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,特别是涉及一种用户风险预测模型的构建方法、用户风险预测方法、用户风险预测模型的构建装置、用户风险预测装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、随着经济的发展,个人业务成为各个金融企业竞争的焦点。但是,用户在个人业务中的违约行为会对金融企业带来负面影响,为了减少用户的违约行为带来的负面影响,金融企业需要对用户进行风险预测。
2、相关技术中,通常是基于专家经验制定的规则对用户的风险进行预测;然而,专家经验容易受到个人主观因素的影响,因此使得用户风险预测的准确性较低。
技术实现思路
1、基于此,有必要针对上述用户风险预测的准确性较低的技术问题,提供一种能够提高用户风险预测的准确性的用户风险预测模型的构建方法、用户风险预测方法、用户风险预测模型的构建装置、用户风险预测装置、计算机设备、存储介质和计算机程序产品。
2、第一方面,本申请提供了一种用户风险预测模型的构建方法,包括:
3、基于样本用户的用户信息,确定所述样本用户的多个第一特征,根据所述多个第一特征得到当前特征;
4、以所述当前特征为输入变量,输入当前特征筛选模型,得到所述当前特征的重要性;
5、基于所述当前特征的重要性,从所述多个第一特征中筛选出多个第二特征,并基于所述多个第二特征的重要性更新所述当前特征筛选模型;
6、以所述多个第二特征作为新的当前特征,以更新后的特征筛选模型作为新的当前特征筛选模型,返回以所述当前特征为输
7、基于所述目标特征,重构用户风险预测模型,得到目标用户风险预测模型。
8、在其中一个实施例中,述基于样本用户的用户信息,确定所述样本用户的多个第一特征,根据所述多个第一特征得到当前特征,包括:
9、基于样本用户的用户信息,确定所述样本用户的多个候选特征;
10、基于所述多个候选特征的重要性,对所述多个候选特征进行多次筛选处理,直至筛选出来的各个特征的重要性均大于或者等于第二阈值,将所述筛选出来的各个特征确定为所述多个第一特征;
11、将所述多个第一特征作为所述当前特征。
12、在其中一个实施例中,所述基于样本用户的用户信息,确定所述样本用户的多个候选特征,包括:
13、基于样本用户的用户信息,确定所述样本用户的多个初始特征;
14、获取各个初始特征的信息价值;
15、根据所述各个初始特征的信息价值,从所述多个初始特征中,筛选出对应的信息价值大于或者等于第三阈值的多个初始特征,作为所述候选特征。
16、在其中一个实施例中,所述基于样本用户的用户信息,确定所述样本用户的多个初始特征,包括:
17、根据样本用户的用户信息,确定所述样本用户在多个预设特征下的特征值;
18、基于所述多个预设特征中与时间相关的特征的特征值,构建所述样本用户的时序特征;
19、将所述多个预设特征和所述时序特征,确定为所述样本用户的多个初始特征。
20、在其中一个实施例中,所述根据所述多个第一特征得到当前特征,包括:
21、针对所述多个第一特征中的任意一个特征,确定所述任意一个特征与所述多个第一特征中的各个其余特征之间的相关性;所述其余特征为所述多个第一特征中,除所述任意一个特征以外的特征;
22、在所述任意一个特征,与任意一个其余特征之间的相关性不满足相关性条件的情况下,从多个第一特征中舍去所述任意一个特征,和与所述任意一个特征之间的相关性不满足所述相关性条件的其余特征,得到所述当前特征。
23、在其中一个实施例中,所述基于所述目标特征,重构用户风险预测模型,得到目标用户风险预测模型,包括:
24、确认用户风险预测模型的关联特征,以及与所述关联特征对应的关联参数;
25、根据所述目标特征,更新所述关联特征和所述关联参数,得到更新后的关联特征和更新后的关联参数;
26、根据所述更新后的关联特征和所述更新后的关联参数,得到所述目标用户风险预测模型。
27、在其中一个实施例中,所述基于所述目标特征,重构用户风险预测模型,得到目标用户风险预测模型,还包括:
28、确认用户风险预测模型的关联特征的数量,将所述关联特征的数量确定为预设数量;
29、根据所述目标特征的重要性,从所述目标特征中筛选出所述预设数量个的特征;
30、基于所述预设数量个的特征,重构所述用户风险预测模型,得到所述目标用户风险预测模型。
31、第二方面,本申请还提供了一种用户风险预测方法,所述方法包括:
32、获取待预测用户的用户信息;
33、基于待预测用户的用户信息,确定所述待预测用户在目标特征下的特征值;
34、通过目标用户风险预测模型,对所述待预测用户在所述目标特征下的特征值进行处理,得到所述待预测用户的风险预测结果;所述目标用户风险预测模型通过上述用户风险预测模型的构建方法构建得到。
