CN106022892A - 信用评分模型的更新方法及系统 - Google Patents
信用评分模型的更新方法及系统 Download PDFInfo
- Publication number
- CN106022892A CN106022892A CN201610374622.XA CN201610374622A CN106022892A CN 106022892 A CN106022892 A CN 106022892A CN 201610374622 A CN201610374622 A CN 201610374622A CN 106022892 A CN106022892 A CN 106022892A
- Authority
- CN
- China
- Prior art keywords
- credit scoring
- scoring model
- new
- model
- new credit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0609—Buyer or seller confidence or verification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种信用评分模型的更新方法及系统。本发明的信用评分模型的更新方法包括:获取借贷款请求消息,消息中至少携带用户标识信息及借贷款信息;若用户标识信息为新用户标识信息,根据借贷款信息生成样本数据;若不为新用户标识信息,根据借贷款信息更新对应的样本数据;利用设定时间段内生成的样本数据,监控当前信用评分模型的稳定性和/或准确性;若当前信用评分模型不稳定或不准确,生成新信用评分模型,并在测试平台运行新信用评分模型是否可用,直至生成可用的新信用评分模型;将当前信用评分模型替换为可用的新信用评分模型。本发明提供了一种信用评分模型的更新方法及系统,以减少信用评分模型的更新周期,降低成本。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种信用评分模型的更新方法及系统。
背景技术
借贷款系统需要评价用户的信用,就会利用到信用评分模型。
目前采用的技术方案通常是,线下完成样本训练,建立信用评分模型,然后人为对信用评分模型进行线下验证,验证通过后上线运行。
借贷款流程中,评价用户信用的信用评分模型的生成及更新过程如下:
利用已有的样本进行训练,建立信用评分模型;
等待样本的表现,待一段表现期之后,得到样本的表现结果,人为根据样本的表现结果验证信用评分模型;
验证通过后,上线运行。
可以按照设定的周期或者根据需求,人为启动上述过程,从而更新信用评分模型。
其中,一个客户对应一个样本。
现有应用于借贷款系统的信用评分模型的更新周期较长、成本较高。
发明内容
针对现有技术中的缺陷,本发明提供一种信用评分模型的更新方法及系统,以减少信用评分模型的更新周期,降低成本。
第一方面,本发明提供的信用评分模型的更新方法包括:获取借贷款请求消息,所述消息中至少携带用户标识信息及借贷款信息;判断所述用户标识信 息是否为新用户标识信息;若为新用户标识信息,根据所述新用户标识信息及对应的借贷款信息生成样本数据;若不为新用户标识信息,根据所述用户标识信息对应的借贷款信息更新对应的样本数据;利用设定时间段内生成的样本数据,监控运行平台运行的当前信用评分模型的稳定性和/或准确性;若所述当前信用评分模型不稳定或不准确,生成新信用评分模型,并在测试平台运行所述新信用评分模型以判断所述新信用评分模型是否可用,直至生成可用的新信用评分模型;将所述运行平台运行的当前信用评分模型替换为可用的所述新信用评分模型。
可选地,所述监控运行平台运行的当前信用评分模型的稳定性,包括:利用设定时间段内生成的样本数据,监控运行平台运行的当前信用评分模型的PSI取值,若PSI取值大于设定阈值,表示所述当前信用评分模型不稳定。
可选地,所述监控运行平台运行的当前信用评分模型的准确性,包括:根据所述运行平台反馈的用户还款数据更新对应的样本数据;根据更新后的样本数据监控所述当前信用评分模型的准确性。
可选地,所述生成新信用评分模型,并在测试平台运行所述新信用评分模型以判断所述新信用评分模型是否可用,直至生成可用的新信用评分模型,包括:按照多种算法分别生成新信用评分模型;在测试平台分别运行各个所述新信用评分模型以判断所述新信用评分模型是否可用,直至生成可用的新信用评分模型;若存在多个可用的新信用评分模型,按照设定策略选择最优的可用的新信用评分模型;若基于准确率检测判断所述新信用评分模型是否可用,所述设定策略为准确率最高;若基于KS值检测判断所述新信用评分模型是否可用,所述设定策略为KS值最大;若基于基尼值判断所述新信用评分模型是否可用,所述设定策略为基尼值最大;若基于ROC值判断所述新信用评分模型是否可用,所述设定策略为ROC值最大。
