用户授信策略分配方法、装置及电子设备制造方法及图纸

本公开涉及一种用户授信策略分配方法、装置、电子设备及计算机可读介质。该方法包括：获取用户的基本信息，所述基本信息包括用户信息和设备信息；基于所述设备信息由多个风险模型中选取一风险模型作为目标模型；将所述基本信息输入所述目标模型中，生成风险评分；基于所述风险评分和所述设备信息为所述用户分配授信策略。本公开涉及的用户授信策略分配方法、装置、电子设备及计算机可读介质，能够根据用户的不同特征，为用户确定与其对应的风险评估方式，进而为用户评估风险，能够更加快速准确的为用户分配授信策略，提高分配效率。

【技术实现步骤摘要】
用户授信策略分配方法、装置及电子设备
本公开涉及计算机信息处理领域，具体而言，涉及一种用户授信策略分配方法、装置、电子设备及计算机可读介质。
技术介绍
传统金融机构对于用户的金融风险评估主要依据两种方式：一种是人为评估，主要依靠人类的历史经验进行评估，这种人工评判的方式一方面增加了人工成本和处理时间，另一方面通过人工方式生成的经验规则，通常是需要在一个危险行为已经发生一段时间之后，给企业带来了大量的经济损失之后才被建立，这种滞后的方式增加了企业的风险；另一种是依据个人信用评分系统，现有技术中用户金融风险评估系统在进行用户金融风险评估时依赖于一些基础数据，得到用户的画像，进而为用户提供有针对性的服务。目前用户画像基本是通过大数据生成的，根据海量用户数据，提取出用户的特征，然后企业根据自己的需要对用户进行分类，制定不同的用户标签。但是，用户的基本特征中的某些部分是不变的，比如性别，年龄，有些基本特征是随着时间的流逝经常改变的，比如用户的喜好，用户的工作、用户的运动习惯等等。有些基本特征是能够更多的反映出用户的金融安全性特质的，而有些特征对金融安全性的风险反应的较弱，如果“一视同仁”的对用户的所有特征均进行分析计算，不仅浪费了人力物力资源，也给实际应用中服务器的计算增加了负担。因此，需要一种新的用户授信策略分配方法、装置、电子设备及计算机可读介质。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
有鉴于此，本公开提供一种用户授信策略分配方法、装置、电子设备及计算机可读介质，能够根据用户的不同特征，为用户确定与其对应的风险评估方式，进而为用户评估风险，能够更加快速准确的为用户分配授信策略，提高分配效率。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。根据本公开的一方面，提出一种用户授信策略分配方法，该方法包括：获取用户的基本信息，所述基本信息包括用户信息和设备信息；基于所述设备信息由多个风险模型中选取一风险模型作为目标模型；将所述基本信息输入所述目标模型中，生成风险评分；基于所述风险评分和所述设备信息为所述用户分配授信策略。可选地，还包括：由第三方平台获取所述用户的征信状态；基于所述征信状态、所述风险评分和所述设备信息为所述用户分配授信策略。可选地，还包括：基于历史用户的基本信息生成多个样本集合；利用所述多个样本集合分别对机器学习模型进行训练以生成多个风险模型。可选地，基于历史用户的基本信息生成多个样本集合，包括：由所述历史用户的基础信息中提取敏感属性；基于所述敏感属性将所述历史用户分成多个样本集合。可选地，基于历史用户的基本信息生成多个样本集合，包括：提取历史用户基础信息中的设备信息；基于设备信息将所述历史用户分成多个样本集合；其中，每个样本集合中的历史用户具有相同的设备属性。可选地，利用所述多个样本集合分别对机器学习模型进行训练以生成多个风险模型，包括：利用所述多个样本集合分别对梯度提升决策树模型进行训练以生成多个风险模型。可选地，利用所述多个样本集合分别对梯度提升决策树模型进行训练以生成多个风险模型，包括：在所述样本集合的设备属性为安卓系统时，通过所述历史用户的应用安装列表生成历史用户的特征数据；通过所述历史用户的特征数据对梯度提升决策树模型进行训练以生成针对安卓系统的风险模型。可选地，还包括：基于多个风险模型对历史用户的分析结果生成多个授信策略集合。可选地，基于所述风险评分和所述设备信息为所述用户分配授信策略，包括：基于所述用户的所述设备信息由多个授信策略集合中提取目标授信策略集合；根据所述风险评分由所述目标授信策略集合中为所述用户分配授信策略。可选地，还包括：基于所述授信策略确定所述用户的资源额度、资源占用利率，资源偿还期限。根据本公开的一方面，提出一种用户授信策略分配装置，该装置包括：信息模块，用于获取用户的基本信息，所述基本信息包括用户信息和设备信息；选取模块，用于基于所述设备信息由多个风险模型中选取一风险模型作为目标模型；计算模块，用于将所述基本信息输入所述目标模型中，生成风险评分；分配模块，用于基于所述风险评分和所述设备信息为所述用户分配授信策略。可选地，还包括：征信模块，用于由第三方平台获取所述用户的征信状态；基于所述征信状态、所述风险评分和所述设备信息为所述用户分配授信策略。可选地，还包括：样本模块，用于基于历史用户的基本信息生成多个样本集合；训练模块，用于利用所述多个样本集合分别对机器学习模型进行训练以生成多个风险模型。可选地，所述样本模块，包括：属性单元，由所述历史用户的基础信息中提取敏感属性；集合单元，用于基于所述敏感属性将所述历史用户分成多个样本集合。可选地，所述样本模块，包括：设备单元，用于提取历史用户基础信息中的设备信息；基于设备信息将所述历史用户分成多个样本集合；其中，每个样本集合中的历史用户具有相同的设备属性。可选地，所述训练模块，还用于利用所述多个样本集合分别对梯度提升决策树模型进行训练以生成多个风险模型。可选地，所述训练模块，包括：安卓单元，用于在所述样本集合的设备属性为安卓系统时，通过所述历史用户的应用安装列表生成历史用户的特征数据；通过所述历史用户的特征数据对梯度提升决策树模型进行训练以生成针对安卓系统的风险模型。可选地，还包括：集合模块，用于基于多个风险模型对历史用户的分析结果生成多个授信策略集合。可选地，所述分配模块，包括：目标单元，用于基于所述用户的所述设备信息由多个授信策略集合中提取目标授信策略集合；策略单元，用于根据所述风险评分由所述目标授信策略集合中为所述用户分配授信策略。可选地，还包括：参数模块，用于基于所述授信策略确定所述用户的资源额度、资源占用利率，资源偿还期限。根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。根据本公开的用户授信策略分配方法、装置、电子设备及计算机可读介质，获取用户的基本信息，所述基本信息包括用户信息和设备信息；基于所述设备信息由多个风险模型中选取一风险模型作为目标模型；将所述基本信息输入所述目标模型中，生成风险评分；基于所述风险评分和所述设备信息为所述用户分配授信策略的方式，能够根据用户的不同特征，为用户确定与其对应的风险评估方式，进而为用户评估风险，能够更加快速准确的为用户分配授信策略，提高分配效率。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。附图说明通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及本文档来自技高网...

