迭代信用评分卡模型的方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种迭代信用评分卡模型的方法、装置、电子设备及存储介质，涉及机器学习技术领域，尤其涉及智慧金融、风控技术领域。具体实现方案为：将多个待分类样本分流为第一部分样本与第二部分样本；利用第一信用评分卡模型对第一部分样本进行分类处理，得到第一预测结果，以及利用第一信用评分卡模型对第二部分样本进行分类处理，得到第二预测结果；基于第一预测结果和第二预测结果确定第二信用评分卡模型的输入样本，以及根据第二预测结果与多个历史样本对第一信用评分卡模型进行迭代，得到目标信用评分卡模型。到目标信用评分卡模型。到目标信用评分卡模型。

【技术实现步骤摘要】
迭代信用评分卡模型的方法、装置、电子设备及存储介质


[0001]本公开涉及机器学习
，进一步涉及智慧金融、风控
，尤其涉及一种迭代信用评分卡模型的方法、装置、电子设备及存储介质。

技术介绍

[0002]信贷担保企业通常利用风险控制模型(简称：风控模型)对业务进行风险控制，如信用评分卡模型是一种常见的风控模型。
[0003]相关方案中使用拒绝推断技术生成样本，随着风控模型的迭代和用户数据的增加，借贷时长达到表现期的有表现样本占比会逐渐减少并且区分度越来越低，进而导致风控模型的更新过程更加困难。

