信用风险评估方法、信息确定方法、服务系统及设备技术方案

本申请实施例提供一种信用风险评估方法、信息确定方法、服务系统及设备。其中，方法包括如下的步骤：获取目标对象的数据信息，其中目标对象申请第一场景金融产品，场景金融产品嵌入在服务平台提供的服务中，在服务对象享有服务平台提供的服务时能选择申请相应的场景金融产品；确定评估模型；评估模型通过训练样本集训练得到，训练样本集由第一历史时期内累积的与第一场景金融产品相关的数据，以及第二历史时期内累积的与至少一个第二场景金融产品相关的数据确定；将数据信息输入评估模型，得到目标对象的信用风险评估结果以作为判定目标对象能否成功申请到第一场景金融产品的依据。采用本申请技术方案，可及早的控制风险。可及早的控制风险。可及早的控制风险。

【技术实现步骤摘要】
信用风险评估方法、信息确定方法、服务系统及设备


[0001]本申请涉及计算机
，尤其涉及一种信用风险评估方法、信息确定方法、服务系统及设备。

技术介绍

[0002]场景金融产品可以解释为：满足人们在某一活动场景中的金融需求体验的产品，或者可以解释为基于特征场景(如外卖、视频网站、电商商户等)的信贷产品。比如，商户入驻电商平台(即商户开店)，电商平台上可为商户提供小额贷款以满足商户运营资金的需求；这种在电商平台提供的商户入驻服务中嵌入的贷款服务便可称为场景金融产品。
[0003]金融服务提供方新推出的场景金融产品，因产品推出时间较短，积累的数据量较少，所以需等到场景金融产品运营较长时间，积累一定量的数据后才能对申请该场景金融产品的用户的信用风险做出较为准确地判定。但在前期一个不短的时间内高风险人群很可能已经被准入了，风险防控有一定的滞后性。同样的，对于服务平台上新接入的金融服务提供方来说，因其接入时间短，积累的数据量较少，所以在前期新接入的金融服务提供方无法准确评估申请用户的信用风险，继而增加了金融服务提供方的运营风险。

