贷款用户信用评分的计算方法、装置和计算机设备制造方法及图纸

本申请提供一种贷款用户信用评分的计算方法、装置和计算机设备，所述的方法包括：获取贷款用户填写的贷款信息、所述贷款用户的征信数据、所述贷款用户所持有的各个支付卡的交易数据、生活缴费数据和保单数据；根据所述贷款信息、所述征信数据、所述交易数据、所述生活缴费数据和所述保单数据，生成所述贷款用户的特征向量；将所述贷款用户的特征向量输入预先构建的评分模型中，获得所述贷款用户的信用评分结果。本申请实施例减少贷款用户信用评分计算出错的概率。

Calculating Method, Equipment and Computer Equipment of Credit Score for Loan Users

The application provides a method, device and computer equipment for calculating the credit score of a loan user. The method includes obtaining the loan information filled out by the loan user, the credit data of the loan user, the transaction data of each payment card held by the loan user, the living payment data and the insurance policy data, and according to the loan information, the credit data and the payment data. Easy data, life payment data and insurance policy data are used to generate the feature vectors of the loan users, and the feature vectors of the loan users are input into the pre-constructed scoring model to obtain the credit scoring results of the loan users. The embodiment of this application reduces the probability that the credit score of the loan user is calculated incorrectly.

【技术实现步骤摘要】
贷款用户信用评分的计算方法、装置和计算机设备
本申请涉及计算机
，具体而言，本申请涉及一种贷款用户信用评分的计算方法、装置和计算机设备。
技术介绍
打分卡技术是以计算机技术为核心的，以取代人力为特征的大规模自动化处理方法，是目前普遍采用的能够有效控制风险、降低业务人员数量、极大提高审批效率的商业银行革命性措施之一。打分卡使用场合很多，包括营销评分、申请评分、行为评分、回款催收评分等等，贷款公司评分卡一般用于客户识别与贷款放款额度评定。目前贷款公司在采用打分卡技术进行评分时，基本上是利用用户填写信息，拉取人行征信数据来进行评定，一次评定得出结果，但是该种方式出错的概率较大。
技术实现思路
本申请针对现有方式的缺点，提出一种贷款用户信用评分的计算方法、装置和计算机设备，以减少贷款用户信用评分计算出错的概率。本申请的实施例根据第一个方面，提供了一种贷款用户信用评分的计算方法，包括：获取贷款用户填写的贷款信息、所述贷款用户的征信数据、所述贷款用户所持有的各个支付卡的交易数据、生活缴费数据和保单数据；根据所述贷款信息、所述征信数据、所述交易数据、所述生活缴费数据和所述保单数据，生成所述贷款用户的特征向量；将所述贷款用户的特征向量输入预先构建的评分模型中，获得所述贷款用户的信用评分结果。在一个实施例中，所述获得所述贷款用户的信用评分结果，之后，还包括：根据信用评分结果，对所述贷款用户发放与所述信用评分结果对应的款项。在一个实施例中，所述根据所述贷款信息、所述征信数据、所述交易数据、所述生活缴费数据和所述保单数据，生成所述贷款用户的特征向量，包括：对所述贷款信息、所述征信数据、所述交易数据、所述生活缴费数据和所述保单数据进行分类，获得字符类型数据和数值类型数据；生成所述字符类型数据的第一特征向量；生成所述数值类型数据的第二特征向量；将所述第一特征向量和所述第二特征向量进行合并，生成所述贷款用户的特征向量。在一个实施例中，所述对所述贷款信息、所述征信数据、所述交易数据、所述生活缴费数据和所述保单数据进行分类，获得字符类型数据和数值类型数据，之前，还包括：将所述交易数据、所述生活缴费数据和所述报单数据中重复数据进行删除。在一个实施例中，所述生成所述字符类型数据的第一特征向量，包括：对所述字符类型数据进行one-hot编码，生成所述字符类型数据的第一特征向量；或者，对所述字符类型数据进行哈希计算，生成所述字符类型数据的第一特征向量。在一个实施例中，所述生成所述数值类型数据的第二特征向量，包括：创建初始特征向量；将所述数值类型数据按照预设顺序依次填入所述初始特征向量中，得到所述数值类型数据的第二特征向量。在一个实施例中，所述评分模型为：其中，Y为信用评分结果，a1、a2…、an为系数，X1、X2…Xn为所述贷款用户的特征向量中的各个参数。本申请的实施例根据第二个方面，还提供了一种贷款用户信用评分的计算装置，包括：数据获取模块，用于获取贷款用户填写的贷款信息、所述贷款用户的征信数据、所述贷款用户所持有的各个支付卡的交易数据、生活缴费数据和保单数据；特征向量生成模块，用于根据所述贷款信息、所述征信数据、所述交易数据、所述生活缴费数据和所述保单数据，生成所述贷款用户的特征向量；评估模块，用于将所述贷款用户的特征向量输入预先构建的评分模型中，获得所述贷款用户的信用评分结果。本申请的实施例根据第三个方面，还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上述任意一项所述的贷款用户信用评分的计算方法。本申请的实施例根据第四个方面，还提供了一种计算机设备，所述计算机设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任意一项所述的贷款用户信用评分的计算方法。上述的贷款用户信用评分的计算方法、装置和计算机设备，获取贷款用户填写的贷款信息和贷款用户的征信数据，以及贷款用户所持有的各个支付卡的交易数据、生活缴费数据和保单数据，结合评分模型，可实时更新用户贷前评分卡得分，减少一次评定得分出错的概率。另外，还可以实时跟踪用户交易，防止用户在审批结束放款前的恶意交易造成坏账，还可以根据实时评分卡得分发掘潜在客户。本申请附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本申请的实践了解到。附图说明本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为本申请一个实施例的贷款用户信用评分的计算方法的流程示意图；图2为本申请一个实施例的贷款用户信用评分的计算装置的结构示意图；图3为本申请一个实施例的计算机设备的结构示意图。具体实施方式下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。如图1所示，在一个实施例中，一种贷款用户信用评分的计算方法，包括：S110、获取贷款用户填写的贷款信息、所述贷款用户的征信数据、所述贷款用户所持有的各个支付卡的交易数据、生活缴费数据和保单数据。贷款用户填写的贷款信息、贷款用户的征信数据可以作为固定输入参数，各个支付卡的交易数据、生活消费数据、保单数据可以作为实时变化输入参数。如果贷款用户为已提交贷款申请的用户，贷款用户填写的信息指的是用户提交贷款申请时填写的信息。如果贷款用户为还未提交贷款申请的用户，贷款用户填写的信息可以以0或者其他指定字符代替。可选的，支付卡包括银行卡、信用卡等实体卡，也可以包括微信、支付宝等虚拟卡。以银行卡和信用卡为例，可以通过网银扒取银行卡收入和支出流水，信用卡账单及流水，信用卡账单及流水指的是除人行征信记录外的出账、还款时间，还款记录等。生活消费数据指的是生活类账单，例如生活账单中水电煤缴费地点、金额等。保单数据指的是保单中的保额、保费、保期、被保物、出险时间等。保单即为保险单，指的是保险人与投保人签订保险合同的书面证明。贷款用户填写的贷款信息以及贷款用户的征信数据可以从人行征信系统中获取。贷款用户所持有的各个支付卡中实体卡的交易数据可以从各个银行的业务系统获取，贷款用户所持有的各个支付卡中虚拟卡的交易数据可以从常用的支付APP(Application，应用)后台系统中获取，支付APP包括微信、支付宝、ApplePay(苹果本文档来自技高网...

