信贷产品推荐中的数据处理方法、装置、设备及存储介质制造方法及图纸

本公开提出了一种信贷产品推荐中的数据处理方法、装置、设备及存储介质，涉及人工智能技术领域，包括：获取目标客户对各个信贷产品的风险承担参数和第一评分；基于所述目标客户对每个所述信贷产品的风险承担参数和第一评分，计算每两个信贷产品之间的相似度；根据所述每两个信贷产品之间的相似度，以及所述目标客户对所述信贷产品的第一评分，计算每个信贷产品对应的第二评分；基于各个所述第二评分，对各个信贷产品进行排序，以生成所述目标客户对应的信贷产品推荐列表。由此，在为客户推荐信贷产品时，可以考虑到各个信贷产品之间的相似度，以及客户对各个信贷产品的偏好和风险承担能力，从而为客户进行个性化、精准化的推荐信贷产品。信贷产品。信贷产品。

【技术实现步骤摘要】
信贷产品推荐中的数据处理方法、装置、设备及存储介质


[0001]本公开涉及人工智能
，尤其涉及一种信贷产品推荐中的数据处理方法、装置、设备及存储介质。

技术介绍

[0002]随着互联网金融的大力发展，银行衍生出了大量的对公信贷产品，而且相同产品模型下的基础信贷产品相似度很高。由于对公信贷产品的多样性和相似性，以及客户对信贷产品的一知半解，导致对公客户在选择信贷产品时，经常无从下手。
[0003]目前，通常是依赖于对公客户经理对客户进行人工推荐。这样不仅会耗费大量的人力，而且由于是依靠是个人经验，如果出现失误，则难以为客户推荐合适可靠的信贷产品。