技术实现思路

[0004]本申请提供一种解决上述问题或至少部分地解决上述问题的一种信用风险评估方法、信息确定方法、服务系统及设备。
[0005]在本申请的一个实施例中，提供了一种信用风险评估方法。该信用风险评估方法包括：
[0006]获取目标对象的数据信息，其中，所述目标对象申请第一场景金融产品，场景金融产品嵌入在服务平台提供的服务中，在服务对象享有服务平台提供的服务时能选择申请相应的场景金融产品；
[0007]确定评估模型；其中，所述评估模型通过训练样本集训练得到，所述训练样本集由第一历史时期内累积的与所述第一场景金融产品相关的数据，以及第二历史时期内累积的与至少一个第二场景金融产品相关的数据确定；
[0008]将所述数据信息输入所述评估模型，得到所述目标对象的信用风险评估结果以作为判定所述目标对象能否成功申请到所述第一场景金融产品的依据。
[0009]在本申请的另一个实施例中，提供了一种服务系统。该服务系统包括：
[0010]服务提供单元，用于为服务对象提供服务，并在所述服务中嵌入适配的场景金融产品，以便在服务对象享有所述服务时能选择申请相应的场景金融产品；还用于与客户端通信，接收目标对象通过客户端为申请第一场景金融产品发送的请求，根据所述请求，获取所述目标对象的数据信息；
[0011]风险评估单元，用于调用评估模型，将所述数据信息输入所述评估模型，得到所述目标对象的信用风险评估结果；其中，所述评估模型通过训练样本集训练得到，所述训练样
本集由第一历史时期内累积的与所述第一场景金融产品相关的数据，以及第二历史时期内累积的与至少一个第二场景金融产品相关的数据确定；
[0012]所述服务提供单元，还用于根据所述风险评估单元评估出的所述信用风险评估结果，确定所述目标对象能否成功申请到所述第一场景金融产品。
[0013]在本申请的又一个实施例中，提供一种信息确定方法。该方法包括：
[0014]显示至少一种场景金融产品；其中，场景金融产品嵌入在服务平台提供的服务中，在服务对象享有服务平台提供的服务时能选择申请相应的场景金融产品；
[0015]响应于目标对象针对所述至少一种场景金融产品中的第一场景金融产品触发的操作，获取所述目标对象的数据信息；
[0016]将所述数据信息输入所述评估模型，得到所述目标对象的信用风险评估结果；其中，所述评估模型通过训练样本集训练得到，所述训练样本集由第一历史时期内累积的与所述第一场景金融产品相关的数据，以及第二历史时期内累积的与至少一个第二场景金融产品相关的数据确定；
[0017]在所述信用风险评估结果不符合所述第一场景金融产品对应要求时，显示相应的提示信息；
[0018]在所述信用风险评估结果符合所述第一场景金融产品对应要求时，显示所述第一场景金融产品对应的申请页面，以便所述目标对象通过所述申请页面完成申请操作。
[0019]在本申请的又一个实施例中，提供一种服务系统。该服务系统包括：
[0020]客户端，用于显示至少一种场景金融产品，响应于目标对象针对所述至少一种场景金融产品中的第一场景金融产品触发的操作，向服务端发送申请请求；
[0021]服务端，用于为服务对象提供服务，并在所述服务中嵌入适配的场景金融产品，以便在服务对象享有所述服务时能选择申请相应的场景金融产品；还用于在接收到所述申请请求后，获取所述目标对象的数据信息；将所述数据信息输入所述评估模型，得到所述目标对象的信用风险评估结果，将所述信用风险评估结果发送至所述客户端；其中，所述评估模型通过训练样本集训练得到，所述训练样本集由第一历史时期内累积的与所述第一场景金融产品相关的数据，以及第二历史时期内累积的与至少一个第二场景金融产品相关的数据确定；
[0022]所述客户端，用于在所述信用风险评估结果不符合所述第一场景金融产品对应要求时，显示相应的提示信息；在所述信用风险评估结果符合所述第一场景金融产品对应要求时，显示所述第一场景金融产品对应的申请页面，以便所述目标对象通过所述申请页面完成申请操作。
[0023]在本申请又一个实施例中，提供一种信息确定方法。该方法包括：
[0024]获取第一历史时期内累积的与第一场景金融产品相关的数据；
[0025]获取第二历史时期内累积的与至少一个第二场景金融产品相关的数据；
[0026]基于所述第一历史时期内累积的与所述第一场景金融产品相关的数据、以及所述第二历史时期内累积的与至少一个第二场景金融产品相关的数据，确定训练样本集；
[0027]使用所述训练样本集，并采用迁移增强算法对设定模型进行训练以得到评估模型，以后续利用所述评估模型对申请所述第一场景金融产品的目标对象进行信用风险评估；
[0028]其中，场景金融产品嵌入在服务平台提供的服务中，在服务对象享有服务平台提供的服务时能选择申请相应的场景金融产品。
[0029]在本申请的又一个实施例中，提供一种信息确定方法。该方法包括：
[0030]获取目标用户的数据信息，其中，所述目标用户申请所述第一金融服务提供方提供的金融服务；
[0031]确定评估模型；其中，所述评估模型通过训练样本集训练得到，所述训练样本集由第一历史时期内第一金融服务提供方为用户提供相应金融服务过程累积的数据，以及第二历史时期内至少一个第二金融服务提供方为用户提供相应服务过程累积的数据确定；