【技术保护点】
1.一种贷款用户信用评分的计算方法，其特征在于，包括：获取贷款用户填写的贷款信息、所述贷款用户的征信数据、所述贷款用户所持有的各个支付卡的交易数据、生活缴费数据和保单数据；根据所述贷款信息、所述征信数据、所述交易数据、所述生活缴费数据和所述保单数据，生成所述贷款用户的特征向量；将所述贷款用户的特征向量输入预先构建的评分模型中，获得所述贷款用户的信用评分结果。

【技术特征摘要】
1.一种贷款用户信用评分的计算方法，其特征在于，包括：获取贷款用户填写的贷款信息、所述贷款用户的征信数据、所述贷款用户所持有的各个支付卡的交易数据、生活缴费数据和保单数据；根据所述贷款信息、所述征信数据、所述交易数据、所述生活缴费数据和所述保单数据，生成所述贷款用户的特征向量；将所述贷款用户的特征向量输入预先构建的评分模型中，获得所述贷款用户的信用评分结果。2.根据权利要求1所述的贷款用户信用评分的计算方法，其特征在于，所述获得所述贷款用户的信用评分结果，之后，还包括：根据信用评分结果，对所述贷款用户发放与所述信用评分结果对应的款项。3.根据权利要求1所述的贷款用户信用评分的计算方法，其特征在于，所述根据所述贷款信息、所述征信数据、所述交易数据、所述生活缴费数据和所述保单数据，生成所述贷款用户的特征向量，包括：对所述贷款信息、所述征信数据、所述交易数据、所述生活缴费数据和所述保单数据进行分类，获得字符类型数据和数值类型数据；生成所述字符类型数据的第一特征向量；生成所述数值类型数据的第二特征向量；将所述第一特征向量和所述第二特征向量进行合并，生成所述贷款用户的特征向量。4.根据权利要求3所述的贷款用户信用评分的计算方法，其特征在于，所述对所述贷款信息、所述征信数据、所述交易数据、所述生活缴费数据和所述保单数据进行分类，获得字符类型数据和数值类型数据，之前，还包括：将所述交易数据、所述生活缴费数据和所述报单数据中重复数据进行删除。5.根据权利要求3所述的贷款用户信用评分的计算方法，其特征在于，所述生成所述字符类型数据的第一特征向量，包括：对所述字...

【专利技术属性】
技术研发人员：龙撷宇，张敏，徐志成，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东,44