一种针对用户画像的信用评估方法技术

本发明专利技术实施例公开了一种针对用户画像的信用评估方法，包括：S1、金融机构发送用户的手机号码信息及身份证匹配信息至用户画像生成平台；S2、用户画像生成平台将用户的手机号码信息及身份证匹配信息发送至大数据供应平台；S3、大数据供应平台根据用户的手机号码信息及身份证匹配信息获取用户的行为信息，并根据用户的行为信息输入预先训练好的用户标签生成模型，输出用户标签反馈至用户画像生成平台；S4、用户画像生成平台根据用户标签生成用户画像并将用户画像发送至金融机构；S5、金融机构获取用户画像，并对用户画像进行特征提取获取用户的信用数据，根据用户的信用数据评定信用等级。可以对用户的信用进行准确评估，降低金融机构的审查风险。

【技术实现步骤摘要】
一种针对用户画像的信用评估方法
本专利技术涉及信用评估
，特别涉及一种针对用户画像的信用评估方法。
技术介绍
互联网金融是传统金融单位与互联网部门利用IT技术和信通技术实现资金融通、支付、投资和中介服务的新金融业务模式。互联网与金融的融合是大趋势，将对金融产品、业务、组织和服务等方面产生十分深刻的影响。互金对促小微企业发展和扩大就业发挥了远大于现有金融机构的作用，为大众创业、万众创新打开了大门。促进互金顺利发展，有助于提升金融服务质量和效率，加深金融改革，促进金融发展，扩大金融业对内外各地的开放，构建多层次金融架构。作为新生事物，互联网金融既要求市场驱动，鼓励创新，也需要政策扶持，促进发展。现有技术中，金融机构对用户的贷款审批时，会综合考虑用户的信用，对其信用及资产情况进行评估，进而确定是否放贷。在用户存在多头借贷时，不能准确对其信用及资产情况进行评估。多头借贷就是一个借款者向2或2家以上的金融单位提出借贷需求。由于用户的偿还能力是有限的，向多方借款必存在着较高的风险。当超出偿还能力时，只能逾期。由于互金平台的逾期并不计入央行征信，不会对用户借款产生直接影响，也导致一部分用户在逾期时肆无忌惮，同时多头借贷也为各平台审查风控带来巨大挑战。
技术实现思路
本专利技术旨在至少一定程度上解决上述技术中的技术问题之一。为此，本专利技术的目的在于提出一种针对用户画像的信用评估方法，可以对用户的信用进行准确评估，降低金融机构的审查风险。为达到上述目的，本专利技术实施例提出了一种针对用户画像的信用评估方法，包括：S1、金融机构发送用户的手机号码信息及身份证匹配信息至用户画像生成平台；S2、用户画像生成平台将用户的手机号码信息及身份证匹配信息发送至大数据供应平台；S3、大数据供应平台根据用户的手机号码信息及身份证匹配信息获取用户的行为信息，并根据用户的行为信息输入预先训练好的用户标签生成模型，输出用户标签反馈至用户画像生成平台；S4、用户画像生成平台根据用户标签生成用户画像并将所述用户画像发送至金融机构；S5、金融机构获取用户画像，并对用户画像进行特征提取获取用户的信用数据，根据所述用户的信用数据评定信用等级。根据本专利技术实施例提出的一种针对用户画像的信用评估方法，当金融机构在获得了用户充分授权的情况下，将MD5加密的手机号码、MD5加密的身份证匹配信息，通过专线或VPN连接，发送至用户画像生成平台。可以保证用户的手机号码信息及身份证信息在传输过程中的安全性，避免出现数据被窃取，保护用户的隐私，提高用户体验。用户画像生成平台将用户的手机号码信息及身份证匹配信息发送至大数据供应平台；大数据供应平台根据用户的手机号码信息及身份证匹配信息获取用户的行为信息，并根据用户的行为信息输入预先训练好的用户标签生成模型，输出用户标签反馈至用户画像生成平台；用户的行为信息包括消费情况、旅游情况、资产情况等。用户标签是通过对用户的行为信息进行高度精炼的特征标识，是生成用户画像的核心信息。用户画像生成平台根据用户标签生成用户画像并将所述用户画像发送至金融机构；用户画像是根据用户社会属性、生活行为和消费习惯等信息而抽象出的一个标签化的用户模型。用户画像生成平台只接收生成的用户标签，节省数据传输的成本，保护了用户的隐私信息，不进行多平台的共享信息，保证了大数据供应平台的数据核心竞争力，也确保了数据安全合规性。用户画像可以综合反映用户的相关信息，金融机构根据用户画像进行特征并提取获取用户的信用数据，根据所述用户的信用数据评定信用等级。可以清楚的了解用户是否存在多头借贷的情况，同时可以更全面的获取用户的信用数据，并基于全面的用户数据提高对用户信用评估的准确性，降低了金融机构的审查风险。根据本专利技术的一些实施例，所述用户标签生成模型的建立，包括：大数据供应平台获取样本用户的行为信息并进行预处理；对预处理后的样本用户的行为信息进行第一次筛选，确定建立用户标签生成模型的变量；根据PCA算法对用户标签生成模型的变量进行处理以建立用户标签生成模型。根据本专利技术的一些实施例，所述PCA算法包括：导入确定的用户标签生成模型的变量得到数据样本矩阵；根据所述样本矩阵计算均值及散布矩阵；根据所述散布矩阵计算散布矩阵的特征值，并对特征值进行排序，选取P个最大的特征值，计算P个最大的特征值分别对应的特征向量；将P个最大的特征值分别对应的特征向量进行数据投影，形成投影矩阵以实现降维。根据本专利技术的一些实施例，所述预处理包括去重处理、缺失值处理、异常值处理、特征编码处理、标准化处理、正则化处理中的至少一种。根据本专利技术的一些实施例，所述大数据供应平台包括：数据采集器，用于获取从智能终端采集的用户行为信息；券商业务平台，用于获取用户的证券投资信息；合作方平台，用于获取用户的行为偏好、消费状况信息；第三方数据平台，用于获取对用户的特殊信息。根据本专利技术的一些实施例，所述金融机构获取用户画像，并对用户画像进行特征提取获取用户的信用数据，根据所述用户的信用数据评定信用等级，包括：获取用户的信用数据并判断是否预设信用评估条件；在确定用户的信用数据满足预设信用评估条件时，将用户的信用数据按照不同场景进行分类，获得用户在多个场景下分别对应的信用数据；将用户在多个场景下分别对应的信用数据输入预先训练好的多场景信用评估模型中，得到多个场景下的信用评分；根据预设算法将多个场景下的信用评分进行计算，得到用户的综合信用评分，根据综合信用评分确定用户的信用等级。根据本专利技术的一些实施例，所述金融机构获取用户画像，并对用户画像进行特征提取获取用户的信用数据，根据所述用户的信用数据评定信用等级，包括：S11、对用户画像进行特征提取获取用户在多个周期的信用数据；S12、将用户在多个周期的信用数据输入信用度网络模型中，输出用户在各个周期的信用评分；S13、根据用户在各个周期的信用评分计算得到用户当前周期的总体的信用评估结果，设置信用等级的取值范围，进而评定用户的信用等级。根据本专利技术的一些实施例，所述计算用户当前周期的总体的信用评估结果的算法包括：S131、获取信用度网络模型的计算函数：其中，f(i)为样本用户在第i周期的信用评分；n为选取的用于训练信用度网络模型的样本用户计算信用评分的周期总数；ki为信用度网络模型中输入层到输出层的连接权值；β为信用度网络模型的拟合系数；Xi为样本用户在第i周期的信用数据；Ci为根据n确定的聚类中心；Cmax为所选取的聚类中心之间的最大值；Z为信用度网络模型的灵敏度阈值；S132、将用户在m个周期的信用数据输入信用度网络模型中，输出用户在各个周期的信用评分，得到当前周期的f(t)以及前m期的f(t-1)、f(t-2)，…，f(t-m)；S133、计算用户第t周期的总体的信用评估结果F(t)：其中，为修正系数；f(t)为用本文档来自技高网...

