CN108846743A - 用于生成信息的方法和装置 - Google Patents

用于生成信息的方法和装置 Download PDF

Info

Publication number
CN108846743A
CN108846743A CN201810601564.9A CN201810601564A CN108846743A CN 108846743 A CN108846743 A CN 108846743A CN 201810601564 A CN201810601564 A CN 201810601564A CN 108846743 A CN108846743 A CN 108846743A
Authority
CN
China
Prior art keywords
user
article category
assessed
article
category
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.)
Granted
Application number
CN201810601564.9A
Other languages
English (en)
Other versions
CN108846743B (zh
Inventor
王汝晨
程建波
彭南博
刘栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
JD Digital Technology Holdings Co Ltd
Jingdong Technology Holding Co Ltd
Original Assignee
Beijing Jingdong Financial Technology Holding Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Financial Technology Holding Co Ltd filed Critical Beijing Jingdong Financial Technology Holding Co Ltd
Priority to CN201810601564.9A priority Critical patent/CN108846743B/zh
Publication of CN108846743A publication Critical patent/CN108846743A/zh
Application granted granted Critical
Publication of CN108846743B publication Critical patent/CN108846743B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q40/03—Credit; Loans; Processing thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：获取待评估用户在至少一个物品品类下的用户特征；确定待评估用户在至少一个物品品类下的用户特征评分，其中，用户特征评分用于表征用户与物品品类的交互程度；基于待评估用户在至少一个物品品类下的用户特征评分和预设的物品品类风险评分，生成待评估用户的信用评分信息，其中，物品品类风险评分用于表征属于物品品类的物品被用户接受的程度。该实施方式利用电商平台中的相关数据对用户进行信用评估，提高了用户信用评估的准确性。

Description

用于生成信息的方法和装置
技术领域
本申请实施例涉及计算机技术领域，具体涉及用于生成信息的方法和装置。
背景技术
近年来，信贷市场需求蓬勃发展，市场需求的爆发式成长对中国信用体系以及相关行业提出了严峻的挑战。传统的征信系统大多通过构建用户的信用模型对用户进行信用评估。这种方法对数据质量和量级要求较高，通常在特征数据有明显表现的时候才可以准确地对用户进行信用评估，但是在特征数据稀疏的情况，此类方法评估得到的用户信用度不高。而且在国内目前的征信体系中，征信数据较稀疏，部分用户群无法被覆盖。这种情况下，我们可以通过电商等其它相关数据辅助我们对用户信用风险进行把控。
发明内容
本申请实施例提出了用于生成信息的方法和装置。
第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：获取待评估用户在至少一个物品品类下的用户特征；确定待评估用户在至少一个物品品类下的用户特征评分，其中，用户特征评分用于表征用户与物品品类的交互程度；基于待评估用户在至少一个物品品类下的用户特征评分和预设的物品品类风险评分，生成待评估用户的信用评分信息，其中，物品品类风险评分用于表征属于物品品类的物品被用户接受的程度。