可选地,所述生成新信用评分模型,并在测试平台运行所述新信用评分模型以判断所述新信用评分模型是否可用,包括:利用预设比例的已有样本数据 生成新信用评分模型,并在测试平台运行所述新信用评分模型以利用剩余已有样本数据评价所述新信用评分模型是否可用。
第二方面,本发明提供的信用评分模型的更新系统包括:请求消息获取单元,用于获取借贷款请求消息,所述消息中至少携带用户标识信息及借贷款信息;新用户识别单元,用于判断所述用户标识信息是否为新用户标识信息;新用户样本生成单元,用于若为新用户标识信息,根据所述新用户标识信息及对应的借贷款信息生成样本数据;样本更新单元,用于若不为新用户标识信息,根据所述用户标识信息对应的借贷款信息更新对应的样本数据;当前模型监控单元,用于利用设定时间段内生成的样本数据,监控运行平台运行的当前信用评分模型的稳定性和/或准确性;新模型测试单元,用于若所述当前信用评分模型不稳定或不准确,生成新信用评分模型,并在测试平台运行所述新信用评分模型以判断所述新信用评分模型是否可用,直至生成可用的新信用评分模型;模型更新单元,用于将所述运行平台运行的当前信用评分模型替换为可用的所述新信用评分模型。
可选地,所述当前模型监控单元具体用于:利用设定时间段内生成的样本数据,监控运行平台运行的当前信用评分模型的PSI取值,若PSI取值大于设定阈值,表示所述当前信用评分模型不稳定。
可选地,所述当前模型监控单元具体用于:根据所述运行平台反馈的用户还款数据更新对应的样本数据;根据更新后的样本数据监控所述当前信用评分模型的准确性。
可选地,所述新模型测试单元具体用于:按照多种算法分别生成新信用评分模型;在测试平台分别运行各个所述新信用评分模型以判断所述新信用评分模型是否可用,直至生成可用的新信用评分模型;若存在多个可用的新信用评分模型,按照设定策略选择最优的可用的新信用评分模型;若基于准确率检测判断所述新信用评分模型是否可用,所述设定策略为准确率最高;若基于KS值检测判断所述新信用评分模型是否可用,所述设定策略为KS值最大;若基于 基尼值判断所述新信用评分模型是否可用,所述设定策略为基尼值最大;若基于ROC值判断所述新信用评分模型是否可用,所述设定策略为ROC值最大。
可选地,所述新模型测试单元具体用于:利用预设比例的已有样本数据生成新信用评分模型,并在测试平台运行所述新信用评分模型以利用剩余已有样本数据评价所述新信用评分模型是否可用。
由上述技术方案可知,本发明提供的信用评分模型的更新方法及系统,可自动识别借贷款系统中的新老用户,自动生成和更新用户数据,以用户数据为样本可实时更新信用评分模型,缩短信用评分模型的更新周期,提高借贷款系统的性能,降低了成本。
附图说明
图1为本发明实施例所提供的一种信用评分模型的更新方法的流程图;
图2为本发明实施例所提供的一种信用评分模型的更新系统的结构框图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只是作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
如图1所示,本发明实施例提供的信用评分模型的更新方法包括:
步骤S1,获取借贷款请求消息,消息中至少携带用户标识信息及借贷款信息。
步骤S2,判断用户标识信息是否为新用户标识信息。
步骤S3,若为新用户标识信息,根据新用户标识信息及对应的借贷款信息生成样本数据。
步骤S4,若不为新用户标识信息,根据用户标识信息对应的借贷款信息更新对应的样本数据。
步骤S5,利用设定时间段内生成的样本数据,监控运行平台运行的当前信用评分模型的稳定性和/或准确性。
步骤S6,若当前信用评分模型不稳定或不准确,生成新信用评分模型,并在测试平台运行新信用评分模型以判断新信用评分模型是否可用,直至生成可用的新信用评分模型。
步骤S7,将运行平台运行的当前信用评分模型替换为可用的新信用评分模型。
本发明实施例提供的方法,可自动识别借贷款系统中的新老用户,自动生成和更新用户数据,以用户数据为样本可实时更新信用评分模型,缩短信用评分模型的更新周期,提高借贷款系统的性能,降低了成本。
本发明实施例中,监控模型的稳定性的技术手段有多种。为了更好地监控信用评分模型的稳定性,本发明实施例提供步骤S5的一种优选实现方式:利用设定时间段内生成的样本数据,监控运行平台运行的当前信用评分模型的PSI取值,若PSI取值大于设定阈值,表示当前信用评分模型不稳定。实时监控PSI指标,以PSI指标是否超出阈值作为更新的触发条件,实现了实时、自动化地更新信用信用评分模型。
其中,PSI的取值在0~1之间;阈值可以选取0.02、0.05等等,也可根据实际需求设置。
PSI监控的具体实现方式不限。
