本公开涉及一种资源分配方法、装置、电子设备及计算机可读介质。该方法包括：接收预设属性的用户对目标资源的分配申请，其中，所述分配申请中包括资源额度和用户基础信息；根据所述用户基础信息生成变量和衍生变量；将所述资源额度和所述变量、所述衍生变量输入用户风险模型中，生成用户风险值，所述用户风险模型通过极端梯度提升树模型生成；在所述用户风险值位于第一阈值区间时，批准所述用户的分配申请，并为所述用户分配目标资源。本公开涉及的资源分配方法、装置、电子设备及计算机可读介质，能够基于已有的风险变量，进行合理的业务衍生，能够从多维度判定用户的风险值，进而更合理防控资源风险。合理防控资源风险。合理防控资源风险。
【技术实现步骤摘要】
资源分配方法、装置及电子设备
[0001]本公开涉及计算机信息处理领域，具体而言，涉及一种资源分配方法、装置、电子设备及计算机可读介质。
技术介绍
[0002]近年来，随着越来越多的提供金融服务的各种信贷公司的出现，对于金融用户而言，能够获得金融资源的渠道增多，服务也多样化，金融用户有了更大的选择性，一户多贷的情况也逐渐明显。一户多贷也称为多头贷款，多头贷款指的是同一贷款者同时向多家提供金融服务的机构提出金融资源的占用要求的行为。
[0003]尽管多头贷款在一定程度上满足了金融用户当前的金融资源需求，但也加剧了提供金融服务的贷款公司与金融用户之间信息不对称的矛盾，极易导致多家金融服务公司对同一个金融用户进行分别授信，最终造成该金融用户的信用额度超过其能够负担的总额度，造成对该金融用户的过度授信。过度授信的行为对于部分金融用户，尤其是缺乏自我约束的金融用户而言，是一种具有极大的金融风险的事件。目前金融服务公司对应具有多头特征的用户均是不批准其资源借用请求的。但是，对于非恶意多头用户而言，这种情况对其是非常不利的，有些用户可能是短期的资源缺失，进而在多家金融服务公司寻求帮助，在用户个人信用经营良好的情况下，即使其在多家金融公司获取了资源，也能够保证按期归还金融资源，不产生不良信用记录。如何满足这部分的用户的资源需求，同时不给金融服务公司增加风险成本，是亟待解决的难题。
[0004]在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0005]有鉴于此，本公开提供一种资源分配方法、装置、电子设备及计算机可读介质，能够基于已有的风险变量，进行合理的业务衍生，能够从多维度判定用户的风险值，进而更合理防控资源风险。
[0006]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0007]根据本公开的一方面，提出一种资源分配方法，该方法包括：接收预设属性的用户对目标资源的分配申请，其中，所述分配申请中包括资源额度和用户基础信息；根据所述用户基础信息生成变量和衍生变量；将所述资源额度和所述变量、所述衍生变量输入用户风险模型中，生成用户风险值，所述用户风险模型通过极端梯度提升树模型生成；在所述用户风险值位于第一阈值区间时，批准所述用户的分配申请，并为所述用户分配目标资源。
[0008]可选地，接收预设属性的用户对目标资源的分配申请之前，包括：将处于资源占用状态的用户的用户基础信息输入多头判别模型中，生成多头风险值；将所述多头风险值大于阈值的用户确定为预设属性的用户。
[0009]可选地，根据所述用户基础信息生成变量和衍生变量，包括：按照时间范围、机构范围、事件内容对所述用户基础信息进行处理生成所述变量；基于所述时间参数对所述变量进行处理生成所述衍生变量。
[0010]可选地，按照时间范围、机构范围、事件内容对所述用户基础信息进行处理生成所述变量，包括：在所述用户基础信息中提取在所述时间范围内且在所述机构范围内的包含所述事件内容的多个数据；对所述多个数据进行缺失值填充处理；对所述多个数据中进行稳定性处理和相关性处理以生成所述变量。
[0011]可选地，对所述多个数据中进行稳定性处理和相关性处理以生成所述变量，包括：计算所述多个数据之间的群体稳定性指标；将群体稳定性指标小于0.05的数据剔除。
[0012]可选地，对所述多个数据中进行稳定性处理和相关性处理以生成所述变量，包括：计算所述多个数据之间的相似度；在两个数据之间的相似度大于0.7时，将两个数据之一剔除。
[0013]可选地，基于所述时间参数对所述变量进行处理生成所述衍生变量，包括：按照时间参数将所述变量进行分组，生成多个变量数据组；通过多个变量数据组之间的差值生成所述衍生变量。
[0014]可选地，将所述资源额度和所述变量、所述衍生变量输入用户风险模型中，生成用户风险值，包括：将所述资源额度和所述变量、所述衍生变量输入用户风险模型中；所述用户风险模型中的多个树函数依次对所述资源额度和所述变量、所述衍生变量进行计算，生成多个叶子节点分数；根据所述多个叶子节点的分数生成所述用户风险值。