在一些实施例中，确定待评估用户在至少一个物品品类下的用户特征评分，包括：获取至少一个预设用户在至少一个物品品类下的用户特征，其中，预设用户和待评估用户满足第一预设条件；将待评估用户在至少一个物品品类下的用户特征与至少一个预设用户在至少一个物品品类下的用户特征对比，确定待评估用户在至少一个物品品类下的用户特征评分。
在一些实施例中，物品品类风险评分通过如下方式得到：获取至少一个第一用户与至少一个物品品类交互生成的信贷特征，其中，信贷特征用于表征用户对属于物品品类的物品的信用度，第一用户满足第二预设条件；基于信贷特征，对至少一个物品品类进行聚类得到至少两个聚类簇；对于至少一个物品品类中的物品品类，计算该物品品类到至少两个类簇中的聚类簇的聚类中心的距离；基于该物品品类到至少两个聚类簇的聚类中心的距离，得到该物品品类的物品品类风险评分。
在一些实施例中，方法还包括：基于待评估用户在至少一个物品品类下的用户特征，为待评估用户设置惩罚因子；对待评估用户的信用评分结果应用惩罚因子，更新待评估用户的信用评分信息。
在一些实施例中，基于信贷特征，对至少一个物品品类进行聚类得到至少两个聚类簇，包括：将物品品类划分成K个聚类簇，其中，K为大于1的正整数；采用层次聚类算法，将信贷特征逐步加入K个聚类簇中进行聚类；确定不同信贷特征聚类成的、不同K值下的聚类结果的轮廓系数；根据所确定的轮廓系数选取目标聚类结果，将目标聚类结果确定为对至少一个物品品类进行聚类得到多个聚类簇的聚类结果。
在一些实施例中，在基于信贷特征，对至少一个物品品类进行聚类得到至少两个聚类簇之前，方法还包括：从所获取的信贷特征中去除满足第三预设条件的信贷特征。
第二方面，本申请实施例提供了一种用于生成信息的装置，装置包括：获取单元，被配置成获取待评估用户在至少一个物品品类下的用户特征；确定单元，被配置成确定待评估用户在至少一个物品品类下的用户特征评分，其中，用户特征评分用于表征用户与物品品类的交互程度；生成单元，被配置成基于待评估用户在至少一个物品品类下的用户特征评分和预设的物品品类风险评分，生成待评估用户的信用评分信息，其中，物品品类风险评分用于表征属于物品品类的物品被用户接受的程度。
在一些实施例中，确定单元进一步被配置成：获取至少一个预设用户在至少一个物品品类下的用户特征，其中，预设用户和待评估用户满足第一预设条件；将待评估用户在至少一个物品品类下的用户特征与至少一个预设用户在至少一个物品品类下的用户特征对比，确定待评估用户在至少一个物品品类下的用户特征评分。
在一些实施例中，装置还包括：物品品类风险评分获取单元，被配置成通过如下方式得到物品品类风险评分：获取至少一个第一用户与至少一个物品品类交互生成的信贷特征，其中，信贷特征用于表征用户对属于物品品类的物品的信用度，第一用户满足第二预设条件；基于信贷特征，对至少一个物品品类进行聚类得到至少两个聚类簇；对于至少一个物品品类中的物品品类，计算该物品品类到至少两个类簇中的聚类簇的聚类中心的距离；基于该物品品类到至少两个聚类簇的聚类中心的距离，得到该物品品类的物品品类风险评分。
在一些实施例中，装置还包括：设置单元，被配置成基于待评估用户在至少一个物品品类下的用户特征，为待评估用户设置惩罚因子；更新单元，被配置成对待评估用户的信用评分结果应用惩罚因子，更新待评估用户的信用评分信息。
在一些实施例中，物品品类风险评分进一步被配置成按照如下方式执行基于信贷特征，对至少一个物品品类进行聚类得到至少两个聚类簇：将物品品类划分成K个聚类簇，其中，K为大于1的正整数；采用层次聚类算法，将信贷特征逐步加入K个聚类簇中进行聚类；确定不同信贷特征聚类成的、不同K值下的聚类结果的轮廓系数；根据所确定的轮廓系数选取目标聚类结果，将目标聚类结果确定为对至少一个物品品类进行聚类得到多个聚类簇的聚类结果。
在一些实施例中，物品品类风险评分获取单元进一步被配置成在执行基于信贷特征，对至少一个物品品类进行聚类得到至少两个聚类簇之前：从所获取的信贷特征中去除满足第三预设条件的信贷特征。
本申请实施例提供的用于生成信息的方法和装置，首先获取待评估用户在至少一个物品品类下的用户特征，而后可以确定待评估用户在至少一个物品品类下的用户特征评分，最后，基于待评估用户在至少一个物品品类下的用户特征评分和预设的物品品类风险评分，可以生成待评估用户的信用评分信息。从而实现了利用电商平台中的相关数据对用户进行信用评估，提高了用户信用评估的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本申请的用于生成信息的方法的一个实施例的流程图；
图3是根据本申请的用于生成信息的方法的一个应用场景的示意图；
图4是根据本申请的用于生成信息的方法的又一个实施例的流程图；
