一种基于神经网络的汽车金融产品智能匹配方法和系统技术方案

本发明专利技术公开了一种基于神经网络的汽车金融产品智能匹配方法和系统，包括：获取用户基本信息、汽车基本信息和审批结果数据；对用户基本信息、汽车基本信息和审批结果数据进行数据预处理；构建神经网络模型，根据不同的金融产品分别训练神经网络模型，并将预处理后的用户基本信息和汽车基本信息输入至训练完成的神经网络模型计算得到通过率；根据通过率和利率申请模式输出匹配结果。相比于现有技术，本发明专利技术可以实现用户与金融产品的智能匹配，降低人工工作量，提高了汽车金融产品的筛选效率，具有筛选误差低、匹配度高的特点，有效提升汽车金融产品的优质率。车金融产品的优质率。车金融产品的优质率。

【技术实现步骤摘要】
一种基于神经网络的汽车金融产品智能匹配方法和系统


[0001]本专利技术涉及数据分析
，尤其涉及一种基于神经网络的汽车金融产品智能匹配方法和系统。

技术介绍

[0002]随着汽车金融进一步深入到当前的汽车销售市场中，在消费端的汽车信贷规模已经达到了万亿级的体量。在如此巨大的体量下，银行，汽车金融，担保系，融资租赁，消费金融公司等推出了上万种不同信贷要求的金融产品，考虑到同一金融公司在不同城市也会推出不同的产品，金融产品的数量就更为巨大，并且其数量还在日益增加中，在当前的业务中，直接对接客户端的信贷业务人员需要将客户的整体信贷资料书面投递到金融产品的审批员处，基于金融公司内部的汽车金融风控模型，审批员决定该客户是否可以通过该金融产品的贷款。由此，对于信贷业务人员来说，在这样的大量的金融产品条目下，只有在不断地尝试多个金融产品的贷款之后，才可以为客户找到一个满意的贷款。最为关键的是，因为每家金融产品的机构都会查询客户的央行征信，所以业务人员每次的尝试会被限定在一家金融产品，以避免多次查询客户的央行征信信息从而影响贷款的成功率。
[0003]目前汽车金融产品选择大多为人工选择，人工筛选工作强度较大，且筛选的效率较低，同时由于人工筛选范围较小，误差较大，最后汽车金融产品的优质率较低。
[0004]综上所述，当前现有技术缺少一种能够智能高效实现汽车金融产品智能匹配的系统。

