用户类型预测方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例公开了一种用户类型预测方法及相关产品，其中方法包括：在接收到预测请求时，构建用户类型预测模型；基于预设数据库确定第一用户和与所述第一用户关联的第二用户；基于所述预设数据库确定所述第一用户与所述第二用户的关联度和所述第二用户的特征及其对应的第一特征值；将所述关联度和所述第一特征值输入至所述用户类型预测模型得到所述第一用户的逾期概率；基于所述逾期概率预测所述第一用户为黑名单用户。采用本申请，可提高确定申请用户是否为黑名单用户的准确性，便于提高风险识别能力。

User Type Prediction Method, Device, Electronic Equipment and Storage Media

The embodiment of this application discloses a user type prediction method and related products, in which methods include: constructing a user type prediction model upon receiving a prediction request; determining the first user and the second user associated with the first user based on a preset database; and determining the association degree and the second use of the first user and the second user based on the preset database. The characteristics of a user and its corresponding first eigenvalue; the correlation degree and the first eigenvalue are input into the user type prediction model to obtain the overdue probability of the first user; and the first user is predicted to be a blacklist user based on the overdue probability. This application can improve the accuracy of determining whether the applicant is a blacklist user or not, and facilitate the improvement of risk identification ability.

【技术实现步骤摘要】
用户类型预测方法、装置、电子设备及存储介质
本申请涉及计算机
，主要涉及了一种用户类型预测方法、装置、电子设备及存储介质。
技术介绍
风险控制(简称风控)是指风险管理者采取各种措施和方法，消灭或减少风险事件发生的各种可能性，或者减少风险事件发生时造成的损失。现有的风控模型只能判定用户为正常还款用户、逾期用户或者被拒用户，因此如何在风控中确定容易导致风险事件发生的用户是当前亟需解决的技术问题。
技术实现思路
本申请实施例提供了一种用户类型预测方法、装置、电子设备及存储介质，可提高确定申请用户是否为黑名单用户的准确性，便于提高风险识别能力。第一方面，本申请实施例提供一种用户类型预测方法，包括：在接收到预测请求时，构建用户类型预测模型；基于预设数据库，确定第一用户和与所述第一用户关联的第二用户；基于所述预设数据库，获取所述第一用户与所述第二用户的关联度和所述第二用户的特征及其对应的第一特征值；将所述关联度和所述第一特征值输入至所述用户类型预测模型，得到所述第一用户的逾期概率；基于所述逾期概率，预测所述第一用户为黑名单用户。在一种实现方式中，所述构建用户类型预测模型，包括：基于所述预设数据本文档来自技高网...

【技术保护点】
1.一种用户类型预测方法，其特征在于，包括：在接收到预测请求时，构建用户类型预测模型；基于预设数据库，确定第一用户和与所述第一用户关联的第二用户；基于所述预设数据库，确定所述第一用户与所述第二用户的关联度和所述第二用户的特征及其对应的第一特征值；将所述关联度和所述第一特征值输入至所述用户类型预测模型，得到所述第一用户的逾期概率；基于所述逾期概率，预测所述第一用户为黑名单用户。

【技术特征摘要】
1.一种用户类型预测方法，其特征在于，包括：在接收到预测请求时，构建用户类型预测模型；基于预设数据库，确定第一用户和与所述第一用户关联的第二用户；基于所述预设数据库，确定所述第一用户与所述第二用户的关联度和所述第二用户的特征及其对应的第一特征值；将所述关联度和所述第一特征值输入至所述用户类型预测模型，得到所述第一用户的逾期概率；基于所述逾期概率，预测所述第一用户为黑名单用户。2.根据权利要求1所述的方法，其特征在于，所述构建用户类型预测模型，包括：基于所述预设数据库，确定训练申请用户集对应的训练数据集和训练结果集、验证申请用户集对应的验证数据集和验证结果集；根据所述训练数据集和所述训练结果集，构建用户类型待验证模型；根据所述验证数据集和所述验证结果集，对所述用户类型待验证模型进行验证，得到所述用户类型预测模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述预设数据库，确定训练申请用户集对应的训练数据集和训练结果集、验证申请用户集对应的验证数据集和验证结果集，包括：根据预先设置的预测周期、还款时长和所述当前时间，确定第一时段、第二时段、第三时段和第四时段；在所述预设数据库中，分别获取所述第一时段、所述第二时段授权申请信息的申请用户，得到第一用户集和第二用户集；在所述预设数据库中，分别获取从历史时间到所述第一时段的开始时间之间、从所述历史时间到所述第二时段的开始时间之间授权申请信息的申请用户和与其申请用户关联的关联用户，得到第三用户集和第四用户集；确定所述第一用户集和所述第三用户集之间重合的用户属于所述训练申请用户集、所述第二用户集和所述第四用户集之间重合的用户属于所述验证申请用户集；在所述预设数据库中，分别确定从所述历史时间到所述第一时段的开始时间之间所述训练申请用户集、从所述历史时间到所述第一时段的结束时间之间所述验证申请用户集中每一申请用户或其关联的关联用户对应的特征及其对应的特征值，得到所述训练数据集和所述验证数据集；在所述预设数据库中，分别确定所述第三时段中与所述训练申请用户集、所述第四时段中与所述验证申请用户集中每一申请用户对应的还款信息，得到所述训练数据集和所述验证结果集。4.根据权利要求1所述的方法，其特征在于，所述基于预设数据库，确定第一用户和与所述第一用户关联的第二用户，包括：在所述预设数据库中...

【专利技术属性】
技术研发人员：任虎，曾吟，
申请(专利权)人：深圳市买买提信息科技有限公司，
类型：发明
国别省市：广东,44