图5是根据本申请的用于生成信息的装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
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组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于生成信息的方法或用于生成信息的装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持用户网上购物等的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio LayerIII，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group AudioLayer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上输出的用户评分信息提供支持的后台服务器。后台服务器可以对获取的用户特征和物品品类风险评分等数据进行分析等处理，并将处理结果(例如用户信用评分)反馈给终端设备。
需要说明的是，本申请实施例所提供的用于生成信息的方法一般由服务器105执行，相应地，用于生成信息的装置一般设置于服务器105中。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
还需要指出的是，终端设备101、102、103中也可以直接在终端设备101、102、103本地获取用户特征等数据，并生成用户信用评分信息，此时，用于生成信息的方法也可以由终端设备101、102、103执行，相应地，用于生成信息的装置也可以设置于终端设备101、102、103中。此时，示例性系统架构100可以不存在服务器105和网络104。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法，包括以下步骤：
步骤201，获取待评估用户在至少一个物品品类下的用户特征。
在本实施例中，用于生成信息的方法的执行主体(例如图1所示的服务器105)可以通过有线连接方式或无线连接方式从待评估用户使用的终端设备获取该待评估用户在电商平台对各物品品类所包含的物品进行的相关操作产生的数据，从而可以得到该待评估用户在各物品品类下的用户特征。可选的，上述待评估用户可以为是上述执行主体预先确定的、待进行信用评估的用户。用户特征可以为用户在对电商平台中的物品进行浏览、加购(添加到电商平台的购物车)、购买等时产生的与用户关联的特征数据。用户特征可以包括但不限于以下至少一项：浏览次数、加购次数、购买量等。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。
作为示例，待评估用户可以对电商平台的手机、书籍等物品品类所包含的物品进行了浏览、加购(添加到电商平台的购物车)、购买等操作。因此，上述执行主体可以获取该待评估用户在手机、书籍等物品品类下的购买数据(例如购买量和消费金额)、浏览次数、加购次数等用户特征数据。
通常，为了保证所获取的待评估用户的用户特征的数量和质量，上述执行主体可以预先设置时间限定条件，以便于其可以获取待评估用户满足该时间限定条件的用户特征数据。作为示例，上述执行主体可以获取待评估用户在各物品品类下的近一年内的购买数据(购买量和消费金额)，以及获取该待评估用户在各物品品类下的近三个月的浏览次数和加购次数。
步骤202，确定待评估用户在至少一个物品品类下的用户特征评分。
在本实施例中，基于步骤201所获取的待评估用户的用户特征，上述执行主体(例如图1所示的服务器105)可以利用各种处理方式处理待评估用户的用户特征，从而确定出该待评估用户在各物品品类下的用户特征评分。其中，用户特征评分可以用于表征用户与物品品类的交互程度。待评估用户在某一物品品类下的用户评分越高，可以表示待评估用户与该物品品类的交互程度越深。即，待评估用户对该物品品类下的物品的操作越频繁，产生的浏览次数和购买量等用户特征的数值越大。
作为示例，上述执行主体可以采用直接对所获取的待评估用户在某一物品品类下的不同的用户特征进行加权求和的方式，得到待评估用户在该物品品类下的用户特征评分。
