个人信用的人工智能大数据风控系统、方法和存储介质技术方案

本说明书实施例提供了一种个人信用的人工智能大数据风控系统、方法和存储介质，所述系统包括：采集模块、分类模块、云平台和评价模块；所述采集模块用于采集待评价对象的个人信息；所述分类模块用于基于预设分类树和所述个人信息，确定所述待评价对象的种类；所述云平台用于根据所述确定的分类，确定所述待评价对象的信用评价模型；所述评价模块用于基于所述信用评价模型对所述待评价对象的信用等级进行评估。本申请提供的技术方案用以解决随着人类的活动越来越多元化和复杂化，现有的模型的适用性不断降低的问题。适用性不断降低的问题。适用性不断降低的问题。

【技术实现步骤摘要】
个人信用的人工智能大数据风控系统、方法和存储介质


[0001]本文件涉及个大数据领域，尤其涉及一种个人信用的人工智能大数据风控系统、方法和存储介质。

技术介绍

[0002]信用评价是综合一个人多方面信息去做分析评估，并不是简单几个因素决定的。一般会运用统计学和数据挖掘等手段找出对信用有影响的因子，比如人U统计学信息、经济水平、违约记录等建立起综合信用评价模型。
[0003]现有的信用评价基于信用评价模型，而信用评价模型的构建主要有两个方式，基于统计学构建模型和基于人工智能构建模型。
[0004]然而，随着人类的活动越来越多元化和复杂化，现有的模型的适用性不断降低，亟需开发新的个人信用评价模型。

