风险检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请提出一种风险检测方法、装置、计算机设备和存储介质，其中，方法包括：获取逾期用户的多维度特征，其中，多维度特征用于表征各类贷款的贷款金额占比、逾期金额、额度使用率和逾期天数中的多个组合，根据多维度特征和多维度特征与预测风险信息之间的映射关系，确定逾期用户的预测风险信息，根据预测风险信息，对逾期用户进行还款提醒，根据还款提醒的反馈信息和/或逾期用户的实际还款信息，确定逾期用户的实际风险信息，基于还款提醒的反馈信息和还款的信息，分析多维度特征和/或映射关系确定的准确性，通过不断的调整多维度特征和/或映射关系，使得预测风险信息的准确度提升，提高了风险检测的准确性，进而提高了还款提醒的效率。的效率。的效率。

【技术实现步骤摘要】
风险检测方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机
，尤其涉及一种风险检测方法、装置、计算机设备和存储介质。

技术介绍

[0002]逾期用户风险检测是指对逾期用户或者即将逾期的用户的不还款状况的风险评估。然而，目前的风险检测方法，对案件的风险评估不够准确,增加了还款提醒的成本。

技术实现思路

[0003]本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
[0004]为此，本申请的第一个目的在于提出一种风险检测方法，通过从多个维度和映射关系确定用户的预测风险信息，并基于还款提醒的反馈信息和还款的信息，分析多维度特征和/或映射关系确定的准确性，通过不断的调整多维度特征和/或映射关系，使得预测风险信息的准确度提升，提高了风险检测的准确性，进而提高了还款提醒的成功率。
[0005]本申请的第二个目的在于提出一种风险检测装置。
[0006]本申请的第三个目的在于提出一种计算机设备。
[0007]本申请的第四个目的在于提出一种非临时性计算机可读存储介质。
[0008]本申请的第五个目的在于提出一种计算机程序产品。
[0009]为达上述目的，本申请第一方面实施例提出了一种风险检测方法，包括：
[0010]获取逾期用户的多维度特征；其中，所述多维度特征用于表征各类贷款的贷款金额占比、逾期金额、额度使用率和逾期天数中的多个组合；
[0011]根据所述多维度特征和多维度特征与预测风险信息之间的映射关系，确定所述逾期用户的预测风险信息；
[0012]根据所述预测风险信息，对所述逾期用户进行还款提醒；
[0013]根据所述还款提醒的反馈信息和/或所述逾期用户的实际还款信息，确定所述逾期用户的实际风险信息；
[0014]根据所述逾期用户的实际风险信息和所述预测风险信息之间的差异，重新选取所述多维度特征，和/或，调整所述映射关系。
[0015]为达上述目的，本申请第二方面实施例提出了一种风险检测装置，包括：
[0016]获取模块，用于获取逾期用户的多维度特征；其中，所述多维度特征用于表征各类贷款的贷款金额占比、逾期金额、额度使用率和逾期天数中的多个组合；
[0017]确定模块，用于根据所述多维度特征和多维度特征与预测风险信息之间的映射关系，确定所述逾期用户的预测风险信息；
[0018]处理模块，用于根据所述预测风险信息，对所述逾期用户进行还款提醒；
[0019]分析模块，用于根据所述还款提醒的反馈信息和/或所述逾期用户的实际还款信息，确定所述逾期用户的实际风险信息；
[0020]调整模块，用于根据所述逾期用户的实际风险信息和所述预测风险信息之间的差异，重新选取所述多维度特征，和/或，调整所述映射关系。
[0021]为达上述目的，本申请第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如第一方面所述的风险检测方法。
[0022]为了实现上述目的，本申请第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的风险检测方法。
[0023]为了实现上述目的，本申请第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，实现如第一方面所述的风险检测方法。
[0024]本申请实施例提供的技术方案至少包含如下的有益效果：
[0025]获取逾期用户的多维度特征，其中，多维度特征用于表征各类贷款的贷款金额占比、逾期金额、额度使用率和逾期天数中的多个组合，根据多维度特征和多维度特征与预测风险信息之间的映射关系，确定逾期用户的预测风险信息，根据预测风险信息，对逾期用户进行还款提醒，根据还款提醒的反馈信息和/或逾期用户的实际还款信息，确定逾期用户的实际风险信息，基于还款提醒的反馈信息和还款的信息，分析多维度特征和/或映射关系确定的准确性，通过不断的调整多维度特征和/或映射关系，使得预测风险信息的准确度提升，提高了风险检测的准确性，进而提高了还款提醒的成功率。
[0026]本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0027]本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0028]图1为本申请实施例所提供的一种风险检测方法的流程示意图；
[0029]图2为本申请实施例提供的另一种风险检测方法的流程示意图；
[0030]图3为本申请实施例提供的另一种风险检测方法的流程示意图；
[0031]图4为本申请实施例提供的另一种风险检测方法的流程示意图；
