CN104463603A - 一种信用评估方法及系统 - Google Patents

Abstract

本发明公开了一种信用评估方法及系统，包括根据用户的个性化信控信息获取每个用户的初始置信值；对用户的详单数据进行分析，获取用户的社交圈信息；利用获得的社交圈信息计算置信值修正因子，对初始置信值进行修正以获得用户的信用值。通过本发明方法，将用户社交圈的信用参数引入用户信用评估体系，使用大数据平台进行社交圈信息挖掘和计算，在用户自身初始置信值的基础上引入了其所在社交圈的置信度修正因子，实现了对用户的信用度的客观评价，有利于运营商从多维度综合评估用户的信用可靠度，从而提升了用户体验，降低了运营商经营风险即降低了欠费等事件的发生概率。

Description

一种信用评估方法及系统

技术领域

本发明涉及后付费业务技术，尤指一种对后付费用户实现的信用评估方法及系统。

背景技术

目前，后付费业务已经成为手机用户、网络用户日益熟悉的业务，后付费业务即用户先使用后付款的方式，一方面，方便了用户对业务的使用，扩大了运营商的缴费渠道，另一方面，也降低了对IT运维系统实时性的需求，从而降低了计费成本。但是，同时后付费业务也引入了风险，比如用户欠费和欠停现象依然存在，一定程度上影响了到运营商的收入。

为了解决欠费问题，我国移动通信企业也开始逐步建立用户信用管理，目前，电信企业的欠费信用控制主要根据用户自身资料信息进行等级划分，再结合用户的欠费额度、欠费时间这两个主要指标，设立黑名单制度，一对用户的信用进行评估。一旦用户超过了欠费额度或欠费时间阈值，便进入黑名单，从而使其在业务使用和办理方面受到部分或全部限制。

黑名单制度可以有效控制部分用户恶意欠费事件的发生，但是，同时也使得另一部分友好用户，尤其是初入网用户，由于没有历史记录，入网初始信用值低，要是这类用户由于特殊情况、条件限制等非主观偶然因素欠费，便被划入黑名单，必然带来业务使用不便的困扰，也影响了运营商品牌忠诚度。因此，现有对用户信用度的评估是不够准确的。

发明内容

为了解决上述技术问题，本发明提供了一种信用评估方法及系统，能够对后付费用户的信用进行客观评估，从而提升用户体验，降低运营商经营风险。

为了达到本发明目的，本发明提供了一种信用评估方法，包括：根据用户的个性化信控信息获取每个用户的初始置信值；

对用户的详单数据进行分析，获取用户的社交圈信息；

利用获得的社交圈信息计算置信值修正因子，对初始置信值进行修正以获得用户的信用值。

所述个性化信控信息包括：用户的在网时长、和/或欠费次数、和/或欠费时长、和/或过往通信缴费等信用记录。

所述获取每个用户的初始置信值包括：所述用户为新入网用户，所述初始置信值为1；

所述用户为现网用户，在置信值1的基础上，结合以往信用记录，按照预先设置的策略获取所述初始置信值。

该方法还包括：对所述初始置信值进行归一化处理，

归一化后的所述初始置信值b_n＝B_n/|B|_max，-1≤b_n≤1，其中，B_n(n＝1…N)为初始置信值，N为全网用户的数量。

所述获取用户的社交圈信息具体包括：

通过对所述用户的若干账期的详单数据挖掘分析，获知其通信社交行为，从而确定出所述社交圈信息；

其中，所述社交圈信息包括所述用户的有效交往社交圈大小T、相邻用户及用户量化关系；其中，T为社交圈中的相邻用户数。

利用获得的社交圈信息计算置信值修正因子包括：

根据所述用户与其相邻用户的用户量化关系x_t，以及所述用户与其社交圈中所述T个相邻用户的总体量化关系X，分别得到每个相邻用户t的置信权重α_t＝x_t/X,(t＝1…T)，其中，

