基于交易的信用风险判别方法及其装置制造方法及图纸

本申请涉及个人信用领域，公开了一种基于交易的信用风险判别方法及其装置。根据用户的交易历史信息和账户活跃度信息，进行有监督的机器学习建模，构建交易信用风险模型，在NSF先享后付场景中，利用交易信用风险模型自动对用户的交易信用风险进行判别，从而能够有效拦截低信用人群的先享后付行为，提升先享后付交易场景下的坏账风险识别能力，具有更高的识别准确率及更广的使用覆盖率。

Method and Device of Credit Risk Discrimination Based on Transaction

【技术实现步骤摘要】
基于交易的信用风险判别方法及其装置
本申请涉及个人信用领域，特别涉及一种基于交易的信用风险判别技术。
技术介绍
先享后付(Non-sufficientFund，简称NSF)为一种提升用户服务体验及便利性的支付模式，其特点为让用户先享受服务之后再扣除相应款项。目前，先享后付模式在高德打车、苹果AppStore代扣和无人货柜信用支付场景都有使用。但是，NSF模式带来用户体验提升的同时，也带来了坏账风险，部分用户享受服务后会使其无法扣到相应钱款，甚至会有薅羊毛党批量注册账户在该场景下薅羊毛，造成批量坏账风险。基于这样的风险情况，NSF场景下需要对每个账户的信用风险进行判别，从而有效拦截低信用人群的先享后付行为。现有技术中，芝麻信用提供的芝麻分能够用作先享后付场景的信用人群区分手段。但是，芝麻分在先享后付场景上的使用存在以下问题：1.芝麻信用依赖于很多外部信息，需要用户本人授权开通，而先享后付场景下的低信用用户可以故意选择不开通芝麻信用，规避芝麻分对其的信用拦截。2.芝麻信用目前的应用场景更偏向于区分高价值的好用户，使其能够享受更便捷的生活服务，相对来说，芝麻分对于信用较差的底部人群识别能力偏弱，目前芝麻分对外输出建议拦截分数段一般在550分，无法有效识别信用较差人群，从而无法完全覆盖NSF先享后付场景下的坏账风险。3.芝麻分侧重于个人信用判别，对于支付能力的刻画较差。4.芝麻信用以芝麻信用分为核心输出标准服务，针对不同的场景缺乏定制化能力。因此，目前NSF场景下需要一种更精准的信用风险判别技术，对每个账户的信用风险进行判别，从而有效拦截低信用人群的先享后付行为，以便提升先享后付交易场景下的坏账风险识别能力。
技术实现思路
本申请的目的在于提供一种基于交易的信用风险判别方法及其装置，对每个账户的信用风险进行判别，从而有效拦截低信用人群的先享后付行为，提升先享后付交易场景下的坏账风险识别能力。为解决上述技术问题，本申请的实施方式公开了一种基于交易的信用风险判别方法，包括：获取信用支付平台的多个用户在指定时间段内的交易历史信息和账户活跃度信息；根据所述交易历史信息和账户活跃度信息进行有监督的机器学习建模，得到交易信用风险模型；目标用户在进行先享后付交易时，获取所述目标用户在所述信用支付平台的指定时间段内的交易历史信息和账户活跃度信息，并输入所述交易信用风险模型，对所述目标用户的交易信用风险进行判别。本申请的实施方式还公开了一种基于交易的信用风险判别装置，包括：获取模块，用于获取信用支付平台的多个用户在指定时间段内的交易历史信息和账户活跃度信息；建模模块，用于根据所述交易历史信息和账户活跃度信息进行有监督的机器学习建模，得到交易信用风险模型；判别模块，用于目标用户在进行先享后付交易时，获取所述目标用户在所述信用支付平台的指定时间段内的交易历史信息和账户活跃度信息，并输入所述交易信用风险模型，对所述目标用户的交易信用风险进行判别。本申请的实施方式还公开了一种基于交易的信用风险判别设备，包括：存储器，用于存储计算机可执行指令；以及，处理器，用于在执行所述计算机可执行指令时实现上述方法中的步骤。本申请的实施方式还公开了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现上述方法中的步骤。本申请实施方式与现有技术相比，主要区别及其效果在于：通过先进的机器学习构建交易信用风险模型，利用交易信用风险模型自动对目标用户的交易信用风险进行判别，从而能够有效拦截低信用人群的先享后付行为，提升先享后付交易场景下的坏账风险识别能力。当目标用户在不具备信用风险判别能力的第三方平台进行先享后付交易时，第三方平台同样可以利用基于所述信用支付平台构建的交易信用风险模型对目标用户的交易信用风险进行判别，所述交易信用风险模型能够适用于多个平台，大大提高了所述交易信用风险模型的普适性。基于账户历史交易维度刻画信用风险，相比于市场上现有的信用分简化了模型的变量维度，从而使模型可以更专注于覆盖交易信用风险场景，提升模型适用性及使用便利性。在NSF先享后付场景中应用以交易信用风险模型为主体的交易信用策略体系，具有更高的识别准确率及更广的使用覆盖率。本申请的说明书中记载了大量的技术特征，分布在各个技术方案中，如果要罗列出本申请所有可能的技术特征的组合(即技术方案)的话，会使得说明书过于冗长。为了避免这个问题，本申请上述
技术实现思路
中公开的各个技术特征、在下文各个实施方式和例子中公开的各技术特征、以及附图中公开的各个技术特征，都可以自由地互相组合，从而构成各种新的技术方案(这些技术方案均因视为在本说明书中已经记载)，除非这种技术特征的组合在技术上是不可行的。例如，在一个例子中公开了特征A+B+C，在另一个例子中公开了特征A+B+D+E，而特征C和D是起到相同作用的等同技术手段，技术上只要择一使用即可，不可能同时采用，特征E技术上可以与特征C相组合，则，A+B+C+D的方案因技术不可行而应当不被视为已经记载，而A+B+C+E的方案应当视为已经被记载。附图说明图1是根据本申请第一实施方式的一种基于交易的信用风险判别方法的流程示意图；图2是根据本申请第一实施方式的一个优选实施例的NSF流程框图；图3是根据本申请第一实施方式的一个优选实施例的NSF解决方案的策略体系图；图4是根据本申请第二实施方式的一种基于交易的信用风险判别装置的结构示意图。具体实施方式在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。概念说明：先享后付(Non-sufficientFund，简称NSF)：基于用户信用等级，给予用户先享受服务，然后再扣款的支付方式，提升服务的便利性及用户体验。为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请的实施方式作进一步地详细描述。本申请的第一实施方式涉及一种基于交易的信用风险判别方法。图1是该基于交易的信用风险判别方法的流程示意图。具体地说，如图1所示，该基于交易的信用风险判别方法包括以下步骤：在步骤101中，获取信用支付平台的多个用户在指定时间段内的交易历史信息和账户活跃度信息。在本实施方式中，指定时间段可以根据实际需要进行设定，例如可以是最近一周、最近一个月、最近半年或最近一年等。优选地，所述交易历史信息包括：历史交易次数、历史交易金额、历史先享后付成功率和历史先享后付违约率。所述账户活跃度信息包括：账户登录信息、账户账龄、账户余额、账户支出信息和账户收入信息。此后进入步骤102，根据所述交易历史信息和账户活跃度信息进行有监督的机器学习建模，得到交易信用风险模型。优选地，在步骤102中，采用例如随机森林、GBDT等的有监督的机器学习算法进行交易信用风险模型建模。通过对账户的交易历史信息、先享后付支付成功率、账户账龄、账户资产情况等变量信息进行挖掘，采用例如随机森林、GBDT等的有监督机器学习算法进行交易信用风险模型建模，挖掘出交易历史信息与账户活跃度(也可以称为：行为活跃度)信息与先享后付信用状况的对应关系，从而对每个用户账户在先享后付本文档来自技高网...

