用户分类方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种用户分类方法、装置、计算机设备和存储介质。该用户分类方法包括：获取待分类用户的画像信息，所述画像信息包括用户属性信息以及用户交易信息。将所述待分类用户的画像信息输入至分类模型中，得到所述待分类用户的用户类别，所述分类模型是根据逻辑回归模型以及接受者操作特征ROC曲线获得的，所述用户类别包括第一类用户和第二类用户，所述ROC曲线用于表征所述分类模型的预测精度，所述第一类用户为催收难度大于预设阈值的用户，所述第二类用户为催收难度小于预设阈值的用户。能够准确的识别催收任务的难易程度，以便为催收人员分配更合适的催收任务。为催收人员分配更合适的催收任务。为催收人员分配更合适的催收任务。

【技术实现步骤摘要】
用户分类方法、装置、计算机设备和存储介质


[0001]本申请涉及信息
，特别是涉及一种用户分类方法、装置、计算机设备和存储介质。

技术介绍

[0002]近年来，国内外经济环境错综复杂，市场化改革日益深化，同业竞争日趋激烈，给催收工作的开展带来了巨大的挑战。尤其在信用卡、信贷领域，由于发卡体量大、用户数量多、用户构成复杂，导致催收工作的难度越来越高，而催收工作的一个核心过程就是催收任务的分配。
[0003]目前业界的分配分案一般是采取平均分配或者基于比例进行分配，这样的分配方式过于粗放，存在催收任务的难易与催收人员的业务能力无法相匹配的问题，例如，将较难的催收任务分配给业务能力较差的催收人员，从而导致催收任务难以完成。因此，如何准确的识别催收任务的难易程度，以便为催收人员分配更合适的催收任务成为了当前的研究热点。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种用户分类方法、装置、计算机设备和存储介质。能够准确的识别催收任务的难易程度，以便为催收人员分配更合适的催收任务。
[0005]一种用户分类方法，所述方法包括：获取待分类用户的画像信息，所述画像信息包括用户属性信息以及用户交易信息。
[0006]将所述待分类用户的画像信息输入至分类模型中，得到所述待分类用户的用户类别，所述分类模型是根据逻辑回归模型以及接受者操作特征曲线(receiver operating characteristic curve，ROC曲线)获得的，所述用户类别包括第一类用户和第二类用户，所述ROC曲线用于表征所述分类模型的预测精度，所述第一类用户为催收难度大于预设阈值的用户，所述第二类用户为催收难度小于预设阈值的用户。
[0007]一种用户分类装置，该装置包括：
[0008]获取模块，用于获取待分类用户的画像信息，所述画像信息包括用户属性信息以及用户交易信息。
[0009]分类模块，用于将所述获取模块获取的所述待分类用户的画像信息输入至分类模型中，得到所述待分类用户的用户类别，所述分类模型是根据逻辑回归模型以及接受者操作特征曲线ROC曲线获得的，所述用户类别包括第一类用户和第二类用户，所述ROC曲线用于表征所述分类模型的预测精度，所述第一类用户为催收难度大于预设阈值的用户，所述第二类用户为催收难度小于预设阈值的用户。
[0010]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0011]获取待分类用户的画像信息，所述画像信息包括用户属性信息以及用户交易信
息。
[0012]将所述待分类用户的画像信息输入至分类模型中，得到所述待分类用户的用户类别，所述分类模型是根据逻辑回归模型以及接受者操作特征曲线ROC曲线获得的，所述用户类别包括第一类用户和第二类用户，所述ROC曲线用于表征所述分类模型的预测精度，所述第一类用户为催收难度大于预设阈值的用户，所述第二类用户为催收难度小于预设阈值的用户。
[0013]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0014]获取待分类用户的画像信息，所述画像信息包括用户属性信息以及用户交易信息。
[0015]将所述待分类用户的画像信息输入至分类模型中，得到所述待分类用户的用户类别，所述分类模型是根据逻辑回归模型以及接受者操作特征曲线ROC曲线获得的，所述用户类别包括第一类用户和第二类用户，所述ROC曲线用于表征所述分类模型的预测精度，所述第一类用户为催收难度大于预设阈值的用户，所述第二类用户为催收难度小于预设阈值的用户。
[0016]上述用户分类方法、装置、计算机设备和存储介质，利用基于逻辑回归模型和ROC曲线综合确定用于对用户类别进行预测的分类模型，能够在训练分类模型的过程中，提高其预测精度。并且，将包含了用户属性信息以及用户交易信息的画像信息作为判断用户类别的参数，进一步提高了对用户类别预测的准确性，从而更加准确的识别出催收任务的难易程度，以便为催收人员分配更合适的催收任务。
附图说明
