CN106327326A - 信用评级的方法及装置 - Google Patents
信用评级的方法及装置 Download PDFInfo
- Publication number
- CN106327326A CN106327326A CN201610772637.1A CN201610772637A CN106327326A CN 106327326 A CN106327326 A CN 106327326A CN 201610772637 A CN201610772637 A CN 201610772637A CN 106327326 A CN106327326 A CN 106327326A
- Authority
- CN
- China
- Prior art keywords
- grading
- credit grade
- credit
- grade
- grading object
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- 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
- G06Q40/03—Credit; Loans; Processing thereof
Abstract
本公开是关于一种信用评级的方法及装置,属于互联网技术领域。方法包括:获取评级对象群组,根据对象群组中的各个评级对象的信用等级,及各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对该各个评级对象的信用等级进行循环更新,直至各个评级对象的信用等级达到预设收敛状态,获取达到该预设收敛状态的各个评级对象的信用等级,在确定各个评级对象的信用等级时,通过预设顺序循环更新各个评级对象的信用等级,在一次循环中依次更新信用等级,直至各个评级对象的信用等级达到预设的收敛状态,达到了使评级对象的信用等级的确定更加准确的效果。
Description
技术领域
本公开涉及互联网技术领域,特别涉及一种信用评级的方法及装置。
背景技术
随着互联网技术在金融业中应用的普及,金融机构为了控制向用户提供的金融服务的风险,会利用互联网技术确定用户的信用等级。
在确定用户的信用等级时,需要获取用户的基本信息、借记卡的使用记录以及信用卡的使用记录等信息,按照预先搭建好的数据处理模型计算用户的信用等级。
发明内容
本公开实施例提供了一种信用评级方法及装置,技术方案如下:
根据本公开实施例的第一方面,提供了一种信用评级方法,所述方法包括:
获取评级对象群组,所述评级对象群组包含的各个评级对象中相邻的评级对象之间具有社交关系;
根据所述各个评级对象的信用等级,以及所述各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对所述各个评级对象的信用等级进行循环更新,直至所述各个评级对象的信用等级达到预设收敛状态;
获取达到所述预设收敛状态的所述各个评级对象的信用等级。
可选的,所述根据所述各个评级对象的信用等级,以及所述各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对所述各个评级对象的信用等级进行循环更新之前,所述方法还包括:
获取所述各个评级对象各自的评级参数,所述评级参数是与对应的评级对象的信用等级相关联的参数;
根据所述各个评级对象各自的评级参数,确定所述各个评级对象各自的信用等级的初始值。
可选的,所述评级参数包括消费参数、收入参数和财经应用使用指数中至少一个。
可选的,所述根据所述各个评级对象的信用等级,以及所述各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对所述各个评级对象的信用等级进行循环更新,包括:
在一个循环周期内,对于所述各个评级对象中的当前评级对象,将所述当前评级对象的信用等级以及所述当前评级对象相邻的评级对象的信用等级中,出现次数最多的一种信用等级确定为目标信用等级;
将所述当前评级对象的信用等级更新为所述目标信用等级。
可选的,当所述当前评级对象的信用等级以及所述当前评级对象相邻的评级对象的信用等级中,出现次数最多的信用等级为两种或两种以上时,所述将所述当前评级对象的信用等级以及所述当前评级对象相邻的评级对象的信用等级中,出现次数最多的一种信用等级确定为目标信用等级,包括:
随机将所述两种或两种以上出现次数最多的信用等级中的一种确定为所述目标信用等级。
可选的,在一个循环周期内,当所述各个评级对象更新后的信用等级与更新前的信用等级的差值的绝对值小于预设阈值时,确定所述各个评级对象的信用等级为所述预设收敛状态。
根据本公开实施例的第二方面,提供了一种信用评级装置,所述装置包括:
群组获取模块,被配置为获取评级对象群组,所述评级对象群组包含的各个评级对象中相邻的评级对象之间具有社交关系;
循环更新模块,被配置为根据所述各个评级对象的信用等级,以及所述各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对所述各个评级对象的信用等级进行循环更新,直至所述各个评级对象的信用等级达到预设收敛状态;
等级获取模块,被配置为获取达到所述预设收敛状态的所述各个评级对象的信用等级。
可选的,所述装置还包括:
参数获取模块,被配置为获取所述各个评级对象各自的评级参数,所述评级参数是与对应的评级对象的信用等级相关联的参数;
初始值确定模块,被配置为根据所述各个评级对象各自的评级参数确定所述各个评级对象各自的信用等级的初始值。
可选的,所述评级参数包括消费参数、收入参数和财经应用使用指数中至少一个。
可选的,所述循环更新模块,包括:
等级确定子模块,被配置为在一个循环周期内,对于所述各个评级对象中的当前评级对象,将所述当前评级对象的信用等级以及所述当前评级对象相邻的评级对象的信用等级中,出现次数最多的一种信用等级确定为目标信用等级;
等级更新子模块,被配置为将所述当前评级对象的信用等级更新为所述目标信用等级。
可选的,所述等级确定子模块,还被配置为:
随机将所述两种或两种以上出现次数最多的信用等级中的一种确定为所述目标信用等级。
可选的,在一个循环周期内,当所述各个评级对象更新后的信用等级与更新前的信用等级的差值的绝对值小于预设阈值时,确定所述各个评级对象的信用等级为所述预设收敛状态。
根据本公开实施例的第三方面,提供了一种信用评级装置,所述装置包括:
处理器;
用于存储所述处理器的可执行指令的存储器;
其中,所述处理器被配置为:
获取评级对象群组,所述评级对象群组包含的各个评级对象中,相邻的评级对象之间具有社交关系;
根据所述各个评级对象的信用等级,以及所述各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对所述各个评级对象的信用等级进行循环更新,直至所述各个评级对象的信用等级达到预设收敛状态;
获取达到所述预设收敛状态的所述各个评级对象的信用等级。
本公开实施例提供的技术方案可以包括以下有益效果:
通过获取评级对象群组,根据对象群组中的各个评级对象的信用等级,以及各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对该各个评级对象的信用等级进行循环更新,直至各个评级对象的信用等级达到预设收敛状态,获取达到该预设收敛状态的各个评级对象的信用等级,在确定评级对象群组中的各个评级对象的信用等级时,通过预设顺序循环更新各个评级对象的信用等级,使得该评级对象群组中的各个评级对象按照预设顺序,在一次循环中依次更新信用等级,直至各个评级对象的信用等级达到预设的收敛状态,达到了使评级对象的信用等级的确定更加准确的效果。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种信用评级方法的流程图;
图2是根据一示例性实施例示出的另一种信用评级方法的流程图;
图3是基于图2所示实施例提供的一种信用等级更新过程的示意图;
图4是根据另一示例性实施例示出的一种信用评级方法的流程图;
图5是基于图4所示实施例示出的一种信用等级更新过程的示意图;
图6是根据一示例性实施例示出的一种信用评级装置的框图;
图7是根据一示例性实施例示出的另一种信用评级装置的框图;
图8是根据一示例性实施例示出的一种装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的方法和装置的例子。
本公开实施例提供的方法,各步骤的执行主体可以是具有数据处理能力的电子设备,例如个人电脑、智能手机、平板电脑、服务器等。为了便于描述,在下述方法实施例中,以各步骤的执行主体为电子设备进行说明。
图1是根据一示例性实施例示出的一种信用评级方法的流程图,该信用评级方法可以适用于具有数据处理能力的电子设备中,该信用评级方法包括如下几个步骤:
在步骤101中,获取评级对象群组,该评级对象群组包含的各个评级对象中相邻的评级对象之间具有社交关系。
在步骤102中,根据各个评级对象的信用等级,以及各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对各个评级对象的信用等级进行循环更新,直至各个评级对象的信用等级达到预设收敛状态。
在步骤103中,获取达到该预设收敛状态的各个评级对象的信用等级。
综上所述,本实施例提供的信用评级方法,通过获取评级对象群组,根据对象群组中的各个评级对象的信用等级,以及各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对该各个评级对象的信用等级进行循环更新,直至各个评级对象的信用等级达到预设收敛状态,获取达到该预设收敛状态的各个评级对象的信用等级,在确定评级对象群组中的各个评级对象的信用等级时,通过预设顺序循环更新各个评级对象的信用等级,使得该评级对象群组中的各个评级对象均会按照预设顺序,在一次循环中依次更新信用等级,直至各个评级对象的信用等级达到预设的收敛状态,达到了使评级对象的信用等级的确定更加准确的效果。
图2是根据一示例性实施例示出的另一种信用评级方法的流程图,该信用评级方法可以适用于具有数据处理能力的电子设备中,该信用评级方法包括如下几个步骤:
在步骤201中,获取评级对象群组。
其中,电子设备获取的评级对象群组包含若干个评级对象,在该评级对象群组包含的各个评级对象中,相邻的评级对象之间具有社交关系。该社交关系可以是手机通讯录中互存联系方式的关系,或者,也可以是社交软件(应用)中互为好友的关系。在实际操作中,该社交关系可以包括活跃关系,例如,当该社交关系是社交软件(应用)中的好友关系时,该具有好友关系的双方在预定时间内有过聊天记录的可视为活跃关系。然而,该社交关系不包括非活跃关系,例如,当两个评级对象是社交软件(应用)中的好友关系时,而该具有好友关系的两个评级对象在预定时间内没有聊天记录时,此时,电子终端认为该两个评级对象不具有社交关系。
其中,在电子设备处理该对象群组的数据时,可以将该对象群组中每一个评级对象作为一个数据节点,具有好友关系的两个评级对象之间由一条边相连,本公开中的边指的是数学的图论中的边,由该边相连的两个评级对象互为相邻的评级对象。通过该处理方法,可将评级对象群组映射为一个包含若干个数据节点和节点之间的边的无向图。
在步骤202中,获取各个评级对象各自的评级参数。