例如,在样本量较多的情况下,每天监控当天的新样本,根据当天的PSI取值判断稳定性;在样本量较少的情况下,每天监控之前7天内的新样本,根据之前7天的PSI的取值判断稳定性。一旦判定信用评分模型不稳定,即触发生成新的信用评分模型。
本发明实施例中,监控模型的准确性的技术手段有多种。为了更好地监控 信用评分模型的准确性,本发明实施例还提供步骤S5的另一种优选实现方式:根据运行平台反馈的用户还款数据更新对应的样本数据;根据更新后的样本数据监控当前信用评分模型的准确性。
具体以借贷款为例说明上述方案:假设客户的借贷分为3期,每期1个月,即每月还款,共还3个月。那么,每次还款都会有至少如下结果:按期还款、逾期还款,据此更新样本,并判断按期还款的比例,当按期还款的比例达到设定值,则模型准确,否则模型不准确。
本发明实施例中,上述步骤S6的实现方式有多种。为了得到准确的信用评分模型,本发明实施例提供步骤S6的一种优选实现方式:按照多种算法分别生成新信用评分模型;在测试平台分别运行各个新信用评分模型以判断新信用评分模型是否可用,直至生成可用的新信用评分模型;若存在多个可用的新信用评分模型,按照设定策略选择最优的可用的新信用评分模型;若基于准确率检测判断新信用评分模型是否可用,设定策略为准确率最高;若基于KS值检测判断新信用评分模型是否可用,设定策略为KS值最大;若基于基尼值判断新信用评分模型是否可用,设定策略为基尼值最大;若基于ROC值判断新信用评分模型是否可用,设定策略为ROC值最大。
其中,生成信用评分模型的算法很多,例如:基于逻辑回归,基于决策树,基于神经网络等等。本发明实施例中,既可以采用一种既定的算法生成信用评分模型,例如采用逻辑回归建模,也可以分别利用不同的算法建立信用评分模型,相应的,按照设定的策略选择最优的信用评分模型。
为了得到准确的信用评分模型,本发明实施例还提供步骤S6的另一种优选实现方式:利用预设比例的已有样本数据生成新信用评分模型,并在测试平台运行新信用评分模型以利用剩余已有样本数据评价新信用评分模型是否可用。利用已有的样本创建模型,并利用已有的样本测试模型是否可用,使得生成的信用评分模型得到的数据更接近实际数据。
基于与上述信用评分模型的更新方法同样的发明构思,本发明实施例提供的信用评分模型的更新系统包括:请求消息获取单元101,用于获取借贷款请求消息,所述消息中至少携带用户标识信息及借贷款信息;新用户识别单元102,用于判断所述用户标识信息是否为新用户标识信息;新用户样本生成单元103,用于若为新用户标识信息,根据所述新用户标识信息及对应的借贷款信息生成样本数据;样本更新单元104,用于若不为新用户标识信息,根据所述用户标识信息对应的借贷款信息更新对应的样本数据;当前模型监控单元105,用于利用设定时间段内生成的样本数据,监控运行平台运行的当前信用评分模型的稳定性和/或准确性;新模型测试单元106,用于若所述当前信用评分模型不稳定或不准确,生成新信用评分模型,并在测试平台运行所述新信用评分模型以判断所述新信用评分模型是否可用,直至生成可用的新信用评分模型;模型更新单元107,用于将所述运行平台运行的当前信用评分模型替换为可用的所述新信用评分模型。
本发明实施例提供的系统,可自动识别借贷款系统中的新老用户,自动生成和更新用户数据,以用户数据为样本可实时更新信用评分模型,缩短信用评分模型的更新周期,提高借贷款系统的性能,降低了成本。
当前模型监控单元101具体用于:利用设定时间段内生成的样本数据,监控运行平台运行的当前信用评分模型的PSI取值,若PSI取值大于设定阈值,表示所述当前信用评分模型不稳定。实时监控PSI指标,以PSI指标是否超出阈值作为更新的触发条件,实现了实时、自动化地更新信用评分模型。
其中,PSI的取值在0~1之间;阈值可以选取0.02、0.05等等,也可根据实际需求设置。
PSI监控的具体实现方式不限。
例如,在样本量较多的情况下,每天监控当天的新样本,根据当天的PSI取值判断稳定性;在样本量较少的情况下,每天监控之前7天内的新样本,根据之前7天的PSI的取值判断稳定性。一旦判定模型不稳定,即触发生成新的 信用评分模型。
当前模型监控单元101还具体用于:根据运行平台反馈的用户还款数据更新对应的样本数据;根据更新后的样本数据监控当前信用评分模型的准确性。
具体以借贷款为例说明上述方案:假设客户的借贷分为3期,每期1个月,即每月还款,共还3个月。那么,每次还款都会有至少如下结果:按期还款、逾期还款,据此更新样本,并判断按期还款的比例,当按期还款的比例达到设定值,则模型准确,否则模型不准确。