在本实施例的一些可选的实现方式中，上述执行主体可以获取至少一个预设用户在至少一个物品品类中各物品品类下的用户特征。其中，预设用户和待评估用户可以均满足第一预设条件。这里，第一预设条件可以为用户是电商平台中的信贷用户(例如，通过贷款方式进行购物的用户)且贷中行为表现期大于预设时长(例如，一年)。贷中行为表现期可以为处于贷款状态的时间段。通常，电商平台中的用户可以包括非信贷用户和信贷用户，其中非信贷用户可以转化为信贷用户。当非信贷用户转化为信贷用户时，该用户的表现期可以以转化时刻为分界点分成贷前行为表现期和贷中行为表现期。贷前行为表现期可以为处于非贷款状态的时间段。而后，上述执行主体可以将待评估用户在至少一个物品品类下的用户特征和上述至少一个预设用户在至少一个用户品类下的用户特征进行对比，从而确定出待评估用户在至少一个物品类别下的用户特征评分。具体地，针对至少一个物品品类中的第一物品品类(该第一物品品类可以为至少一个物品品类中的任一物品品类，如手机)，上述执行主体可以将待评估用户的用户特征A(该用户特征A可以为待评估用户在第一物品品类下的任一用户特征)与上述至少一个预设用户的用户特征A按照值的大小进行排序，从而可以确定出待评估用户在用户特征A下的相对位置评分。对待评估用户在不同用户特征下的相对位置评分进行加权求和即可以得到该待评估用户在第一物品品类下的用户特征评分。
作为示例，待评估用户在第一物品品类下的用户特征可以包括购买量、消费金额、浏览次数和加购次数，因此可以确定出待评估用户的购买量相对位置评分buy_num_score、消费金额相对位置评分cnsm_score、浏览次数相对位置评分scan_score和加购次数相对位置评分cart_score，待评估用户在第一物品品类下的用户特征评分user_cate_score可以使用如下公式进行计算：user_cate_score＝a×buy_num_score+b×cnsm_score+c×scan_score+d×cart_score，其中，a、b、c、d分别为购买量相对位置评分、消费金额相对位置评分、浏览次数相对位置评分、加购次数相对位置评分的权重系数。
如此，利用上述方法可以计算出该待评估用户在不同的物品品类下的用户特征评分，如待评估用户在手机、书籍等不同的物品品类下的用户特征评分。可以理解的是，购买量相对位置评分buy_num_score、消费金额相对位置评分cnsm_score、浏览次数相对位置评分scan_score和加购次数相对位置评分cart_score的权重系数a、b、c、d是人为设置的，本领域技术人员还可以根据实际的需要进行重新设置，这里没有唯一的限定。
作为示例，上述用户特征A可以为浏览次数，上述至少一个预设用户可以包括99个预设用户。将待评估用户和99个预设用户在第一物品品类下的浏览次数进行从大到小的顺序进行排序，若待评估用户排在第30位，则可以认为该待评估用户在第一物品品类下的浏览次数相对位置评分为30。本领域技术人员可以理解的是，上述至少一个预设用户中所包括的预设用户的数目可以根据实际的需要进行设置，这里没有唯一的限定。
步骤203，基于待评估用户在至少一个物品品类下的用户特征评分和预设的物品品类风险评分，生成待评估用户的信用评分信息。
在本实施例中，上述执行主体可以为至少一个物品品类中的各物品品类预先设置物品品类风险评分。这里，物品品类的风险评分可以用于表征属于该物品品类下的物品被用户接受的程度。物品品类风险评分越高，则可以表示该物品品类可以被用户接受的程度越高，购买该物品品类下的物品的用户按时还款的概率较高。基于步骤202确定出的待评估用户在至少一个物品品类下的用户特征评分和各物品品类的物品品类风险评分，上述执行主体可以生成该待评估用户的信用评分信息。
具体地，上述执行主体可以首先计算待评估用户在至少一个物品品中的任一物品品类下的子信用评分，而后将待评估用户的上述至少一个物品品类下的子信用评分进行求和，从而可以得到该待评估用户的信用评分信息。上述执行主体可以采用计算待评估用户在任一物品品类下的子信用评分，其中，user_cate_score为待评估用户在该物品品类下的用户特征评分，cate_score为该物品品类的物品品类风险评分，user_cate_score_sum为待评估用户在上述至少一个物品品类下的用户特征评分之和。对待评估用户在上述至少一个物品品类下的子信用评分进行求和，可以得到待评估用户的用户评分，如下所示：其中，user_rescore为待评估用户的信用评分。
在本实施例的一些可选的实现方式中，上述物品品类风险评分可以通过如下步骤得到：
第一步，获取至少一个第一用户与至少一个物品品类交互生成的信贷特征。其中，信贷特征可以用于表征用户对属于物品品类下的物品的信用度，上述第一用户可以满足第二预设条件。这里，第一用户所需要满足的第二预设条件可以是预设历史时段内在电商平台中活跃的用户，此处的活跃可以是指购买量超过阈值的用户、或登录次数超过阈值的用户。或者，第一用户所需要满足的第二预设条件还可以为是个人用户而非企业用户。本领域技术人员可以根据实际的需要设置上述第二预设条件。上述信贷特征可以包括但不限于以下至少一个：逾期7天账户占比、逾期15天账户占比、逾期7天消费金额占比、逾期15天消费金额占比、最大逾期金额、最小逾期金额、逾期金额方差、最大还款天数、平均还款天数、逾期订单占比、逾期后还款用户占比等。
