决策自动审批方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，公开了一种决策自动审批方法，包括：对客户进行一致性、真实性以及信用度的验证；在验证通过时，调用所述客户相关的第三方数据库的数据，训练决策风险模型，并利用训练后的决策风险模型输出客户信用风险等级，以进行决策自动化审批，其中，所述第三方数据库的数据包括体现客户的基本情况、客户的偿贷能力、客户的历史信用记录以及互联网信息各个方面的指标数据；当决策审批通过后，从偿付能力风险异动和偿付意愿风险异动两个维度，对客户进行风险因子的定期监测与反馈，并进行风险预警。本发明专利技术还提出一种决策自动审批装置以及一种计算机可读存储介质。本发明专利技术能够实现决策的自动审批。

Automatic decision approval method, device and computer readable storage medium

The invention relates to the field of artificial intelligence technology, and discloses an automatic decision approval method, which includes: verifying the consistency, authenticity and credit degree of customers; when the verification is passed, calling the data of the third-party database related to the customers, training the decision-making risk model, and outputting the customer credit risk level by using the trained decision-making risk model to make decisions Automatic examination and approval, wherein, the data of the third-party database includes the indicator data reflecting the basic situation of the customer, the repayment ability of the customer, the historical credit record of the customer and all aspects of Internet information; when the decision is approved, the risk factors of the customer are regularly monitored and fed back from the two dimensions of repayment ability risk change and repayment intention risk change, And carry out risk early warning. The invention also provides a decision-making automatic approval device and a computer-readable storage medium. The invention can realize the automatic approval of the decision.

