一种贷款申请人的贷款信用评估方法、装置及存储介质制造方法及图纸

本申请公开了一种贷款申请人的贷款信用评估方法，该方法包括：获取贷款申请人的信息数据；基于信息数据获取特征数据；将特征数据输入到信用评估模型，以对贷款申请人的贷款信用进行评估；基于信用评估模型输出贷款申请人的贷款信用数据。因此，本申请通过获取贷款申请人的信息数据，并基于信息数据提取的特征数据以及信用评估模型，得到贷款申请人的贷款信用数据，能够提高对贷款申请人的信用评估的准确度。

【技术实现步骤摘要】
一种贷款申请人的贷款信用评估方法、装置及存储介质
本申请涉及人工智能
，特别是涉及一种贷款申请人的贷款信用评估方法、装置及存储介质。
技术介绍
为满足消费者的需求，金融机构开设了众多类型的业务，贷款业务是众多业务中一项重要业务。金融机构在发放贷款之前通常会对贷款申请人的信用进行评估，然后根据评估结果来决定是否发放贷款以及贷款发放的数额。目前，通过使用评分卡和征信数据对贷款申请人的信用进行评估，单这种评估方式比较简单和浅显，对贷款申请人的信息挖掘不够深入，导致对于贷款申请人的信用评估结果不是很精确。
技术实现思路
本申请提供一种贷款申请人的贷款信用评估方法、装置及存储介质，能够提高对贷款申请人信用评估的准确度。本申请第一方面提供一种贷款申请人的贷款信用评估方法，该方法包括：获取贷款申请人的信息数据；基于信息数据获取特征数据；将特征数据输入到信用评估模型，以对贷款申请人的贷款信用进行评估；基于信用评估模型输出贷款申请人的贷款信用数据。可选地，获取贷款申请人的信息数据的步骤，包括：获取贷款申请人在预设时间段内的信息数据，预设时间段为预设的历史时间点到当前时间点之间的一段时间。可选地，基于信息数据获取特征信息的步骤，包括：按照预设分类规则将信息数据进行分类；按照预设的每类信息数据的第一特征因素获取每类信息的第一特征数据。可选地：基于第一特征数据按照预设的第二特征因素获取第二特征数据，第二特征因素包括至少两个第一特征因素结合形成的第二特征因素。可选地，将特征数据输入到信用评估模型的步骤，包括：将第一特征数据和/或第二特征数据输入到信用评估模型，以对贷款申请人的贷款信用进行评估。可选地，信息数据包括交易信息数据，交易信息数据对应的第一特征因素包括消费类型、单笔交易值、交易金额总值、交易次数、交易地区，第二特征因素包括交易均值、在特定交易地区的交易金额总值、在特定消费类型下的交易金额总值。可选地，基于信息数据获取特征数据的步骤，包括：通过卷积神经网络层对信息数据进行特征数据的提取。可选地，评估模型基于XGBoost模型构建，贷款信用数据包括信用数据、违约数据以及忘记还款数据。本申请第二方面提供一种用户贷款概率预测装置，该装置包括：获取单元，用于获取贷款申请人的信息数据；处理单元，与获取单元连接，用于基于信息数据获取特征数据；预测单元，与处理单元连接，用于将特征数据输入到信用评估模型，以对贷款申请人的贷款信用进行评估；输出单元，与预测单元连接，用于基于信用评估模型输出贷款申请人的贷款信用数据。本申请第三方面提供一种计算机可读存储介质，存储介质存储有程序指令，程序指令被处理器执行时实现上述任一项的贷款申请人的贷款信用评估方法。本申请至少具备的有益效果是：相较于现有技术，本申请的贷款申请人的贷款信用评估方法通过获取贷款申请人的信息数据，并基于信息数据提取的特征数据以及信用评估模型，得到贷款申请人的贷款信用数据，能够提高对贷款申请人的信用评估的准确度。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请的贷款申请人的贷款信用评估方法的一实施例的流程示意图；图2是本申请的贷款申请人的贷款信用评估方法的一实施例的流程示意图；图3是本申请的贷款申请人的贷款信用评估方法的一实施例的流程示意图；图4是本申请的贷款申请人的贷款信用评估装置的一结构示意图；图5是本申请的计算机可读存储介质的一实施例的框架示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，在不冲突的情况下，本文所描述的实施例可以与其它实施例相结合。本申请第一方面提供一种贷款申请人的贷款信用评估方法，本方法可以应用于贷款申请人的贷款信用评估装置中，该装置可以包括手机、电脑、服务器等电子设备。基于本方法，能够提高对贷款申请人信用评估的准确度。请参阅图1，图1是本申请的贷款申请人的贷款信用评估方法的一实施例的流程示意图。如图1，本方法包括以下步骤：S11：获取贷款申请人的信息数据。贷款申请人即向具有贷款业务的机构申请贷款的人，贷款申请人的信息数据可以包括贷款申请的身份信息数据、画像数据以及交易数据。其中，画像数据是对贷款申请人整体形象进行描述的数据，可以包括贷款申请人的行为、社交、网络等数据，交易数据是贷款申请人日常交易的数据。具体地，贷款申请人的贷款信用评估装置可以直接获取贷款申请人的信息数据，也可以从其他设备获取，也可以基于外界的人为输入得到。S12：基于信息数据获取特征数据。信息数据具有一定的特征属性，例如身份信息数据的年龄特征属性、性别特征属性，社交数据的社交范围特征属性、社交数量特征属性，交易信息数据的交易类型特征属性、交易时间特征属性、交易价格特征属性等等。值得说明的是，同一类别的信息数据在不同维度具有不同的特征属性，不同维度的特征属性反映了不同的特征属性，不同类别的信息数据具有不同的特征属性。不同类别信息数据的不同特征属性以及相同类别的不同特征属性在多维度上反映了信息数据的特性，这些特征影响着贷款申请人的贷款信用。S13：将特征数据输入到信用评估模型，以对贷款申请人的贷款信用进行评估。信用评估模型是预先训练得到并存储于贷款本文档来自技高网...

