【技术实现步骤摘要】
基于机器学习的贷款审批方法、装置、设备和存储介质
本申请涉及互联网领域，特别是涉及一种基于机器学习的贷款审批方法、装置、设备和存储介质。
技术介绍
随着房地产的蓬勃发展，住房贷款业务已成为银行的一项重要拓展业务。如何更高效地向客户提供住房贷款业务，成为本领域技术人员亟待解决的问题。传统的住房贷款审批主要采用线下申请线下审批的方式。该审批方式过度依赖客户经理的主观判断，对客户经理的经验和个人素质要求较高；同时，对于客户而言，审批的时间成本较高，时效性较差，从而导致贷款审批效率较低。
技术实现思路
基于此，有必要针对传统技术的贷款审批效率较低的技术问题，提供一种基于机器学习的贷款审批方法、装置、设备和存储介质。第一方面，本申请实施例提供一种基于机器学习的贷款审批方法，包括：获取用户输入的贷款申请信息以及所述用户当前使用的输入设备的设备信息，其中，所述贷款申请信息包括贷款信息以及贷款人信息；当根据所述贷款人信息、所述设备信息、所述用户的历史交易行为信息以及预设的风险预警模型确定所...
【技术保护点】
1.一种基于机器学习的贷款审批方法，其特征在于，包括：/n获取用户输入的贷款申请信息以及所述用户当前使用的输入设备的设备信息，其中，所述贷款申请信息包括贷款信息以及贷款人信息；/n当根据所述贷款人信息、所述设备信息、所述用户的历史交易行为信息以及预设的风险预警模型确定所述用户的还款概率大于预设的第一阈值时，获取所述用户的外部数据，其中，所述风险预警模型为机器学习模型，所述外部数据为非预先存储的数据；/n根据所述贷款申请信息、所述外部数据以及预设的评分规则，确定所述用户的评分，并根据所述评分输出审批结果。/n
【技术特征摘要】
1.一种基于机器学习的贷款审批方法，其特征在于，包括：
获取用户输入的贷款申请信息以及所述用户当前使用的输入设备的设备信息，其中，所述贷款申请信息包括贷款信息以及贷款人信息；
当根据所述贷款人信息、所述设备信息、所述用户的历史交易行为信息以及预设的风险预警模型确定所述用户的还款概率大于预设的第一阈值时，获取所述用户的外部数据，其中，所述风险预警模型为机器学习模型，所述外部数据为非预先存储的数据；
根据所述贷款申请信息、所述外部数据以及预设的评分规则，确定所述用户的评分，并根据所述评分输出审批结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述贷款人信息、所述设备信息、所述用户的历史交易行为信息以及预设的风险预警模型确定所述用户的还款概率，包括：
根据所述贷款人信息、所述设备信息以及所述用户的历史交易行为信息，构建所述用户的信息关系网络；
从所述信息关系网络中提取所述用户对应的风险特征信息；
将所述风险特征信息分别输入至预设的多个风险预警模型，得到对应的输出结果，其中，不同的风险预警模型用于预测所述用户不同的还款风险，所述还款风险包括逾期概率、还款能力以及还款意愿中的任意一种；
对所有输出结果进行加权计算，得到所述用户的还款概率。
3.根据权利要求2所述的方法，其特征在于，还包括：
对所述用户的信息关系网络进行分析，确定目标风险标识，并将所述目标风险标识添加到黑名单中。
4.根据权利要求2所述的方法，其特征在于，所述外部数据包括所述用户的第一收入数据，所述根据所述贷款申请信息、所述外部数据以及预设的评分规则，确定所述用户的评分，包括：
根据预设的映射关系，分别判断所述第一收入数据以及所述贷款申请信息中的第二收入数据是否与目标贷款金额匹配，其中，所述映射关系中包括不同的收入数据与贷款金额之间的对应关系；
若至少有一个收入数据匹配，则根据所述外部数据中的征信数据，通过预设的评分规则确定所述用户的评分。
5.根据权利要求4所述的方法，其特征在于，还包括：
若所述第一收入数据...
【专利技术属性】
技术研发人员：陈鑫，程琬芸，刘哲，伍辉，梁栋，
申请(专利权)人：中国建设银行股份有限公司，建信金融科技有限责任公司，
类型：发明
国别省市：北京;11
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。