[0032]图5为本申请实施例提供的另一种风险检测方法的流程示意图；
[0033]图6为本申请实施例提供的一种风险检测装置的结构示意图；
[0034]图7为本申请实施例提供的一种计算机设备的框图。
具体实施方式
[0035]下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
[0036]下面参考附图描述本申请实施例的风险检测方法、装置、计算机设备和存储介质。
[0037]图1为本申请实施例所提供的一种风险检测方法的流程示意图。
[0038]如图1所示，该方法包括以下步骤：
[0039]步骤101，获取逾期用户的多维度特征，其中，多维度特征用于表征各类贷款的贷款金额占比、逾期金额、额度使用率和逾期天数中的多个组合。
[0040]在本申请实施例的一种实现方式中，查询逾期用户的贷款记录，将贷款记录中现金贷的贷款金额与消费贷的贷款金额之间的比值，确定为多维度特征中用于表征贷款金额占比的特征，根据贷款记录中逾期金额、额度使用率和逾期天数，确定多维度特征中对应维度的特征，作为一种实现方式，根据逾期金额确定多维度特征中逾期金额的特征；根据额度使用率确定多维度特征中额度使用率的特征；根据逾期天数确定多维度特征中逾期天数的特征。
[0041]步骤102，根据多维度特征和多维度特征与预测风险信息之间的映射关系，确定逾期用户的预测风险信息。
[0042]本实施例中，通过获取的多维度特征，综合判断逾期用户的风险信息，相较于通过单一维度的特征确定逾期用户的风险信息，提高了风险信息确定的准确性。
[0043]作为一种实现方式，多维度特征与预测风险信息之间的映射关系，包含了多维度特征对应的权重，基于多维特征和权重，可以确定预测风险信息。
[0044]作为另一种实现方式，映射关系还可以基于分类模型指示，也就是说基于该分类模型，可以确定多维度特征对应的预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风险检测方法，其特征在于，所述方法包括以下步骤：获取逾期用户的多维度特征；其中，所述多维度特征用于表征各类贷款的贷款金额占比、逾期金额、额度使用率和逾期天数中的多个组合；根据所述多维度特征和多维度特征与预测风险信息之间的映射关系，确定所述逾期用户的预测风险信息；根据所述预测风险信息，对所述逾期用户进行还款提醒；根据所述还款提醒的反馈信息和/或所述逾期用户的实际还款信息，确定所述逾期用户的实际风险信息；根据所述逾期用户的实际风险信息和所述预测风险信息之间的差异，重新选取所述多维度特征，和/或，调整所述映射关系。2.根据权利要求1所述的风险检测方法，其特征在于，所述根据所述还款提醒的反馈信息和/或所述逾期用户的实际还款信息，确定所述逾期用户的实际风险信息，包括：根据所述反馈信息确定所述逾期用户的状态；所述状态是还款中状态或者失联状态；将所述实际还款信息和所述逾期用户的状态，与各风险等级设定的匹配规则进行匹配，以根据匹配的风险等级确定所述逾期用户的实际风险信息。3.根据权利要求2所述的风险检测方法，其特征在于，所述根据所述反馈信息确定所述逾期用户的状态之后，还包括：在所述状态为失联状态的情况下，根据所述实际还款信息，对所述逾期用户的状态进行校验。4.根据权利要求1所述的风险检测方法，其特征在于，所述根据所述逾期用户的实际风险信息和所述预测风险信息之间的差异，重新选取所述多维度特征，和/或，调整所述映射关系，包括：若所述实际风险信息指示的风险等级，和所述预测风险信息指示的风险等级之间的差异大于等级阈值，则随机选取设定个数的维度进行删除或者添加，以得到下一次预测所采用的多维度特征；和/或，若所述实际风险信息指示的风险等级，和所述预测风险信息指示的风险等级之间的差异大于等级阈值，则根据所述差异调整所述映射关系中的权重，或者，调整指示所述映射关系的分类模型的模型参数。5.根据权利要求1
‑
4任一项所述的风险检测方法，其特征在于，所述获取逾期用户的多维度特征，包括：查询所述逾期用户的贷款记录；将所述贷款记录中现金贷的贷款金额与消费贷的贷款金额之间的比值，确定为所述多维度特征中用于表征所述贷款金额占比的特征；根据所述贷款记录中逾期金额、额度使用率和逾期天数，确定所述多维度特征中对应维度的特征。6.根据权利要求5所述的风险检测方法，其特征在于，所述查询所述逾期用户的贷款记录之后，还包括：根据所述贷款记录指示的历史最大逾期天数、历史逾期次数、最近一次还款时间、最近一次还款金额、未清偿的贷款业务笔数和额度使用率中的一个或多个组合，确定所述多维
度特征中对应维度的特征。7.根据权利要求5所述的风险检测方法，其特征在于，所述获取逾期用户的多维度特征，还包括：查询所述逾期用户的个人属性信息；根据所述个人属性信息中的收入水平和/或职业，确定所述多维度特征中对应维度的特征。8.根据权利要求1
‑
4任一项所述的风险检测方法，其特征在于，所述根据所述预测风险信息，对所述逾期用户进行还款提醒，包括：根据所述预测风险信息，生成对应难度等级的提醒任务；根据所述难度等级，分发所述提醒任务；其中，所述提醒任务中包含所述多维度特征中至少一个维度特征所对应话术的还款提醒。9.根据权利要求1
‑
4任一项所述的风险检测方法，其特征在于，所述根据所述预测风险信息，对所述逾期用户进行还款提醒，包括：根据所述预测风险信息，确定对应的话术模板；根据所述话术模板，生成还款提醒；向所述逾期用户对应的设备，推送所述还款提醒。10.根据权利要求1
...

【专利技术属性】
技术研发人员：关慧亮，程建波，吕军，王宇光，
申请(专利权)人：京东科技控股股份有限公司，
类型：发明
国别省市：