技术实现思路

[0004]本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
[0005]本公开第一方面实施例提出了一种信贷产品推荐中的数据处理方法，包括：
[0006]获取目标客户对各个信贷产品的风险承担参数和第一评分，其中，所述风险承担参数用于表征所述目标客户对任一信贷产品的风险承担能力，所述第一评分用于表征所述目标客户对任一信贷产品的信贷行为评分；
[0007]基于所述目标客户对每个所述信贷产品的风险承担参数和第一评分，计算每两个信贷产品之间的相似度；
[0008]根据所述每两个信贷产品之间的相似度，以及所述目标客户对所述信贷产品的第一评分，计算每个所述信贷产品对应的第二评分；
[0009]基于各个所述第二评分，对各个所述信贷产品进行排序，以生成所述目标客户对应的信贷产品推荐列表。
[0010]本公开第二方面实施例提出了一种信贷产品推荐中的数据处理装置，包括：
[0011]第一获取模块，获取目标客户对各个信贷产品的风险承担参数和第一评分，其中，所述风险承担参数用于表征所述目标客户对任一信贷产品的风险承担能力，所述第一评分用于表征所述目标客户对任一信贷产品的信贷行为评分；
[0012]第一计算模块，用于基于所述目标客户对每个所述信贷产品的风险承担参数和第一评分，计算每两个信贷产品之间的相似度；
[0013]第二计算模块，用于根据所述每两个信贷产品之间的相似度，以及所述目标客户对所述信贷产品的第一评分，计算每个所述信贷产品对应的第二评分；
[0014]生成模块，用于基于各个所述第二评分，对各个所述信贷产品进行排序，以生成所述目标客户对应的信贷产品推荐列表。
[0015]本公开第三方面实施例提出了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本公开第一
方面实施例提出的信贷产品推荐中的数据处理方法。
[0016]本公开第四方面实施例提出了一种非临时性计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如本公开第一方面实施例提出的信贷产品推荐中的数据处理方法。
[0017]本公开提供的信贷产品推荐中的数据处理方法、装置、设备及存储介质，存在如下有益效果：
[0018]本公开实施例中，该装置首先获取目标客户对各个信贷产品的风险承担参数和第一评分，其中，所述风险承担参数用于表征所述目标客户对任一信贷产品的风险承担能力，所述第一评分用于表征所述目标客户对任一信贷产品的信贷行为评分，然后基于所述目标客户对每个所述信贷产品的风险承担参数和第一评分，计算每两个信贷产品之间的相似度，之后根据所述每两个信贷产品之间的相似度，以及所述目标客户对所述信贷产品的第一评分，计算每个所述信贷产品对应的第二评分，最后基于各个所述第二评分，对各个所述信贷产品进行排序，以生成所述目标客户对应的信贷产品推荐列表。由此，在为客户推荐信贷产品时，可以考虑到各个信贷产品之间的相似度，以及客户对各个信贷产品的偏好和风险承担能力，从而为客户进行个性化、精准化的推荐信贷产品。
[0019]本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
[0020]本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0021]图1为本公开实施例所提供的一种信贷产品推荐中的数据处理方法的流程示意图；
[0022]图2为本公开实施例所提供的一种信贷产品推荐中的数据处理方法的流程示意图；
[0023]图3为本公开实施例所提供的一种信贷产品推荐中的数据处理方法的流程示意图；
[0024]图4为本公开实施例所提供的一种信贷产品推荐中的数据处理装置的结构框图；
[0025]图5示出了适于用来实现本公开实施方式的示例性计算机设备的框图。
具体实施方式
[0026]下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
[0027]下面参考附图描述本公开实施例的信贷产品推荐中的数据处理方法、装置、计算机设备和存储介质。
[0028]需要说明的是，本公开实施例中的信贷产品推荐中的数据处理方法的执行主体为信贷产品推荐中的数据处理装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在任意电子设备中。在本公开提出的场景中，下面将以“信贷产品推荐中的数据处理装
置”作为执行主体对本公开实施例中提出的信贷产品推荐中的数据处理方法进行说明，在此不进行限定。
[0029]图1为本公开实施例所提供的信贷产品推荐中的数据处理方法的流程示意图。
[0030]如图1所示，该信贷产品推荐中的数据处理方法可以包括以下步骤：
[0031]步骤101，获取目标客户对各个信贷产品的风险承担参数和第一评分，其中，风险承担参数用于表征目标客户对任一信贷产品的风险承担能力，第一评分用于表征目标客户对任一信贷产品的信贷行为评分。
[0032]其中，目标客户可以为当前待推荐信贷产品的客户。本公开实施例中，目标客户可以是对公客户。其中，对公客户可以为公司客户，对公客户通常情况下存贷款金额比较大。
[0033]本公开实施例中，信贷产品可以为对公信贷产品，比如项目贷款、流动资金贷款、小企业贷款、房地产企业贷款、国内订单融资、国内采购融资，在此不做限定。
[0034]其中，风险承担参数用于表征目标客户对任一信贷产品的风险承担能力。
[0035]其中，第一评分用于表征目标客户对任一信贷产品的信贷行为评分。
[0036]可选的，可以基于预设的映射关系，获取预先存储的与目标客户对应的各个信贷产品的风险承担参数和第一评分。
[0037]可以理解的是，该预先的映射关系可以是以映射表的方式存储的，包括了各个客户对各个信贷产品的风险承担参数和第一评分。
[0038]步骤102，基于目标客户对每个信贷产品的风险承担参数和第一评分，计算每两个信贷产品之间的相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信贷产品推荐中的数据处理方法，其特征在于，包括：获取目标客户对各个信贷产品的风险承担参数和第一评分，其中，所述风险承担参数用于表征所述目标客户对任一信贷产品的风险承担能力，所述第一评分用于表征所述目标客户对任一信贷产品的信贷行为评分；基于所述目标客户对每个所述信贷产品的风险承担参数和第一评分，计算每两个信贷产品之间的相似度；根据所述每两个信贷产品之间的相似度，以及所述目标客户对所述信贷产品的第一评分，计算每个所述信贷产品对应的第二评分；基于各个所述第二评分，对各个所述信贷产品进行排序，以生成所述目标客户对应的信贷产品推荐列表。2.根据权利要求1所述的方法，其特征在于，在所述获取目标客户对各个信贷产品的风险承担参数和第一评分之前，还包括：获取各个客户对应的客户特征矩阵，以及每个客户对多个信贷产品的信贷监测数据，所述客户特征矩阵中包含有每个所述客户对应的客户特征；对所述客户特征矩阵进行聚类分析，以得到客户群组矩阵；基于预设的评分规则，根据所述客户对每个所述信贷产品的信贷监测数据，计算每个所述信贷产品对应的第三评分；根据所述各个客户对应的第三评分，构建第一评分矩阵；基于所述客户群组矩阵，对第一评分矩阵进行修正，其中，修正后的所述第一评分矩阵中包含有每个客户对每个所述信贷产品的第一评分。3.根据权利要求2所述的方法，其特征在于，其中，每个所述信贷监测数据中包含有所述客户对任一信贷产品的多个信贷行为数据；所述基于预设的评分规则，根据所述客户对每个所述信贷产品的信贷监测数据，确定每个所述信贷产品对应的第三评分，包括：确定每个所述信贷监测数据对应的各个信贷行为数据的类型，以及每个所述信贷行为数据的第四评分，其中，所述第四评分为预先与所述类型关联存储的；将每个所述信贷监测数据对应的各个所述第四评分之和，确定为所述信贷监测数据对应的信贷产品的第三评分。4.根据权利要求2所述的方法，其特征在于，所述获取各个客户对应的客户特征矩阵，包括：获取所述各个客户的注册信息、资产负债信息、信贷投向信息；对所述各个客户的注册信息、资产负债信息和信贷投向信息进行特征提取，以得到每个所述客户对应的客户特征；根据每个所述客户对应的客户特征，构建客户特征矩阵。5.根据权利要求2所述的方法，其特征在于，在所述根据所述各个客户对应的第二评分，构建第一评分矩阵之后，还包括：对所述第一评分矩阵进行标准化处理。6.根据权利要求1所述的方法，其特征在于，所述获取目标客户对各个信贷产品的风险承担参数，包括：
获取训练数据，所述训练数据包含风险等级矩阵、风险承担矩阵、产品风险权重矩阵，其中，所述风险等级矩阵包含有多个客户与各个风险等级对应的各第一评估值，所述产品风险权重矩阵包含每个所述信贷产品与所述各个风险等级对应的第二评估值，所述风险承担矩阵包含有多个所述客户与每个所述信贷产品对应的第三评估值；根据所述风险等级矩阵和所述产品风险权重矩阵，计算所述目标客户与每个所述信贷产品对应的初始风险承担参数；基于预设的损失函数、所述训练数据和所述初始风险承担参数进行训练，以得到训练完成的风险承担参数。7.根据权利要求6所述的方法，其特征在于，所述根据所述风险等级矩阵和所述产品风险权重...

【专利技术属性】
技术研发人员：高桂春，
申请(专利权)人：建信金融科技有限责任公司，
类型：发明
国别省市：