按照公式计算所述用户的置信值修正因子。

所述对初始置信值进行修正具体包括：

所述用户n的信用值其中，-2＜b_n′＜2,(n＝1…N)，为所述置信值修正因子，α_t置信权重；

对修正后的信用值b_n′进行归一化处理后的b_n″＝b_n′/2。

该方法还包括：对所述信用值进行迭代，直到预先设置的迭代次数。

本发明还公开了一种信用评估系统，至少包括预处理单元、挖掘分析单元，以及信用估计单元，其中，

预处理单元，用于接收来自如现有客户关系管理系统的用户的个性化信控信息，根据用户的个性化信控信息计算每个用户的初始置信值；

挖掘处理单元，用于接收来自现有详单系统的用户的详单数据，对用户的详单数据进行分析，获取用户的社交圈信息；

信用估计单元，用于利用获得的社交圈信息计算置信值修正因子，对初始置信值进行修正以获得用户的信用值。

所述预处理单元还用于：将获得的用户的信用值输出给现有客户关系管理系统。

与现有技术相比，本发明包括根据用户的个性化信控信息计算每个用户的初始置信值；对用户的详单数据进行分析，获取用户的社交圈信息；利用获得的社交圈信息计算置信值修正因子，对初始置信值进行修正以获得用户的信用值。通过本发明方法，将用户社交圈的信用参数引入用户信用评估体系，使用大数据平台进行社交圈信息挖掘和计算，在用户自身初始置信值的基础上引入了其所在社交圈的置信度修正因子，实现了对用户的信用度的客观评价，有利于运营商从多维度综合评估用户的信用可靠度，从而提升了用户体验，降低了运营商经营风险即降低了欠费等事件的发生概率。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。

图1为本发明信用评估方法的流程图；

图2为本发明信用评估系统的组成结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

发明人通过研究发现，从用户人际交往的角度观察用户可以更加深入地了解用户。对用户通话清单的抽样调查表明，与用户联系最频繁的人员通常为同事、好友、家人、同学等。人们在日常交往中，朋友往往与自己具有一定程度的相似性，高信用用户交往的对象也往往是高信用用户。

图1为本发明信用评估方法的流程图，如图1所示，包括：

步骤100：根据用户的个性化信控信息获取每个用户的初始置信值。

本步骤中，个性化信控信息包括但不限于：用户的在网时长、和/或欠费次数、和/或欠费时长、和/或过往通信缴费等信用记录等。

本步骤中每个用户的初始置信值可以表示为B_n(n＝1…N)，B_n可以为负数，其中N为全网用户的数量。

本步骤中的获取每个用户的初始置信值包括：对于新入网用户，可以设置初始置信值为1；对于现网用户，在置信值1的基础上，结合以往信用记录，按照预先设置的策略可以有很多种计算初始置信值的方法，比如：欠费1次置信值扣0.5；和/或，网龄每增加1年置信值加1等。

进一步地，将所有用户的信息进行归一化处理，归一化后的初始置信值b_n＝B_n/|B|_max，-1≤b_n≤1，其中max表示最大值。

步骤101：对用户的详单数据进行分析，获取用户的社交圈信息。具体包括：

通过对用户如用户s的预先设置的若干账期的详单数据挖掘分析，可以获知其通信社交行为，从而确定出用户s的有效交往社交圈大小T、相邻用户及用户量化关系等相关信息。其中，T为社交圈中的相邻用户数。举例来看，假设从用户s的连续几个账期，如3个月的详单数据中可以获得用户s的社交圈信息，其中，社交圈大小T就是与用户s进行通信的相邻用户数；相邻用户就是和用户s进行通信的用户；用户量化关系就是用户s与个相邻用户之间的通信频次，比如：某月账期内两者通信17次。其中，详单数据可以直接从现有的账单(billing)系统中获得，具体实现属于本领域技术人员的公知技术，这里不再赘述。

步骤102：利用获得的社交圈信息计算置信值修正因子，对初始置信值进行修正以获得用户的信用值。

本步骤中的利用获得的社交圈信息计算置信值修正因子包括：

假设社交圈中与用户s的相邻用户t的归一化置信参数为b_t(t＝1...T)，根据用户s与相邻用户t的用户量化关系x_t，如：通信频次等，以及用户s与社交圈中T个相邻用户的通信频次之和即总体量化关系如：通信总频次等，得到每个相邻用户t的置信权重α_t＝x_t/X,(t＝1…T)，其中，这样，计算置信值修正因子为-1＜Δ＜1。

本步骤中的对初始置信值进行修正具体包括：

用户n的信用值其中，-2＜b_n′＜2,(n＝1…N)。

进一步地，对修正后的信用值进行归一化处理后b_n″＝b_n′/2，(n＝1…N)。

进一步地，本发明方法还包括：对以上计算过程进行迭代，直到预先设置的迭代次数。迭代的初始值是每个用户的初始置信值，迭代的更新值计算公式是和b_n″＝b_n′/2。将每一轮迭代后得到的更新值b_n″作为下一轮迭代的初始值输入。如此迭代计算，直到达到迭代次数后，以最后一次迭代结果输出。这里举个简单的例子，假设某用户的初始置信值为1，信用圈大小T为5，与其联系的5个相邻用户的信用度分别为(1,0.7,1,0.2,-0.5)，沟通频次分别为(4,1,4,3,8)，总通信频次为20，权重分别为(0.2,0.05,0.2,0.15,0.4)。