技术实现思路

[0004]本公开提供了一种迭代信用评分卡模型的方法、装置、电子设备及存储介质，以至少解决相关方案中风控模型迭代效果差的技术问题。
[0005]根据本公开的一方面，提供了一种迭代信用评分卡模型的方法，包括：将多个待分类样本分流为第一部分样本与第二部分样本；利用第一信用评分卡模型对第一部分样本进行分类处理，得到第一预测结果，以及利用第一信用评分卡模型对第二部分样本进行分类处理，得到第二预测结果，其中，第一信用评分卡模型为当前阶段的初始信用评分卡模型；基于第一预测结果和第二预测结果确定第二信用评分卡模型的输入样本，以及根据第二预测结果与多个历史样本对第一信用评分卡模型进行迭代，得到目标信用评分卡模型，其中，第二信用评分卡模型为下一个阶段的初始信用评分卡模型，多个历史样本为第一信用评分卡模型的建模样本。
[0006]根据本公开的又一方面，提供了一种迭代信用评分卡模型的装置，包括：分流模块，用于将多个待分类样本分流为第一部分样本与第二部分样本；预测模块，用于利用第一信用评分卡模型对第一部分样本进行分类处理，得到第一预测结果，以及利用第一信用评分卡模型对第二部分样本进行分类处理，得到第二预测结果，其中，第一信用评分卡模型为当前阶段的初始信用评分卡模型；处理模块，用于基于第一预测结果和第二预测结果确定第二信用评分卡模型的输入样本，以及根据第二预测结果与多个历史样本对第一信用评分卡模型进行迭代，得到目标信用评分卡模型，其中，第二信用评分卡模型为下一个阶段的初始信用评分卡模型，多个历史样本为第一信用评分卡模型的建模样本。
[0007]根据本公开的又一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开提出的迭代信用评分卡模型的方法。
[0008]根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本公开提出的迭代信用评分卡模型的方法。
[0009]根据本公开的又一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行本公开提出的迭代信用评分卡模型的方法。
[0010]在本公开中，通过将多个待分类样本分流为第一部分样本与第二部分样本，进而利用第一信用评分卡模型对第一部分样本进行分类处理，得到第一预测结果，以及利用第一信用评分卡模型对第二部分样本进行分类处理，得到第二预测结果，最后基于第一预测结果和第二预测结果确定第二信用评分卡模型的输入样本，以及根据第二预测结果与多个历史样本对第一信用评分卡模型进行迭代，得到目标信用评分卡模型，达到了高效迭代以获得目标信用评分卡模型的目的，能够实现对于风控模型迭代效果的优化，从而解决了相关方案中风控模型迭代效果差的技术问题。
[0011]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0012]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0013]图1是根据本公开实施例的一种用于实现迭代信用评分卡模型的方法的计算机终端(或移动设备)的硬件结构框图；
[0014]图2是根据本公开实施例的一种迭代信用评分卡模型的方法流程图；
[0015]图3是根据本公开实施例的一种迭代信用评分卡模型的方法示意图；
[0016]图4是根据本公开实施例的一种分层采样过程示意图；
[0017]图5是根据本公开实施例的一种流量分流机制示意图；
[0018]图6是根据本公开实施例的一种迭代信用评分卡模型的装置的结构框图。
具体实施方式
[0019]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0020]需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0021]相关方案中使用拒绝推断技术生成样本，随着风控模型的迭代和增加，借贷时长达到表现期的有表现样本占比会逐渐减少，由于前置风控策略过滤掉大量潜在坏用户，有表现样本的区分度越来越低，导致风控模型的更新过程更加困难。例如，用户在借贷后，前3个还款期为表现期，每个还款期的时长为1个月，借贷时长满3个月的样本为有表现样本，借贷时长不满3个月的样本为无表现样本。潜在坏用户为被前置风控策略识别出的异常用户，
例如，通过征信查询识别出的异常用户。
[0022]根据本公开实施例，提供了一种迭代信用评分卡模型的方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0023]本公开实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的电子设备中执行。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。图1示出了一种用于实现迭代信用评分卡模型的方法的计算机终端(或移动设备)的硬件结构框图。
[0024]如图1所示，计算机终端10本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种迭代信用评分卡模型的方法，包括：将多个待分类样本分流为第一部分样本与第二部分样本；利用第一信用评分卡模型对所述第一部分样本进行分类处理，得到第一预测结果，以及利用所述第一信用评分卡模型对所述第二部分样本进行分类处理，得到第二预测结果，其中，所述第一信用评分卡模型为当前阶段的初始信用评分卡模型；基于所述第一预测结果和所述第二预测结果确定第二信用评分卡模型的输入样本，以及根据所述第二预测结果与多个历史样本对所述第一信用评分卡模型进行迭代，得到目标信用评分卡模型，其中，所述第二信用评分卡模型为下一个阶段的初始信用评分卡模型，所述多个历史样本为所述第一信用评分卡模型的建模样本。2.根据权利要求1所述的方法，其中，所述方法还包括：采用黑名单方式对多个候选样本进行过滤处理，得到所述多个待分类样本。3.根据权利要求1所述的方法，其中，利用所述第一信用评分卡模型对所述第一部分样本进行分类处理，得到第一预测结果，以及利用所述第一信用评分卡模型对所述第二部分样本进行分类处理，得到第二预测结果包括：利用所述第一信用评分卡模型对所述第一部分样本进行分类处理，得到所述第一部分样本中每个样本的预测概率，以及利用所述第一信用评分卡模型对所述第二部分样本进行分类处理，得到所述第二部分样本中每个样本的预测概率。4.根据权利要求3所述的方法，其中，基于所述第一预测结果和所述第二预测结果确定所述第二信用评分卡模型的输入样本包括：利用所述第一部分样本中每个样本的预测概率与预设概率阈值的比较结果，从所述第一部分样本中筛选得到第三部分样本；基于所述第二部分样本中每个样本的预测概率进行分段采样，从所述第二部分样本中筛选得到第四部分样本；将所述第三部分样本与所述第四部分样本确定为所述第二信用评分卡模型的输入样本。5.根据权利要求4所述的方法，其中，基于所述第二部分样本中每个样本的预测概率进行分段采样，从所述第二部分样本中筛选得到所述第四部分样本包括：基于所述第二部分样本中每个样本的预测概率确定多个逾期率；利用所述多个逾期率确定多个分段采样区间；按照所述多个分段采样区间中每个分段采样区间对应的逾期率，从所述第二部分样本中随机筛选得到所述第四部分样本。6.根据权利要求5所述的方法，其中，根据所述第二预测结果与所述多个历史样本对所述第一信用评分卡模型进行迭代，得到所述目标信用评分卡模型包括：通过所述第二预测结果确定所述第四部分样本；对所述第四部分样本与所述多个历史样本进行融合，得到融合后样本；采用所述融合后样本对所述第一信用评分卡模型进行迭代，得到所述目标信用评分卡模型。7.根据权利要求1所述的方法，其中，所述第一信用评分卡模型包括以下之一：申请评分卡模型、行为评分卡模型、催收评分卡模型。
8.一种迭代信用评分卡模型的装置，包括：分流模块，用于将多个待分类样本分流为第一部分样本与第二部分样本；预测模块，用于利用第一信用评分卡模型对...

【专利技术属性】
技术研发人员：刘昊骋，陈才，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：