第二步，基于信贷特征，对至少一个物品品类进行聚类得到至少两个聚类簇。
可选的，可以采用层次聚类算法对至少一个物品品类进行聚类。首先，将至少一个物品品类划分成K个聚类簇。这里的K可以为大于1的正整数，例如2≤K≤10。之后，采用层次聚类算法将上述信贷特征逐步地加入到K个聚类簇中进行聚类，从而可以得到多个聚类结果。而后，计算出由不同信贷特征聚类成的、不同K值下的聚类结果的轮廓系数。最后，根据计算出的轮廓系数选取目标聚类结果(也可以称为最优聚类结果)，将该目标聚类结果确定为对至少一个物品品类进行聚类得到多个聚类簇的聚类结果。其中，用于得到该聚类结果的信贷特征即为选取出的信贷特征，该聚类结果的聚类簇的个数即为最优聚类簇的数目。
可选的，在对至少一个物品品类进行聚类得到至少两个聚类簇之前，可以对所获取的信贷特征进行数据清洗，从中去除满足第三预设条件的信贷特征。作为示例，可以从所获取的信贷特征中去除由已取消的订单产生的信贷特征。
第三步，对于至少一个物品品类中的每个物品品类，计算该物品品类到至少两个类簇中的聚类簇的聚类中心的距离；基于该物品品类到各聚类簇的聚类中心的距离，得到该物品品类的物品品类风险评分。
这里，可以采用做商后归一化等各种手段对该物品品类到各聚类出的聚类中心的距离进行处理，得到该物品品类的物品品类风险评分。
作为示例，对至少一个聚类物品聚类得到两个聚类簇，聚类簇0和聚类簇1。对于至少一个物品品类中的第一物品品类，可以分别计算该第一物品品类到两个聚类簇的聚类中心的距离dis0和dis1。计算第一物品品类到两个聚类中心的距离dis0和dis1的比值并对该比值进行归一化处理，可以得到该第一物品品类的物品品类风险评分cate_score。
作为另一示例，对至少一个聚类物品聚类得到三个聚类簇，聚类簇0、聚类簇1和聚类簇2。对于至少一个物品品类中的第一物品品类，可以分别计算该第一物品品类到三个聚类簇的聚类中心的距离dis0、dis1和dis2。首先，可以计算dis0的距离占比dis1的距离占比dis2的距离占比之后，可以对计算得到的三个距离占比进行信息熵的计算，得到的信息熵即为第一物品品类的分类模糊度e。而后，可以计算各聚类簇下能满足特定条件(例如，贷款后逾期还款天数小于15天)的用户的占比p0、p1和p2。最后，将上述各值代入公式之后归一化，即可以得到该第一物品品类的物品品类风险评分cate_score。当然，对至少一个聚类物品聚类还可以得到四个、五个聚类簇，这里没有具体地限定。
由此可见，利用上述第一步到第三步可以得到至少一个物品品类中的各物品品类的风险评分。可以理解的是，本领域技术人员还可以通过其他方式得各物品品类的风险评分，例如通过用户投票的方式得到物品品类的风险评分。
继续参见图3，图3是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图3的应用场景中，待评估用户(例如张三)在执行例如点击“信用评估”获取信用评分时，首先后台服务器可以获取待评估用户(例如张三)在手机、书籍、衬衫等物品品类下的浏览次数、加购次数、购买量、消费金额等用户特征。而后，后台服务器可以确定待评估用户在手机、书籍、衬衫等物品品类下的用户特征评分；最后后台服务器基于待评估用户在手机、书籍、衬衫等物品品类下的用户特征评分和手机、书籍、衬衫等物品品类的预设的物品品类风险评分，可以生成待评估用户的信用评分信息，如图3所示，生成张三的信用评分。
本申请的上述实施例所提供的用于生成信息的方法，首先获取待评估用户在至少一个物品品类下的用户特征，而后可以确定待评估用户在至少一个物品品类下的用户特征评分，最后，基于待评估用户在至少一个物品品类下的用户特征评分和预设的物品品类风险评分，可以生成待评估用户的信用评分信息。从而实现了利用电商平台中的相关数据对用户进行信用评估，提高了用户信用评估的准确性。
进一步参考图4，其示出了用于生成信息的方法的另一个实施例的流程400。该用于生成信息的方法的流程400，包括以下步骤：
步骤401，获取待评估用户在至少一个物品品类下的用户特征。
在本实施例中，用于生成信息的方法的执行主体(例如图1所示的服务器105)可以通过有线连接方式或无线连接方式从待评估用户使用的终端设备获取该待评估用户在电商平台对各物品品类所包含的物品进行的相关操作产生的数据，从而可以得到该待评估用户在各物品品类下的用户特征。可选的，上述待评估用户可以为是上述执行主体预先确定的、待进行信用评估的用户。用户特征可以为用户在对电商平台中的物品进行浏览、加购(添加到电商平台的购物车)、购买等时产生的与用户关联的特征数据。用户特征可以包括但不限于以下至少一项：浏览次数、加购次数、购买量等。