新模型测试单元106具体用于:按照多种算法分别生成新信用评分模型;在测试平台分别运行各个所述新信用评分模型以判断所述新信用评分模型是否可用,直至生成可用的新信用评分模型;若存在多个可用的新信用评分模型,按照设定策略选择最优的可用的新信用评分模型;若基于准确率检测判断新信用评分模型是否可用,设定策略为准确率最高;若基于KS值检测判断新信用评分模型是否可用,设定策略为KS值最大;若基于基尼值判断新信用评分模型是否可用,设定策略为基尼值最大;若基于ROC值判断新信用评分模型是否可用,设定策略为ROC值最大。利用多个算法分别建立信用评分模型,选取其中最优的信用评分模型,提高了模型的准确性。
其中,生成信用评分模型的算法很多,例如:基于逻辑回归,基于决策树,基于神经网络等等。本发明实施例中,既可以采用一种既定的算法生成信用评分模型,例如采用逻辑回归建模,也可以分别利用不同的算法建立信用评分模型,相应的,按照设定的策略选择最优的信用评分模型。
新模型测试单元102还具体用于:利用预设比例的已有样本数据生成新信用评分模型,并在测试平台运行新信用评分模型以利用剩余已有样本数据评价新信用评分模型是否可用。利用已有的样本创建信用评分模型,并利用已有的样本测试信用评分模型是否可用,使得生成的信用评分模型得到的数据更接近实际数据。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其 限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种信用评分模型的更新方法,其特征在于,包括:
获取借贷款请求消息,所述消息中至少携带用户标识信息及借贷款信息;
判断所述用户标识信息是否为新用户标识信息;
若为新用户标识信息,根据所述新用户标识信息及对应的借贷款信息生成样本数据;
若不为新用户标识信息,根据所述用户标识信息对应的借贷款信息更新对应的样本数据;
利用设定时间段内生成的样本数据,监控运行平台运行的当前信用评分模型的稳定性和/或准确性;
若所述当前信用评分模型不稳定或不准确,生成新信用评分模型,并在测试平台运行所述新信用评分模型以判断所述新信用评分模型是否可用,直至生成可用的新信用评分模型;
将所述运行平台运行的当前信用评分模型替换为可用的所述新信用评分模型。
2.根据权利要求1所述的方法,其特征在于,所述监控运行平台运行的当前信用评分模型的稳定性,包括:
利用设定时间段内生成的样本数据,监控运行平台运行的当前信用评分模型的PSI取值,若PSI取值大于设定阈值,表示所述当前信用评分模型不稳定。
3.根据权利要求1所述的方法,其特征在于,所述监控运行平台运行的当前信用评分模型的准确性,包括:
根据所述运行平台反馈的用户还款数据更新对应的样本数据;
根据更新后的样本数据监控所述当前信用评分模型的准确性。
4.根据权利要求1~3任一项所述的方法,其特征在于,所述生成新信用评分模型,并在测试平台运行所述新信用评分模型以判断所述新信用评分模型是否可用,直至生成可用的新信用评分模型,包括:
按照多种算法分别生成新信用评分模型;在测试平台分别运行各个所述新信用评分模型以判断所述新信用评分模型是否可用,直至生成可用的新信用评分模型;若存在多个可用的新信用评分模型,按照设定策略选择最优的可用的新信用评分模型;
若基于准确率检测判断所述新信用评分模型是否可用,所述设定策略为准确率最高;
若基于KS值检测判断所述新信用评分模型是否可用,所述设定策略为KS值最大;
若基于基尼值判断所述新信用评分模型是否可用,所述设定策略为基尼值最大;
若基于ROC值判断所述新信用评分模型是否可用,所述设定策略为ROC值最大。
5.根据权利要求1~3任一项所述的方法,其特征在于,所述生成新信用评分模型,并在测试平台运行所述新信用评分模型以判断所述新信用评分模型是否可用,包括:
利用预设比例的已有样本数据生成新信用评分模型,并在测试平台运行所述新信用评分模型以利用剩余已有样本数据评价所述新信用评分模型是否可用。
6.一种信用评分模型的更新系统,其特征在于,包括:
请求消息获取单元,用于获取借贷款请求消息,所述消息中至少携带用户标识信息及借贷款信息;
新用户识别单元,用于判断所述用户标识信息是否为新用户标识信息;
新用户样本生成单元,用于若为新用户标识信息,根据所述新用户标识信息及对应的借贷款信息生成样本数据;
样本更新单元,用于若不为新用户标识信息,根据所述用户标识信息对应的借贷款信息更新对应的样本数据;
当前模型监控单元,用于利用设定时间段内生成的样本数据,监控运行平台运行的当前信用评分模型的稳定性和/或准确性;
新模型测试单元,用于若所述当前信用评分模型不稳定或不准确,生成新信用评分模型,并在测试平台运行所述新信用评分模型以判断所述新信用评分模型是否可用,直至生成可用的新信用评分模型;
模型更新单元,用于将所述运行平台运行的当前信用评分模型替换为可用的所述新信用评分模型。
7.根据权利要求6所述的系统,其特征在于,所述当前模型监控单元具体用于:
利用设定时间段内生成的样本数据,监控运行平台运行的当前信用评分模型的PSI取值,若PSI取值大于设定阈值,表示所述当前信用评分模型不稳定。
8.根据权利要求6所述的系统,其特征在于,所述当前模型监控单元具体用于:
根据所述运行平台反馈的用户还款数据更新对应的样本数据;
根据更新后的样本数据监控所述当前信用评分模型的准确性。
9.根据权利要求6~8任一项所述的系统,其特征在于,所述新模型测试单元具体用于:
按照多种算法分别生成新信用评分模型;在测试平台分别运行各个所述新信用评分模型以判断所述新信用评分模型是否可用,直至生成可用的新信用评分模型;若存在多个可用的新信用评分模型,按照设定策略选择最优的可用的新信用评分模型;
若基于准确率检测判断所述新信用评分模型是否可用,所述设定策略为准确率最高;
若基于KS值检测判断所述新信用评分模型是否可用,所述设定策略为KS值最大;
若基于基尼值判断所述新信用评分模型是否可用,所述设定策略为基尼值最大;
若基于ROC值判断所述新信用评分模型是否可用,所述设定策略为ROC值最大。
10.根据权利要求6~8任一项所述的系统,其特征在于,所述新模型测试单元具体用于:
利用预设比例的已有样本数据生成新信用评分模型,并在测试平台运行所述新信用评分模型以利用剩余已有样本数据评价所述新信用评分模型是否可用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610374622.XA CN106022892A (zh) | 2016-05-30 | 2016-05-30 | 信用评分模型的更新方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610374622.XA CN106022892A (zh) | 2016-05-30 | 2016-05-30 | 信用评分模型的更新方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106022892A true CN106022892A (zh) | 2016-10-12 |
Family
ID=57092549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610374622.XA Pending CN106022892A (zh) | 2016-05-30 | 2016-05-30 | 信用评分模型的更新方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106022892A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107392408A (zh) * | 2017-05-23 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 一种信用分数的提示信息输出方法及装置 |
CN108109066A (zh) * | 2017-12-11 | 2018-06-01 | 上海前隆信息科技有限公司 | 一种信用评分模型更新方法及系统 |
CN108416662A (zh) * | 2017-02-10 | 2018-08-17 | 腾讯科技(深圳)有限公司 | 一种数据验证方法及装置 |
CN108428001A (zh) * | 2017-02-13 | 2018-08-21 | 腾讯科技(深圳)有限公司 | 信用分值预测方法及装置 |
CN108573355A (zh) * | 2018-05-08 | 2018-09-25 | 阿里巴巴集团控股有限公司 | 模型更新后替换运行的方法、装置、及业务服务器 |
CN108776791A (zh) * | 2018-06-07 | 2018-11-09 | 中国平安人寿保险股份有限公司 | 客户身份识别校验方法、装置、计算机设备和存储介质 |
CN108985921A (zh) * | 2018-06-28 | 2018-12-11 | 中国银行股份有限公司 | 基于人工智能的信用评级方法及装置 |
CN110263934A (zh) * | 2019-05-31 | 2019-09-20 | 中国信息通信研究院 | 一种人工智能数据标注方法和装置 |
CN110322334A (zh) * | 2018-03-29 | 2019-10-11 | 上海麦子资产管理集团有限公司 | 信用评级方法及装置、计算机可读存储介质、终端 |
CN111091443A (zh) * | 2019-11-25 | 2020-05-01 | 重庆工程学院 | 一种信用业务平台的用户信用评级系统 |
