本发明专利技术提出一种评分卡训练的处理方法，其包括：响应于当前用户的预约指令，对所述预约指令进行文本提取，获取当前用户的样本数据；将所述样本数据作为参数，输入到评分卡训练模型中训练，所述评分卡训练模型中的指标对所述样本数据进行分选，得出第一寄存分数，以反映所述样本数据的评分，所述指标为预先定义的，用于指示所述样本数据在一个取值区域内的分选运算；所述评分卡训练模型对所述第一寄存分数进行统计并计算出评分卡分数；推荐所述评分卡分数至当前用户。本发明专利技术可以大量的减少人工的参与程度，减少人力成本，通过大数据精准分析的方式优化评分卡的指标，使得评分卡训练更加方便、准确和高效。准确和高效。准确和高效。
【技术实现步骤摘要】
一种评分卡训练的处理方法、装置、设备及介质
[0001]本申请设计模型训练领域，具体设计一种评分卡训练的处理方法、装置、设备和介质。
技术介绍
[0002]评分卡技术是一种针对客户信用建立的得分可解释技术，评分卡技术是评分开发和评分应用之间的一道桥梁，评分卡技术将评分开发和评分应用二者连接在一起，利用通俗易懂的数据和语言向评分应用者展示出客户为何得到这个分数，与此同时，评分开发者还可利用评分卡技术分析变量的贡献度，评分卡技术对评分广泛的传播和应用奠定了稳定的基础。
[0003]评分卡技术在风控系统应用中，用于对申请者是否满足需求进行筛选应用。但在配置评分卡系统的过程中，对于风控经验业务人员有较高的要求，风控业务人员需要对不同客户的不同数据进行分析，根据不同数据给出不同客户对应的评分卡分数。
技术实现思路
[0004]为了解决评分卡技术需要对不同客户的不同数据分析从而给出评分卡分数的问题，本专利技术提出一种评分卡训练的处理方法，本专利技术提出如下的技术方案：
[0005]一种评分卡训练的处理方法，其包括：
[0006]响应于当前用户的预约指令，对所述预约指令进行文本提取，获取当前用户的样本数据；
[0007]将所述样本数据作为参数，输入到评分卡训练模型中训练，所述评分卡训练模型中的指标对所述样本数据进行分选，得出第一寄存分数，以反映所述样本数据的评分，所述指标为预先定义的，用于指示所述样本数据在一个取值区域内的分选运算；
[0008]所述评分卡训练模型对所述第一寄存分数进行统计并计算出评分卡分数；
[0009]推荐所述评分卡分数至当前用户。
[0010]在本专利技术一实施例中，所述评分卡训练模型对所述第一寄存分数进行统计并计算出评分卡分数的步骤包括：
[0011]所述评分卡训练模型对所述样本数据进行统计，统计所述样本数据落入所述指标的所述取值区域的分布比例，预设所述取值区域对应的分布阈值，以反映所述样本数据于所述取值区域上的分布情况。
[0012]在本专利技术一实施例中，所述评分卡训练模型对所述第一寄存分数进行统计并计算出评分卡分数的步骤还包括：
[0013]当所述分布比例大于等于所述分布阈值时，将所述取值区域进行拆分得到取值子区域，将所述样本数据按照所述取值子区域对应的指标进行训练。
[0014]在本专利技术一实施例中，所述评分卡训练模型对所述第一寄存分数进行统计并计算出评分卡分数的步骤还包括：
[0015]当所述分布比例大于等于所述分布阈值时，所述样本数据按照所述取值子区域的指标进行训练得到第二寄存分数，并将第二寄存分数作为评分卡分数；
[0016]当所述分布比例小于所述分布阈值时，将第一寄存分数作为评分卡分数。
[0017]在本专利技术一实施例中，所述评分卡训练的处理方法还包括：
[0018]对当前用户的所述样本数据和所述评分卡分数进行统计，调整所述指标的数量以优化评分卡训练模型。
[0019]在本专利技术一实施例中，所述评分卡训练模型采用树形结构模型，所述树形结构模型包括有至少两层，其中，每一层的父节点对应的所述指标的所述取值区域相同。
[0020]在本专利技术一实施例中，所述树形结构模型的父节点包括有至少两个子节点，父节点和子节点之间的路径设定为分支，分支对应其父节点所述指标的一个所述取值区域对所述样本数据的分选结果。
[0021]本专利技术还提出一种评分卡训练的处理装置，所述评分卡训练的处理装置包括：
[0022]获取单元，用于响应于当前用户的预约指令，对所述预约指令进行文本提取，获取当前用户的样本数据；
[0023]训练单元，用于将所述样本数据作为参数，输入到评分卡训练模型中训练，所述评分卡训练模型中的指标对所述样本数据进行分选，得出第一寄存分数，以反映所述样本数据的评分，所述指标为预先定义的，用于指示所述样本数据在一个取值区域内的分选运算；