步骤402，确定待评估用户在至少一个物品品类下的用户特征评分。
在本实施例中，基于步骤401所获取的待评估用户的用户特征，上述执行主体(例如图1所示的服务器105)可以利用各种处理方式处理待评估用户的用户特征，从而确定出该待评估用户在各物品品类下的用户特征评分。其中，用户特征评分可以用于表征用户与物品品类的交互程度。待评估用户在某一物品品类下的用户评分越高，可以表示待评估用户与该物品品类的交互程度越深。即，待评估用户对该物品品类下的物品的操作越频繁，产生的浏览次数和购买量等用户特征的数值越大。
步骤403，基于待评估用户在至少一个物品品类下的用户特征评分和预设的物品品类风险评分，生成待评估用户的信用评分信息。
在本实施例中，上述执行主体可以为至少一个物品品类中的各物品品类预先设置物品品类风险评分。这里，物品品类的风险评分可以用于表征属于该物品品类下的物品被用户接受的程度。物品品类风险评分越高，则可以表示该物品品类可以被用户接受的程度越高，购买该物品品类下的物品的用户按时还款的概率较高。基于步骤402确定出的待评估用户在至少一个物品品类下的用户特征评分和各物品品类的物品品类风险评分，上述执行主体可以生成该待评估用户的信用评分信息。
具体地，上述执行主体可以首先计算待评估用户在至少一个物品品中的任一物品品类下的子信用评分，而后将待评估用户的上述至少一个物品品类下的子信用评分进行求和，从而可以得到该待评估用户的信用评分信息。上述执行主体可以采用计算待评估用户在任一物品品类下的子信用评分，其中，user_cate_score为待评估用户在该物品品类下的用户特征评分，cate_score为该物品品类的物品品类风险评分，user_cate_score_sum为待评估用户在上述至少一个物品品类下的用户特征评分之和。对待评估用户在上述至少一个物品品类下的子信用评分进行求和，可以得到待评估用户的用户评分公式，如下所示：其中，user_rescore为待评估用户的信用评分。
步骤404，基于待评估用户在至少一个物品品类下的用户特征，为待评估用户设置惩罚因子。
在本实施例中，在利用电商平台中的相关数据对待评估用户进行信用评估时，还需要考虑该待评估用户对电商平台的粘性。可以理解是，用户对电商平台的粘性会因人而异，我们在计算待评估用户的信用评分时需要设计一个惩罚因子，来对该粘性较低的待评估用户进行惩罚。这里的粘性通常受用户的购买、浏览、加购等用户特征值的影响，当用户在电商平台的购买、浏览、加购等用户特征值较小时，表明该用户的粘性较低。上述执行主体可以统计待评估用户在所有物品品类(即至少一个物品品类中的每个物品品类)下的不同的用户特征的值之和，而后利用percentile函数计算该待评估用户的惩罚因子。
作为示例，待评估用户的用户特征可以包括购买量、消费金额、浏览次数和加购次数，则该待评估用户的惩罚因子的表达式可以如下所示：
其中，factor为待评估用户对应的惩罚因子，buy_num_sum为待评估用户在至少一个物品品类下的购买量之和，cnsum_amt_sum为待评估用户在至少一个物品品类下的消费金额之和，scan_sum为待评估用户在至少一个物品品类下的浏览次数之和，cart_sum为待评估用户在至少一个物品品类下的加购次数之和，e、f、g、h分别为待评估用户在至少一个物品品类下的购买量之和、待评估用户在至少一个物品品类下的消费金额之和、待评估用户在至少一个物品品类下的浏览次数之和、待评估用户在至少一个物品品类下的加购次数之和的权重系数，k为0到1之间的百分比数值。这里，k可以为0.5。本领域技术人员可以根据实际的需要变化e、f、g、h和k的取值，这里没有唯一的限定。
步骤405，对待评估用户的信用评分结果应用惩罚因子，更新待评估用户的信用评分信息。
在本实施例中，基于步骤403生成的待评估用户的信用评分的结果，以及基于步骤404得到的待评估用户对应的惩罚因子，上述执行主体可以对该待评估用户的信用评分结果应用该惩罚因子，从而实现对待评估用户的信用评分的更新，得到更新后的待评估用户的信用评分信息。
具体地，上述执行主体可以采用如下公式更新待评估用户的信用评分信息：
user_score＝user_resore-(1-factor)×(user_rescore-100×k),user_rescore≥100×k以及user_score＝user_resore-(1-factor)×(100×k-user_rescore),user_rescore＜100×k其中，user_score为待评估用户更新后的信用评分，其余符号含义参考图2的实施例的描述。
