【技术实现步骤摘要】
本申请涉及数据处理，具体而言，涉及一种确定是否开放信贷功能的方法及装置、电子设备。
技术介绍
1、随着互联网技术的发展，互联网金融市场也日益庞大。消费金融市场呈现出爆炸性增长。这一变化不仅改变了人们的消费习惯，也使得个人借贷成为越来越多人的选择。用户信用的评估对于金融机构来说至关重要。在面对众多的贷款申请人时，对用户信贷信用的准确评估能够帮助金融机构更好地识别风险。相关技术中，在评估用户的信贷信用时，仅将用户的个人特征，如年龄、性别、职业、教育水平等作为评估因素；因此，存在评估结果不准确的技术问题。
2、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种确定是否开放信贷功能的方法及装置、电子设备，以至少解决由于相关技术中在对用户进行信贷信用风险评估时，仅考虑描述用户的个人特征的静态特征造成的评估结果不准确的技术问题。
2、根据本申请实施例的一个方面，提供了一种确定是否开放信贷功能的方法，包括：获取待检测对象的相关信息，其中，相关信息包括：用于描述待检测对象的个人特征的静态数据，与待检测对象的交易行为相关的动态数据；采用信用风险预测模型集合对待检测对象的相关信息进行处理分析，得到待检测对象的信用风险预测值，其中，信用风险预测值用于确定是否向待检测对象开放信贷功能，信用风险预测模型集合中包含多个信用风险预测模型，信用风险预测值是根据多个信用风险预测模型输出的多个预测值确定的，多个信用风险预测模型是采用训练数据训练完成的神经网络
3、可选地，静态数据和动态数据中包含：文字类型的第一特征数据、数值类型的第二特征数据；采用信用风险预测模型对待检测对象的相关信息进行处理分析，得到待检测对象的信用风险预测值，包括：将第一特征数据转换为信用风险预测模型可以识别的目标格式，并将每个第二特征数据的数值映射到预设数值范围，得到多个特征数据，并根据多个特征数据生成特征矩阵，其中，多个特征数据包括：转换后的第一特征数据、第二特征数据的映射结果；分别采用信用风险预测模型集合中的每个信用风险预测模型对特征矩阵进行处理，得到每个信用风险预测模型输出的预测值，其中，预测值用于指示待检测对象出现信贷违约行为的概率；获取每个信用风险预测模型对应的预设权重，根据多个预设权重和多个预测值确定信用风险预测值，其中，预设权重用于指示信用风险预测模型的准确率。
4、可选地，每个信用风险预测模型对应的预设权重是通过以下方法得到的：根据训练数据生成多个训练集，其中，每个训练集中包含等量的训练数据；采用多个训练集对多个信用风险预测模型进行多轮验证，得到每个信用风险预测模型对应的多个准确率，其中，在每一轮验证中，分别采用不同的训练集确定不同的信用风险预测模型的准确率；对于每个信用风险预测模型，确定信用风险预测模型对应的多个准确率的平均值，将平均值确定为信用风险预测模型的预设权重。
5、可选地，信用风险预测模型集合中包含的多个信用风险预测模型中包括：采用粒子群优化算法和训练数据进行训练的目标信用风险预测模型，其中，目标信用风险预测模型是通过以下方法进行训练的：将目标信用风险预测模型的多个模型参数集合确定为多个待优化粒子，其中，每个模型参数集合为一个待优化粒子，每个模型参数集合中包含目标信用风险预测模型的多个模型参数，模型参数包括：目标信用风险预测模型的学习率、目标信用风险预测模型的正则化参数、组成目标信用风险预测模型的多个决策树中每个决策树的深度；采用自适应粒子群优化算法对待优化粒子进行迭代优化，直到迭代次数达到预设次数，确定训练完成。
6、可选地，采用自适应粒子群优化算法对待优化粒子进行迭代优化，包括：每次进行迭代优化后，得到迭代优化后的目标信用风险预测模型；确定初始目标信用风险预测模型的第一评估结果，并确定迭代优化后的目标信用风险预测模型的第二评估结果，其中，初始目标信用风险预测模型是模型参数为待优化粒子的目标信用风险预测模型，第一评估结果用于指示初始目标信用风险预测模型的准确率，第二评估结果用于指示迭代优化后的目标信用风险预测模型的准确率；对比第一评估结果和第二评估结果，得到对比结果，在对比结果指示第一评估结果指示的准确率更高的情况下，对初始目标信用风险预测模型进行下一次迭代优化；在对比结果指示第二评估结果指示的准确率更高的情况下，对迭代优化后的目标信用风险预测模型进行下一次迭代优化。
7、可选地，采用自适应粒子群优化算法对待优化粒子进行迭代优化，还包括：每次进行迭代优化时，确定每个待优化粒子的第三评估结果；根据多个第三评估结果确定本次迭代优化采用的惯性权重，其中，惯性权重用于调整待优化粒子的数值、数值的调整方向、数值的调整幅度，调整方向包括：增大、减小。