[0024]统计单元，用于将所述评分卡训练模型对所述第一寄存分数进行统计并计算出评分卡分数；
[0025]输出单元，用于推荐所述评分卡分数至当前用户；
[0026]优化单元，用于对当前用户的所述样本数据和所述评分卡分数进行统计，调整所述指标的数量以优化评分卡训练模型。
[0027]本专利技术还提出一种电子设备，所述电子设备包括：
[0028]存储器，存储至少一个指令；及
[0029]处理器，执行所述存储器中存储的指令以实现如权利要求1至7中任意一项所述的一种评分卡训练的处理方法。
[0030]本专利技术还提出一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的一种评分卡训练的处理方法。
[0031]本专利技术提出一种评分卡训练的处理方法、装置、设备及介质，本专利技术根据当前用户的预约指令获取当前用户的样本数据，将样本数据输入到评分卡训练模型中进行训练得出第一寄存分数，评分卡训练模型对第一寄存分数进行统计并计算出当前用户的评分卡分数，评分卡分数反映当前用户在风控系统中的信用程度。本专利技术可以大量的减少人工的参与程度，减少人力成本，通过大数据精准分析的方式训练评分卡的指标，使得评分卡训练更加方便、准确和高效。
附图说明
[0032]图1为本专利技术的一种评分卡训练的处理方法的流程示意图；
[0033]图2为本专利技术的一种评分卡训练的处理方法的步骤S30的子步骤流程图；
[0034]图3为本专利技术的一种评分卡训练的处理方法的功能模块图；
[0035]图4为本专利技术的一种评分卡训练的处理方法的电子设备的结构示意图。
具体实施方式
[0036]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。
[0037]需要说明的是，本实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0038]如图1所示，是本专利技术一种评分卡训练的处理方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
[0039]所述一种评分卡训练的处理方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种评分卡训练的处理方法，其特征在于，其包括：响应于当前用户的预约指令，对所述预约指令进行文本提取，获取当前用户的样本数据；将所述样本数据作为参数，输入到评分卡训练模型中训练，所述评分卡训练模型中的指标对所述样本数据进行分选，得出第一寄存分数，以反映所述样本数据的评分，所述指标为预先定义的，用于指示所述样本数据在一个取值区域内的分选运算；所述评分卡训练模型对所述第一寄存分数进行统计并计算出评分卡分数；推荐所述评分卡分数至当前用户。2.根据权利要求1所述的一种评分卡训练的处理方法，其特征在于，所述评分卡训练模型对所述第一寄存分数进行统计并计算出评分卡分数的步骤包括：所述评分卡训练模型对所述样本数据进行统计，统计所述样本数据落入所述指标的所述取值区域的分布比例，预设所述取值区域对应的分布阈值，以反映所述样本数据于所述取值区域上的分布情况。3.根据权利要求2所述的一种评分卡训练的处理方法，其特征在于，所述评分卡训练模型对所述第一寄存分数进行统计并计算出评分卡分数的步骤还包括：当所述分布比例大于等于所述分布阈值时，将所述取值区域进行拆分得到取值子区域，将所述样本数据按照所述取值子区域对应的指标进行训练。4.根据权利要求3所述的一种评分卡训练的处理方法，其特征在于，所述评分卡训练模型对所述第一寄存分数进行统计并计算出评分卡分数的步骤还包括：当所述分布比例大于等于所述分布阈值时，所述样本数据按照所述取值子区域的指标进行训练得到第二寄存分数，并将第二寄存分数作为评分卡分数；当所述分布比例小于所述分布阈值时，将第一寄存分数作为评分卡分数。5.根据权利要求1所述的一种评分卡训练的处理方法，其特征在于，所述评分卡训练的处理方法还包括：对当前用户的所述样本数据和所...
【专利技术属性】
技术研发人员：张纵月，
申请(专利权)人：深圳壹账通科技服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。