本申请涉及一种对象流失概率的确定方法、装置、计算机设备、存储介质和计算机程序产品，涉及互联网金融技术领域。方法包括：获取目标对象的各业务标识；确定各业务标识分别对应的目标业务是否均在额定期限内到期；若各目标业务均在额定期限内到期，将目标对象的对象信息输入至预先训练出的第一预测模型中，利用第一预测模型确定目标对象的第一流失概率；若各目标业务中存在额定期限内未到期的业务，将目标对象的对象信息输入至预先训练出的第二预测模型中，利用第二预测模型确定目标对象的第二流失概率。采用本方法能够提高确定对象流失概率的准确度，避免造成对对象流失情况的误判，提高对象维护的有效性。提高对象维护的有效性。提高对象维护的有效性。
【技术实现步骤摘要】
对象流失概率的确定方法、装置、计算机设备和存储介质
[0001]本申请涉及互联网金融
，特别是涉及一种对象流失概率的确定方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]目前，小微企业由于其经营历史短、抵押资产少等特性，通常以短期信贷作为主要债务融资来源。与中长期抵押贷款的客户不同，小微信贷客户一般需要每年调整自己的短期负债以适应其经营状况，因此其进行短期信贷的流动性强。在小微信贷客户的一笔短期信贷到期后，一般可以选择在原金融机构(信贷供给方)签约新的短期信贷或前往其它机构签约新的短期信贷。因此，对于银行等信贷供给方而言，小微信贷客户是需要持续维护的重要客户群体。
[0003]传统的技术方案中，预先利用样本对象的样本对象信息训练出预测模型，再在获取目标对象的对象信息后，将对象信息输入至预测模型中，利用预测模型预测目标对象的流失概率，以便根据流失概率来制定维护策略，提前进行对象维护，防止对象流失。但是，在实际操作中，针对不同对象，均直接利用预测模型确定出流失概率并不准确，因此将造成对对象流失情况的误判，影响对象维护的有效性。
[0004]因此，如何提高确定对象流失概率的准确度，避免造成对对象流失情况的误判，提高对象维护的有效性，是本领域技术人员目前需要解决的技术问题。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够提高确定对象流失概率的准确度，避免造成对对象流失情况的误判，提高对象维护的有效性的对象流失概率的确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0006]第一方面，本申请还提供了一种对象流失概率的确定方法。所述方法包括：
[0007]获取目标对象的各业务标识；
[0008]确定各所述业务标识分别对应的目标业务是否均在额定期限内到期；
[0009]若各所述目标业务均在所述额定期限内到期，将所述目标对象的对象信息输入至预先训练出的第一预测模型中，利用所述第一预测模型确定所述目标对象的第一流失概率；所述第一预测模型为利用样本业务均在所述额定期限内到期的样本对象的第一样本对象信息训练得出的模型；
[0010]若各所述目标业务中存在额定期限内未到期的业务，将所述目标对象的对象信息输入至预先训练出的第二预测模型中，利用所述第二预测模型确定所述目标对象的第二流失概率；所述第二预测模型为利用存在所述样本业务未在所述额定期限内到期的样本对象的第二样本对象信息训练得出的模型。
[0011]在其中一个实施例中，获取所述第一预测模型的过程，包括：
[0012]获取所述第一训练样本；所述第一训练样本包括所述样本业务均在所述额定期限
内到期的所述样本对象的所述第一样本对象信息以及与所述第一样本对象信息对应的标签信息；
[0013]将所述第一训练样本输入至初始神经网络中进行学习训练，得到所述第一预测模型。
[0014]在其中一个实施例中，所述第一样本对象信息包括：所述样本对象办理所述样本业务前信息对应的第一样本特征信息，以及所述样本对象办理所述样本业务后信息对应的第二样本特征信息。
[0015]在其中一个实施例中，所述初始神经网络包括第一初始神经网络和第二初始神经网络；所述将所述第一训练样本输入至初始神经网络中进行学习训练，得到所述第一预测模型，包括：
[0016]利用所述第一样本特征信息和对应的标签信息，对所述第一初始神经网络进行训练，获得对应的第一子模型；
[0017]利用所述第二样本特征信息和对应的标签信息，对所述第二初始神经网络进行训练，获得对应的第二子模型；
[0018]根据所述第一子模型和所述第二子模型，得到所述第一预测模型。
[0019]在其中一个实施例中，所述第一样本对象信息包括所述样本对象的基本信息和与所述样本对象对应的关联信息。
[0020]在其中一个实施例中，获取所述第一样本对象信息的过程，包括：
[0021]对获取到的所述原始数据信息进行透传、交叉比对或统计聚合操作，确定出所述第一样本对象信息。
[0022]在其中一个实施例中，在所述确定各所述业务标识分别对应的目标业务是否均在额定期限内到期之前，所述方法还包括：
[0023]确定所述目标对象是否符合硬性流失条件；
[0024]若所述目标对象符合所述硬性流失条件，确定所述目标对象为到期流失对象；
[0025]否则，返回所述确定各所述业务标识分别对应的目标业务是否均在额定期限内到期的步骤。
[0026]第二方面，本申请还提供了一种对象流失概率的确定装置。所述装置包括：