【技术实现步骤摘要】
决策自动审批方法、装置及计算机可读存储介质
本专利技术涉及计算机
，尤其涉及一种决策自动审批方法、装置及计算机可读存储介质。
技术介绍
信贷业务是典型的经营风险业务，80％的风险控制需要在审核审批过程中完成。目前业内传统的贷款进件审批模式，需要客户填写大量的信息，包括客户基本信息、联系方式、贷款申请信息、收入证明材料等，通过填写纸质申请单，客户经理扫描为影像文件后通过OCR或者人工识别的方式，把影像文件的内容识别出来，变为系统结构化数据；或者是登录进件系统，通过系统页面逐项录入信息。这样的传统贷款录入方式，客户需要手工填写或录入的信息很多，且存在信息录入不准确的情况。对于贷款的风险审批，传统的方式是由风控专家，根据系统的影像文件，以及客户录入的信息，比对风险政策，人工进行材料的核实和贷款的初审、复审、终审等审批操作。这样的审批方式，由于审批标准的不统一，容易受审批师的行业熟悉程度、工作经验等因素影响，很难真实反映信贷申请的风险等级高低。
技术实现思路
本专利技术提供一种决策自动审批方法、装置及计算机可读存储介质，其主要目的在于提供一种不依赖于审批师的主观经验的决策自动审批方案。为实现上述目的，本专利技术提供的一种决策自动审批方法，包括：接收客户录入的客户基本信息，保存所述录入的客户基本信息，并利用面部识别技术验证当前客户与该客户所输入的身份证照片的一致性；自动链接第三方数据库，通过大数据分析，验证客户的身份以及基本信息的真实性，并通过黑名单校验，验证客户的信用度；r>在上述验证均通过时，自动调用所述第三方数据库中所述客户相关的数据作为样本数据集，训练决策风险模型，并利用训练后的决策风险模型输出客户信用风险等级，并根据所述风险等级进行决策自动化审批，其中，所述第三方数据库的数据包括体现客户的基本情况、客户的偿贷能力、客户的历史信用记录以及互联网信息的指标数据。可选地，该方法还包括：当贷款审批通过并发放贷款后，从偿付能力风险异动和偿付意愿风险异动两个维度，对客户进行风险因子的定期监测与反馈，并进行风险预警。可选地，所述决策风险模型为前向反馈神经网络模型，该前向反馈神经网络的层数有3层，包括输入层、隐藏层和输出层，其中，所述输入层的节点数目根据上述获取的指标数据的数量确定，输出层节点数量根据客户信用风险等级的个数确定，并利用下述公式确定隐藏层节点数：l<n-1，其中，l代表隐藏层的节点数，n代表输入层的节点数，k代表输出层的节点数，i代表0～9之间的任意常数，并根据随机设置的隐藏层的初始节点数，通过试错法确定最合适的隐藏层节点数。可选地，该方法还包括利用下述方法构建所述决策风险模型：利用混合蛙跳算法对所述决策风险模型进行局部搜索改进，得到决策风险模型的最优的初始权值和阈值，并利用BP神经网络算法对决策风险模型进行优化。可选地，所述利用混合蛙跳算法对决策风险模型进行局部搜索改进，包括：采用佳点集生成方法对青蛙种群进行初始化；按照适应度函数值的大小将青蛙降序排列，按照第km+i(k＝0,1,…，n；i＝1,2,3)只青蛙放入第i组的原则，将种群分为3个青蛙子群；根据步长更新公式进行青蛙子群内部的更新优化；当3个青蛙子群经过局部搜索操作的更新优化后，将子群进行混合，重新合并为一个新的青蛙种群，再重新计算新的青蛙种群个体的适应度值，并降序排列，重新分组，直到满足迭代次数T达到1500或相邻两次迭代的适应度函数之差小于收敛精度，即可终止，输入最优的初始前向反馈神经网络的权值和阈值。此外，为实现上述目的，本专利技术还提供一种决策自动审批装置，该装置包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的决策自动审批程序，所述决策自动审批程序被所述处理器执行时实现如下步骤：接收客户录入的客户基本信息，保存所述录入的客户基本信息，并利用面部识别技术验证当前客户与该客户所输入的身份证照片的一致性；自动链接第三方数据库，通过大数据分析，验证客户的身份以及基本信息的真实性，并通过黑名单校验，验证客户的信用度；在上述验证均通过时，自动调用所述第三方数据库中所述客户相关的数据作为样本数据集，训练决策风险模型，并利用训练后的决策风险模型输出客户信用风险等级，并根据所述风险等级进行决策自动化审批，其中，所述第三方数据库的数据包括体现客户的基本情况、客户的偿贷能力、客户的历史信用记录以及互联网信息各个方面的指标数据。可选地，所述决策风险模型为前向反馈神经网络模型，该前向反馈神经网络的层数有3层，包括输入层、隐藏层和输出层，其中，所述输入层的节点数目根据上述获取的指标数据的数量确定，输出层节点数量根据客户信用风险等级的个数确定，并利用下述公式确定隐藏层节点数：l<n-1，其中，l代表隐藏层的节点数，n代表输入层的节点数，k代表输出层的节点数，i代表0～9之间的任意常数，并根据随机设置的隐藏层的初始节点数，通过试错法确定最合适的隐藏层节点数。可选地，所述决策自动审批程序被所述处理器执行时还实现如下步骤：利用下述方法构建所述决策风险模型：利用混合蛙跳算法对所述决策风险模型进行局部搜索改进，得到决策风险模型的最优的初始权值和阈值，并利用BP神经网络算法对决策风险模型进行优化。可选地，所述利用混合蛙跳算法对决策风险模型进行局部搜索改进，包括：采用佳点集生成方法对青蛙种群进行初始化；按照适应度函数值的大小将青蛙降序排列，按照第km+i(k＝0,1,…，n；i＝1,2,3)只青蛙放入第i组的原则，将种群分为3个青蛙子群；根据步长更新公式进行青蛙子群内部的更新优化；当3个青蛙子群经过局部搜索操作的更新优化后，将子群进行混合，重新合并为一个新的青蛙种群，再重新计算新的青蛙种群个体的适应度值，并降序排列，重新分组，直到满足迭代次数T达到1500或相邻两次迭代的适应度函数之差小于收敛精度，即可终止，输入最优的初始前向反馈神经网络的权值和阈值。此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有决策自动审批程序，所述决策自动审批程序可被一个或者多个处理器执行，以实现如上所述的决策自动审批方法的步骤。针对手工传统进件及审批方式的不足，本专利技术提出的决策自动审批方法、装置及计算机可读存储介质，简化了进件界面录入内容，通过统一进件页面实现信息录入，并整合电商平台、征信机构等第三方数据库的多维度信息数据，建立决策自动审批进行决策自动化审批，提升贷款决策审批效率。附图说明图1为本专利技术一实施例提供的决策自动审批方法的流程示意图；图2为本专利技术一实施例提供的决策自动审批装置的内部结构示意图；图3为本专利技术一实施例提供的决策自动审批装置中决策自动审批程序的模块示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具本文档来自技高网...