35、第三方面,本申请还提供了一种用户风险预测模型的构建装置,所述装置包括:
36、特征确定模块,用于基于样本用户的用户信息,确定所述样本用户的多个第一特征,根据所述多个第一特征得到当前特征;
37、模型输入模块,用于以所述当前特征为输入变量,输入当前特征筛选模型,得到所述当前特征的重要性;
38、特征筛选模块,用于基于所述当前特征的重要性,从所述多个第一特征中筛选出多个第二特征,并基于所述多个第二特征的重要性更新所述当前特征筛选模型;
39、模型更新模块,用于以所述多个第二特征作为新的当前特征,以更新后的特征筛选模型作为新的当前特征筛选模型,返回以所述当前特征为输入变量,输入当前特征筛选模型,得到所述当前特征的重要性的步骤,直至所述当前特征的重要性均大于或者等于第一阈值,得到目标特征;
40、模型重构模块,用于基于所述目标特征,重构用户风险预测模型,得到目标用户风险预测模型。
41、第四方面,本申请还提供了一种用户风险预测装置,所述装置包括:
42、信息获取模块,用于获取待预测用户的用户信息;
43、信息确定模块,用于基于待预测用户的用户信息,确定所述待预测用户在目标特征下的特征值;
44、风险预测模块,用于通过目标用户风险预测模型,对所述待预测用户在所述目标特征下的特征值进行处理,得到所述待预测用户的风险预测结果;所述目标用户风险预测模型通过上述用户风险预测模型的构建方法构建得到。
45、第五方面,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:
<本文档来自技高网...【技术保护点】
1.一种用户风险预测模型的构建方法,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,所述基于样本用户的用户信息,确定所述样本用户的多个第一特征,根据所述多个第一特征得到当前特征,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于样本用户的用户信息,确定所述样本用户的多个候选特征,包括:
4.根据权利要求3所述的方法,其特征在于,所述基于样本用户的用户信息,确定所述样本用户的多个初始特征,包括:
5.根据权利要求1所述的方法,其特征在于,所述根据所述多个第一特征得到当前特征,包括:
6.根据权利要求1所述的方法,其特征在于,所述基于所述目标特征,重构用户风险预测模型,得到目标用户风险预测模型,包括:
7.根据权利要求1所述的方法,其特征在于,所述基于所述目标特征,重构用户风险预测模型,得到目标用户风险预测模型,还包括:
8.一种用户风险预测方法,其特征在于,所述方法包括:
9.一种用户风险预测模型的构建装置,其特征在于,所述装置包括:
10.一种
11.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的用户风险预测模型的构建方法的步骤,或者是权利要求8所述的用户风险预测方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的用户风险预测模型的构建方法的步骤,或者是权利要求8所述的用户风险预测方法的步骤。
13.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的用户风险预测模型的构建方法的步骤,或者是权利要求8所述的用户风险预测方法的步骤。
...【技术特征摘要】
1.一种用户风险预测模型的构建方法,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,所述基于样本用户的用户信息,确定所述样本用户的多个第一特征,根据所述多个第一特征得到当前特征,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于样本用户的用户信息,确定所述样本用户的多个候选特征,包括:
4.根据权利要求3所述的方法,其特征在于,所述基于样本用户的用户信息,确定所述样本用户的多个初始特征,包括:
5.根据权利要求1所述的方法,其特征在于,所述根据所述多个第一特征得到当前特征,包括:
6.根据权利要求1所述的方法,其特征在于,所述基于所述目标特征,重构用户风险预测模型,得到目标用户风险预测模型,包括:
7.根据权利要求1所述的方法,其特征在于,所述基于所述目标特征,重构用户风险预测模型,得到目标用户风险预测模型,还包括:
8.一种用...
【专利技术属性】
技术研发人员:王豆豆,王晓舟,张博,王晴,
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。