在本实施例中,该评级参数是与对应的评级对象的信用等级相关联的参数,可以包括对应的评级对象的消费参数、收入参数和财经应用使用指数中至少一个。其中,消费参数可以指评级对象在指定时间段内的信用卡消费记录、借记卡消费记录以及电子账户消费记录等;收入参数可以包括评级对象在指定时间段内的工资收入、理财收入以及投资收入等;财经应用使用指数可以是在指定时间段内的财经类应用的使用时长,或者在指定时间段内评级对象使用的财经类应用的数目。电子设备获取各个评级对象各自的评级参数。
在步骤203中,根据各个评级对象各自的评级参数确定各个评级对象各自的信用等级的初始值。
电子设备在确定各个评级对象各自的信用等级的初始值时,会先确定各个评级对象对应的评级参数。对于同一个评级对象群组而言,电子设备确定该评级对象群组中的各个评级对象的评级参数的种类可以是相同的。例如,对于同一个评级对象群组中的各个评级对象,评级参数可以均为消费参数和收入参数。当电子设备处理另外一个评级对象群组时,该评级对象群组中各个评级对象的评级参数可以均为消费参数。
在确定各个评级对象各自的信用等级的初始值的过程中,对于每一个评级对象,电子设备可以将该评级对象的评级参数加权求和后再进行归一化处理,得到该评级对象的信用等级的初始值,以完成对该评级对象的信用等级的初始化。
例如,当该评级对象的评级参数是消费参数C和收入参数S,且消费参数的权重为W1,收入参数的权重为W2时,该评级对象的中间参数V可以由下列算式表示。
V=C*W1+S*W2
在得到上述中间参数V后,对该中间参数V进行归一化处理,归一化的实现方式可以包括线性函数转换、对数函数转换和反正切函数转换等,本公开实施例不对实现归一化的方式进行限定。归一化后的数值范围可以根据需要自行确定,例如,归一化后数值范围可以是集合A={1,2,3,4,5,6,7,8,9,10},也可以是集合B={1,2,3,4,5},还可以是其它包含归一化处理后的数值的取值范围的集合。当归一化的实现方式是线性函数转换时,若中间参数V的最大值是Vmax,则归一化后的评级对象的信用等级的初始值T可以由下述算式表示。
T=[10(Vmax-V)/Vmax]
其中,评级对象的信用等级的初始值T是经过上述算式得出的计算过程,由于使用了取整的计算方式,所以得到的评级对象的信用等级的初始值T是一个整数值。例如,当Vmax是1000,V是10时,算式10(Vmax-V)/Vmax的值为9.9,由于使用了取整计算(运算符号为“[]”),得到[9.9]=9,此时9为中间参数V对应的评级对象的信用等级的初始值T的数值。
在步骤204中,根据各个评级对象的信用等级,以及该各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对该各个评级对象的信用等级进行循环更新,直至该各个评级对象的信用等级达到预设收敛状态。
其中,电子设备在执行步骤204时,可以根据实际需要对该评级对象群组进行若干个循环周期的更新,直至该评级对象群组中的各个评级对象的信用等级达到预设收敛状态。由于每一次循环更新的方法相同,故以一次循环更新为例,对本实施例提供的循环更新各个评级对象的信用等级方法进行说明。
电子设备按照预设顺序将该评级对象群组中各个评级对象均更新一次的过程,视为一个循环周期。其中,在一个循环周期中,步骤204可以通过电子设备执行步骤204a、步骤204b和204c来实现。
其中,预设顺序可以是设计人员在设定评级对象群组中的评级对象时指定的顺序,也可以是评级对象在电子设备中生成的顺序。
在步骤204a中,对于该各个评级对象中的当前评级对象,将该当前评级对象的信用等级以及该当前评级对象相邻的评级对象的信用等级中,出现次数最多的一种信用等级确定为目标信用等级。
其中,电子设备在执行步骤204a时,针对当前评级对象,确定该评级对象的信用等级,以及与当前评级对象相邻的评级对象的信用等级,目的在于选择其中出现次数的最多的一种信用等级作为当前目标评级对象的信用等级。例如,当前评级对象的信用等级是2,其相邻的评级对象有三个,此三个评级对象的信用等级分别为3、4和2,在出现的三种信用等级中,信用等级2出现两次,信用等级3出现一次,信用等级4出现一次。
可选的,当该当前评级对象的信用等级以及该当前评级对象相邻的评级对象的信用等级中,出现次数最多的信用等级为两种或两种以上时,随机将该两种或两种以上出现次数最多的信用等级中的一种确定为该目标信用等级。
在电子设备执行步骤204a的过程中,可能出现两种或者两种以上的信用等级出现的次数相同的情况,在此情况下,电子设备可以使用随机策略确定其中一种信用等级为该目标信用等级。其中,实现该随机策略的工具可以是随机函数,电子设备使用随机函数,在两种或者两种以上出现次数相同的信用等级中选择一种作为该目标信用等级。
在步骤204b中,将该当前评级对象的信用等级更新为该目标信用等级。
电子设备将当前评级对象的信用等级更新为上述步骤中确定的出现次数最多的一种信用等级。
在步骤204c中,在一个循环周期结束后,在该循环周期内,当各个评级对象更新后的信用等级与更新前的信用等级的差值的绝对值小于预设阈值时,确定该各个评级对象的信用等级为预设收敛状态。
其中,预设阈值是一个常数,电子设备在一个循环周期结束后,会求各个评级对象更新后的信用等级与其更新前的信用等级的差值的绝对值,当各个评级对象所得出的上述绝对值均小于预设阈值时,电子设备确定该各个评级对象的信用等级为预设收敛状态。
当各个评级对象更新后的信用等级与更新前的信用等级的差值的绝对值中,含有不小于预设阈值的数时,电子设备进入下一个循环周期,重新执行步骤204a、步骤204b和步骤204c。