[0017]图1为一个实施例中用户分类方法的流程示意图；
[0018]图2为一个实施例中画像信息的结构示意图；
[0019]图3为一个实施例中用户分类方法的流程示意图；
[0020]图4为一个实施例中用户分类方法的流程示意图；
[0021]图5为一个实施例中用户分类方法的流程示意图；
[0022]图6为一个实施例中用户分类方法的流程示意图；
[0023]图7为一个实施例中用户分类装置的结构示意图；
[0024]图8为一个实施例中计算机设备的内部结构图。
具体实施方式
[0025]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0026]可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一类用户称为第二类用户，且类似地，可将第二类用户称为第一类用户。
[0027]在进行贷款催收业务处理时，会产生大量的催收任务，而催收任务的分配就成了核心过程。目前业界的分配分案一般是采取平均分配或者基于比例进行分配，这样的分配方式过于粗放，存在催收任务的难易与催收人员的业务能力无法相匹配的问题，例如，将较难的催收任务分配给业务能力较差的催收人员，从而导致催收任务难以完成。因此，如何准确的识别催收任务的难易程度，以便为催收人员分配更合适的催收任务成为了当前的研究热点。
[0028]基于现有技术中存在的问题，本申请实施例提供用户分类方法，通过根据逻辑回归模型以及接受者操作特征曲线ROC曲线获得的分类模型，对用户的催收难度进行准确识别，从而更合理的分配催收任务。
[0029]本申请实施例所提供的用户分类方法可应用于众多通用或专用的计算装置环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。
[0030]如图1所示，本申请实施例提供的催收评分方法具体包括：
[0031]S11、获取待分类用户的画像信息，画像信息包括用户属性信息以及用户交易信息。
[0032]示例性的，参照图2示出的画像信息的结构示意图，画像信息包括用户属性信息以及用户交易信息。其中，用户属性信息即为用户基本特征，而用户基本特征可以包括但不限于用户的性别、年龄、婚姻状况、职业、是否有子女、是否有住房中的一项或多项数据。用户交易信息分为用户行为特征和用户风险特征。用户行为特征包括但不限于信用卡近3个月消费金额、过去半年日均金融资产(元)、近10天净流入金额、近10天总交易笔数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户分类方法，其特征在于，所述方法包括：获取待分类用户的画像信息，所述画像信息包括用户属性信息以及用户交易信息；将所述待分类用户的画像信息输入至分类模型中，得到所述待分类用户的用户类别，所述分类模型是根据逻辑回归模型以及接受者操作特征ROC曲线获得的，所述用户类别包括第一类用户和第二类用户，所述ROC曲线用于表征所述分类模型的预测精度，所述第一类用户为催收难度大于预设阈值的用户，所述第二类用户为催收难度小于预设阈值的用户。2.根据权利要求1所述的用户分类方法，其特征在于，所述分类模型的获取方式包括：获取历史用户信息，所述历史用户信息包括多个用户的画像信息和各用户的第一类别；所述第一类别为所述用户实际的用户类别；将所述历史用户信息分为训练样本集和验证样本集；利用所述训练样本集训练所述逻辑回归模型，获得初始模型；根据所述初始模型以及所述验证样本集，确定所述ROC曲线；基于所述ROC曲线对所述初始模型的预测效果进行评估，并根据评估结果以及所述初始模型确定所述分类模型。3.根据权利要求2所述的用户分类方法，其特征在于，所述利基于所述ROC曲线对所述初始模型的预测效果进行评估，并根据评估结果以及所述初始模型确定所述分类模型，包括：利用所述初始模型对所述验证样本集中各用户的画像信息进行预测，得到所述验证样本集中各用户的预设数量的第二类别，所述第二类别为所述验证样本集中各用户预测的用户类别；根据所述验证样本集中所述各用户的所述第一类别以及所述预设数量的第二类别，构建所述预设数量的混淆矩阵；根据所述预设数量的混淆矩阵，确定所述ROC曲线。4.根据权利要求3所述的用户分类方法，其特征在于，所述利用所述初始模型对所述验证样本集中各用户的画像信息进行预测，得到所述验证样本集中各用户的预设数量的第二类别，包括：利用所述初始模型对所述验证样本集中各用户的画像信息进行预测，得到所述验证样本集中各用户的预测概率；基于所述预设数量的概率阈值与所述预测概率，确定所述验证样本集中各用户的所述预设数量的第二类别。5.根据权利要求4所述的用户分类方法，其特征在于，所述根据所述验证样本集中所述各用户的所述第一类别以及所述预设...

【专利技术属性】
技术研发人员：张珂欣，王坤，董江雪，候晨，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：