[0027]获取模块，用于获取目标对象的各业务标识；
[0028]确定模块，用于确定各所述业务标识分别对应的目标业务是否均在额定期限内到期；
[0029]第一执行模块，用于若各所述目标业务均在所述额定期限内到期，将所述目标对象的对象信息输入至预先训练出的第一预测模型中，利用所述第一预测模型确定所述目标对象的第一流失概率；所述第一预测模型为利用样本业务均在所述额定期限内到期的样本对象的第一样本对象信息训练得出的模型；
[0030]第二执行模块，用于若各所述目标业务中存在额定期限内未到期的业务，将所述目标对象的对象信息输入至预先训练出的第二预测模型中，利用所述第二预测模型确定所述目标对象的第二流失概率；所述第二预测模型为利用存在所述样本业务未在所述额定期限内到期的样本对象的第二样本对象信息训练得出的模型。
[0031]第三方面，本申请还提供了一种计算机设备。所述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：
[0032]获取目标对象的各业务标识；
[0033]确定各所述业务标识分别对应的目标业务是否均在额定期限内到期；
[0034]若各所述目标业务均在所述额定期限内到期，将所述目标对象的对象信息输入至预先训练出的第一预测模型中，利用所述第一预测模型确定所述目标对象的第一流失概率；所述第一预测模型为利用样本业务均在所述额定期限内到期的样本对象的第一样本对象信息训练得出的模型；
[0035]若各所述目标业务中存在额定期限内未到期的业务，将所述目标对象的对象信息输入至预先训练出的第二预测模型中，利用所述第二预测模型确定所述目标对象的第二流失概率；所述第二预测模型为利用存在所述样本业务未在所述额定期限内到期的样本对象的第二样本对象信息训练得出的模型。
[0036]第四方面，本申请还提供了一种计算机可读存储介质。所述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：
[0037]获取目标对象的各业务标识；
[0038]确定各所述业务标识分别对应的目标业务是否均在额定期限内到期；
[0039]若各所述目标业务均在所述额定期限内到期，将所述目标对象的对象信息输入至预先训练出的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种对象流失概率的确定方法，其特征在于，所述方法包括：获取目标对象的各业务标识；确定各所述业务标识分别对应的目标业务是否均在额定期限内到期；若各所述目标业务均在所述额定期限内到期，将所述目标对象的对象信息输入至预先训练出的第一预测模型中，利用所述第一预测模型确定所述目标对象的第一流失概率；所述第一预测模型为利用样本业务均在所述额定期限内到期的样本对象的第一样本对象信息训练得出的模型；若各所述目标业务中存在额定期限内未到期的业务，将所述目标对象的对象信息输入至预先训练出的第二预测模型中，利用所述第二预测模型确定所述目标对象的第二流失概率；所述第二预测模型为利用存在所述样本业务未在所述额定期限内到期的样本对象的第二样本对象信息训练得出的模型。2.根据权利要求1所述的方法，其特征在于，获取所述第一预测模型的过程，包括：获取所述第一训练样本；所述第一训练样本包括所述样本业务均在所述额定期限内到期的所述样本对象的所述第一样本对象信息以及与所述第一样本对象信息对应的标签信息；将所述第一训练样本输入至初始神经网络中进行学习训练，得到所述第一预测模型。3.根据权利要求2所述的方法，其特征在于，所述第一样本对象信息包括：所述样本对象办理所述样本业务前信息对应的第一样本特征信息，以及所述样本对象办理所述样本业务后信息对应的第二样本特征信息。4.根据权利要求3所述的方法，其特征在于，所述初始神经网络包括第一初始神经网络和第二初始神经网络；所述将所述第一训练样本输入至初始神经网络中进行学习训练，得到所述第一预测模型，包括：利用所述第一样本特征信息和对应的标签信息，对所述第一初始神经网络进行训练，获得对应的第一子模型；利用所述第二样本特征信息和对应的标签信息，对所述第二初始神经网络进行训练，获得对应的第二子模型；根据所述第一子模型和所述第二子模型，得到所述第一预测模型。5.根据权利要求4所述的方法，其特征在于，所述第一样本对象信息包括所述样本对象的基本信息和与所述样本对象对应的关联信息。6.根据权利要求4所述的方法，其特征在于，获取所述第一样本对象信息的过程，包括：对获取到的所述原始数据信息进行透传、交叉比对或统计聚合操作，确定出所述第一样本对象信息。7.根据权利要求1至6任一项所述的方法，其特征在于，在所述确定各所述业务标识分别对应的目标业务是否均在额定期限内到期之前，所述方法还包括：确定所述目标对象是否符合硬性流失条件；若所述目标对象符合所述硬性流失条件，确定所述目标对象为到期流失对象；否则，返回所述确定各所述业务标识分别对应的目标业务是否均在额定期限内到期的步骤。8.一种对象流失概率的确定装置，其特征在于，所述装置包...
【专利技术属性】
技术研发人员：李腾，
申请(专利权)人：中国建设银行股份有限公司，
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。