请参考图3,其是基于图2所示实施例提供的一种信用等级更新过程的示意图,该评级对象群组示意图中,包括四个评级对象,分别是评级对象301、评级对象302、评级对象303和评级对象304。其中,评级对象301的信用等级初始值是1、评级对象302的信用等级初始值是2、评级对象303的信用等级初始值是2、以及评级对象304的信用等级初始值是4。评级对象301通过边分别与评级对象302、评级对象303相连,评级对象302还通过边与评级对象303相连,评级对象303还通过边与评级对象304相连。
下面以图3中所示的评级对象组为例,说明本公开实施例提供的信用评级的方法。在图3中,预设顺序是评级对象301、评级对象302、评级对象303到评级对象304。电子设备首先对评级对象301进行信用等级更新,该评级对象301的信用等级为1,与评级对象301相邻的评级对象302的信用等级为2,与评级对象301相邻的评级对象303的信用等级为2,由于信用等级2出现了两次,信用等级1出现了一次,所以选择信用等级2为评级对象301更新后的信用等级。在对评级对象302进行信用等级更新时,该评级对象302的信用等级为2,与评级对象302相邻的评级对象301的信用等级为2(该信用等级是已经经过上述步骤更新的信用等级),与评级对象302相邻的评级对象303的信用等级为2,信用等级3出现了2次,没有其它信用等级出现,所以将该信用等级2作为评级对象302更新后的信用等级。同理,评级对象303更新后的信用等级是2。在对评级对象304进行信用等级更新时,由于本身的信用等级是4,与之相邻的评级对象只有一个且信用等级是2,两种信用等级2和信用等级4均出现一次,此时电子设备使用随机函数选择信用等级2,或者选择信用等级4作为评级对象304更新后的信用等级。
若电子设备中的随机函数选择信用等级2作为评级对象304更新后的信用等级,则经过本次循环周期后的各个评级对象对应的信用等级如表一所示。表一包括了本次循环周期更新前和更新后的信用等级,更新前的信用等级用“更新前”一行表示,更新后的信用等级用“更新后”一行表示。
表一
评级对象 | 301 | 302 | 303 | 304 |
更新前 | 1 | 2 | 2 | 4 |
更新后 | 2 | 2 | 2 | 2 |
若电子设备中的随机函数选择信用等级4作为评级对象304更新后的信用等级,则经过本次循环周期后的各个评级对象对应的信用等级如表二所示。表二包括了本次循环周期更新前和更新后的信用等级,更新前的信用等级用“更新前”一行表示,更新后的信用等级用“更新后”一行表示。
表二
评级对象 | 301 | 302 | 303 | 304 |
更新前 | 1 | 2 | 2 | 4 |
更新后 | 2 | 2 | 2 | 4 |
无论本次更新完成后的结果是表一中所示的结果还是表二中所示的结果,电子设备会求各个评级对象更新后的信用等级与其更新前的信用等级的差值的绝对值,当各个评级对象所得出的上述绝对值均小于预设阈值时,电子设备确定该各个评级对象的信用等级为预设收敛状态。本实施例中以预设阈值为0.5进行说明,在一次循环周期结束后,表一中含有评级对象301以及评级对象304更新前和更新后的信用等级大于预设阈值0.5,所以电子设备在表一各个评级对象的信用等级的基础上,进入下一个循环周期。同理,由于表二中含有评级对象301更新前和更新后的信用等级大于预设阈值0.5,所以电子设备在表二各个评级对象的信用等级的基础上,进入下一个循环周期。
在第二次循环周期中,基于表一中数据进行更新后的各个评级对象的信用等级如表三所示,在表三中,第一次更新前的信用等级用“第一次更新前”一行表示,第一次更新后的信用等级用“第一次更新后”一行表示,第二次更新后的信用等级用“第二次更新后”一行表示。
表三
评级对象 | 301 | 302 | 303 | 304 |
第一次更新前 | 1 | 2 | 2 | 4 |
第一次更新后 | 2 | 2 | 2 | 2 |
第二次更新后 | 2 | 2 | 2 | 2 |
电子设备在对第二次更新后,求各个评级对象更新后的信用等级与其更新前的信用等级的差值的绝对值,得到的结果均为0,则确定该各个评级对象的信用等级为预设收敛状态,不进入下一个循环周期,执行步骤205。
同理,在第二次循环周期中,基于表二中数据进行更新后的各个评级对象的信用等级的处理方法,与基于表一中各个评级对象的信用等级进行更新的处理方法类似,此处不再赘述。
如图3中所示的过程,评级对象群组在第一次检测周期更新后,可能出现评级对象304的信用等级是4的情况,以及评级对象304的信用等级是2的情况。在第二次检测周期更新后,在第一次检测周期更新后的评级对象304的信用等级是4的情况中,该评级对象304的信用等级仍可能出现是信用等级4的情况,若此情况发生,则第一次检测周期更新后的各个评级对象的信用等级和第二次检测周期更新后对应的各个评级对象等级完全相同,电子设备停止进入下一个检测周期,此时各个评级对象处于预设收敛状态。
或者,在该评级对象304在第一次检测周期更新后的信用等级是4的情况下,在第二次检测周期中更新后的信用等级是2,那么电子设备将对该评级对象群组进行第三次检测周期,在第三次检测周期更新后的各个评级对象的信用等级与第二次检测周期更新后的信用评级相同,电子设备停止进入下一个检测周期,此时各个评级对象处于预设收敛状态。
或者,在该评级对象304在第一次检测周期更新后的信用等级是2的情况下,在第二次检测周期中更新后的信用等级是2,则在第二次检测周期更新后的各个评级对象的信用等级与第一次检测周期更新后的信用评级相同,电子设备停止进入下一个检测周期,此时各个评级对象处于预设收敛状态。
在步骤205中,获取达到该预设收敛状态的该各个评级对象的信用等级。
电子设备在执行步骤205时,其所处理的评级对象群组中的各个评级对象均已处于预设收敛状态,所以直接获取该信用评级对象群组中各个评级对象的信用等级即可。