8、可选地，训练数据中还包括：每个对象的实际信用风险值，确定每个待优化粒子的第三评估结果，包括：将目标信用风险预测模型的每个模型参数对应调整为待优化粒子包含的模型参数，得到调整后的目标信用风险预测模型；采用调整后的目标信用风险预测模型对多个对象的静态数据、与每个对象的历史交易行为相关的历史动态数据进行处理分析，得到多个对象对应的多个预测结果；根据多个预测结果和多个实际信用风险值确定第三评估结果。
9、根据本申请实施例的另一方面，还提供了一种确定是否开放信贷功能的装置，包括：获取模块，用于获取待检测对象的相关信息，其中，相关信息包括：用于描述待检测对象的个人特征的静态数据，与待检测对象的交易行为相关的动态数据；分析模块，采用信用风险预测模型集合对待检测对象的相关信息进行处理分析，得到待检测对象的信用风险预测值，其中，信用风险预测值用于确定是否向待检测对象开放信贷功能，信用风险预测模型集合中包含多个信用风险预测模型，信用风险预测值是根据多个信用风险预测模型输出的多个预测值确定的，多个信用风险预测模型是采用训练数据训练完成的神经网络模型，训练数据包括：多个对象的静态数据、与每个对象的历史交易行为相关的历史动态数据。
10、根据本申请实施例的另一方面，还提供了一种电子设备，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为通过计算机程序执行上述的确定是否开放信贷功能的方法。
11、根据本申请实施例的另一方面，还提供了一种计算机程序产品，包括计算机指令，计算机指令被处理器执行时实现上述的确定是否开放信贷功能的方法。
12、在本申请实施例中，采用获取待检测对象的相关信息，其中，相关信息包括：用于描述待检测对象的个人特征的静态数据，与待检测对象的交易行为相关的动态数据；采用信用风险预测模型集合对待检测对象的相关信息进行处理分析，得到待检测对象的信用风险预测值，其中，信用风险预测值用于确定是否向待检测对象开放信贷功能，信用风险预测模型集合中包含多个信用风险预测模型，信用风险预测值是根据多个信用风险预测模型输出的多个预测值确定的，多个信用风险预测模型是采用本文档来自技高网...
【技术保护点】
1.一种确定是否开放信贷功能的方法，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，所述静态数据和所述动态数据中包含：文字类型的第一特征数据、数值类型的第二特征数据；采用信用风险预测模型对所述待检测对象的相关信息进行处理分析，得到所述待检测对象的信用风险预测值，包括：
3.根据权利要求2所述的方法，其特征在于，每个所述信用风险预测模型对应的预设权重是通过以下方法得到的：
4.根据权利要求1所述的方法，其特征在于，所述信用风险预测模型集合中包含的所述多个信用风险预测模型中包括：采用粒子群优化算法和所述训练数据进行训练的目标信用风险预测模型，其中，所述目标信用风险预测模型是通过以下方法进行训练的：
5.根据权利要求4所述的方法，其特征在于，采用自适应粒子群优化算法对所述待优化粒子进行迭代优化，包括：
6.根据权利要求4所述的方法，其特征在于，采用自适应粒子群优化算法对所述待优化粒子进行迭代优化，还包括：
7.根据权利要求6所述的方法，其特征在于，所述训练数据中还包括：每个所述对象的实际信用风险值，确
8.一种确定是否开放信贷功能的装置，其特征在于，包括：
9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行权利要求1至7中任意一项所述的确定是否开放信贷功能的方法。
10.一种计算机程序产品，包括计算机指令，其特征在于，所述计算机指令被处理器执行时实现权利要求1至7中任意一项所述的确定是否开放信贷功能的方法。
...【技术特征摘要】
1.一种确定是否开放信贷功能的方法，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，所述静态数据和所述动态数据中包含：文字类型的第一特征数据、数值类型的第二特征数据；采用信用风险预测模型对所述待检测对象的相关信息进行处理分析，得到所述待检测对象的信用风险预测值，包括：
3.根据权利要求2所述的方法，其特征在于，每个所述信用风险预测模型对应的预设权重是通过以下方法得到的：
4.根据权利要求1所述的方法，其特征在于，所述信用风险预测模型集合中包含的所述多个信用风险预测模型中包括：采用粒子群优化算法和所述训练数据进行训练的目标信用风险预测模型，其中，所述目标信用风险预测模型是通过以下方法进行训练的：
5.根据权利要求4所述的方法，其特征在于，采用自适应粒子群优化算...
【专利技术属性】
技术研发人员：张志钧，
申请(专利权)人：天翼电子商务有限公司，
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。