那么，根据步骤102中置信值修正因子的计算公式：

$\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{\mathrm{\α}}_t{b}_t=1*0.2+0.7*0.05+1*0.2+0.2*0.15+(-0.5)*0.4=0.535.$

如果对得到的置信值修正因子进行1次迭代，得到该用户的修正后的信用度为(1+0.535)/2＝0.7675。正常使用的存量用户的信用度分布应该是在0～1之间，因此信用度小于1这种情况是普遍而正常存在的。这个表明该用户经常联系一个信用度远低于自身的用户，从公式上反映为受到一个权重较大的负置信因子影响，因此降低了该用户的信用度。

通过本发明方法，将用户社交圈的信用参数引入用户信用评估体系，使用大数据平台进行社交圈信息挖掘和计算，在用户自身初始置信值的基础上引入了其所在社交圈的置信度修正因子，实现了对用户的信用度的客观评价，有利于运营商从多维度综合评估用户的信用可靠度，从而提升了用户体验，降低了运营商经营风险即降低了欠费等事件的发生概率。

图2为本发明信息评估系统的组成结构示意图，如图2所示，至少包括预处理单元、挖掘分析单元，以及信用估计单元，其中，

预处理单元，用于接收来自如现有客户关系管理系统的用户的个性化信控信息，根据用户的个性化信控信息计算每个用户的初始置信值；

挖掘处理单元，用于接收来自现有详单系统的用户的详单数据，对用户的详单数据进行分析，获取用户的社交圈信息；

信用估计单元，用于利用获得的社交圈信息计算置信值修正因子，对初始置信值进行修正以获得用户的信用值。

进一步地，预处理单元还用于：将获得的用户的信用值输出给现有客户关系管理系统保存，以便后续使用。

虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种信用评估方法，其特征在于，包括：根据用户的个性化信控信息获取每个用户的初始置信值；

对用户的详单数据进行分析，获取用户的社交圈信息；

利用获得的社交圈信息计算置信值修正因子，对初始置信值进行修正以获得用户的信用值。

2.根据权利要求1所述的信用评估方法，其特征在于，所述个性化信控信息包括：用户的在网时长、和/或欠费次数、和/或欠费时长、和/或过往通信缴费等信用记录。

3.根据权利要求2所述的信用评估方法，其特征在于，所述获取每个用户的初始置信值包括：所述用户为新入网用户，所述初始置信值为1；

所述用户为现网用户，在置信值1的基础上，结合以往信用记录，按照预先设置的策略获取所述初始置信值。

4.根据权利要求3所述的信用评估方法，其特征在于，该方法还包括：对所述初始置信值进行归一化处理，

归一化后的所述初始置信值b_n＝B_n/|B|_max，-1≤b_n≤1，其中，B_n(n＝1…N)为初始置信值，N为全网用户的数量。

5.根据权利要求1所述的信用评估方法，其特征在于，所述获取用户的社交圈信息具体包括：

通过对所述用户的若干账期的详单数据挖掘分析，获知其通信社交行为，从而确定出所述社交圈信息；

其中，所述社交圈信息包括所述用户的有效交往社交圈大小T、相邻用户及用户量化关系；其中，T为社交圈中的相邻用户数。

6.根据权利要求5所述的信用评估方法，其特征在于，利用获得的社交圈信息计算置信值修正因子包括：

根据所述用户与其相邻用户的用户量化关系x_t，以及所述用户与其社交圈中所述T个相邻用户的总体量化关系X，分别得到每个相邻用户t的置信权重α_t＝x_t/X,(t＝1…T)，其中，

按照公式计算所述用户的置信值修正因子。

7.根据权利要求4所述的信用评估方法，其特征在于，所述对初始置信值进行修正具体包括：

所述用户n的信用值其中，-2＜b_n′＜2,(n＝1…N)，为所述置信值修正因子，α_t置信权重；

对修正后的信用值b_n′进行归一化处理后的b_n″＝b_n′/2。

8.根据权利要求7所述的信用评估方法，其特征在于，该方法还包括：对所述信用值进行迭代，直到预先设置的迭代次数。

9.一种信用评估系统，其特征在于，至少包括预处理单元、挖掘分析单元，以及信用估计单元，其中，

预处理单元，用于根据用户的个性化信控信息计算每个用户的初始置信值；

挖掘处理单元，用于对用户的详单数据进行分析，获取用户的社交圈信息；

信用估计单元，用于利用获得的社交圈信息计算置信值修正因子，对初始置信值进行修正以获得用户的信用值。

10.根据权利要求9所述的信用评估系统，其特征在于，所述预处理单元还用于：将获得的用户的信用值输出给现有客户关系管理系统。