CN111459961A (zh) * | 2020-03-31 | 2020-07-28 | 深圳前海微众银行股份有限公司 | 业务数据的更新方法、装置、设备及存储介质 |
CN111582646A (zh) * | 2020-04-09 | 2020-08-25 | 上海淇毓信息科技有限公司 | 用户策略风险预警方法、装置及电子设备 |
CN111915511A (zh) * | 2020-07-06 | 2020-11-10 | 中兴飞流信息科技有限公司 | 一种图像增强模型在线更新系统 |
CN112085595A (zh) * | 2020-09-27 | 2020-12-15 | 中国建设银行股份有限公司 | 信用评分模型的监控方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101996385A (zh) * | 2009-08-25 | 2011-03-30 | 埃森哲环球服务有限公司 | 索赔分析引擎 |
CN103426123A (zh) * | 2013-07-24 | 2013-12-04 | 国家电网公司 | 基于粗糙集理论的配电网故障风险评估方法 |
CN103839183A (zh) * | 2014-03-19 | 2014-06-04 | 江苏苏大大数据科技有限公司 | 智能授信方法及智能授信装置 |
CN103886617A (zh) * | 2014-03-07 | 2014-06-25 | 华为技术有限公司 | 一种运动目标检测的方法及装置 |
-
2016
- 2016-05-30 CN CN201610374622.XA patent/CN106022892A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101996385A (zh) * | 2009-08-25 | 2011-03-30 | 埃森哲环球服务有限公司 | 索赔分析引擎 |
CN103426123A (zh) * | 2013-07-24 | 2013-12-04 | 国家电网公司 | 基于粗糙集理论的配电网故障风险评估方法 |
CN103886617A (zh) * | 2014-03-07 | 2014-06-25 | 华为技术有限公司 | 一种运动目标检测的方法及装置 |
CN103839183A (zh) * | 2014-03-19 | 2014-06-04 | 江苏苏大大数据科技有限公司 | 智能授信方法及智能授信装置 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416662A (zh) * | 2017-02-10 | 2018-08-17 | 腾讯科技(深圳)有限公司 | 一种数据验证方法及装置 |
CN108416662B (zh) * | 2017-02-10 | 2021-09-21 | 腾讯科技(深圳)有限公司 | 一种数据验证方法及装置 |
CN108428001A (zh) * | 2017-02-13 | 2018-08-21 | 腾讯科技(深圳)有限公司 | 信用分值预测方法及装置 |
CN108428001B (zh) * | 2017-02-13 | 2021-05-25 | 腾讯科技(深圳)有限公司 | 信用分值预测方法及装置 |
CN107392408A (zh) * | 2017-05-23 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 一种信用分数的提示信息输出方法及装置 |
CN107392408B (zh) * | 2017-05-23 | 2020-09-11 | 阿里巴巴集团控股有限公司 | 一种信用分数的提示信息输出方法及装置 |
CN108109066A (zh) * | 2017-12-11 | 2018-06-01 | 上海前隆信息科技有限公司 | 一种信用评分模型更新方法及系统 |
CN110322334A (zh) * | 2018-03-29 | 2019-10-11 | 上海麦子资产管理集团有限公司 | 信用评级方法及装置、计算机可读存储介质、终端 |
CN108573355B (zh) * | 2018-05-08 | 2021-07-13 | 创新先进技术有限公司 | 模型更新后替换运行的方法、装置、及业务服务器 |
CN108573355A (zh) * | 2018-05-08 | 2018-09-25 | 阿里巴巴集团控股有限公司 | 模型更新后替换运行的方法、装置、及业务服务器 |
CN108776791A (zh) * | 2018-06-07 | 2018-11-09 | 中国平安人寿保险股份有限公司 | 客户身份识别校验方法、装置、计算机设备和存储介质 |
