The invention discloses a customer credit scoring method and device based on migration learning, which includes: acquiring source domain data and target domain data of customer credit scoring samples, extracting features of source domain data and target domain data respectively, acquiring common features of source domain data and target domain data, and according to common characteristics, acquiring source domain data and target domain number. The source domain data set and target domain data set are generated after adjusting respectively; the source domain data set is trained according to the deep learning algorithm to generate the deep learning model; the target domain data set is trained by the deep learning model to generate the transfer learning model; the customer data is acquired, and the customer credit evaluation is generated by combining the deep learning model and the transfer learning model. Points. The embodiment of the invention is based on the migration learning algorithm, transferring the source domain data of the customer credit score sample to the target domain, so that the target domain model has better performance and provides convenience for further business activities.
【技术实现步骤摘要】
一种基于迁移学习的客户信用评分方法及装置
本专利技术涉及互联网金融
,尤其涉及一种基于迁移学习的客户信用评分方法及装置。
技术介绍
随着互联网的快速发展,各种形式的业务不断涌现。个人和中小企业的无担保贷款也越来越多的出现在人们的生活中。在信用风险评估领域,经常会面临借款人没有历史数据或者数据有限的情形。基于这样的情形,银行针对无账号群体或者小微企业进行信用评分的方式主要是专家规则的方法。由于专家规则的评分模型存在很大不确定性,导致借贷方需要付出高价费用或者不提供信用评分。客户信用评估是银行等金融企业日常经营活动的重要组成部分。客户信用评估现有技术中采用定性分析和统计分析,定性分析是最早用于信用评估的方法,其后统计分析方法被逐渐引入到客户的信用评估中,但定性分析和统计分析都需要有大量的已知的样本数据,现有的个人和中小企业的无担保贷款是属于新开展的业务,样本数不足,因此现有技术中在样本数据少时,无法对客户信用进行评估。
技术实现思路
鉴于上述现有技术的不足,本专利技术的目的在于提供一种基于迁移学习的客户信用评分方法及装置,旨在解决现有技术中在样本数据少时,无法对客户信用进行评估的问题。本专利技术的技术方案如下:一种基于迁移学习的客户信用评分方法,所述方法包括:获取客户信用评分样本的源领域数据及目标领域数据,对所述源领域数据及目标领域数据分别进行特征提取;获取源领域数据和目标领域数据的共同特征,根据共同特征对源领域数据和目标领域数据分别进行调整后生成对应的源领域数据集和目标领域数据集;根据深度学习算法对源领域数据集进行训练,生成深度学习模型;利用深度学习模型对 ...
【技术保护点】
1.一种基于迁移学习的客户信用评分方法,其特征在于,所述方法包括:获取客户信用评分样本的源领域数据及目标领域数据,对所述源领域数据及目标领域数据分别进行特征提取;获取源领域数据和目标领域数据的共同特征,根据共同特征对源领域数据和目标领域数据分别进行调整后生成对应的源领域数据集和目标领域数据集;根据深度学习算法对源领域数据集进行训练,生成深度学习模型;利用深度学习模型对目标领域数据集进行训练生成迁移学习模型;获取客户数据,结合深度学习模型和迁移学习模型,生成客户信用评分。
【技术特征摘要】
1.一种基于迁移学习的客户信用评分方法,其特征在于,所述方法包括:获取客户信用评分样本的源领域数据及目标领域数据,对所述源领域数据及目标领域数据分别进行特征提取;获取源领域数据和目标领域数据的共同特征,根据共同特征对源领域数据和目标领域数据分别进行调整后生成对应的源领域数据集和目标领域数据集;根据深度学习算法对源领域数据集进行训练,生成深度学习模型;利用深度学习模型对目标领域数据集进行训练生成迁移学习模型;获取客户数据,结合深度学习模型和迁移学习模型,生成客户信用评分。2.根据权利要求1所述的基于迁移学习的客户信用评分方法,其特征在于,所述获取客户数据,结合深度学习模型和迁移学习模型,生成客户信用评分后,还包括:对于客户信用评分低于评分阈值的客户业务进行控制。3.根据权利要求1所述基于迁移学习的客户信用评分方法,其特征在于,所述源领域为单笔还款的小额短期贷款,目标领域为多次偿还的大额分期贷款。4.根据权利要3所述的基于迁移学习的客户信用评分方法,其特征在于,所述对所述源领域数据及目标领域数据分别进行特征提取,包括:对所述源领域数据进行预处理,对预处理后的源领域数据的特征进行提取;对所述目标领域数据进行预处理,对预处理后的目标领域数据的特征进行提取;对所述源领域数据和所述目标领域数据的共同特征进行提取,所述共同特征包括:月净收入与贷款支付的比率,收到当前收入的月数,以前的贷款数量,月净收入和居住在当前地址的月数。5.根据权利要求1所述的基于迁移学习的客户信用评分方法,其特征在于,所述获取源领域数据和目标领域数据的共同特征,根据共同特征对源领域数据和目标领域数据分别进行调整后生成对应的源领域数据集和目标领域数据集,包括:获取源领域数据和目标领域数据的共同特征,获取共同特征在源领域数据和目标领域数据各自的均值分布;根据均值分布分...
【专利技术属性】
技术研发人员:苏里亚托亨德拉,关查尔斯,
申请(专利权)人:深圳市数丰科技有限公司,
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。