【技术保护点】
1.一种决策自动审批方法，其特征在于，所述方法包括：/n接收客户录入的客户基本信息，保存所述录入的客户基本信息，并利用面部识别技术验证当前客户与该客户所输入的身份证照片的一致性；/n自动链接第三方数据库，通过大数据分析，验证客户的身份以及基本信息的真实性，并通过黑名单校验，验证客户的信用度；/n在上述验证均通过时，自动调用所述第三方数据库中所述客户相关的数据作为样本数据集，训练决策风险模型，并利用训练后的决策风险模型输出客户信用风险等级，并根据所述风险等级进行决策自动化审批，其中，所述第三方数据库的数据包括体现客户的基本情况、客户的偿贷能力、客户的历史信用记录以及互联网信息的指标数据。/n

【技术特征摘要】
1.一种决策自动审批方法，其特征在于，所述方法包括：
接收客户录入的客户基本信息，保存所述录入的客户基本信息，并利用面部识别技术验证当前客户与该客户所输入的身份证照片的一致性；
自动链接第三方数据库，通过大数据分析，验证客户的身份以及基本信息的真实性，并通过黑名单校验，验证客户的信用度；
在上述验证均通过时，自动调用所述第三方数据库中所述客户相关的数据作为样本数据集，训练决策风险模型，并利用训练后的决策风险模型输出客户信用风险等级，并根据所述风险等级进行决策自动化审批，其中，所述第三方数据库的数据包括体现客户的基本情况、客户的偿贷能力、客户的历史信用记录以及互联网信息的指标数据。


2.如权利要求1所述的决策自动审批方法，其特征在于，该方法还包括：
当贷款审批通过并发放贷款后，从偿付能力风险异动和偿付意愿风险异动两个维度，对客户进行风险因子的定期监测与反馈，并进行风险预警。


3.如权利要求1所述的决策自动审批方法，其特征在于，所述决策风险模型为前向反馈神经网络模型，该前向反馈神经网络的层数有3层，包括输入层、隐藏层和输出层，其中，所述输入层的节点数目根据上述获取的指标数据的数量确定，输出层节点数量根据客户信用风险等级的个数确定，并利用下述公式确定隐藏层节点数：
l＜n-1，



其中，l代表隐藏层的节点数，n代表输入层的节点数，k代表输出层的节点数，i代表0～9之间的任意常数，并根据随机设置的隐藏层的初始节点数，通过试错法确定最合适的隐藏层节点数。


4.如权利要求1至3中任意一项所述的决策自动审批方法，其特征在于，该方法还包括利用下述方法构建所述决策风险模型：
利用混合蛙跳算法对所述决策风险模型进行局部搜索改进，得到决策风险模型的最优的初始权值和阈值，并利用BP神经网络算法对决策风险模型进行优化。


5.如权利要求4所述的决策自动审批方法，其特征在于，所述利用混合蛙跳算法对决策风险模型进行局部搜索改进，包括：
采用佳点集生成方法对青蛙种群进行初始化；
按照适应度函数值的大小将青蛙降序排列，按照第km+i(k＝0,1,…，n；i＝1,2,3)只青蛙放入第i组的原则，将种群分为3个青蛙子群；
根据步长更新公式进行青蛙子群内部的更新优化；
当3个青蛙子群经过局部搜索操作的更新优化后，将子群进行混合，重新合并为一个新的青蛙种群，再重新计算新的青蛙种群个体的适应度值，并降序排列，重新分组，直到满足迭代次数T达到1500或相邻两次迭代的适应度函数之差小于收敛精度，即可终止，输入最优的初始前向反馈神经网络的权值和阈值。


6.一种决策自动审批装置，其特征在于，所述装置包括存储器和处理器，所...

【专利技术属性】
技术研发人员：高良骥，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：广东;44