【技术保护点】
1.一种贷款申请人的贷款信用评估方法，其特征在于，所述方法包括：/n获取贷款申请人的信息数据；/n基于所述信息数据获取特征数据；/n将所述特征数据输入到信用评估模型，以对所述贷款申请人的贷款信用进行评估；/n基于所述信用评估模型输出所述贷款申请人的贷款信用数据。/n

【技术特征摘要】
1.一种贷款申请人的贷款信用评估方法，其特征在于，所述方法包括：
获取贷款申请人的信息数据；
基于所述信息数据获取特征数据；
将所述特征数据输入到信用评估模型，以对所述贷款申请人的贷款信用进行评估；
基于所述信用评估模型输出所述贷款申请人的贷款信用数据。


2.根据权利要求1所述的方法，其特征在于，
所述获取贷款申请人的信息数据的步骤，包括：
获取贷款申请人在预设时间段内的信息数据，所述预设时间段为预设的历史时间点到当前时间点之间的一段时间。


3.根据权利要求2所述的方法，其特征在于，
所述基于所述信息数据获取特征信息的步骤，包括：
按照预设分类规则将所述信息数据进行分类；
按照预设的每类信息数据的第一特征因素获取每类信息的第一特征数据。


4.根据权利要求3所述的方法，其特征在于，所述方法进一步包括：
基于所述第一特征数据按照预设的第二特征因素获取第二特征数据，所述第二特征因素包括至少两个第一特征因素结合形成的第二特征因素。


5.根据权利要求4所述的方法，其特征在于，
所述将所述特征数据输入到信用评估模型的步骤，包括：
将所述第一特征数据和/或所述第二特征数据输入到信用评估模型，以对所述贷款申请人的贷款信用进行评估。

【专利技术属性】
技术研发人员：郑建辉，付盼吉，练祥韬，
申请(专利权)人：广州市全民钱包科技有限公司，
类型：发明
国别省市：广东;44