【技术保护点】
1.一种用户授信策略分配方法，其特征在于，包括：/n获取用户的基本信息，所述基本信息包括用户信息和设备信息；/n基于所述设备信息由多个风险模型中选取一风险模型作为目标模型；/n将所述基本信息输入所述目标模型中，生成风险评分；/n基于所述风险评分和所述设备信息为所述用户分配授信策略。/n

【技术特征摘要】
1.一种用户授信策略分配方法，其特征在于，包括：
获取用户的基本信息，所述基本信息包括用户信息和设备信息；
基于所述设备信息由多个风险模型中选取一风险模型作为目标模型；
将所述基本信息输入所述目标模型中，生成风险评分；
基于所述风险评分和所述设备信息为所述用户分配授信策略。


2.如权利要求1所述的方法，其特征在于，还包括：
由第三方平台获取所述用户的征信状态；
基于所述征信状态、所述风险评分和所述设备信息为所述用户分配授信策略。


3.如权利要求1所述的方法，其特征在于，还包括：
基于历史用户的基本信息生成多个样本集合；
利用所述多个样本集合分别对机器学习模型进行训练以生成多个风险模型。


4.如权利要求3所述的方法，其特征在于，基于历史用户的基本信息生成多个样本集合，包括：
由所述历史用户的基础信息中提取敏感属性；
基于所述敏感属性将所述历史用户分成多个样本集合。


5.如权利要求3所述的方法，其特征在于，基于历史用户的基本信息生成多个样本集合，包括：
提取历史用户基础信息中的设备信息；
基于设备信息将所述历史用户分成多个样本集合；
其中，每个样本集合中的历史用户具有相同的设备属性。


6.如权利要求3所述的方法，其特征在于，利用所述多个样...

【专利技术属性】
技术研发人员：张瑞军，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