本发明专利技术公开了一种信用评价方法，包括：获取银行用户的用户信息并归一化处理，获得目标用户信息；通过CTSVM算法获得的第一判别函数和第二判别函数分别计算第一信用值和第二信用值，判断第一信用值和第二信用值是否满足预设的判别条件；若是，则利用预设的良好标识对银行用户进行标记，并确定银行用户的信用评价为良好。该方法通过利用CTSVM算法获得的第一判别函数和第二判别函数对银行用户信息进行分析，可以降低损失函数对用户信息中的冗余数据的敏感度，即降低损失函数的损失值，从而提高分类效果和信用评价的准确性。相应地，本发明专利技术公开的一种信用评价装置、设备及可读存储介质，也同样具有上述技术效果。
【技术实现步骤摘要】
一种信用评价方法、装置、设备及可读存储介质
本专利技术涉及大数据分析
，更具体地说，涉及一种信用评价方法、装置、设备及可读存储介质。
技术介绍
随着信贷价值运动形式的不断发展，其已经成为发展经济的有力杠杆，成为社会经济发展不可或缺的一部分。其中，信贷包括：银行存款、贷款等信用活动。当用户参与贷款时，银行等资金持有方需要对用户的信用进行评估和评价，以为资金安全提供必要的保障。在现有技术中，用于评价用户信用的算法包括：支持向量机算法(SupportVectorMachine，SVM)和孪生支持向量机算法(TwinSVM，TSVM)。其中，支持向量机算法和孪生支持向量机算法过分关注用户信息数据中的冗余数据，使算法中的损失函数带来了较高的损失值，这样在对用户信息进行分析判别时，会降低分类效果，从而导致信用判别结果存在误差，即：降低了信用评价的准确性。因此，如何提高信用评价的准确性，是本领域技术人员需要解决的问题。
技术实现思路
本专利技术的目的在于提供一种信用评价方法、装置、设备及可读存储介质，以提高信用评价的准确性。为实现上述目的，本专利技术实施例提供了如下技术方案：一种信用评价方法，包括：获取银行用户的用户信息，并对所述用户信息进行归一化处理，获得目标用户信息；通过第一判别函数计算所述目标用户信息的第一信用值，并通过第二判别函数计算所述目标用户信息的第二信用值；其中，所述第一判别函数和所述第二判别函数通过CTSVM算法获得；判断所述第一信用值和所述第二信用值是否满足预设的判别条件；若是，则利用预设的良好标识对所述银行用户进行标记，并确定所述银行用户的信用评价为良好。其中，通过所述CTSVM算法获得所述第一判别函数和所述第二判别函数，包括：获取用于确定所述第一判别函数和所述第二判别函数的银行用户信息集合，并对所述银行用户信息集合进行归一化处理，获得目标信息集合；通过CTSVM算法对所述目标信息集合进行处理，以确定所述第一判别函数中的第一权重向量和第一偏差，以及所述第二判别函数中的第二权重向量和第二偏差；利用所述第一权重向量和所述第一偏差构建所述第一判别函数，并利用所述第二权重向量和所述第二偏差构建所述第二判别函数；其中，所述第一判别函数为：f1(x)＝xTw1+b1，W1表示所述第一权重向量，b1表示所述第一偏差；所述第二判别函数为：f2(x)＝xTw2+b2，W2表示所述第二权重向，b2表示所述第二偏差；X表示待评价的用户信息。其中，所述确定所述第一判别函数中的第一权重向量和第一偏差，以及所述第二判别函数中的第二权重向量和第二偏差，包括：按照优化公式确定所述第一权重向量和所述第一偏差，以及所述第二权重向量和所述第二偏差，所述优化公式为：其中，σ表示自定义参数，且σ不等于0；V1和V2表示辅助变量；j＝1，2，3，4；g(vki)＝-vkilog(-vki)+vki，λj表示正则化项，且λj＞0；X1表示所述银行用户信息集合中信用良好的用户信息矩阵，X2表示所述银行用户信息集合中信用差的用户信息矩阵。其中，所述判断所述第一信用值和所述第二信用值是否满足预设的判别条件，包括：判断所述第一信用值的绝对值是否小于所述第二信用值的绝对值。其中，还包括：当所述第一信用值的绝对值不小于所述第二信用值的绝对值时，利用预设的差标识对所述银行用户进行标记，并确定所述银行用户的信用评价为差。其中，所述通过第一判别函数计算所述目标用户信息的第一信用值，并通过第二判别函数计算所述目标用户信息的第二信用值，包括：将所述目标用户信息输入所述第一判别函数，输出所述第一信用值；将所述目标用户信息输入所述第二判别函数，输出所述第二信用值。一种信用评价装置，包括：获取模块，用于获取银行用户的用户信息，并对所述用户信息进行归一化处理，获得目标用户信息；计算模块，用于通过第一判别函数计算所述目标用户信息的第一信用值，并通过第二判别函数计算所述目标用户信息的第二信用值；其中，所述第一判别函数和所述第二判别函数通过CTSVM算法获得；判断模块，用于判断所述第一信用值和所述第二信用值是否满足预设的判别条件；评价模块，用于当所述第一信用值和所述第二信用值满足预设的判别条件时，利用预设的良好标识对所述银行用户进行标记，并确定所述银行用户的信用评价为良好。其中，所述计算模块包括：获取单元，用于获取用于确定所述第一判别函数和所述第二判别函数的银行用户信息集合，并对所述银行用户信息集合进行归一化处理，获得目标信息集合；处理单元，用于通过CTSVM算法对所述目标信息集合进行处理，以确定所述第一判别函数中的第一权重向量和第一偏差，以及所述第二判别函数中的第二权重向量和第二偏差；构建单元，用于利用所述第一权重向量和所述第一偏差构建所述第一判别函数，并利用所述第二权重向量和所述第二偏差构建所述第二判别函数；其中，所述第一判别函数为：f1(x)＝xTw1+b1，W1表示所述第一权重向量，b1表示所述第一偏差；所述第二判别函数为：f2(x)＝xTw2+b2，W2表示所述第二权重向，b2表示所述第二偏差；X表示待评价的用户信息。