System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及大数据,特别是涉及一种信用风险处理方法、装置、计算机设备和存储介质。
技术介绍
1、在用户申请使用信贷、投资等相关业务时,需要对用户进行相应的信用风险评估,从而帮助平台规避风险。目前对用户进行信用风险评估的方式通常是进行人为评估,或者平台基于简单规则进行评估。
2、然而,人为评估的主观性较强,评估结果易偏差、易出错。通过简单规则评估的方式又无法针对不同客户进行个性化评估,使得两种信用风险评估方式均存在评估结果准确性低,且均无法针对信用风险等级给出相应的决策处理。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提升信用风险评估的准确性,并制定相应的决策处理的信用风险处理方法、装置、计算机设备和存储介质。
2、第一方面,本申请提供了一种信用风险处理方法,包括:
3、获取用户的多个维度的第一用户信息;所述多个维度对应于所述用户办理业务的多个种类的申请条件维度;
4、将所述多个维度的第一用户信息输入至预先训练的信用风险评估模型,通过所述信用风险评估模型输出所述用户的信用风险等级;
5、根据所述信用风险等级和所述用户的第二用户信息,得到所述用户的信用风险标签;所述第二用户信息与所述第一用户信息不同;
6、根据所述信用风险标签和所述信用风险等级,得到所述用户的信用风险决策,以使业务方基于所述信用风险决策执行与所述用户的信用风险相适应的业务行为。
7、在其中一个实施例中,所述通过所述信用
8、将所述多个维度的第一用户信息通过第一函数进行线性处理,得到所述多个维度的第一用户信息对应的线性组合信息;
9、将所述线性组合信息通过第二函数进行逻辑回归处理,得到目标预测值;所述目标预测值表征属于目标信用风险等级的概率;
10、根据所述目标预测值,确定所述用户对应的信用风险等级。
11、在其中一个实施例中,在所述将所述多个维度的第一用户信息通过第一函数进行线性处理之前,还包括:
12、对所述多个维度的第一用户信息进行预处理,将所述多个维度的第一用户信息转换为多个维度的数值用户信息。
13、在其中一个实施例中,所述将所述多个维度的第一用户信息通过第一函数进行线性处理,得到所述多个维度的第一用户信息对应的线性组合信息,包括:
14、获取所述多个维度的第一用户信息对应的多个权重,并将所述多个权重作为所述信用风险评估模型的模型参数;
15、根据所述多个权重,对所述多个维度的第一用户信息进行加权求和,得到所述线性组合信息。
16、在其中一个实施例中,所述信用风险评估模型通过如下方式训练得到:
17、获取多个样本第一用户信息,并将所述多个样本第一用户信息分割为训练集以及测试集;所述样本第一用户信息包括所述多个维度的第一用户信息的多个样本第一用户信息,以及所述用户对应的真实信用风险等级;
18、将所述多个样本第一用户信息输入待训练的初始信用风险评估模型,通过所述初始信用风险评估模型输出样本预测值,以训练所述初始信用风险评估模型;
19、循环执行所述将所述多个样本第一用户信息输入所述初始信用风险评估模型的步骤,以迭代更新所述初始信用风险评估模型的模型参数,直到检测到所述样本预测值对应的信用风险等级与所述真实信用风险等级一致时,得到训练完成的所述信用风险评估模型。
20、在其中一个实施例中,所述根据所述信用风险标签和所述信用风险等级,得到所述用户的信用风险决策,包括:
21、根据所述信用风险标签,确定出所述用户的初始信用风险决策;
22、根据所述信用风险等级,对所述初始信用风险决策进行调整,得到所述信用风险决策。
23、在其中一个实施例中,还包括:
24、获取所述用户办理所述业务产生的文本信息和情感信息;
25、根据所述文本信息、所述情感信息和所述信用风险标签,对所述信用风险决策进行调整,得到调整后的信用风险决策。
26、在其中一个实施例中,所述根据所述文本信息、所述情感信息和所述信用风险标签,对所述信用风险决策进行调整,包括:
27、对所述文本信息和所述情感信息进行分类处理,分别得到所述用户的财务状况分类和情感分类;所述财务状况分类包括财务稳定和财务波动,所述情感分类包括积极情感和消极情感;
28、当所述用户的财务状况分类为财务稳定且情感分类为积极情感,则将所述信用风险决策的当前业务行为调整为与降低后的风险信用等级相适应的第一业务行为;
