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】
本申请涉及通信,尤其涉及一种政企客户信用评分卡生成方法、装置、设备及介质。
技术介绍
1、目前,电信运营商等企业的政企业务发展进入平台期,过去粗放式的经营模式难以为继,急需以客户为中心开展高质量的深度运营。但过去电信运营商对客户的分级主要采用基于规则的简单分级,如行业、收入规模、战略重要性等,导致资源向收入规模大的客户倾斜,也因此带来了较高的应收账款占收比。为平衡客户收入规模和收入质量,有必要对客户应收账款逾期进行评估并据此为客户进行信用评级。
2、现有技术中,使用以图卷积神经网络、深度卷积网络为代表的深度学习算法构建客户信用评级方法。存在信用评分效果不好的问题。
技术实现思路
1、本申请提供一种政企客户信用评分卡生成方法、装置、设备及介质,用以解决现有技术中存在的评分效果不好的问题。
2、第一方面,本申请提供一种政企客户信用评分卡生成方法,包括:
3、获取第一数据集,第一数据集包括初始特征、初始特征的特征值、以及逾期标签,初始特征包括政企客户的回款安全性类型特征、业务结构安全性类型特征、以及经营状况安全性类型特征,逾期标签表征政企客户的逾期类型;
4、根据初始特征、与初始特征对应的特征值,确定初始特征的分箱区间、以及与分箱区间对应的证据权重;
5、根据初始特征的分箱区间、以及与分箱区间对应的证据权重,确定初始特征中的入模特征、入模特征的原始分箱区间、原始分箱区间的原始证据权重、入模特征的入模分箱区间、以及入模分箱区间的入
6、根据第二数据集,对逻辑回归模型进行训练,得到入模特征的权重,第二数据集包括入模特征、入模分箱区间、入模证据权重、以及入模特征的逾期标签;
7、根据原始分箱区间的分数,得到政企客户信用评分卡,原始分箱区间的分数根据入模特征的权重、以及原始分箱区间的原始证据权重得到。
8、在本申请中,根据初始特征、与初始特征对应的特征值,确定初始特征的分箱区间、以及与分箱区间对应的证据权重,包括:
9、确定初始特征的特征值类型;
10、根据初始特征的特征值类型,确定分箱目标,其中,当初始特征的特征值类型为连续型时,分箱目标为初始特征,当初始特征的特征值类型为离散型,分箱目标为初始特征中的每个特征值;
11、根据分箱目标,确定初始特征的分箱区间;
12、根据初始特征的分箱区间,确定分箱区间的证据权重。
13、在本申请中,当初始特征的特征值类型为连续型时,分箱目标为初始特征时,
14、根据分箱目标,确定初始特征的分箱区间,包括:
15、确定初始特征的特征值中的稀疏值;
16、若初始特征的特征值存在稀疏值,则将稀疏值作为第一分箱区间;
17、根据稀疏值,确定初始特征的剩余特征值;
18、根据预设的分箱策略,对初始特征的剩余特征值进行等频分箱,得到第二分箱区间;
19、根据第一分箱区间和第二分箱区间,得到初始特征的分箱区间。
20、在本申请中,根据分箱区间,确定分箱区间的证据权重,包括:
21、确定证据权重公式,证据权重公式为:
22、
23、其中,woe为分箱区间的证据权重;
24、根据第一数据集和分箱区间,确定分箱区间内的逾期客户总数、分箱区间内的未逾期客户总数、第一数据集内的逾期客户总数、以及第一数据集内的未逾期客户总数;
25、根据证据权重公式、分箱区间内的逾期客户总数、分箱区间内的未逾期客户总数、第一数据集内的逾期客户总数、以及第一数据集内的未逾期客户总数,确定分箱区间的证据权重。
26、在本申请中,根据初始特征的分箱区间、以及与分箱区间对应的证据权重,确定初始特征中的入模特征、入模特征的原始分箱区间、原始分箱区间的原始证据权重、入模特征的入模分箱区间、以及入模分箱区间的入模证据权重,包括:
27、根据初始特征的分箱区间、以及与分箱区间对应的证据权重,确定初始特征的信息价值;
28、根据初始特征的信息价值,确定入模特征、入模特征的原始分箱区间、原始分箱区间的原始证据权重、入模特征的入模分箱区间、以及入模分箱区间的入模证据权重。
29、在本申请中,根据初始特征的分箱区间、以及与分箱区间对应的证据权重,确定初始特征的信息价值,包括:
30、确定信息价值公式,信息价值公式为:
31、
32、其中,woei为初始特征的第i个分箱区间的证据权重,n为初始特征的分箱区间的总数;
33、根据第一数据集和初始特征的各个分箱区间,确定各个分箱区间内的逾期客户总数、各个分箱区间内的未逾期客户总数、第一数据集内的逾期客户总数、以及第一数据集内的未逾期客户总数;
34、根据初始特征的各个分箱区间的证据权重、信息价值公式、各个分箱区间内的逾期客户总数、各个分箱区间内的未逾期客户总数、第一数据集内的逾期客户总数、以及第一数据集内的未逾期客户总数,确定初始特征的信息价值。
35、在本申请中,根据初始特征的信息价值,确定入模特征、入模特征的原始分箱区间、原始分箱区间的原始证据权重、入模特征的入模分箱区间、以及入模分箱区间的入模证据权重,包括:
36、根据初始特征的信息价值,确定入模特征;