CN108985921A (zh) * | 2018-06-28 | 2018-12-11 | 中国银行股份有限公司 | 基于人工智能的信用评级方法及装置 |
CN110263934A (zh) * | 2019-05-31 | 2019-09-20 | 中国信息通信研究院 | 一种人工智能数据标注方法和装置 |
CN110263934B (zh) * | 2019-05-31 | 2021-08-06 | 中国信息通信研究院 | 一种人工智能数据标注方法和装置 |
CN111091443A (zh) * | 2019-11-25 | 2020-05-01 | 重庆工程学院 | 一种信用业务平台的用户信用评级系统 |
CN111459961A (zh) * | 2020-03-31 | 2020-07-28 | 深圳前海微众银行股份有限公司 | 业务数据的更新方法、装置、设备及存储介质 |
CN111582646A (zh) * | 2020-04-09 | 2020-08-25 | 上海淇毓信息科技有限公司 | 用户策略风险预警方法、装置及电子设备 |
CN111915511A (zh) * | 2020-07-06 | 2020-11-10 | 中兴飞流信息科技有限公司 | 一种图像增强模型在线更新系统 |
CN112085595A (zh) * | 2020-09-27 | 2020-12-15 | 中国建设银行股份有限公司 | 信用评分模型的监控方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106022892A (zh) | 信用评分模型的更新方法及系统 | |
Li et al. | A steady-state solution for the optimal pavement resurfacing problem | |
CN106022912A (zh) | 评价模型的更新方法及系统 | |
CN103778548B (zh) | 商品信息与关键词匹配方法、商品信息投放方法及装置 | |
US20210174144A1 (en) | Method and apparatus for obtaining training sample of first model based on second model | |
CN107590565A (zh) | 一种构建建筑能耗预测模型的方法及装置 | |
CN109976998B (zh) | 一种软件缺陷预测方法、装置和电子设备 | |
CN113191502A (zh) | 一种人工智能模型在线训练方法及系统 | |
CN111476296A (zh) | 样本生成方法、分类模型训练方法、识别方法及对应装置 | |
CN109636467A (zh) | 一种品牌的互联网数字资产的综合评估方法及系统 | |
CN110796261A (zh) | 基于强化学习的特征提取方法、装置和计算机设备 | |
Eicher et al. | How do institutions lead some countries to produce so much more output per worker than others? | |
CN111199493A (zh) | 一种基于客户缴费信息及征信信息的欠费风险识别方法 | |
CN108629508A (zh) | 信用风险分类方法、装置、计算机设备及存储介质 | |
US11113111B2 (en) | Machine learning task compartmentalization and classification | |
CN114969528A (zh) | 基于能力评测的用户画像和学习路径推荐方法、装置及设备 | |
CN111210332A (zh) | 贷后管理策略生成方法、装置及电子设备 | |
CN109727125A (zh) | 借款金额预测方法、装置、服务器、存储介质 | |
CN113344708A (zh) | 大型系统投产演练应用评估方法及系统 | |
CN105469141A (zh) | 基于神经网络的预测方法及系统 | |
CN105608460A (zh) | 多分类器融合方法和系统 | |
CN109359850A (zh) | 一种生成风险评估量表的方法及装置 | |
CN105101475B (zh) | 一种识别无线局域网wlan潜在用户的方法及装置 | |
CN110020728B (zh) | 业务模型强化学习方法以及装置 | |
CN113723536A (zh) | 一种电力巡检目标识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161012 |