【技术保护点】
1.一种针对用户画像的信用评估方法，其特征在于，包括：/nS1、金融机构发送用户的手机号码信息及身份证匹配信息至用户画像生成平台；/nS2、用户画像生成平台将用户的手机号码信息及身份证匹配信息发送至大数据供应平台；/nS3、大数据供应平台根据用户的手机号码信息及身份证匹配信息获取用户的行为信息，并根据用户的行为信息输入预先训练好的用户标签生成模型，输出用户标签反馈至用户画像生成平台；/nS4、用户画像生成平台根据用户标签生成用户画像并将所述用户画像发送至金融机构；/nS5、金融机构获取用户画像，并对用户画像进行特征提取获取用户的信用数据，根据所述用户的信用数据评定信用等级；/n所述步骤S5，包括：/nS11、对用户画像进行特征提取获取用户在多个周期的信用数据；/nS12、将用户在多个周期的信用数据输入信用度网络模型中，输出用户在各个周期的信用评分；/nS13、根据用户在各个周期的信用评分计算得到用户当前周期的总体的信用评估结果，设置信用等级的取值范围，进而评定用户的信用等级。/n

【技术特征摘要】
1.一种针对用户画像的信用评估方法，其特征在于，包括：
S1、金融机构发送用户的手机号码信息及身份证匹配信息至用户画像生成平台；
S2、用户画像生成平台将用户的手机号码信息及身份证匹配信息发送至大数据供应平台；
S3、大数据供应平台根据用户的手机号码信息及身份证匹配信息获取用户的行为信息，并根据用户的行为信息输入预先训练好的用户标签生成模型，输出用户标签反馈至用户画像生成平台；
S4、用户画像生成平台根据用户标签生成用户画像并将所述用户画像发送至金融机构；
S5、金融机构获取用户画像，并对用户画像进行特征提取获取用户的信用数据，根据所述用户的信用数据评定信用等级；
所述步骤S5，包括：
S11、对用户画像进行特征提取获取用户在多个周期的信用数据；
S12、将用户在多个周期的信用数据输入信用度网络模型中，输出用户在各个周期的信用评分；
S13、根据用户在各个周期的信用评分计算得到用户当前周期的总体的信用评估结果，设置信用等级的取值范围，进而评定用户的信用等级。


2.如权利要求1所述的针对用户画像的信用评估方法，其特征在于，所述用户标签生成模型的建立，包括：
大数据供应平台获取样本用户的行为信息并进行预处理；
对预处理后的样本用户的行为信息进行第一次筛选，确定建立用户标签生成模型的变量；
根据PCA算法对用户标签生成模型的变量进行处理以建立用户标签生成模型。


3.如权利要求2所述的针对用户画像的信用评估方法，其特征在于，所述PCA算法包括：
导入确定的用户标签生成模型的变量得到数据样本矩阵；
根据所述样本矩阵计算均值及散布矩阵；
根据所述散布矩阵计算散布矩阵的特征值，并对特征值进行排序，选取P个最大的特征值，计算P个最大的特征值分别对应的特征向量；

【专利技术属性】
技术研发人员：陈建，龙泳先，刘天欣，王月月，孟颖，
申请(专利权)人：北京睿知图远科技有限公司，
类型：发明
国别省市：北京;11