的信息，且各征信机构的评分方法可能不同，因此多家征信机构对同一个用户评分得到的多个征信分往往有高有低，从而无法根据某一家征信机构的评分结果，准确判断用户的征信状态，用户体验不好。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术提出一种融合多平台征信数据的征信分析方法，通过对从多个征信平台中获取的目标用户的多组征信数据进行融合处理，实现了根据多个征信平台中目标用户的征信数据，确定目标用户的征信状态，提高了判断用户征信状态的准确性和可靠性，改善了用户体验。本专利技术还提出一种融合多平台征信数据的征信分析装置。本专利技术还提出一种终端。本专利技术还提出一种计算机可读存储介质。本专利技术第一方面实施例提供一种融合多平台征信数据的征信分析方法，该方法包括：获取用户征信分析请求，所述分析请求中包括目标用户标识；根据所述目标用户标识，从N个征信平台中获取与所述目标用户标识对应的M组征信数据，其中，M为小于或等于N的正整数；对所述M组征信数据进行融合处理，确定所述目标用户的征信状态。本专利技术第二方面实施例提供一种融合多平台征信数据的征信分析装置，包括：第一获取模块，用于获取用户征信分析请求，所述分析请求中包括目标用户标识；第二获取模块，用于根据所述目标用户标识，从N个征信平台中获取与所述目标用户标识对应的M组征信数据，其中，M为小于或等于N的正整数；确定模块，用于对所述M组征信数据进行融合处理，确定所述目标用户的征信状态。在本专利技术一种可能的实现形式中，所述确定模块，具体用于：根据所述M组征信数据分别对应的权值，对所述M组征信数据进行融合处理；或者，利用预先训练的多平台征信模型，对所述M组征信数据进行融合处理。在本专利技术另一种可能的实现形式中，第k组征信数据中包括第k个征信平台的平台标识及所述目标用户标识在第k个征信平台中的征信信息；所述确定模块，还用于：根据所述M组征信数据，确定目标用户对应的用户特征向量，及征信平台特征向量；基于所述预先训练的多平台征信模型，确定与所述用户特征向量及所述征信平台特征向量对应的目标用户的融合违约概率；根据所述目标用户的融合违约概率所属的范围，确定所述目标用户的征信状态。在本专利技术另一种可能的实现形式中，所述装置，还包括：第三获取模块，用于获取所述N个征信平台分别对应的N组总征信数据，其中，第j组总征信数据中包括第j个平台中所有用户的征信数据，j为小于或等于N的自然数；训练模块，用于利用所述N组总征信数据，对预设的神经网络模型进行训练，生成所述多平台征信模型。在本专利技术另一种可能的实现形式中，所述装置，还包括：清洗模块，用于对所述N组总征信数据进行清洗，获取目标训练数据。在本专利技术另一种可能的实现形式中，所述第j组总征信数据中包括第j个征信平台对应的征信平均分、第i个用户在所述第j个征信平台的征信分；所述清洗模块，具体用于：根据所述第i个用户在所述第j个征信平台的征信分及所述第j个征信平台对应的征信平均分，确定所述第i个用户在所述第j个征信平台中的标准分；判断所述第i个用户在任意两个征信平台的标准分间的差值，是否均小于第一阈值；若否，则将所述第i个用户的征信数据从所述N组总征信数据中剔除。在本专利技术另一种可能的实现形式中，所述第j组总征信数据中包括第j个征信平台对应的征信平均分、第i个用户在所述第j个征信平台的征信分，及第I个用户的违约数；所述清洗模块，还用于：根据所述第i个用户在所述第j个征信平台的征信分及所述第j个征信平台对应的征信平均分，确定所述第i个用户在所述第j个征信平台中的标准分；根据所述第i个用户在所述第j个征信平台中的标准分，确定所述第i个用户在所述第j个征信平台中的违约概率；根据所述第i个用户在所有平台中的违约数，确定所述第i个用户的违约总数；根据所述第i个用户的违约总数，及所述第i个用户在所有征信平台的违约概率，确定所述第i个用户的后违约概率；根据所述第i个用户的后违约概率，确定所述第i个用户的违约方差；根据所有用户的违约方差，确定第二阈值；将所述N组总征信数据中，用户的违约方差大于所述第二阈值的用户征信数据剔除。在本专利技术另一种可能的实现形式中，所述训练模块，具体用于：依次利用每组总征信数据，对预设的神经网络模型进行训练，确定所述多平台征信模型的参数；和/或，依次利用每个用户在所有平台中的征信数据，对预设的神经网络模型进行训练，确定所述多平台征信模型的参数。本专利技术第三方面实施例提供一种终端，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，当所述处理器执行所述程序时实现如第一方面所述的融合多平台征信数据的征信分析方法。本专利技术第四方面实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的融合多平台征信数据的征信分析方法。本专利技术实施例提供的技术方案可以包括以下有益效果：通过对从多个征信平台中获取的目标用户的多组征信数据进行融合处理，实现了根据多个征信平台中目标用户的征信数据，确定目标用户的征信状态，提高了判断用户征信状态的准确性和可靠性，改善了用户体验。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是根据一个示例性实施例示出的一种融合多平台征信数据的征信分析方法的流程示意图；图2是根据另一个示例性实施例示出的一种融合多平台征信数据的征信分析方法的流程示意图；图2A是根据一个示例性实施例示出的一种融合多平台征信数据的征信分析方法的计算框架图；图3是根据另一个示例性实施例示出的一种融合多平台征信数据的征信分析方法的流程示意图；图4是根据另一个示例性实施例示出的一种融合多平台征信数据的征信分析方法的流程示意图；图5是根据一个示例性实施例示出的一种融合多平台征信数据的征信分析装置的结构框图；图6是根据一个示例性实施例示出的终端的结构框图。通过上述附图，已示出本专利技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本专利技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本专利技术的概念。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本文档来自技高网...

【技术保护点】
1.一种融合多平台征信数据的征信分析方法，其特征在于，包括：获取用户征信分析请求，所述分析请求中包括目标用户标识；根据所述目标用户标识，从N个征信平台中获取与所述目标用户标识对应的M组征信数据，其中，M为小于或等于N的正整数；对所述M组征信数据进行融合处理，确定所述目标用户的征信状态。

【技术特征摘要】
1.一种融合多平台征信数据的征信分析方法，其特征在于，包括：获取用户征信分析请求，所述分析请求中包括目标用户标识；根据所述目标用户标识，从N个征信平台中获取与所述目标用户标识对应的M组征信数据，其中，M为小于或等于N的正整数；对所述M组征信数据进行融合处理，确定所述目标用户的征信状态。2.如权利要求1所述的方法，其特征在于，所述对所述M组征信数据进行融合处理，包括：根据所述M组征信数据分别对应的权值，对所述M组征信数据进行融合处理；或者，利用预先训练的多平台征信模型，对所述M组征信数据进行融合处理。3.如权利要求2所述的方法，其特征在于，第k组征信数据中包括第k个征信平台的平台标识及所述目标用户标识在第k个征信平台中的征信信息；所述利用预先训练的多平台征信模型，对所述M组征信数据进行融合处理，包括：根据所述M组征信数据，确定目标用户对应的用户特征向量，及征信平台特征向量；基于所述预先训练的多平台征信模型，确定与所述用户特征向量及所述征信平台特征向量对应的目标用户的融合违约概率；根据所述目标用户的融合违约概率所属的范围，确定所述目标用户的征信状态。4.如权利要求2所述的方法，其特征在于，所述利用预先训练的多平台征信模型，对所述M组征信数据进行融合处理之前，还包括：获取所述N个征信平台分别对应的N组总征信数据，其中，第j组总征信数据中包括第j个平台中所有用户的征信数据，j为小于或等于N的自然数；利用所述N组总征信数据，对预设的神经网络模型进行训练，生成所述多平台征信模型。5.如权利要求4所述的方法，其特征在于，所述获取所述N个征信平台分别对应的N组总征信数据之后，还包括：对所述N组总征信数据进行清洗，获取目标训练数据。6.如权利要求5所述的方法，其特征在于，所述第j组总征信数据中包括第j个征信平台对应的征信平均分、第i个用户在所述第j个征信平台的征信分；所述对所述N组总征信数据进行清洗，包括：根据所述第i个用户在所述第j个征信平台的征信分及所述第j个征信平台对应的征信平均分，确定所述第i个用户在所述第j个征信平台中的标准分；判断所述第i个用户在任意两个征信平台的标准分间的差值，是否均小于第一阈值；若否，则将所...

【专利技术属性】
技术研发人员：黄引刚，
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