基于tweedie分布的资源配额确定方法、装置和电子设备制造方法及图纸

本发明专利技术公开了一种基于tweedie分布的资源配额确定方法、装置和电子设备，包括：获取历史用户的用户信息作为样本数据；将所述历史用户的用户信息输入基于tweedie分布的机器学习模型进行训练得到用户分类模型；将新用户的用户身份信息输入所述用户分类模型得到所述新用户的用户类型，并根据所述新用户的类型确定该用户的资源配额。本发明专利技术通过将历史用户的用户身份信息、资源配额使用情况和违约情况输入基于tweedie分布的机器学习模型，将该模型训练成为用户分类模型，从而对新用户进行分类，预测新用户的资源配额使用情况和违约情况，根据用户类型对新用户进行对应的资源分配，预测结果更精确，可以有效降低用户的资源分配风险，避免损失。

【技术实现步骤摘要】
基于tweedie分布的资源配额确定方法、装置和电子设备
本专利技术涉及计算机信息处理领域，具体而言，涉及一种基于tweedie分布的资源配额确定方法、装置、电子设备及计算机可读介质。
技术介绍
目前，随着互联网金融行业的发展，由于良好的便捷性各灵活性，越来越多的用户将网络贷款软件应用到日常授信申请中。网络小额贷款以其灵活性强、用款快捷的优点得到了众多用户的欢迎。如何根据用户的信息来评估一个相对较为准确的授信额度十分重要，授信额度的高低直接影响到用户是否愿意使用金融机构的产品，若金融机构给出的授信额度过高，那么金融机构承担的授信风险较大，若给出的授信额度较低，那么用户可能不会选择该金融机构的产品，如何根据所收集到的用户信息全方面的评估用户的情况，并给出一个匹配该用户的授信额度至关重要。现有技术中，若金融机构缺少新用户的信贷信息，则对该用户的风险控制具有滞后性，需要根据人员经验判断该用户授信的授信额度，然后观察其后续的征信情况再进行调整，会出现授信额度数据不准确，容易造成风险失控或利益无法最大化的问题。
技术实现思路
为了解决如何有效降低资源分配风险的技术问题，本专利技术提供了一种基于tweedie分布的资源配额确定方法、装置、电子设备及计算机可读介质。本专利技术的一方面提供一种基于tweedie分布的资源配额确定方法，包括：获取历史用户的用户信息作为样本数据；将所述历史用户的用户信息输入基于tweedie分布的机器学习模型进行训练得到用户分类模型；<br>将新用户的用户身份信息输入所述用户分类模型得到所述新用户的用户类型，并根据所述新用户的类型确定该用户的资源配额。根据本专利技术的优选实施方式，所述获取历史用户的用户信息作为样本数据，进一步包括：获取所述历史用户的用户身份信息、资源配额使用数据和违约数据。根据本专利技术的优选实施方式，所述获取所述历史用户的用户身份信息、资源配额使用数据和违约数据，进一步包括：所述资源配额使用数据包括资源配额使用率，所述资源配额使用率为所述历史用户首次进行资源配置权认证后未使用的资源配额与获得的资源配额的比值；所述违约数据包括违约损失率，所述违约损失率为所述历史用户首次进行资源配置权认证后逾期未归还的资源配额与已使用的资源配额的比值。根据本专利技术的优选实施方式，所述将所述历史用户的用户信息输入基于tweedie分布的机器学习模型进行训练得到用户分类模型，进一步包括：将所述历史用户的用户身份信息输入所述基于tweedie分布的机器学习模型；根据历史用户的用户身份信息计算得到该用户的用户类型，并与该用户实际的用户类型进行比较；不断调整所述基于tweedie分布的机器学习模型的参数使输出的用户类型与实际的相同，得到所述用户分类模型。根据本专利技术的优选实施方式，在将所述历史用户的用户信息输入基于tweedie分布的机器学习模型进行训练得到用户分类模型前，所述方法包括：根据不同历史用户的资源配额使用数据和违约数据对所述历史用户进行分类，分别对每个类别中资源配额使用数据和违约数据设置对应的阈值范围。根据本专利技术的优选实施方式，所述根据不同历史用户的资源配额使用数据和违约数据对所述历史用户进行分类，分别对每个类别中资源配额使用数据和违约数据设置对应的阈值范围，进一步包括：将所述资源配额使用率和违约损失率均小于预设第一阈值范围的用户设置为第一类用户；将所述资源配额使用率小于预设第一阈值范围且违约损失率大于预设第二阈值范围的用户设置为第二类用户；将所述资源配额使用率和违约损失率均在预设第三阈值范围内的用户设置为第三类用户。根据本专利技术的优选实施方式，所述将新用户的用户身份信息输入所述用户分类模型得到所述新用户的用户类型，并根据所述新用户的类型确定该用户的资源配额，进一步包括：当所述新用户为第一类用户时，对该用户增加资源配额；当所述新用户为第二类用户时，拒绝对该用户进行资源分配；当所述新用户为第三类用户时，根据所述新用户的资源配额使用数据和违约数据调整该用户的资源配额。根据本专利技术的优选实施方式，所述用户身份信息包括：用户的年龄、职业、学历、收入及财产信息。根据本专利技术的优选实施方式，所述方法还包括：定期获取所述新用户的资源配额使用数据和违约数据；根据所述资源配额使用数据和违约数据更新该用户的用户类型；根据更新后的用户类型调整该用户的资源配额。本专利技术的第二方面提供一种基于tweedie分布的资源配额确定装置，包括：用户信息获取模块，用于获取历史用户的用户信息作为样本数据；模型训练模块，用于将所述历史用户的用户信息输入基于tweedie分布的机器学习模型进行训练得到用户分类模型；资源配额分配模块，用于将新用户的用户身份信息输入所述用户分类模型得到所述新用户的用户类型，并根据所述新用户的类型确定该用户的资源配额。根据本专利技术的优选实施方式，所述用户信息获取模块进一步包括：身份信息获取单元，用于获取所述历史用户的用户身份信息；资源配额使用数据获取单元，用于获取所述历史用户的资源配额使用数据；违约数据获取单元，用于获取所述历史用户的违约数据。根据本专利技术的优选实施方式，所述用户信息获取模块进一步包括：所述资源配额使用数据包括资源配额使用率，所述资源配额使用率为所述历史用户首次进行资源配置权认证后未使用的资源配额与获得的资源配额的比值；所述违约数据包括违约损失率，所述违约损失率为所述历史用户首次进行资源配置权认证后逾期未归还的资源配额与已使用的资源配额的比值。根据本专利技术的优选实施方式，所述模型训练模块进一步包括：身份信息传输单元，用于将所述历史用户的用户身份信息输入所述基于tweedie分布的机器学习模型；计算单元，用于根据历史用户的用户身份信息计算得到该用户的用户类型，并与该用户实际的用户类型进行比较；模型调整单元，用于不断调整所述基于tweedie分布的机器学习模型的参数使输出的用户类型与实际的相同，得到所述用户分类模型。根据本专利技术的优选实施方式，所述装置还包括分类模块，用于根据不同历史用户的资源配额使用数据和违约数据对所述历史用户进行分类，分别对每个类别中资源配额使用数据和违约数据设置对应的阈值范围。根据本专利技术的优选实施方式，所述分类模块进一步包括：第一分类单元，用于将所述资源配额使用率和违约损失率均小于预设第一阈值范围的用户设置为第一类用户；第二分类单元，用于将所述资源配额使用率小于预设第一阈值范围且违约损失率大于预设第二阈值范围的用户设置为第二类用户；第三分类单元，用于将所述资源配额使用率和违约损失率均在预设第三阈值范围内的用户设置为第三类用户。根据本专利技术的优选实施方式，所述资源配额分配模块进一步包括：第一资源配额分配单元，用于当所述新用户为第本文档来自技高网...