从图4中可以看出，与图2对应的实施例相比，本实施例中的用于生成信息的方法的流程400突出了通过设置惩罚因子更新待评估用户的信用评分信息的步骤。由此，本实施例描述的方案可以进一步提高用户信用评分的准确性。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于生成信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于生成信息的装置500包括：获取单元501、确定单元502和生成单元503。其中，获取单元501被配置成获取待评估用户在至少一个物品品类下的用户特征；确定单元502被配置成确定待评估用户在至少一个物品品类下的用户特征评分，其中，用户特征评分用于表征用户与物品品类的交互程度；生成单元503被配置成基于待评估用户在至少一个物品品类下的用户特征评分和预设的物品品类风险评分，生成待评估用户的信用评分信息，其中，物品品类风险评分用于表征属于物品品类的物品被用户接受的程度。
在本实施例的一些可选的实现方式中，确定单元502进一步被配置成：获取至少一个预设用户在至少一个物品品类下的用户特征，其中，预设用户和待评估用户满足第一预设条件；将待评估用户在至少一个物品品类下的用户特征与至少一个预设用户在至少一个物品品类下的用户特征对比，确定待评估用户在至少一个物品品类下的用户特征评分。
在本实施例的一些可选的实现方式中，装置500还包括：物品品类风险评分获取单元，被配置成通过如下方式得到物品品类风险评分：获取至少一个第一用户与至少一个物品品类交互生成的信贷特征，其中，信贷特征用于表征用户对属于物品品类的物品的信用度，第一用户满足第二预设条件；基于信贷特征，对至少一个物品品类进行聚类得到至少两个聚类簇；对于至少一个物品品类中的物品品类，计算该物品品类到至少两个类簇中的聚类簇的聚类中心的距离；基于该物品品类到至少两个聚类簇的聚类中心的距离，得到该物品品类的物品品类风险评分。
在本实施例的一些可选的实现方式中，装置500还包括：设置单元，被配置成基于待评估用户在至少一个物品品类下的用户特征，为待评估用户设置惩罚因子；更新单元，被配置成对待评估用户的信用评分结果应用惩罚因子，更新待评估用户的信用评分信息。
在本实施例的一些可选的实现方式中，物品品类风险评分进一步被配置成按照如下方式执行基于信贷特征，对至少一个物品品类进行聚类得到至少两个聚类簇：将物品品类划分成K个聚类簇，其中，K为大于1的正整数；采用层次聚类算法，将信贷特征逐步加入K个聚类簇中进行聚类；确定不同信贷特征聚类成的、不同K值下的聚类结果的轮廓系数；根据所确定的轮廓系数选取目标聚类结果，将目标聚类结果确定为对至少一个物品品类进行聚类得到多个聚类簇的聚类结果。
在本实施例的一些可选的实现方式中，物品品类风险评分获取单元进一步被配置成在执行基于信贷特征，对至少一个物品品类进行聚类得到至少两个聚类簇之前：从所获取的信贷特征中去除满足第三预设条件的信贷特征。
装置500中记载的诸单元与参考图2和图4描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。
下面参考图6，其示出了适于用来实现本申请实施例的电子设备(例如图1中的服务器105)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、确定单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取待评估用户在至少一个物品品类下的用户特征的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取待评估用户在至少一个物品品类下的用户特征；确定待评估用户在至少一个物品品类下的用户特征评分，其中，用户特征评分用于表征用户与物品品类的交互程度；基于待评估用户在至少一个物品品类下的用户特征评分和预设的物品品类风险评分，生成待评估用户的信用评分信息，其中，物品品类风险评分用于表征属于物品品类的物品被用户接受的程度。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种用于生成信息的方法，包括：
获取待评估用户在至少一个物品品类下的用户特征；
确定所述待评估用户在所述至少一个物品品类下的用户特征评分，其中，所述用户特征评分用于表征用户与物品品类的交互程度；
基于所述待评估用户在所述至少一个物品品类下的用户特征评分和预设的物品品类风险评分，生成所述待评估用户的信用评分信息，其中，所述物品品类风险评分用于表征属于物品品类的物品被用户接受的程度。
2.根据权利要求1所述的方法，其中，所述确定所述待评估用户在所述至少一个物品品类下的用户特征评分，包括：
获取至少一个预设用户在所述至少一个物品品类下的用户特征，其中，所述预设用户和所述待评估用户满足第一预设条件；