电子设备获取达到预设收敛状态的各个评级对象的信用等级,作为对各个评级对象的信用等级。或者,在实际应用中,本实施例提供的方法获取到的评级对象的信用等级可以作为综合评定一个评级对象信用值的指标,还可以进一步结合评级对象的其它基本信息综合评定该评级对象的信用值,例如,当评级对象是个人用户时,其它信息可以是评级对象的年龄和职业等;当评级对象是团体用户时,其它信息可以是团体成立时间、性质和经营范围等。
例如,基于图3中所示实施例中表三第二次更新后的各个评级对象的信用等级,获取的处于预设收敛状态的评级对象301的信用等级、评级对象302、评级对象303和评级对象304的信用等级均是信用等级2。
综上所述,本公开实施例提供的信用评级的方法,通过获取评级对象群组,获取各个评级对象各自的评级参数,根据各个评级对象各自的评级参数确定各个评级对象各自的信用等级的初始值,根据各个评级对象的信用等级,以及该各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对该各个评级对象的信用等级进行循环更新,直至该各个评级对象的信用等级达到预设收敛状态,获取达到该预设收敛状态的该各个评级对象的信用等级,在确定评级对象群组中的各个评级对象的信用等级时,通过预设顺序循环更新各个评级对象的信用等级,使得该评级对象群组中的各个评级对象均会按照预设顺序,在一次循环中依次更新信用等级,直至各个评级对象的信用等级达到预设的收敛状态,达到了使评级对象的信用等级的确定更加准确的效果。
图4是根据另一示例性实施例示出的一种信用评级方法的流程图,该信用评级方法可以适用于具有数据处理能力的电子设备中,该信用评级方法包括如下几个步骤:
在步骤401中,获取评级对象群组。
其中,该评级对象群组包含的各个评级对象中,相邻的评级对象之间具有社交关系,且该社交关系具有方向性,该社交关系可以是手机通讯录中单方面保存的联系方式的关系。例如,用户U1保存了用户U2的联系方式,用户U2没有保存用户U1的联系方式,在以一幅有向图来表示该社交关系时,用户U1和用户U2均以一个节点来表示,此时用户U1和用户U2之间的逻辑关系可以通过一条从用户U1的节点指向用户U2的节点的有向线段来表示,此时从用户U1指向用户U2的有向线段表示这两个用户之间的社交关系,含义为用户U1保存了用户U2的联系方式,用户U2没有保存用户U1的联系方式。
在本实施例中,可以将该对象群组中每一个评级对象作为一个数据节点,具有好友关系的两个评级对象之间由一条逻辑上的有向线段相连。通过该处理方法,电子设备可将评级对象群组获取为一个包含若干个数据节点和节点之间的有向线段的图。
在步骤402中,获取各个评级对象各自的评级参数。
该步骤402的执行过程可参见步骤202的执行过程,此处不再赘述。
在步骤403中,根据各个评级对象各自的评级参数确定各个评级对象各自的信用等级的初始值。
该步骤403的执行过程可参见步骤203的执行过程,此处不再赘述。
在步骤404中,根据各个评级对象各自指向该评级对象的相邻评级对象的信用等级,以及各个相邻评级对象的单方面联系对象的个数,按照预设顺序依次对该各个评级对象的信用等级进行循环更新,直至该各个评级对象的信用等级达到预设收敛状态,该单方面联系对象的个数用于指示该各个相邻对象各自单方面具有社交关系的相邻对象的个数。
其中,一个评级对象的单方面联系对象的个数指在一个对象当方面保存有联系方式的评级对象的个数。例如,请参见图5,其是基于图4所示实施例示出的一种信用等级更新过程的示意图。评级对象501的单方面联系对象是评级对象502,故该评级对象501的单方面评级对象的个数是1;同理,评级对象503的单方面联系对象有评级对象501和评级对象502,故该评级对象503的单方面评级对象的个数是2。
其中,在一个循环周期内,电子设备对当前评级对象的信用等级更新时,获取指向该当前评级对象的各个相邻的评级对象,以及这些相邻的评级对象向外指向的相邻的评级对象的个数。将当前评级对象的各个相邻对象投给该当前的评级对象的分值相加,该相加后的和值是更新后的当前评级对象的分值。其中,一个评级对象能够投给当前评级对象的分值为该评级对象的信用等级除以该评级对象指向的评级对象的个数。
例如,一个评级对象A1指向评级对象A2和评级对象A3,且该评级对象的信用等级是2,则可以投给评级对象A2的分值是信用等级2的二分之一,即数值1,可以投给评级对象A3的分值也是信用等级2的二分之一,数值1。
在图5中,评级对象501的信用等级的初始值是2,评级对象502的信用等级的初始值是2,评级对象503的信用等级的初始值是4,预设顺序是从评级对象501到评级对象502,再到评级对象503。若电子设备对当前的评级对象501进行信用等级更新,获取指向该评级对象501的相邻评级对象,发现该评级对象群组中,评级对象502和评级对象503是指向该评级对象501的,且评级对象502向外指向的相邻对象的个数是一个,评级对象503向外指向的相邻对象的个数是两个,则评级对象501更新后的信用等级是信用等级4(评级对象502的信用等级2加上评级对象503的信用等级4的二分之一),之后按同样的方法更新评级对象502和评级对象503的信用等级。
在评级对象501、评级对象502和评级对象503均更新完成后,第一次循环周期更新完成。其中,各个评级对象在第一次循环周期中的信用等级更新前后的数值可参见表四。在表四中,第一次循环周期更新前的信用等级用“更新前”一行表示,第一次循环周期更新后的信用等级用“更新后”表示。
表四
评级对象 | 评级对象501 | 评级对象502 | 评级对象503 |
更新前 | 2 | 2 | 4 |
更新后 | 4 | 4 | 0 |
在步骤405中,在一个循环周期结束后,在该循环周期内,当各个评级对象更新后的信用等级与更新前的信用等级的差值的绝对值小于预设阈值时,确定该各个评级对象的信用等级为预设收敛状态。