【技术保护点】
1.一种基于tweedie分布的资源配额确定方法，其特征在于，包括：/n获取历史用户的用户信息作为样本数据；/n将所述历史用户的用户信息输入基于tweedie分布的机器学习模型进行训练得到用户分类模型；/n将新用户的用户身份信息输入所述用户分类模型得到所述新用户的用户类型，并根据所述新用户的类型确定该用户的资源配额。/n

【技术特征摘要】
1.一种基于tweedie分布的资源配额确定方法，其特征在于，包括：
获取历史用户的用户信息作为样本数据；
将所述历史用户的用户信息输入基于tweedie分布的机器学习模型进行训练得到用户分类模型；
将新用户的用户身份信息输入所述用户分类模型得到所述新用户的用户类型，并根据所述新用户的类型确定该用户的资源配额。


2.根据权利要求1所述的方法，其特征在于，所述获取历史用户的用户信息作为样本数据，进一步包括：
获取所述历史用户的用户身份信息、资源配额使用数据和违约数据。


3.根据权利要求2所述的方法，其特征在于，所述获取所述历史用户的用户身份信息、资源配额使用数据和违约数据，进一步包括：
所述资源配额使用数据包括资源配额使用率，所述资源配额使用率为所述历史用户首次进行资源配置权认证后未使用的资源配额与获得的资源配额的比值；
所述违约数据包括违约损失率，所述违约损失率为所述历史用户首次进行资源配置权认证后逾期未归还的资源配额与已使用的资源配额的比值。


4.根据权利要求3所述的方法，其特征在于，所述将所述历史用户的用户信息输入基于tweedie分布的机器学习模型进行训练得到用户分类模型，进一步包括：
将所述历史用户的用户身份信息输入所述基于tweedie分布的机器学习模型；
根据历史用户的用户身份信息计算得到该用户的用户类型，并与该用户实际的用户类型进行比较；
不断调整所述基于tweedie分布的机器学习模型的参数使输出的用户类型与实际的相同，得到所述用户分类模型。


5.根据权利要求3所述的方法，其特征在于，在将所述历史用户的用户信息输入基于tweedie分布的机器学习模型进行训练得到用户分类模型前，所述方法包括：
根据不同历史用户的资源配额使用数据和违约数据对所述历史用户进行分类，分别对每个类别中资源配额使用数据和违约数据设置对应的阈...

【专利技术属性】
技术研发人员：李达，丁楠，苏绥绥，郑彦，
申请(专利权)人：北京淇瑀信息科技有限公司，
类型：发明
国别省市：北京;11