29、当所述用户的财务状况分类为财务波动且情感分类为消极情感,则将所述当前业务行为调整为与提升后的风险信用等级相适应的第二业务行为。
30、第二方面,本申请还提供了一种信用风险处理装置,所述装置包括:
31、信息获取模块,用于获取用户的多个维度的第一用户信息;所述多个维度对应于所述用户办理业务的多个种类的申请条件维度;
32、等级确定模块,用于将所述多个维度的第一用户信息输入至预先训练的信用风险评估模型,通过所述信用风险评估模型输出所述用户的信用风险等级;
33、标签确定模块,用于根据所述信用风险等级和所述用户的第二用户信息,得到所述用户的信用风险标签;所述第二用户信息与所述第一用户信息不同;
34、决策确定模块,用于根据所述信用风险标签和所述信用风险等级,得到所述用户的信用风险决策,以使业务方基于所述信用风险决策执行与所述用户的信用风险相适应的业务行为。
35、第三方面,本申请还提供了一种计算机设备,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:
36、获取用户的多个维度的第一用户信息;所述多个维度对应于所述用户办理业务的多个种类的申请条件维度;
37、将所述多个维度的第一用户信息输入至预先训练的信用风险评估模型,通过所述信用风险评估模型输出所述用户的信用风险等级;
38、根据所述信用风险等级和所述用户的第二用户信息,得到所述用户的信用风险标签;所述第二用户信息与所述第一用户信息不同;
39、根据所述信用风险标签和所述信用风险等级,得到所述用户的信用风险决策,以使业务方基于所述信用风险决策执行与所述用户的信用风险相适应的业务行为。
40、第四方面,本申请还提供了一种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:
41、获取用户的多个维度的第一用户信息;所述多个维度对应于所述用户办理业务的多个种类的申请条件维度;
42、将所述多个维度的第一用户信息输入至预先训练的信用风险评估模型,通过所述信用风险评估模型输出所述用户的信用风险等级;
43、根据所述信用风险等本文档来自技高网...
【技术保护点】
1.一种信用风险处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述通过所述信用风险评估模型输出所述用户的信用风险等级,包括:
3.根据权利要求2所述的方法,其特征在于,在所述将所述多个维度的第一用户信息通过第一函数进行线性处理之前,还包括:
4.根据权利要求2所述的方法,其特征在于,所述将所述多个维度的第一用户信息通过第一函数进行线性处理,得到所述多个维度的第一用户信息对应的线性组合信息,包括:
5.根据权利要求4所述的方法,其特征在于,所述信用风险评估模型通过如下方式训练得到:
6.根据权利要求5所述的方法,其特征在于,所述根据所述信用风险标签和所述信用风险等级,得到所述用户的信用风险决策,包括:
7.根据权利要求1-6中任一项所述的方法,其特征在于,还包括:
8.根据权利要求7所述的方法,其特征在于,所述根据所述文本信息、所述情感信息和所述信用风险标签,对所述信用风险决策进行调整,包括:
9.一种信用风险处理装置,其特征在于,所述装置包括:
...【技术特征摘要】
1.一种信用风险处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述通过所述信用风险评估模型输出所述用户的信用风险等级,包括:
3.根据权利要求2所述的方法,其特征在于,在所述将所述多个维度的第一用户信息通过第一函数进行线性处理之前,还包括:
4.根据权利要求2所述的方法,其特征在于,所述将所述多个维度的第一用户信息通过第一函数进行线性处理,得到所述多个维度的第一用户信息对应的线性组合信息,包括:
5.根据权利要求4所述的方法,其特征在于,所述信用风险评估模型通过如下方式训练得到:
6.根据权利要求5所述的方法,其特征在于,所述根据所述信用风险标签和所述信用风险等级,得到所述用户的信用风险决策,包括:
7.根据...
【专利技术属性】
技术研发人员:蒋宏伟,王旭,
申请(专利权)人:中国工商银行股份有限公司,
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。