【技术保护点】
1.一种基于交易的信用风险判别方法，其特征在于，包括：获取信用支付平台的多个用户在指定时间段内的交易历史信息和账户活跃度信息；根据所述交易历史信息和账户活跃度信息进行有监督的机器学习建模，得到交易信用风险模型；目标用户在进行先享后付交易时，获取所述目标用户在所述信用支付平台的指定时间段内的交易历史信息和账户活跃度信息，并输入所述交易信用风险模型，对所述目标用户的交易信用风险进行判别。

【技术特征摘要】
1.一种基于交易的信用风险判别方法，其特征在于，包括：获取信用支付平台的多个用户在指定时间段内的交易历史信息和账户活跃度信息；根据所述交易历史信息和账户活跃度信息进行有监督的机器学习建模，得到交易信用风险模型；目标用户在进行先享后付交易时，获取所述目标用户在所述信用支付平台的指定时间段内的交易历史信息和账户活跃度信息，并输入所述交易信用风险模型，对所述目标用户的交易信用风险进行判别。2.如权利要求1所述的方法，其特征在于，所述先享后付交易包括：所述目标用户在所述信用支付平台进行的先享后付交易。3.如权利要求1所述的方法，其特征在于，所述先享后付交易包括：所述目标用户在第三方平台进行的先享后付交易。4.如权利要求3所述的方法，其特征在于，所述第三方平台根据所述目标用户的手机号码获取所述目标用户在所述信用支付平台的指定时间段内的交易历史信息和账户活跃度信息。5.如权利要求1所述的方法，其特征在于，所述交易历史信息包括：历史交易次数、历史交易金额、历史先享后付成功率和历史先享后付违约率。6.如权利要求1所述的方法，其特征在于，所述账户活跃度信息包括：账户登录信息、账户账龄、账户余额、账户支出信息和账户收入信息。7.如权利要求1所述的方法，其特征在于，所述对所述目标用户的交易信用风险进行判别，包括：计算所述目标用户的交易信用分；根据所述交易信用分确定是否向所述目标用户提供先享后付服务。8.如权利要求1至7中任一项所述的方法，其特征在于，在所述对所述目标用户的交易信用风险进行判别时，同时根据所述目标用户的终端设备、所述目标用户所处的环境、所述目标用户的账号状态、所述目标用户的账户价值以及交易订单是否冲突进行交易信用风险判别。9.一种基于交易的信用风险判别装置，其特征在于，包括：获取模块，用于获取信用支付平台的多个用户在指定时间段内的交易历史信息和账户活跃度信息；建模模块，用于根据所述交易历史信息和账户活跃度信息进行有监督的机器学习...

【专利技术属性】
技术研发人员：范丰麟，赵华，朱通，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY