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：