另外,电子设备在一个循环周期结束后,会对该循环周期内的各个评级对象均进行检测,当各个评级对象更新前后的信用等级的差值的绝对值均小于预设阈值时,认为该各个评级对象的信用等级为预设收敛状态,不再对该评级对象群组进行下一个循环周期,执行步骤406。
例如,若预设阈值是0.5,则上述各个评级对象的信用等级更新前后的信用等级的差值的绝对值均不小于该预设阈值,电子设备将进入下一次循环周期,对该评级对象群组进行信用等级更新,更新前后的信用等级的数值可参见表五。在表五中,第一次循环周期更新前的信用等级用“第一次更新前”一行表示,第一次循环周期更新后的信用等级用“第一次更新后”表示,第二次循环周期更新后的信用等级用“第二次更新后”表示。
表五
评级对象 | 评级对象501 | 评级对象502 | 评级对象503 |
第一次更新前 | 2 | 2 | 4 |
第一次更新后 | 4 | 4 | 0 |
第二次更新后 | 4 | 4 | 0 |
在该评级对象群组更新后,电子设备检测各个评级对象更新前后的评级对象的差值的绝对值均为0,小于预设阈值0.5,认为各个评级对象处于预设收敛状态,停止进入下一个循环周期,确定该评级对象群组中的各个评级对象均处于预设收敛状态。
在步骤406中,获取达到该预设收敛状态的该各个评级对象的信用等级。
步骤406的执行过程可参见步骤205的执行过程,此处不再赘述。
综上所述,本公开实施例提供的信用评级的方法,通过获取评级对象群组,获取各个评级对象各自的评级参数,根据各个评级对象各自的评级参数确定各个评级对象各自的信用等级的初始值,根据各个评级对象各自指向该评级对象的相邻评级对象的信用等级,以及各个相邻评级对象的单方面联系对象的个数,按照预设顺序依次对该各个评级对象的信用等级进行循环更新,直至该各个评级对象的信用等级达到预设收敛状态,该单方面联系对象的个数用于指示该各个相邻对象各自指向的对应的相邻对象的个数,在一个循环周期结束后,在该循环周期内,当各个评级对象更新后的信用等级与更新前的信用等级的差值的绝对值小于预设阈值时,确定该各个评级对象的信用等级为预设收敛状态,获取达到该预设收敛状态的该各个评级对象的信用等级,在确定评级对象群组中的各个评级对象的信用等级时,通过预设顺序循环更新各个评级对象的信用等级,使得该评级对象群组中的各个评级对象均会按照预设顺序,在一次循环中依次更新信用等级,直至各个评级对象的信用等级达到预设的收敛状态,达到了使评级对象的信用等级的确定更加准确的效果。
图6是根据一示例性实施例示出的一种信用评级装置的框图。该装置具有实现上述信用评级方法示例图2或图4中的功能,所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该装置可以包括:群组获取模块601、循环更新模块602和等级获取模块603。
群组获取模块601,被配置为获取评级对象群组,所述评级对象群组包含的各个评级对象中相邻的评级对象之间具有社交关系。
循环更新模块602,被配置为根据所述各个评级对象的信用等级,以及所述各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对所述各个评级对象的信用等级进行循环更新,直至所述各个评级对象的信用等级达到预设收敛状态。
等级获取模块603,被配置为获取达到所述预设收敛状态的所述各个评级对象的信用等级。
综上所述,本公开实施例提供的信用评级装置,通过获取评级对象群组,根据对象群组中的各个评级对象的信用等级,以及各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对该各个评级对象的信用等级进行循环更新,直至各个评级对象的信用等级达到预设收敛状态,获取达到该预设收敛状态的各个评级对象的信用等级,在确定评级对象群组中的各个评级对象的信用等级时,通过预设顺序循环更新各个评级对象的信用等级,使得该评级对象群组中的各个评级对象均会按照预设顺序,在一次循环中依次更新信用等级,直至各个评级对象的信用等级达到预设的收敛状态,达到了使评级对象的信用等级的确定更加准确的效果。
图7是根据一示例性实施例示出的另一种信用评级装置的框图。该装置具有实现上述信用评级方法示例图2或图4中的功能,所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该装置可以包括:群组获取模块701、循环更新模块702和等级获取模块703。
群组获取模块701,被配置为获取评级对象群组,所述评级对象群组包含的各个评级对象中相邻的评级对象之间具有社交关系。
循环更新模块702,被配置为根据所述各个评级对象的信用等级,以及所述各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对所述各个评级对象的信用等级进行循环更新,直至所述各个评级对象的信用等级达到预设收敛状态。
等级获取模块703,被配置为获取达到所述预设收敛状态的所述各个评级对象的信用等级。
在一个示例中,所述装置还包括:参数获取模块704和初始值确定模块705。
参数获取模块704,被配置为获取所述各个评级对象各自的评级参数,所述评级参数是与对应的评级对象的信用等级相关联的参数。
初始值确定模块705,被配置为根据所述各个评级对象各自的评级参数确定所述各个评级对象各自的信用等级的初始值。
在一个示例中,所述评级参数包括消费参数、收入参数和财经应用使用指数中至少一个。
在一个实例中,所述循环更新模块702,包括:等级确定子模块702a和等级更新子模块702b。
等级确定子模块702a,被配置为在一个循环周期内,对于所述各个评级对象中的当前评级对象,将所述当前评级对象的信用等级以及所述当前评级对象相邻的评级对象的信用等级中,出现次数最多的一种信用等级确定为目标信用等级.
