一种用户信用的确定方法及装置、存储介质、终端，所述方法包括：采集目标用户的信用信息；选择预设时间点之前的信用信息的至少一部分为第一信用信息，并基于所述第一信用信息构建基础模型；对所述基础模型进行打分，以得到分数pt；选择预设时间点之后的信用信息的至少一部分为第二信用信息；根据所述分数pt、逾期状态yt、第一信用信息以及第二信用信息，采用FTRL算法，更新所述基础模型；根据更新后的基础模型，确定所述目标用户的信用。本发明专利技术方案可以在采用FTRL算法更新模型时，有机会选择更适当的信用信息，从而有机会降低数据量较大的早期数据对用户信用的影响。
Determination method, device, storage medium and terminal of user credit
【技术实现步骤摘要】
用户信用的确定方法及装置、存储介质、终端
本专利技术涉及计算机
，尤其涉及一种用户信用的确定方法及装置、存储介质、终端。
技术介绍
近年来，消费金融、小额贷款、P2P等借贷行业不断发展，国内的征信制度却仍有许多缺陷，这导致逾期坏账率居高不下。而最为常见的逾期欠款催收，往往由于采用的催收策略不同，产生了催收效果的差异。比如：可能会产生对因偶然遗忘等原因导致的低风险高金额客户采用较为过激的催收方式，而对高风险低金额客户没有采用有效催收手段。目前，存在基于用户过往的信用信息构建模型，进而对用户的信用进行预测评估的方法。然而，在个人信贷场景中，随着市场推广渠道的不断变化，申请的人群会发生很大的变化，这对于风控模型的鲁棒性会有很大的挑战，往往发生上线应用一段时间后，预测效果下降的问题。
技术实现思路
本专利技术解决的技术问题是提供一种用户信用的确定方法及装置、存储介质、终端，可以在采用FTRL算法更新模型时，有机会选择更适当的信用信息，从而有机会降低数据量较大的早期数据对用户信用的影响。为解决上述技术问题，本专利技术实施例提供一种用户信用的确定方法，包括以下步骤：采集目标用户的信用信息，其中，所述信用信息包括逾期状态yt，所述逾期状态yt用于指示是否逾期；选择预设时间点之前的信用信息的至少一部分为第一信用信息，并基于所述第一信用信息构建基础模型；对所述基础模型进行打分，以得到分数pt；选择预设时间点之后的信用信息的至少一部分为第二信用信息；根据所述分数pt、逾期状态yt、第一信用信息以及第二信用信息，采用FTRL算法，更新所述基础模型；根据更新后的基础模型，确定所述目标用户的信用。可选的，选择预设时间点之前的信用信息的至少一部分为第一信用信息包括：采用第一预设比例，选择预设时间点之前的信用信息为第一信用信息；选择预设时间点之后的信用信息的至少一部分为第二信用信息包括：采用第二预设比例，选择预设时间点之后的信用信息为第二信用信息；其中，所述第一预设比例小于第二预设比例。可选的，每个信用信息为单维向量或者多维向量；其中，所述单维向量为所述逾期状态yt；所述多维向量的多个参数选自以下参数中的多项：收入信息、性别、交易流水以及逾期状态yt。可选的，根据所述分数pt、逾期状态yt、第一信用信息以及第二信用信息，采用FTRL算法，更新所述基础模型包括：采用下述公式，确定权重w：gi＝(pt-yt)xi；zi←zi+gi-σiwt,i；其中，|zi|>λ1；或者，wt,i＝0，其中，|zi|≤λ1；其中，xi用于表示序号为i的单个信用信息，gi、ni、σi、zi、λ1以及λ2为所述FTRL算法的中间变量。为解决上述技术问题，本专利技术实施例提供一种用户信用的确定装置，包括：采集模块，适于采集目标用户的信用信息，其中，所述信用信息包括逾期状态yt，所述逾期状态yt用于指示是否逾期；选择及构建模块，适于选择预设时间点之前的信用信息的至少一部分为第一信用信息，并基于所述第一信用信息构建基础模型；打分模块，适于对所述基础模型进行打分，以得到分数pt；选择模块，适于选择预设时间点之后的信用信息的至少一部分为第二信用信息；更新模块，适于根据所述分数pt、逾期状态yt、第一信用信息以及第二信用信息，采用FTRL算法，更新所述基础模型；信用确定模块，适于根据更新后的基础模型，确定所述目标用户的信用。可选的，所述选择及构建模块包括：第一选择子模块，适于采用第一预设比例，选择预设时间点之前的信用信息为第一信用信息；所述选择模块包括：第二选择子模块，适于采用第二预设比例，选择预设时间点之后的信用信息为第二信用信息；其中，所述第一预设比例小于第二预设比例。可选的，每个信用信息为单维向量或者多维向量；其中，所述单维向量为所述逾期状态yt；所述多维向量的多个参数选自以下参数中的多项：收入信息、性别、交易流水以及逾期状态yt。可选的，所述更新模块包括权重确定子模块，所述权重确定子模块采用下述公式，确定权重w：gi＝(pt-yt)xi；zi←zi+gi-σiwt,i；其中，|zi|>λ1；或者，wt,i＝0，其中，|zi|≤λ1；其中，xi用于表示序号为i的单个信用信息，gi、ni、σi、zi、λ1以及λ2为所述FTRL算法的中间变量。为解决上述技术问题，本专利技术实施例提供一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述用户信用的确定方法的步骤。为解决上述技术问题，本专利技术实施例提供一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述用户信用的确定方法的步骤。