一种信用评价设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述任意一项所述的信用评价方法的步骤。一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的信用评价方法的步骤。通过以上方案可知，本专利技术实施例提供的一种信用评价方法，包括：获取银行用户的用户信息，并对所述用户信息进行归一化处理，获得目标用户信息；通过第一判别函数计算所述目标用户信息的第一信用值，并通过第二判别函数计算所述目标用户信息的第二信用值；其中，所述第一判别函数和所述第二判别函数通过CTSVM算法获得；判断所述第一信用值和所述第二信用值是否满足预设的判别条件；若是，则利用预设的良好标识对所述银行用户进行标记，并确定所述银行用户的信用评价为良好。可见，所述方法利用通过CTSVM算法获得的第一判别函数和所述第二判别函数对银行用户的用户信息进行分析和判别，可以降低损失函数对用户信息中的冗余数据的敏感度，即降低了损失函数的损失值，从而提高了分类效果和信用评价的准确性。相应地，本专利技术实施例提供的一种信用评价装置、设备及可读存储介质，也同样具有上述技术效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例公开的一种信用评价方法流程图；图2为本专利技术实施例公开的一种信用评价系统框图；图3为本专利技术实施例公开的一种信用评价装置示意图；图4为本专利技术实施例公开的一种信用评价设备示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例公开了一种信用评价方法、装置、设备及可本文档来自技高网...
【技术保护点】
1.一种信用评价方法，其特征在于，包括：获取银行用户的用户信息，并对所述用户信息进行归一化处理，获得目标用户信息；通过第一判别函数计算所述目标用户信息的第一信用值，并通过第二判别函数计算所述目标用户信息的第二信用值；其中，所述第一判别函数和所述第二判别函数通过CTSVM算法获得；判断所述第一信用值和所述第二信用值是否满足预设的判别条件；若是，则利用预设的良好标识对所述银行用户进行标记，并确定所述银行用户的信用评价为良好。
【技术特征摘要】
1.一种信用评价方法，其特征在于，包括：获取银行用户的用户信息，并对所述用户信息进行归一化处理，获得目标用户信息；通过第一判别函数计算所述目标用户信息的第一信用值，并通过第二判别函数计算所述目标用户信息的第二信用值；其中，所述第一判别函数和所述第二判别函数通过CTSVM算法获得；判断所述第一信用值和所述第二信用值是否满足预设的判别条件；若是，则利用预设的良好标识对所述银行用户进行标记，并确定所述银行用户的信用评价为良好。2.根据权利要求1所述的信用评价方法，其特征在于，通过所述CTSVM算法获得所述第一判别函数和所述第二判别函数，包括：获取用于确定所述第一判别函数和所述第二判别函数的银行用户信息集合，并对所述银行用户信息集合进行归一化处理，获得目标信息集合；通过CTSVM算法对所述目标信息集合进行处理，以确定所述第一判别函数中的第一权重向量和第一偏差，以及所述第二判别函数中的第二权重向量和第二偏差；利用所述第一权重向量和所述第一偏差构建所述第一判别函数，并利用所述第二权重向量和所述第二偏差构建所述第二判别函数；其中，所述第一判别函数为：f1(x)＝xTw1+b1，W1表示所述第一权重向量，b1表示所述第一偏差；所述第二判别函数为：f2(x)＝xTw2+b2，W2表示所述第二权重向，b2表示所述第二偏差；X表示待评价的用户信息。3.根据权利要求2所述的信用评价方法，其特征在于，所述确定所述第一判别函数中的第一权重向量和第一偏差，以及所述第二判别函数中的第二权重向量和第二偏差，包括：按照优化公式确定所述第一权重向量和所述第一偏差，以及所述第二权重向量和所述第二偏差，所述优化公式为：其中，σ表示自定义参数，且σ不等于0；V1和V2表示辅助变量；j＝1，2，3，4；g(vki)＝-vkilog(-vki)+vki，λj表示正则化项，且λj＞0；X1表示所述银行用户信息集合中信用良好的用户信息矩阵，X2表示所述银行用户信息集合中信用差的用户信息矩阵。4.根据权利要求3所述的信用评价方法，其特征在于，所述判断所述第一信用值和所述第二信用值是否满足预设的判别条件，包括：判断所述第一信用值的绝对值是否小于所述第二信用值的绝对值。5.根据权利要求4所述的信用评价方法，其特征在于，还包括：当所述第一信用值的绝对值不小于所述...
【专利技术属性】
技术研发人员：张莉，郑晓晗，王邦军，周伟达，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏,32
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。