The invention is applicable to the field of Internet technology and provides a method for obtaining negative label weight, a terminal device and a medium. The method comprises: if the topology of a customer relationship network is detected to be updated, the customer sample data corresponding to several nodes are obtained; and the God is constructed and trained based on the customer sample data. Through the network model, the portrait features of each customer to be audited in the business approval system are input into the neural network model to output the weight values of each customer to be audited on each negative label type; according to the average value of each weight value of the same negative label type, the label weight of the negative label type is calculated. The method realizes the automatic update of label weight, reduces the operation complexity, avoids the problem of single dimension of label weight analysis, improves the calculation accuracy of label weight, and ensures that the business approval system can obtain the negative label weight of real-time update.
【技术实现步骤摘要】
负面标签权重的获取方法、终端设备及介质
本专利技术属于互联网
,尤其涉及一种负面标签权重的获取方法、终端设备及计算机可读存储介质。
技术介绍
目前,通过对客户的个人特性属性进行分析,可以为客户打上不同类型的标签。现有技术中,通常是基于业务规则的方式来确定客户标签,即,只要检测到个人特征属性满足预设的业务规则,就会为该客户打上业务规则所对应的一个标签。例如,若客户满足“实际还款时间超过预定还款时间”这一业务规则,则为该客户打上逾期标签;若客户满足“具有理赔记录”这一业务规则,则为该客户打上理赔标签等。由于上述业务规则都是为了确定客户是否具有负面信息记录,因此,上述标签均为负面标签。对于每一类负面标签,根据该类负面标签的客户总数在所有客户中所占的比值,可计算出该负面标签的标签权重,以表示该类负面标签对逾期还款事件出现的影响程度大小。此后,该标签权重将会被管理员输入于贷款审批系统中,以作为贷款审核过程中的一项参考因子。然而,上述标签权重只能根据每一客户自身的特征属性来进行确定,忽略了关联客户之间的相互影响,由此降低了负面标签权重的准确性以及可参考性。
技术实现思路
有鉴于此,本专利技术实施例提供了一种负面标签权重的获取方法、终端设备及计算机可读存储介质,以解决现有技术中负面标签权重的准确性以及可参考性均较为低下的问题。本专利技术实施例的第一方面提供了一种负面标签权重的获取方法,包括:若检测到客户关系网络拓扑出现更新,则获取其中多个节点所分别对应的客户样本数据,所述客户样本数据包括画像特征、负面标签类型以及每一所述负面标签类型的权重值;基于所述客户样本数据,构建 ...
【技术保护点】
1.一种负面标签权重的获取方法,其特征在于,包括:若检测到客户关系网络拓扑出现更新,则获取其中多个节点所分别对应的客户样本数据,所述客户样本数据包括画像特征、负面标签类型以及每一所述负面标签类型的权重值;基于所述客户样本数据,构建并训练神经网络模型;将业务审批系统中各个待审核客户的所述画像特征输入所述神经网络模型,以输出每一所述待审核客户分别在每一所述负面标签类型上的权重值;根据所述负面标签类型相同的各个所述权重值,计算该负面标签类型的标签权重。
【技术特征摘要】
1.一种负面标签权重的获取方法,其特征在于,包括:若检测到客户关系网络拓扑出现更新,则获取其中多个节点所分别对应的客户样本数据,所述客户样本数据包括画像特征、负面标签类型以及每一所述负面标签类型的权重值;基于所述客户样本数据,构建并训练神经网络模型;将业务审批系统中各个待审核客户的所述画像特征输入所述神经网络模型,以输出每一所述待审核客户分别在每一所述负面标签类型上的权重值;根据所述负面标签类型相同的各个所述权重值,计算该负面标签类型的标签权重。2.如权利要求1所述的负面标签权重的获取方法,其特征在于,所述若检测到客户关系网络拓扑出现更新,则获取其中多个节点所分别对应的客户样本数据,包括:将更新后的客户关系网络拓扑分成多个子网络拓扑;在每一所述子网络拓扑中,查找出携带负面标签的各个节点,并计算查找出的所述各个节点在该子网络拓扑中的第一占比值;获取所述客户关系网络拓扑中携带负面标签的各个节点的第二占比值;若任一所述子网络拓扑的所述第一占比值与所述第二占比值的差值小于第一预设阈值,则将该子网络拓扑中各个所述节点所分别对应的客户数据确定为所述客户样本数据。3.如权利要求2所述的负面标签权重的获取方法,其特征在于,所述若任一所述子网络拓扑的所述第一占比值与所述第二占比值的差值小于第一预设阈值,则将该子网络拓扑中各个所述节点所分别对应的客户数据确定为所述客户样本数据,包括:若任一所述子网络拓扑的所述第一占比值与所述第二占比值的差值小于预设阈值,则获取该子网络拓扑对应各个所述负面标签类型的第一节点分布以及所述客户关系网络拓扑对应各个所述负面标签类型的第二节点分布;若所述第一节点分布与所述第二节点分布的相似度大于第二预设阈值,则将该子网络拓扑中各个所述节点所分别对应的客户数据确定为所述客户样本数据。4.如权利要求1所述的负面标签权重的获取方法,其特征在于,所述基于所述客户样本数据,构建并训练神经网络模型,包括:获取所述客户样本数据中携带所述负面标签的负面样本数据以及携带正面标签的正面样本数据;根据所述负面样本数据以及所述正面样本数据所分别对应的负面标签节点以及正面标签节点,查找与所述负面标签节点以及与所述正面标签节点均具有关联关系的测试节点,并获取各个所述测试节点所对应的测试样本数据;将所述客户样本数据、所述负面样本数据以及所述测试样本数据分别输入初始化的神经网络模型的输入层、输出层以及隐含层;基于预设的边权重和点阈值,通过反向传播算法,训练所述神经网络模型。5.如权利要求1所述的负面标签权重的获取方法,其特征在于,所述基于预设的边权重和点阈值,通过反向传播算法,训练所述神经网络模型,包括:通过预设的梯度下降法,分别对训练层中每一节点以及每一条边的权重值进行迭代调整,并记录当前时刻的迭代次数;所述训练层包括所述输入层、输出层以及隐含层;当所述迭代次数达到第三预设阈值时,或者,当所述神经网络模型输出的任一所述负面标签类型的权重值达到第四预设阈值时,...
【专利技术属性】
技术研发人员:任钢林,
申请(专利权)人:平安普惠企业管理有限公司,
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。