与现有技术相比，本专利技术实施例的技术方案具有以下有益效果：在本专利技术实施例中，采集目标用户的信用信息，其中，所述信用信息包括逾期状态yt，所述逾期状态yt用于指示是否逾期；选择预设时间点之前的信用信息的至少一部分为第一信用信息，并基于所述第一信用信息构建基础模型；对所述基础模型进行打分，以得到分数pt；选择预设时间点之后的信用信息的至少一部分为第二信用信息；根据所述分数pt、逾期状态yt、第一信用信息以及第二信用信息，采用FTRL算法，更新所述基础模型；根据更新后的基础模型，确定所述目标用户的信用。采用上述方案，在采集目标用户的信用信息之后，选择预设时间点之前的信用信息的至少一部分为第一信用信息，选择预设时间点之后的信用信息的至少一部分为第二信用信息，可以在采用FTRL算法更新模型时，有机会选择更适当的信用信息，从而有机会降低数据量较大的早期数据对用户信用的影响；进一步地，通过采用FTRL算法更新模型，可以有效利用FTRL算法计算速度快的优点，提高模型更新的效率，从而有机会更实时地对用户信用进行确定。进一步，在本专利技术实施例中，采用第一预设比例，选择预设时间点之前的信用信息为第一信用信息；采用第二预设比例，选择预设时间点之后的信用信息为第二信用信息；其中，所述第一预设比例小于第二预设比例，通过减少数据量较大的早期数据的使用，增加采用近期数据，可以降低数据量较大的早期数据对用户信用的影响，提高对用户信用的确定效果。附图说明图1是本专利技术实施例中一种用户信用的确定方法的流程图；图2是本专利技术实施例中另一种用户信用的确定方法的流程图；图3是本专利技术实施例中一种用户信用的确定装置的结构示意图。具体实施方式如前所述，在现有技术中，存在基于用户过往的信用信息构建模型，进而对用户的信用进行预测评估的方法。然而，在个人信贷场景中，随着市场推广渠道的不断变化，申请的人群会发生很大的变化，这对于风控模型的鲁棒性会有很大的挑战，往往发生上线应用一段时间后，预测效果下降的问题。本专利技术的专利技术人经过研究发现，在现有技术中，对用户的过往数据并不会在时间上进行区分，无论是数年前的数据，还是数天前的数据，均一视同仁加以使用，导致在用户的信用出现问题时，难以及时发现。具体而言，构建出的模型可能会依赖数据量较大的早期数据，仍然为该用户提供较高的评分。在本专利技术实施例中，采集目标用户的信用信息，其中，所述信用信息包括逾期状态yt，所述逾期状态yt用于指示是否逾期；选择预设时间点之前的信用信息的至少一部分为第一信用信息，并基于所述第一信用信息构建基础模型；对所述基本文档来自技高网...
【技术保护点】
1.一种用户信用的确定方法，其特征在于，包括以下步骤：采集目标用户的信用信息，其中，所述信用信息包括逾期状态yt，所述逾期状态yt用于指示是否逾期；选择预设时间点之前的信用信息的至少一部分为第一信用信息，并基于所述第一信用信息构建基础模型；对所述基础模型进行打分，以得到分数pt；选择预设时间点之后的信用信息的至少一部分为第二信用信息；根据所述分数pt、逾期状态yt、第一信用信息以及第二信用信息，采用FTRL算法，更新所述基础模型；根据更新后的基础模型，确定所述目标用户的信用。
【技术特征摘要】
1.一种用户信用的确定方法，其特征在于，包括以下步骤：采集目标用户的信用信息，其中，所述信用信息包括逾期状态yt，所述逾期状态yt用于指示是否逾期；选择预设时间点之前的信用信息的至少一部分为第一信用信息，并基于所述第一信用信息构建基础模型；对所述基础模型进行打分，以得到分数pt；选择预设时间点之后的信用信息的至少一部分为第二信用信息；根据所述分数pt、逾期状态yt、第一信用信息以及第二信用信息，采用FTRL算法，更新所述基础模型；根据更新后的基础模型，确定所述目标用户的信用。2.根据权利要求1所述的用户信用的确定方法，其特征在于，选择预设时间点之前的信用信息的至少一部分为第一信用信息包括：采用第一预设比例，选择预设时间点之前的信用信息为第一信用信息；选择预设时间点之后的信用信息的至少一部分为第二信用信息包括：采用第二预设比例，选择预设时间点之后的信用信息为第二信用信息；其中，所述第一预设比例小于第二预设比例。3.根据权利要求1所述的用户信用的确定方法，其特征在于，每个信用信息为单维向量或者多维向量；其中，所述单维向量为所述逾期状态yt；所述多维向量的多个参数选自以下参数中的多项：收入信息、性别、交易流水以及逾期状态yt。4.根据权利要求1所述的用户信用的确定方法，其特征在于，根据所述分数pt、逾期状态yt、第一信用信息以及第二信用信息，采用FTRL算法，更新所述基础模型包括：采用下述公式，确定权重w：gi＝(pt-yt)xi；zi←zi+gi-σiwt,i；其中，|zi|>λ1；或者，wt,i＝0，其中，|zi|≤λ1；其中，xi用于表示序号为i的单个信用信息，gi、ni、σi、zi、λ1以及λ2为所述FTRL算法的中间变量。5.一种用户信用的确定装置，其特征在于，包括：采集模块，适于采集目标用户的信用信息，其中，所述信用信息包括逾期状态yt，所述逾期状态yt用于指示是否逾期；...
【专利技术属性】
技术研发人员：严锐，胡宏辉，
申请(专利权)人：上海上湖信息技术有限公司，
类型：发明
国别省市：上海,31
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。