[0032]将所述数据信息输入所述评估模型，得到所述目标用户的信用风险评估结果，以便所述第一金融服务提供方基于所述信用风险评估结果确定是否为所述目标用户提供所述金融服务。
[0033]在本申请的又一个实施例中，还提供一种电子设备。该电子设备包括存储器及处理器，其中，所述存储器用于存储程序；所述处理器与所述存储器耦合，用于执行所述存储器中存储本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信用风险评估方法，其特征在于，包括：获取目标对象的数据信息，其中，所述目标对象申请第一场景金融产品，场景金融产品嵌入在服务平台提供的服务中，在服务对象享有服务平台提供的服务时能选择申请相应的场景金融产品；确定评估模型；其中，所述评估模型通过训练样本集训练得到，所述训练样本集由第一历史时期内累积的与所述第一场景金融产品相关的数据，以及第二历史时期内累积的与至少一个第二场景金融产品相关的数据确定；将所述数据信息输入所述评估模型，得到所述目标对象的信用风险评估结果以作为判定所述目标对象能否成功申请到所述第一场景金融产品的依据。2.根据权利要求1所述信用风险评估方法，其特征在于，确定评估模型，包括：根据第一历史时期内累积的与所述第一场景金融产品相关的数据，确定第一数据集；根据所述第二历史时期内累积的与至少一个第二场景金融产品相关的数据，确定至少一个第二数据集；基于所述第一数据集及所述至少一个第二数据集，构建第一样本集及第二样本集；基于所述第一数据集，构建测试数据集；使用所述第一样本集、所述第二样本集及所述测试数据集，并采用迁移增强算法对设定模型进行训练以得到所述评估模型。3.根据权利要求2所述的方法，其特征在于，基于所述第一数据集及所述至少一个第二数据集，构建第一样本集及第二样本集，包括：从所述第一数据集中，提取不同对象对应的第一特征信息；从所述至少一个第二数据集中，提取不同对象对应的第二特征信息；利用账龄分析曲线和滚动率分析方法对所述第一数据集和所述至少一个第二数据集进行分析，以确定不同对象对应的标签；其中，同一对象对应的第一特征信息及标签构成所述第一样本集中的一个样本；同一对象对应的第二特征信息及标签构成所述第二样本集中的一个样本。4.根据权利要求2所述的信用风险评估方法，其特征在于，使用所述第一样本集、所述第二样本集及所述测试数据集，并采用迁移增强算法对设定模型进行训练以得到所述评估模型，包括：合并所述第一样本集和所述第二样本集，得到合并样本集；为所述合并样本集中的各样本确定相应的权值；在一次迭代训练中，根据所述合并样本集、所述合并样本集中的各样本对应的权值以及所述测试数据集，对设定模型进行训练；更新迭代次数，并判定更新后的所述迭代次数是否大于阈值；在更新后的所述迭代次数小于或等于所述阈值时，计算所述设定模型在所述第一样本集上的错误率，根据所述错误率更新所述训练样本集中各样本对应的权重，并进入下一次迭代训练；在所述迭代次数大于所述阈值时，根据多次迭代训练得到的设定模型确定所述评估模型。5.根据权利要求1至4中任一项所述的信用风险评估方法，其特征在于，所述第一历史
时期内成功申请到所述第一场景金融产品的对象称为：准入对象；相应的，所述第一历史时期内累积的与所述第一场景金融产品相关的数据包括如下中的至少一种类型数据：准入对象的属性数据、与准入对象对应的客户端设备相关的数据；准入对象享有所述第一场景金融产品对应服务后的行为数据；准入对象使用至少一种金融类应用的使用情况数据；准入对象同时使用不同金融类应用的数量；准入对象使用社交类、电商类、餐饮类、出行类中至少一种类型应用的使用情况数据。6.根据权利要求1至4中任一项所述的信用风险评估方法，其特征在于，所述至少一个第二场景金融产品中至少部分产品与所述第一场景金融产品为同一服务平台上为服务对象提供的不同产品；或者所述至少一个第二场景金融产品中至少部分产品与所述第一场景金融产品为不同金融服务提供方提供的产品。7.一种服务系统，其特征在于，包括：服务提供单元，用于为服务对象提供服务，并在所述服务中嵌入适配的场景金融产品，以便在服务对象享有所述服务时能选择申请相应的场景金融产品；还用于与客户端通信，接收目标对象通过客户端为申请第一场景金融产品发送的请求，根据所述请求，获取所述目标对象的数据信息；风险评估单元，用于调用评估模型，将所述数据信息输入所述评估模型，得到所述目标对象的信用风险评估结果；其中，所述评估模型通过训练样本集训练得到，所述训练样本集由第一历史时期内累积的与所述第一场景金融产品相关的数据，以及第二历史时期内累积的与至少一个第二场景金融产品相关的数据确定；所述服务提供单元，还用于根据所述风险评估单元评估出的所述信用风险评估结果，确定所述目标对象能否成功申请到所述第一场景金融产品。8.根据权利要求7所述的服务系统，其特征在于，还包括：所述服务提供单元，还用于在所述目标对象成功申请到所述第一场景金融产品时，为所述目标对象提供所述第一场景金融产品对应的服务，并跟踪所述目标对象享有所述第一场景金融产品对应服务后的行为数据，将跟踪到的数据存入数据库；所述数据库...

【专利技术属性】
技术研发人员：郭延祥，曾海峰，
申请(专利权)人：阿里云计算有限公司，
类型：发明
国别省市：