技术实现思路

[0005]有鉴于此，本专利技术实施例提出一种基于神经网络的汽车金融产品智能匹配方法和系统，可以实现用户与金融产品的智能匹配，降低人工工作量，提高了汽车金融产品的筛选效率，具有筛选误差低、匹配度高的特点，有效提升汽车金融产品的优质率。
[0006]本专利技术的一实施例提出一种一种基于神经网络的汽车金融产品智能匹配方法，包括：
[0007]获取用户基本信息、汽车基本信息和审批结果数据；
[0008]对所述用户基本信息、汽车基本信息和审批结果数据进行数据预处理；
[0009]构建神经网络模型，根据不同的金融产品分别训练所述神经网络模型，并将预处理后的用户基本信息和汽车基本信息输入至训练完成的神经网络模型计算得到通过率；
[0010]根据所述通过率和利率申请模式输出匹配结果。
[0011]进一步地，在上述一种基于神经网络的汽车金融产品智能匹配方法中，所述用户基本信息包括用户年龄、教育程度、借贷数据和历史逾期数据，所述汽车基本信息包括汽车价格和动力类型，所述审批结果数据包括通过和拒绝。
[0012]进一步地，在上述一种基于神经网络的汽车金融产品智能匹配方法中，所述神经网络模型的输入层的数据包括所述用户年龄、教育程度、借贷数据、历史逾期数据、汽车价
格和动力类型，所述神经网络模型的输出层为用户购买相应汽车申请金融贷款的通过率，所述神经网络模型含有多个隐含层，所述隐含层的层数根据训练效果和效率进行确定。
[0013]进一步地，在上述一种基于神经网络的汽车金融产品智能匹配方法中，所述根据不同的金融产品分别训练神经网络模型包括：
[0014]获取各类汽车金融产品的基本信息；
[0015]将所述汽车金融产品的基本信息、用户基本信息、汽车基本信息和审批结果数据输入至神经网络模型进行学习，得到第一隐含层，其中，所述第一隐含层的节点数小于所述输入层的节点数，用于对所述汽车金融产品的基本信息、用户基本信息、汽车基本信息和审批结果数据进行原始表达；
[0016]将所述第一隐含层作为下一个输入层进行学习得到第二隐含层以形成所述神经网络模型的深层网络结构，其中，所述隐含层的层数有多个，并利用sigmoid函数将最后一层隐含层的输出数值由大区间映射到小区间以表示所述通过率，所述大区间为负无穷至正无穷，所述小区间为(0,1)。
[0017]进一步地，在上述一种基于神经网络的汽车金融产品智能匹配方法中，所述将预处理后的用户基本信息和汽车基本信息输入至训练完成的神经网络模型计算得到通过率包括：
[0018]判断是否存在没有任何用户积累的新金融产品；
[0019]若是，则采用k邻阶算法冷启动方案查找与所述新金融产品最相似的金融产品；
[0020]将所述最相似的金融产品的神经网络模型迁移至所述新金融产品；
[0021]将预处理后的用户基本信息和汽车基本信息输入至训练完成或迁移完成的神经网络模型进行计算得到通过率。
[0022]进一步地，在上述一种基于神经网络的汽车金融产品智能匹配方法中，若所述最相似的金融产品数量大于1，则将所有最相似的金融产品对应的多个神经网络模型迁移至新金融产品，并将所述多个神经网络模型计算得到的通过率取平均值作为所述新金融产品对应的通过率计算值。
[0023]进一步地，在上述一种基于神经网络的汽车金融产品智能匹配方法中，所述利率申请模式包括贷款额度、利率和审批时长，所述根据所述通过率和利率申请模式输出匹配结果包括：
[0024]筛选神经网络模型计算出的所述通过率大于预设阈值的金融产品；
[0025]根据所述贷款额度、利率和审批时长对筛选出的金融产品按照优先级从高至低进行排序；
[0026]将优先级排名在预设排名范围内的金融产品作为匹配结果进行输出。
[0027]进一步地，在上述一种基于神经网络的汽车金融产品智能匹配方法中，所述根据所述贷款额度、利率和审批时长对筛选出的金融产品按照优先级从高至低进行排序包括：
[0028]构建随机森林权重计算模型；
[0029]计算所述贷款额度、利率和审批时长的指标权重；
[0030]结合所述指标权重确定金融产品的优先级排序。
[0031]进一步地，在上述一种基于神经网络的汽车金融产品智能匹配方法中，所述则采用k邻阶算法冷启动方案查找与所述新金融产品最相似的金融产品包括：
[0032]计算新金融产品与现有金融产品的欧氏距离；
[0033]根据所述欧式距离对现有金融产品进行排序；
[0034]选取欧氏距离最小对应的现有金融产品作为所述新金融产品的最相似产品。
[0035]本专利技术的另一实施例提出一种基于神经网络的汽车金融产品智能匹配系统，包括：
[0036]获取单元，用于获取用户基本信息、汽车基本信息和审批结果数据；
[0037]数据处理单元，用于对所述用户基本信息、汽车基本信息和审批结果数据进行数据预处理；
[0038]神经网络模型计算单元，用于构建神经网络模型，根据不同的金融产品分别训练所述神经网络模型，并将预处理后的用户基本信息和汽车基本信息输入至训练完成的神经网络模型计算得到通过率；
[0039]选择单元，用于根据所述通过率和利率申请模式输出匹配结果。
[0040]本专利技术的又一实施例提出一种终端，包括：处理器和存储器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施上述的多个IMU时间同步方法。
[0041]本专利技术的再一实施例提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的汽车金融产品智能匹配方法，其特征在于，包括：获取用户基本信息、汽车基本信息和审批结果数据；对所述用户基本信息、汽车基本信息和审批结果数据进行数据预处理；构建神经网络模型，根据不同的金融产品分别训练所述神经网络模型，并将预处理后的用户基本信息和汽车基本信息输入至训练完成的神经网络模型计算得到通过率；根据所述通过率和利率申请模式输出匹配结果。2.根据权利要求1所述的一种基于神经网络的汽车金融产品智能匹配方法，其特征在于，所述用户基本信息包括用户年龄、教育程度、借贷数据和历史逾期数据，所述汽车基本信息包括汽车价格和动力类型，所述审批结果数据包括通过和拒绝。3.根据权利要求2所述的一种基于神经网络的汽车金融产品智能匹配方法，其特征在于，所述神经网络模型的输入层的数据包括所述用户年龄、教育程度、借贷数据、历史逾期数据、汽车价格和动力类型，神经网络模型的输出层为用户购买相应汽车申请金融贷款的通过率，所述神经网络模型含有多个隐含层，所述隐含层的层数根据训练效果和效率进行确定。4.根据权利要求3所述的一种基于神经网络的汽车金融产品智能匹配方法，其特征在于，所述根据不同的金融产品分别训练神经网络模型包括：获取各类汽车金融产品的基本信息；将所述汽车金融产品的基本信息、用户基本信息、汽车基本信息和审批结果数据输入至神经网络模型进行学习，得到第一隐含层，其中，所述第一隐含层的节点数小于所述输入层的节点数，用于对所述汽车金融产品的基本信息、用户基本信息、汽车基本信息和审批结果数据进行原始表达；将所述第一隐含层作为下一个输入层进行学习得到第二隐含层以形成所述神经网络模型的深层网络结构，其中，所述隐含层的层数有多个，并利用sigmoid函数将最后一层隐含层的输出数值由大区间映射到小区间以表示所述通过率，所述大区间为负无穷至正无穷，所述小区间为(0,1)。5.根据权利要求4所述的一种基于神经网络的汽车金融产品智能匹配方法，其特征在于，所述将预处理后的用户基本信息和汽车基本信息输入至训练完成的神经网络模型计算得到通过率包括：判断是否存在没有任何用户积累的新金融产品；若是，则采用k邻阶算法冷启动方案查找与所述新金融产品最相似...

【专利技术属性】
技术研发人员：王剑清，王杰，
申请(专利权)人：厦门正北科技有限公司，
类型：发明
国别省市：