等级更新子模块702b,被配置为将所述当前评级对象的信用等级更新为所述目标信用等级。
在一个实例中,所述等级确定子模块702a,还被配置为:
随机将所述两种或两种以上出现次数最多的信用等级中的一种确定为所述目标信用等级。
在一个实例中,在一个循环周期内,当所述各个评级对象更新后的信用等级与更新前的信用等级的差值的绝对值小于预设阈值时,确定所述各个评级对象的信用等级为所述预设收敛状态。
综上所述,本公开实施例提供的信用评级装置,通过获取评级对象群组,获取各个评级对象各自的评级参数,根据各个评级对象各自的评级参数确定各个评级对象各自的信用等级的初始值,根据各个评级对象的信用等级,以及该各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对该各个评级对象的信用等级进行循环更新,直至该各个评级对象的信用等级达到预设收敛状态,获取达到该预设收敛状态的该各个评级对象的信用等级,在确定评级对象群组中的各个评级对象的信用等级时,通过预设顺序循环更新各个评级对象的信用等级,使得该评级对象群组中的各个评级对象均会按照预设顺序,在一次循环中依次更新信用等级,直至各个评级对象的信用等级达到预设的收敛状态,达到了使评级对象的信用等级的确定更加准确的效果。
需要说明的一点是,上述实施例提供的装置在实现其功能时,仅以上述各个功能模块的划分进行举例说明,实际应用中,可以根据实际需要而将上述功能分配由不同的功能模块完成,即将设备的内容结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开一示例性实施例还提供了一种信用评级装置,能够实现本公开提供的信用评级方法。该装置包括:处理器,以及用于存储处理器的可执行指令的存储器。其中,处理器被配置为:
获取评级对象群组,所述评级对象群组包含的各个评级对象中相邻的评级对象之间具有社交关系;
根据所述各个评级对象的信用等级,以及所述各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对所述各个评级对象的信用等级进行循环更新,直至所述各个评级对象的信用等级达到预设收敛状态;
获取达到所述预设收敛状态的所述各个评级对象的信用等级。
可选的,所述处理器被配置为:
获取所述各个评级对象各自的评级参数,所述评级参数是与对应的评级对象的信用等级相关联的参数;
根据所述各个评级对象各自的评级参数确定所述各个评级对象各自的信用等级的初始值。
可选的,所述评级参数包括消费参数、收入参数和财经应用使用指数中至少一个。
可选的,所述处理器被配置为:
在一个循环周期内,对于所述各个评级对象中的当前评级对象,将所述当前评级对象的信用等级以及所述当前评级对象相邻的评级对象的信用等级中,出现次数最多的一种信用等级确定为目标信用等级;
将所述当前评级对象的信用等级更新为所述目标信用等级。
可选的,当所述当前评级对象的信用等级以及所述当前评级对象相邻的评级对象的信用等级中,出现次数最多的信用等级为两种或两种以上时,所述将所述当前评级对象的信用等级以及所述当前评级对象相邻的评级对象的信用等级中,出现次数最多的一种信用等级确定为目标信用等级,所述处理器被配置为:
随机将所述两种或两种以上出现次数最多的信用等级中的一种确定为所述目标信用等级。
可选的,在一个循环周期内,当所述各个评级对象更新后的信用等级与更新前的信用等级的差值的绝对值小于预设阈值时,确定所述各个评级对象的信用等级为所述预设收敛状态。
图8是根据一示例性实施例示出的一种装置800的框图。例如,装置800可以是智能手机、可穿戴设备、智能电视和车载终端等电子设备。
参照图8,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件88还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到装置800的打开/关闭状态,组件的相对定位,例如组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由装置800的处理器820执行以完成上述方法。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当存储介质中的指令由装置800的处理器执行时,使得装置800能够执行上述由电子设备执行的信用评级方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (13)
1.一种信用评级的方法,其特征在于,所述方法包括:
获取评级对象群组,所述评级对象群组包含的各个评级对象中相邻的评级对象之间具有社交关系;
根据所述各个评级对象的信用等级,以及所述各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对所述各个评级对象的信用等级进行循环更新,直至所述各个评级对象的信用等级达到预设收敛状态;
获取达到所述预设收敛状态的所述各个评级对象的信用等级。
2.根据权利要求1所述的方法,其特征在于,所述根据所述各个评级对象的信用等级,以及所述各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对所述各个评级对象的信用等级进行循环更新之前,所述方法还包括:
获取所述各个评级对象各自的评级参数,所述评级参数是与对应的评级对象的信用等级相关联的参数;
根据所述各个评级对象各自的评级参数,确定所述各个评级对象各自的信用等级的初始值。
3.根据权利要求2所述的方法,其特征在于,所述评级参数包括消费参数、收入参数和财经应用使用指数中至少一个。
4.根据权利要求1所述的方法,其特征在于,所述根据所述各个评级对象的信用等级,以及所述各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对所述各个评级对象的信用等级进行循环更新,包括:
在一个循环周期内,对于所述各个评级对象中的当前评级对象,将所述当前评级对象的信用等级以及所述当前评级对象相邻的评级对象的信用等级中,出现次数最多的一种信用等级确定为目标信用等级;
将所述当前评级对象的信用等级更新为所述目标信用等级。
5.根据权利要求4所述的方法,其特征在于,当所述当前评级对象的信用等级以及所述当前评级对象相邻的评级对象的信用等级中,出现次数最多的信用等级为两种或两种以上时,所述将所述当前评级对象的信用等级以及所述当前评级对象相邻的评级对象的信用等级中,出现次数最多的一种信用等级确定为目标信用等级,包括:
随机将所述两种或两种以上出现次数最多的信用等级中的一种确定为所述目标信用等级。
6.根据权利要求1所述的方法,其特征在于,在一个循环周期内,当所述各个评级对象更新后的信用等级与更新前的信用等级的差值的绝对值小于预设阈值时,确定所述各个评级对象的信用等级为所述预设收敛状态。
7.一种信用评级的装置,其特征在于,所述装置包括:
群组获取模块,被配置为获取评级对象群组,所述评级对象群组包含的各个评级对象中相邻的评级对象之间具有社交关系;
循环更新模块,被配置为根据所述各个评级对象的信用等级,以及所述各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对所述各个评级对象的信用等级进行循环更新,直至所述各个评级对象的信用等级达到预设收敛状态;
等级获取模块,被配置为获取达到所述预设收敛状态的所述各个评级对象的信用等级。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
参数获取模块,被配置为获取所述各个评级对象各自的评级参数,所述评级参数是与对应的评级对象的信用等级相关联的参数;
初始值确定模块,被配置为根据所述各个评级对象各自的评级参数确定所述各个评级对象各自的信用等级的初始值。
9.根据权利要求8所述的装置,其特征在于,所述评级参数包括消费参数、收入参数和财经应用使用指数中至少一个。
10.根据权利要求7所述的装置,其特征在于,所述循环更新模块,包括:
等级确定子模块,被配置为在一个循环周期内,对于所述各个评级对象中的当前评级对象,将所述当前评级对象的信用等级以及所述当前评级对象相邻的评级对象的信用等级中,出现次数最多的一种信用等级确定为目标信用等级;
等级更新子模块,被配置为将所述当前评级对象的信用等级更新为所述目标信用等级。
