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】
本申请涉及计算机,更具体地,涉及一种模型生成方法、借贷意愿预估方法、装置以及电子设备。
技术介绍
1、随着社会经济和科技的发展,信用贷款开始成为互联网金融中的一个重要业务,在相关方式中,可以通过信贷用户增长算法预测用户借款意愿,信贷用户增长算法可以指通过数据挖掘技术和机器学习算法预测用户的潜在借款意愿,基于预测的借款意愿确定高借款意愿的人群,对高意愿用户实施精准营销,从而可以让更多的用户借款的算法。但相关方式的信贷用户增长算法对于借款意愿预测的准确性还有待提高。
技术实现思路
1、鉴于上述问题,本申请提出了一种模型生成方法、借贷意愿预估方法、装置以及电子设备,以实现改善上述问题。
2、第一方面,本申请提供了一种模型生成方法,所述方法包括:获取训练数据集,所述训练数据集包括多个用户各自对应的借贷信息,所述借贷信息表征所述多个用户从发现借贷推送信息到借款过程中的多个环节的信息;基于所述训练数据集对待训练借贷意愿预估模型进行训练,以将收敛的待训练借贷意愿预估模型作为目标借贷意愿预估模型。
3、第二方面,本申请提供了一种借贷意愿预估方法,所述方法包括:获取待预估数据,所述待预估数据包括用户的借贷信息;将所述待预估数据输入基于上述方法得到的目标借贷意愿预估模型中,以得到所述多个用户各自对应的预估结果,所述预估结果表征所述多个用户各自对应的借贷意愿的大小。
4、第三方面,本申请提供了一种模型生成装置,所述装置包括:数据集获取单元,用于获取训练数据集,所述训练
5、第四方面,本申请提供了一种借贷意愿预估装置,所述装置包括:待预估数据获取单元,用于获取待预估数据,所述待预估数据包括多个用户各自对应的借贷信息;预估结果获取单元,用于将所述待预估数据输入基于上述方法得到的目标借贷意愿预估模型中,以得到所述多个用户各自对应的预估结果;所述预估结果表征所述多个用户各自对应的借贷意愿的大小。
6、第五方面,本申请提供了一种电子设备,包括一个或多个处理器以及存储器;一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行上述的方法。
7、第六方面,本申请提供的一种计算机可读存储介质,所述计算机可读存储介质中存储有程序代码,其中,在所述程序代码运行时执行上述的方法。
8、本申请提供的一种模型生成方法、借贷意愿预估方法、装置、电子设备以及存储介质,在获取包括多个用户各自对应的借贷信息的训练数据集后,其中,借贷信息表征所述多个用户从发现借贷推送信息到借款过程中的多个环节的信息,基于所述训练数据集对待训练借贷意愿预估模型进行训练,以将收敛的待训练借贷意愿预估模型作为目标借贷意愿预估模型。通过上述方式使得,可以基于包含多个用户从发现借贷推送信息到借款过程中的多个环节的信息的训练数据集对待训练借贷意愿预估模型进行训练,得到目标借贷意愿预估模型,从而提高了目标借贷意愿预估模型对用户的借贷意愿预测的准确性,以便对借贷应用的潜在用户进行借贷信息推送,进而增加借贷应用的用户数量。
本文档来自技高网...【技术保护点】
1.一种模型生成方法,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,所述借贷信息包括行为信息、用户基本信息、历史借贷信息,所述获取训练数据集,包括:
3.根据权利要求1所述的方法,其特征在于,所述待训练借贷意愿预估模型包括共享嵌入网络、阶段概率预测网络和延时预估网络,所述基于所述训练数据集对待训练借贷意愿预估模型进行训练,以将收敛的待训练借贷意愿预估模型作为目标借贷意愿预估模型,包括:
4.根据权利要求3所述的方法,其特征在于,所述将所述训练数据集输入所述共享嵌入网络,得到嵌入特征,包括:
5.根据权利要求3所述的方法,其特征在于,所述阶段预测概率值包括第一阶段概率预测值、第二阶段概率预测值、第三阶段概率预测值、第四阶段概率预测值,所述阶段概率预测网络包括第一阶段概率预测网络、第二阶段概率预测网络、第三阶段概率预测网络、第四阶段概率预测网络,所述将所述嵌入特征分别输入所述阶段概率预测网络和所述延时预估网络,得到阶段预测概率值和延时转化预测概率值,包括:
6.根据权利要求5所述的方法,其特征在于,所
7.根据权利要求5所述的方法,其特征在于,所述借贷信息包括第一标签、第二标签、第三标签和第四标签,所述损失函数包括第一损失函数、第二损失函数、第三损失函数和第四损失函数,所述基于所述阶段预测概率值、所述延时转化预测值和损失函数对所述共享嵌入网络、所述阶段概率预测网络和所述延时预估网络进行训练,以基于收敛的共享嵌入网络、阶段概率预测网络和延时预估网络得到目标借贷意愿预估模型,包括:
8.根据权利要求6所述的方法,其特征在于,所述基于所述第二标签、所述第一阶段概率预测值、所述第二阶段概率预测值和所述第二损失函数,得到第二损失值,包括:
9.一种借贷意愿预估方法,其特征在于,所述方法包括:
10.根据权利要求9所述的方法,其特征在于,所述用户有多个,所述方法还包括:
11.一种模型生成装置,其特征在于,所述装置包括:
12.一种借贷意愿预估装置,其特征在于,所述装置包括:
13.一种电子设备,其特征在于,包括一个或多个处理器以及存储器;
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程序代码,其中,在所述程序代码运行时执行权利要求1-10任一所述的方法。
...【技术特征摘要】
1.一种模型生成方法,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,所述借贷信息包括行为信息、用户基本信息、历史借贷信息,所述获取训练数据集,包括:
3.根据权利要求1所述的方法,其特征在于,所述待训练借贷意愿预估模型包括共享嵌入网络、阶段概率预测网络和延时预估网络,所述基于所述训练数据集对待训练借贷意愿预估模型进行训练,以将收敛的待训练借贷意愿预估模型作为目标借贷意愿预估模型,包括:
4.根据权利要求3所述的方法,其特征在于,所述将所述训练数据集输入所述共享嵌入网络,得到嵌入特征,包括:
5.根据权利要求3所述的方法,其特征在于,所述阶段预测概率值包括第一阶段概率预测值、第二阶段概率预测值、第三阶段概率预测值、第四阶段概率预测值,所述阶段概率预测网络包括第一阶段概率预测网络、第二阶段概率预测网络、第三阶段概率预测网络、第四阶段概率预测网络,所述将所述嵌入特征分别输入所述阶段概率预测网络和所述延时预估网络,得到阶段预测概率值和延时转化预测概率值,包括:
6.根据权利要求5所述的方法,其特征在于,所述第一阶段概率预测网络、所述第二阶段概率预测网络、所述第三阶段概率预测网络、所述第四阶段概率预测网络和所述延时预估...
【专利技术属性】
技术研发人员:吴文启,孔涛涛,
申请(专利权)人:深圳市与飞科技有限公司,
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。