37、根据入模特征和初始特征的分箱区间的证据权重,确定入模特征的原始分箱区间、以及原始分箱区间的原始证据权重;
38、根据初始特征的特征值,确定入模特征的入模特征值;
39、根据入模特征值、入模特征的分箱区间、以及入模特征的分箱区间的原始证据权重,确定入模特征值的入模证据权重。
40、在本申请中,根据第二数据集,对逻辑回归模型进行训练,得到入模特征的权重,包括:
41、将第二数据集中的入模特征、入模特征的入模分箱区间、以及入模分箱区间的入模证据权重作为输入,入模特征的逾期标签作为输出,对逻辑回归模型进行训练,得到目标逻辑回归模型;
42、根据目标逻辑回归模型,确定入模特征的权重。
43、在本申请中,根据原始分箱区间的分数,得到政企客户信用评分卡,包括:
44、对入模特征的权重、以及与原始分箱区间的原始证据权重进行求乘积处理,得到原始分箱区间的分数;
45、根据原始分箱区间的分数,得到政企客户信用评分卡。
46、在本申请中,对入模特征的权重、以及与原始分箱区间的原始证据权重进行求乘积处理,得到原始分箱区间的分数,包括:
47、确定分数计算公式,分数计算公式为:
48、s=缩放系数×入模特征的权重×原始分箱区间的原始证据权重,
49、其中,s为入模特征的原始分箱区间的分数,缩放系数为预设的评分卡标尺,以使入模特征的原始分箱区间的分数根据缩放系数进行调整;
...
【技术保护点】
1.一种政企客户信用评分卡生成方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述初始特征、与所述初始特征对应的特征值,确定所述初始特征的分箱区间、以及与所述分箱区间对应的证据权重,包括:
3.根据权利要求2所述的方法,其特征在于,当所述初始特征的特征值类型为连续型时,所述分箱目标为所述初始特征时,
4.根据权利要求2所述的方法,其特征在于,所述根据所述分箱区间,确定所述分箱区间的证据权重,包括:
5.根据权利要求1所述的方法,其特征在于,所述根据所述初始特征的分箱区间、以及与所述分箱区间对应的证据权重,确定所述初始特征中的入模特征、所述入模特征的原始分箱区间、所述原始分箱区间的原始证据权重、所述入模特征的入模分箱区间、以及所述入模分箱区间的入模证据权重,包括:
6.根据权利要求5所述的方法,其特征在于,所述根据所述初始特征的分箱区间、以及与所述分箱区间对应的证据权重,确定所述初始特征的信息价值,包括:
7.根据权利要求5所述的方法,其特征在于,所述根据所述初始特征的信息价值,确定
8.根据权利要求1所述的方法,其特征在于,所述根据第二数据集,对逻辑回归模型进行训练,得到所述入模特征的权重,包括:将第二数据集中的所述入模特征、所述入模特征的入模分箱区间、以及所述入模分箱区间的入模证据权重作为输入,所述入模特征的逾期标签作为输出,对逻辑回归模型进行训练,得到目标逻辑回归模型;
9.根据权利要求1所述的方法,其特征在于,所述根据原始分箱区间的分数,得到政企客户信用评分卡,包括:
10.根据权利要求9所述的方法,其特征在于,所述对所述入模特征的权重、以及与所述原始分箱区间的原始证据权重进行求乘积处理,得到所述原始分箱区间的分数,包括:
11.根据权利要求9所述的方法,其特征在于,所述根据所述原始分箱区间的分数,得到政企客户信用评分卡,包括:
12.一种政企客户信用评分卡生成装置,其特征在于,包括:
13.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-11中任一项所述的方法。
...【技术特征摘要】
1.一种政企客户信用评分卡生成方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述初始特征、与所述初始特征对应的特征值,确定所述初始特征的分箱区间、以及与所述分箱区间对应的证据权重,包括:
3.根据权利要求2所述的方法,其特征在于,当所述初始特征的特征值类型为连续型时,所述分箱目标为所述初始特征时,
4.根据权利要求2所述的方法,其特征在于,所述根据所述分箱区间,确定所述分箱区间的证据权重,包括:
5.根据权利要求1所述的方法,其特征在于,所述根据所述初始特征的分箱区间、以及与所述分箱区间对应的证据权重,确定所述初始特征中的入模特征、所述入模特征的原始分箱区间、所述原始分箱区间的原始证据权重、所述入模特征的入模分箱区间、以及所述入模分箱区间的入模证据权重,包括:
6.根据权利要求5所述的方法,其特征在于,所述根据所述初始特征的分箱区间、以及与所述分箱区间对应的证据权重,确定所述初始特征的信息价值,包括:
7.根据权利要求5所述的方法,其特征在于,所述根据所述初始特征的信息价值,确定所述入模特征、所述入模特征的原始分箱区间、所述原始分箱区间的原始证据权重、所述入模特征的入模分箱区间、以...
【专利技术属性】
技术研发人员:朱浪锋,方啓先,张鲲,
申请(专利权)人:中国联合网络通信集团有限公司,
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。