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】
本专利技术涉及数据处理,尤其涉及一种用户信用评估方法、装置、电子设备及可读存储介质。
技术介绍
1、金融平台的用户增长多依据于挖掘有用信需求的用户,这类用户作为金融平台的新用户,需要对其进行用信需求评估和信用资质评估。由于用信需求评估的用户为用信前的用户,信用资质评估的用户为用信后的用户,用信需求评估和信用资质评估的用户客群分布存在明显的差异,因此需要针对用信需求评估和信用资质评估建立两个评估模型。
2、由于用信需求评估的模型和信用资质评估的模型用户客群的交集太小,无法实现高信用资质及高用信需求用户的综合评估,为金融平台挖掘高信用资质及高用信需求的用户。
技术实现思路
1、有鉴于此,本专利技术实施例提供了一种用户信用评估方法、装置、电子设备及可读存储介质,以解决无法实现高信用资质及高用信需求用户的综合评估的问题。
2、根据本专利技术的一方面,提供了一种用户信用评估方法,包括:
3、接收处于第一阶段用户的信用评估请求,所述第一阶段为用户与金融平台产生交易前的阶段;
4、响应于所述信用评估请求,获取所述处于第一阶段用户的第一用户数据,所述第一用户数据包括申请用户数据和未申请用户数据;
5、获取第一评估模型,其中,所述第一评估模型根据处于第二阶段用户的第二用户数据的数据特征训练得到,所述第二阶段为用户与金融平台产生交易后的阶段,所述第二用户数据包括逾期用户的用户数据和非逾期用户的用户数据;
6、将所述第一用户数据输入
7、可选地,在所述获取第一评估模型前,还包括:
8、接收所述处于第二阶段用户的所述第二用户数据;
9、采用所述第二用户数据中非逾期用户的用户数据作为正样本,采用所述第二用户数据中逾期用户的用户数据作为负样本,基于所述正样本与所述负样本中数据的数据特征,训练获得用于评估用户信用资质的第一评估模型。
10、可选地,所述第一用户数据中包括用户是否申请与所述金融平台进行交易的用户标签,所述用户标签包括申请用户标签和未申请用户标签;
11、在将所述第一用户数据输入所述第一评估模型进行信用资质评估,获得与所述第一用户数据对应的若干个目标用户的信用资质评估结果后,还包括:
12、按照所述用户标签和所述信用资质评估结果对若干个所述目标用户进行排序;
13、按照排序结果输出若干个所述目标用户的信用资质评估结果。
14、可选地,所述按照所述用户标签和所述信用资质评估结果对若干个所述目标用户进行排序,包括:
15、获取若干个所述目标用户的所述用户标签和所述信用资质评估结果;
16、按照第一预设排序规则对所述目标用户进行排序,所述第一预设排序规则包括所述申请用户标签对应的所述目标用户优先于所述未申请用户标签对应的所述目标用户进行排列;
17、按照第二预设排序规则对所述目标用户进行排序,所述第二预设排序规则包括将所述申请用户标签对应的所述目标用户按照所述信用资质评估结果进行排列;以及,将所述未申请用户标签对应的所述目标用户按照所述信用资质评估结果进行排列。
18、可选地,所述按照第二预设排序规则对所述目标用户进行排序后,还包括:
19、按照第三预设排序规则对所述目标用户进行排序,所述第三预设排序规则包括在所述用户标签一致的情况下,若所述信用资质评估结果相同,则随机对所述目标用户进行排序。
20、根据本专利技术的第二方面,提供了一种用户信用评估装置,包括:
21、第一接收模块,用于接收处于第一阶段用户的信用评估请求,所述第一阶段为用户与金融平台产生交易前的阶段;
22、第一处理模块,响应于所述信用评估请求,获取所述处于第一阶段用户的第一用户数据,所述第一用户数据包括申请用户数据和未申请用户数据;
23、第二接收模块,用于获取第一评估模型,其中,所述第一评估模型根据处于第二阶段用户的第二用户数据的数据特征训练得到,所述第二阶段为用户与金融平台产生交易后的阶段,所述第二用户数据包括逾期用户的用户数据和非逾期用户的用户数据;
24、评估模块,用于将所述第一用户数据输入所述第一评估模型进行信用资质评估,获得与所述第一用户数据对应的若干个目标用户的信用资质评估结果。
25、可选地,所述用户信用评估装置,还包括:
26、第三接收模块,用于接收所述处于第二阶段用户的所述第二用户数据;
27、训练模块,用于采用所述第二用户数据中非逾期用户的用户数据作为正样本,采用所述第二用户数据中逾期用户的用户数据作为负样本,基于所述正样本与所述负样本中数据的数据特征,训练获得用于评估用户信用资质的第一评估模型。
28、可选地,所述第一用户数据中包括用户是否申请与所述金融平台进行交易的用户标签,所述用户标签包括申请用户标签和未申请用户标签;
29、所述用户信用评估装置,还包括:
30、排序模块,用于按照所述用户标签和所述信用资质评估结果对若干个所述目标用户进行排序;
31、输出模块,用于按照排序结果输出若干个所述目标用户的信用资质评估结果。
32、根据本专利技术的第三方面,提供了一种电子设备,包括:
33、处理器;以及
34、存储程序的存储器,
35、其中,程序包括指令,指令在由处理器执行时使处理器执行根据本专利技术第一方面中任一项的方法。
36、根据本专利技术的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行根据本专利技术第一方面中任一项的方法。
37、本申请实施例中提供的一个或多个技术方案,将用户与金融平台产生交易前的第一用户数据输入第一评估模型,预测输出用户与金融平台产生交易前的用户信用资质。其中,第一评估模型为获取用户与金融平台产生交易后的非逾期用户的用户数据和逾期用户的用户数据后,将非逾期用户的用户数据和逾期用户的用户数据作为第一评估模型的正/负样本,根据正/负样本的数据特征对第一评估模型进行训练,使得第一评估模型能够根据用户数据中的数据特征输出用户信用资质的评估结果。
38、本申请通过区分出用户与金融平台产生交易后的第二阶段和用户与金融平台产生交易前的第一阶段,利用第二阶段的第二用户数据训练第一评估模型后,将第一阶段的第一用户数据输入第一评估模型进行信用资质评估,实现了将从第二阶段的样本中学习到的用户信用资质评估方法迁移到第一阶段的用户信用资质评估中的目的,实现对未与金融平台产生交易的用户的用户信用资质评估。本申请解决了针对两个阶段的用户客群因为在时间窗口上的差异而需要分别建模的问题,综合了用户的用信需求和用信资质进行用户的信用资质评估。
本文档来自技高网...【技术保护点】
1.一种用户信用评估方法,其特征在于,包括:
2.根据权利要求1所述的用户信用评估方法,其特征在于,在所述获取第一评估模型前,还包括:
3.根据权利要求1所述的用户信用评估方法,其特征在于,所述第一用户数据中包括用户是否申请与所述金融平台进行交易的用户标签,所述用户标签包括申请用户标签和未申请用户标签;
4.根据权利要求3所述的用户信用评估方法,其特征在于,所述按照所述用户标签和所述信用资质评估结果对若干个所述目标用户进行排序,包括:
5.根据权利要求4所述的用户信用评估方法,其特征在于,所述按照第二预设排序规则对所述目标用户进行排序后,还包括:
6.一种用户信用评估装置,其特征在于,包括:
7.根据权利要求6所述的用户信用评估装置,其特征在于,所述用户信用评估装置,还包括:
8.根据权利要求6所述的用户信用评估装置,其特征在于,所述第一用户数据中包括用户是否申请与所述金融平台进行交易的用户标签,所述用户标签包括申请用户标签和未申请用户标签;
9.一种电子设备,包括:
10
...【技术特征摘要】
1.一种用户信用评估方法,其特征在于,包括:
2.根据权利要求1所述的用户信用评估方法,其特征在于,在所述获取第一评估模型前,还包括:
3.根据权利要求1所述的用户信用评估方法,其特征在于,所述第一用户数据中包括用户是否申请与所述金融平台进行交易的用户标签,所述用户标签包括申请用户标签和未申请用户标签;
4.根据权利要求3所述的用户信用评估方法,其特征在于,所述按照所述用户标签和所述信用资质评估结果对若干个所述目标用户进行排序,包括:
5.根据权利要求4所述的用户信用评估方法,其特征在于,所述按照第二预设排...
【专利技术属性】
技术研发人员:李嘉藩,卓正兴,杨青,
申请(专利权)人:度小满科技北京有限公司,
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。