[0015]可选地，还包括：在所述用户风险值位于第二阈值区间时，根据所述风险值生成调整额度，并基于所述调整额度为所述用户分配目标资源；在所述用户风险值位于第三阈值区间时，拒绝所述用户的分配申请。
[0016]可选地，还包括：获取预设属性的历史用户的资源额度、变量和衍生变量；为所述历史用户确定标签，所述标签包括正向标签和负向标签；将带有标签的所述资源额度、所述变量和衍生变量输入极端梯度提升树模型中进行训练以生成所述用户风险模型。
[0017]根据本公开的一方面，提出一种资源分配装置，该装置包括：申请模块，用于接收预设属性的用户对目标资源的分配申请，其中，所述分配申请中包括资源额度和用户基础信息；变量模块，用于根据所述用户基础信息生成变量和衍生变量；计算模块，用于将所述资源额度和所述变量、所述衍生变量输入用户风险模型中，生成用户风险值，所述用户风险模型通过极端梯度提升树模型生成；批准模块，用于在所述用户风险值位于第一阈值区间时，批准所述用户的分配申请，并为所述用户分配目标资源。
[0018]可选地，还包括：属性模块，用于将处于资源占用状态的用户的用户基础信息输入多头判别模型中，生成多头风险值；将所述多头风险值大于阈值的用户确定为预设属性的用户。
[0019]可选地，所述变量模块，包括：变量单元，用于按照时间范围、机构范围、事件内容对所述用户基础信息进行处理生成所述变量；衍生单元，用于基于所述时间参数对所述变量进行处理生成所述衍生变量。
[0020]可选地，所述变量单元，还用于在所述用户基础信息中提取在所述时间范围内且在所述机构范围内的包含所述事件内容的多个数据；对所述多个数据进行缺失值填充处
理；对所述多个数据中进行稳定性处理和相关性处理以生成所述变量。
[0021]可选地，所述变量单元，还用于计算所述多个数据之间的群体稳定性指标；将群体稳定性指标小于0.05的数据剔除。
[0022]可选地，所述变量单元，还用于计算所述多个数据之间的相似度；在两个数据之间的相似度大于0.7时，将两个数据之一剔除。
[0023]可选地，所述衍生单元，还用于按照时间参数将所述变量进行分组，生成多个变量数据组；通过多个变量数据组之间的差值生成所述衍生变量。
[0024]可选地，所述计算模块，包括：输入单元，用于将所述资源额度和所述变量、所述衍生变量输入用户风险模型中；计算单元，用于所述用户风险模型中的多个树函数依次对所述资源额度和所述变量、所述衍生变量进行计算，生成多个叶子节点分数；风险单元，用于根据所述多个叶子节点的分数生成所述用户风险值。
[0025]可选地，还包括：调整模块，用于在所述用户风险值位于第二阈值区间时，根据所述风险值本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种资源分配方法，其特征在于，包括：接收预设属性的用户对目标资源的分配申请，其中，所述分配申请中包括资源额度和用户基础信息；根据所述用户基础信息生成变量和衍生变量；将所述资源额度和所述变量、所述衍生变量输入用户风险模型中，生成用户风险值，所述用户风险模型通过极端梯度提升树模型生成；在所述用户风险值位于第一阈值区间时，批准所述用户的分配申请，并为所述用户分配目标资源。2.如权利要求1所述的方法，其特征在于，接收预设属性的用户对目标资源的分配申请之前，包括：将处于资源占用状态的用户的用户基础信息输入多头判别模型中，生成多头风险值；将所述多头风险值大于阈值的用户确定为预设属性的用户。3.如权利要求1-2中任一所述的方法，其特征在于，根据所述用户基础信息生成变量和衍生变量，包括：按照时间范围、机构范围、事件内容对所述用户基础信息进行处理生成所述变量；基于所述时间参数对所述变量进行处理生成所述衍生变量。4.如权利要求1-3中任一所述的方法，其特征在于，按照时间范围、机构范围、事件内容对所述用户基础信息进行处理生成所述变量，包括：在所述用户基础信息中提取在所述时间范围内且在所述机构范围内的包含所述事件内容的多个数据；对所述多个数据进行缺失值填充处理；对所述多个数据中进行稳定性处理和相关性处理以生成所述变量。5.如权利要求1-4中任一所述的方法，其特征在于，对所述多个数据中进行稳定性处理和相关性处理以生成所述变量，包括：计算所述多个数...
【专利技术属性】
技术研发人员：蔡兴，张涵，
申请(专利权)人：上海淇玥信息技术有限公司，
类型：发明
国别省市：
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。