11.根据权利要求10所述的装置,其特征在于,所述等级确定子模块,还被配置为:
随机将所述两种或两种以上出现次数最多的信用等级中的一种确定为所述目标信用等级。
12.根据权利要求7所述的装置,其特征在于,在一个循环周期内,当所述各个评级对象更新后的信用等级与更新前的信用等级的差值的绝对值小于预设阈值时,确定所述各个评级对象的信用等级为所述预设收敛状态。
13.一种信用评级的装置,其特征在于,所述装置包括:
处理器;
用于存储所述处理器的可执行指令的存储器;
其中,所述处理器被配置为:
获取评级对象群组,所述评级对象群组包含的各个评级对象中相邻的评级对象之间具有社交关系;
根据所述各个评级对象的信用等级,以及所述各个评级对象各自相邻的评级对象的信用等级,按照预设顺序依次对所述各个评级对象的信用等级进行循环更新,直至所述各个评级对象的信用等级达到预设收敛状态;
获取达到所述预设收敛状态的所述各个评级对象的信用等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610772637.1A CN106327326A (zh) | 2016-08-30 | 2016-08-30 | 信用评级的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610772637.1A CN106327326A (zh) | 2016-08-30 | 2016-08-30 | 信用评级的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106327326A true CN106327326A (zh) | 2017-01-11 |
Family
ID=57789963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610772637.1A Pending CN106327326A (zh) | 2016-08-30 | 2016-08-30 | 信用评级的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106327326A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108399564A (zh) * | 2017-02-08 | 2018-08-14 | 腾讯科技(深圳)有限公司 | 信用评分方法及装置 |
CN112990707A (zh) * | 2021-03-12 | 2021-06-18 | 深圳工盟科技有限公司 | 施工风险评估方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510856A (zh) * | 2009-03-12 | 2009-08-19 | 腾讯科技(深圳)有限公司 | 一种sns网络中成员关系圈的提取方法和装置 |
CN104933570A (zh) * | 2014-03-20 | 2015-09-23 | 阿里巴巴集团控股有限公司 | 用户侦测方法及装置 |
WO2015167130A1 (ko) * | 2014-04-30 | 2015-11-05 | 박준현 | 점수 재산정 방법, 이를 수행하는 서버 및 컴퓨터 판독 가능한 기록매체 |
CN105225149A (zh) * | 2015-09-07 | 2016-01-06 | 腾讯科技(深圳)有限公司 | 一种征信评分确定方法及装置 |
-
2016
- 2016-08-30 CN CN201610772637.1A patent/CN106327326A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510856A (zh) * | 2009-03-12 | 2009-08-19 | 腾讯科技(深圳)有限公司 | 一种sns网络中成员关系圈的提取方法和装置 |
CN104933570A (zh) * | 2014-03-20 | 2015-09-23 | 阿里巴巴集团控股有限公司 | 用户侦测方法及装置 |
WO2015167130A1 (ko) * | 2014-04-30 | 2015-11-05 | 박준현 | 점수 재산정 방법, 이를 수행하는 서버 및 컴퓨터 판독 가능한 기록매체 |
CN105225149A (zh) * | 2015-09-07 | 2016-01-06 | 腾讯科技(深圳)有限公司 | 一种征信评分确定方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108399564A (zh) * | 2017-02-08 | 2018-08-14 | 腾讯科技(深圳)有限公司 | 信用评分方法及装置 |
CN108399564B (zh) * | 2017-02-08 | 2021-03-19 | 腾讯科技(深圳)有限公司 | 信用评分方法及装置 |
US11170436B2 (en) | 2017-02-08 | 2021-11-09 | Tencent Technology (Shenzhen) Company Limited | Credit scoring method and server |
US11816727B2 (en) | 2017-02-08 | 2023-11-14 | Tencent Technology (Shenzhen) Company Limited | Credit scoring method and server |
CN112990707A (zh) * | 2021-03-12 | 2021-06-18 | 深圳工盟科技有限公司 | 施工风险评估方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104079962B (zh) | 一种推送推荐信息的方法及装置 | |
CN106528709A (zh) | 社交信息推荐方法及装置 | |
CN103944804B (zh) | 推荐联系人的方法及装置 | |
CN107239535A (zh) | 相似图片检索方法及装置 | |
CN106202330A (zh) | 垃圾信息的判断方法及装置 | |
CN104700353B (zh) | 图像滤镜生成方法及装置 | |
CN105869024A (zh) | 商品的推荐方法及装置 | |
CN104636453B (zh) | 非法用户资料识别方法及装置 | |
CN104537532A (zh) | 消费数据记录方法及装置 | |
CN106331504A (zh) | 拍摄方法及装置 | |
CN103970830B (zh) | 信息推荐方法和装置 | |
CN107463643A (zh) | 弹幕数据的显示方法、装置及存储介质 | |
CN106203306A (zh) | 年龄的预测方法、装置及终端 | |
CN105100193A (zh) | 云名片推荐方法及装置 | |
CN106407204A (zh) | 图书推荐方法及装置 | |
CN109635920A (zh) | 神经网络优化方法及装置、电子设备和存储介质 | |
CN107463903A (zh) | 人脸关键点定位方法及装置 | |
CN106534951A (zh) | 视频分割方法和装置 | |
CN105426878A (zh) | 人脸聚类方法及装置 | |
CN105098882B (zh) | 输入电流分配方法及装置 | |
CN110399934A (zh) | 一种视频分类方法、装置及电子设备 | |
CN106599191A (zh) | 用户属性分析方法及装置 | |
CN105354005A (zh) | 更新积分排名的方法及装置 | |
CN103984931A (zh) | 一种信息处理方法及第一电子设备 | |
CN107560611A (zh) | 运动路线获取方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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: 20170111 |