技术实现思路

[0005]鉴于上述的分析，本申请旨在提出了一种个人信用的人工智能大数据风控系统、方法和存储介质，以提高个人信用评价模型的适用性。
[0006]第一方面，本说明书一个或多个实施例提供了一种个人信用的人工智能大数据风控系统，包括：采集模块、分类模块、云平台和评价模块；
[0007]所述采集模块用于采集待评价对象的个人信息；
[0008]所述分类模块用于基于预设分类树和所述个人信息，确定所述待评价对象的种类；
[0009]所述云平台用于根据所述确定的分类，确定所述待评价对象的信用评价模型；
[0010]所述评价模块用于基于所述信用评价模型对所述待评价对象的信用等级进行评估。
[0011]进一步地，所述系统还包括：分类树训练模块；
[0012]所述分类树训练模块用于分别采集训练样本和测试样本；利用所述训练样本得到多个第一分类树；利用所述测试样本确定各所述第一分类树的平均误差代价；根据各所述平均误差代价，确定各所述第一分类树分类时的权重；根据所述权重，确定第二分类树，并将所述第二分类树作为所述预设分类树。
[0013]进一步地，所述分类模块用于基于所述第二分类树的子节点和所述个人信息，确定所述待评价对象的种类。
[0014]进一步地，所述云平台用于根据预先存储的关联关系，确定所述信用评价模型，所述关联关系为所述信用评价模型和所述待评价对象的种类之间的对应关系。
[0015]进一步地，所述云平台包括：模型训练单元；
[0016]所述模型训练单元用于根据所述待评价对象的种类，采集训练样本；确定主要数据处理模型；基于所述训练样本，确定所述主要数据处理模型；基于所述主要数据处理模型
和所述训练样本，得到至少一个辅助数据处理模型；利用所述主要数据处理模型和所述辅助数据处理模型，构建所述信用评价模型。
[0017]进一步地，所述模型训练单元用于从所述模型库中，确定第一数据处理模型；利用所述主要数据处理模型和所述第一数据处理模型，构建第二数据处理模型；利用所述训练样本训练所述第二数据处理模型，得到混淆矩阵；确定混淆矩阵中主对角线元素中的最小值是否为所述最小值对应的元素所在行中的最小值；如果是，确定所述第一数据处理模型为所述辅助数据处理模型。
[0018]第二方面，本说明书一个或多个实施例提供了一种个人信用的人工智能大数据风控方法，包括：
[0019]采集待评价对象的个人信息；
[0020]基于预设分类树和所述个人信息，确定所述待评价对象的种类；
[0021]根据所述待评价对象分类，确定所述待评价对象的信用评价模型；
[0022]基于所述信用评价模型对所述待评价对象的信用等级进行评估。
[0023]进一步地，所述根据所述待评价对象分类，确定所述待评价对象的信用评价模型，包括：
[0024]根据所述待评价对象分类，采集训练样本；
[0025]确定主要数据处理模型；
[0026]基于所述训练样本，训练所述主要数据处理模型；
[0027]基于所述主要数据处理模型和所述训练样本，得到至少一个辅助数据处理模型；
[0028]利用所述主要数据处理模型和所述辅助数据处理模型，构建所述信用评价模型。
[0029]进一步地，所述基于所述主要数据处理模型和所述训练样本，得到辅助数据处理模型，包括：
[0030]从所述模型库中，确定第一数据处理模型；
[0031]利用所述主要数据处理模型和所述第一数据处理模型，构建第二数据处理模型；
[0032]利用所述训练样本训练所述第二数据处理模型，得到混淆矩阵；
[0033]确定混淆矩阵中主对角线元素中的最小值是否为所述最小值对应的元素所在行中的最小值；
[0034]如果是，确定所述第一数据处理模型为所述辅助数据处理模型。
[0035]第三方面，本说明书一个或多个实施例提供了一种存储介质，包括：
[0036]用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现权利要求第一方面任一项所述的方法。
[0037]与现有技术相比，本申请至少能实现以下技术效果：
[0038]1、根据待评价对象的个人信息的对象，利用预设的分类树，得到待评价对象的种类，再根据相应的种类选取相应的信用评价模型。通过上述方式，可以提高信用评价的针对性，从而提高信用等级评价的准确性和适用性。
[0039]2、基于平均误差代价，确定各分类树的权重，以便于让平均误差代价小的分类树具有更大权重，从而提高分类的准确性，为后续选择相应模型奠定基础。
[0040]3、采用多模型组合的方式构建信用评价模型，并针对构建的信用评价模型精准性进行评价，选用准确性较好的模型用于信用等级，从而进一步提高了评价结果的准确性。
附图说明
[0041]为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0042]图1为本说明书一个或多个实施例提供的一种个人信用的人工智能大数据风控系统的结构示意图；
[0043]图2为本说明书一个或多个实施例提供一种个人信用的人工智能大数据风控方法的流程图。
具体实施方式
[0044]为了使本
的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
[0045]随着科技的发展，互联网征信越来越重要。互联网征信是在对互联网上的电商平台、交易平台等存储的海量大数据信息进行提取和处理的基础上，对用户信用水平、风险特点、行为预测以及信用轨迹等方面进行综合描述。
[0046]然而现有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种个人信用的人工智能大数据风控系统，其特征在于，包括：采集模块、分类模块、云平台和评价模块；所述采集模块用于采集待评价对象的个人信息；所述分类模块用于基于预设分类树和所述个人信息，确定所述待评价对象的种类；所述云平台用于根据所述确定的分类，确定所述待评价对象的信用评价模型；所述评价模块用于基于所述信用评价模型对所述待评价对象的信用等级进行评估。2.根据权利要求1所述的系统，其特征在于，所述系统还包括：分类树训练模块；所述分类树训练模块用于分别采集训练样本和测试样本；利用所述训练样本得到多个第一分类树；利用所述测试样本确定各所述第一分类树的平均误差代价；根据各所述平均误差代价，确定各所述第一分类树分类时的权重；根据所述权重，确定第二分类树，并将所述第二分类树作为所述预设分类树。3.根据权利要求2所述的系统，其特征在于，所述分类模块用于基于所述第二分类树的子节点和所述个人信息，确定所述待评价对象的种类。4.根据权利要求1所述的系统，其特征在于，所述云平台用于根据预先存储的关联关系，确定所述信用评价模型，所述关联关系为所述信用评价模型和所述待评价对象的种类之间的对应关系。5.根据权利要求4所述的系统，其特征在于，所述云平台包括：模型训练单元；所述模型训练单元用于根据所述待评价对象的种类，采集训练样本；确定主要数据处理模型；基于所述训练样本，确定所述主要数据处理模型；基于所述主要数据处理模型和所述训练样本，得到至少一个辅助数据处理模型；利用所述主要数据处理模型和各所述辅助数据处理模型，构建所述信用评价模型。6.根据权利要求5所述的系统，其特征在于，所述模型训练单元用于从所述模型库中，确定第一数据处理模型；利用所述主要数据处理模...

【专利技术属性】
技术研发人员：李鹏，于文，
申请(专利权)人：北京曲速科技发展有限公司，
类型：发明
国别省市：