将所述待评估用户在所述至少一个物品品类下的用户特征与所述至少一个预设用户在所述至少一个物品品类下的用户特征对比，确定所述待评估用户在所述至少一个物品品类下的用户特征评分。
3.根据权利要求1所述的方法，其中，所述物品品类风险评分通过如下方式得到：
获取至少一个第一用户与所述至少一个物品品类交互生成的信贷特征，其中，所述信贷特征用于表征用户对属于物品品类的物品的信用度，所述第一用户满足第二预设条件；
基于信贷特征，对所述至少一个物品品类进行聚类得到至少两个聚类簇；
对于所述至少一个物品品类中的物品品类，计算该物品品类到所述至少两个类簇中的聚类簇的聚类中心的距离；基于该物品品类到所述至少两个聚类簇的聚类中心的距离，得到该物品品类的物品品类风险评分。
4.根据权利要求1所述的方法，其中，所述方法还包括：
基于所述待评估用户在所述至少一个物品品类下的用户特征，为所述待评估用户设置惩罚因子；
对所述待评估用户的信用评分结果应用所述惩罚因子，更新所述待评估用户的信用评分信息。
5.根据权利要求3所述的方法，其中，所述基于信贷特征，对所述至少一个物品品类进行聚类得到至少两个聚类簇，包括：
将所述物品品类划分成K个聚类簇，其中，K为大于1的正整数；
采用层次聚类算法，将信贷特征逐步加入所述K个聚类簇中进行聚类；
确定不同信贷特征聚类成的、不同K值下的聚类结果的轮廓系数；
根据所确定的轮廓系数选取目标聚类结果，将所述目标聚类结果确定为对所述至少一个物品品类进行聚类得到多个聚类簇的聚类结果。
6.根据权利要求3所述的方法，其中，在基于信贷特征，对所述至少一个物品品类进行聚类得到至少两个聚类簇之前，所述方法还包括：
从所获取的信贷特征中去除满足第三预设条件的信贷特征。
7.一种用于生成信息的装置，包括：
获取单元，被配置成获取待评估用户在至少一个物品品类下的用户特征；
确定单元，被配置成确定所述待评估用户在所述至少一个物品品类下的用户特征评分，其中，所述用户特征评分用于表征用户与物品品类的交互程度；
生成单元，被配置成基于所述待评估用户在所述至少一个物品品类下的用户特征评分和预设的物品品类风险评分，生成所述待评估用户的信用评分信息，其中，所述物品品类风险评分用于表征属于物品品类的物品被用户接受的程度。
8.根据权利要求7所述的装置，其中，所述确定单元进一步被配置成：
获取至少一个预设用户在所述至少一个物品品类下的用户特征，其中，所述预设用户和所述待评估用户满足第一预设条件；
将所述待评估用户在所述至少一个物品品类下的用户特征与所述至少一个预设用户在所述至少一个物品品类下的用户特征对比，确定所述待评估用户在所述至少一个物品品类下的用户特征评分。
9.根据权利要求7所述的装置，其中，所述装置还包括：
物品品类风险评分获取单元，被配置成通过如下方式得到所述物品品类风险评分：
获取至少一个第一用户与所述至少一个物品品类交互生成的信贷特征，其中，所述信贷特征用于表征用户对属于物品品类的物品的信用度，所述第一用户满足第二预设条件；
基于信贷特征，对所述至少一个物品品类进行聚类得到至少两个聚类簇；
对于所述至少一个物品品类中的物品品类，计算该物品品类到所述至少两个类簇中的聚类簇的聚类中心的距离；基于该物品品类到所述至少两个聚类簇的聚类中心的距离，得到该物品品类的物品品类风险评分。
10.根据权利要求7所述的装置，其中，所述装置还包括：
设置单元，被配置成基于所述待评估用户在所述至少一个物品品类下的用户特征，为所述待评估用户设置惩罚因子；
更新单元，被配置成对所述待评估用户的信用评分结果应用所述惩罚因子，更新所述待评估用户的信用评分信息。
11.根据权利要求9所述的装置，其中，所述物品品类风险评分进一步被配置成按照如下方式执行所述基于信贷特征，对所述至少一个物品品类进行聚类得到至少两个聚类簇：
将所述物品品类划分成K个聚类簇，其中，K为大于1的正整数；
采用层次聚类算法，将信贷特征逐步加入所述K个聚类簇中进行聚类；
确定不同信贷特征聚类成的、不同K值下的聚类结果的轮廓系数；
根据所确定的轮廓系数选取目标聚类结果，将所述目标聚类结果确定为对所述至少一个物品品类进行聚类得到多个聚类簇的聚类结果。
12.根据权利要求9所述的装置，其中，所述物品品类风险评分获取单元进一步被配置成在执行所述基于信贷特征，对所述至少一个物品品类进行聚类得到至少两个聚类簇之前：
从所获取的信贷特征中去除满足第三预设条件的信贷特征。
13.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN201810601564.9A 2018-06-12 2018-06-12 用于生成信息的方法和装置 Active CN108846743B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810601564.9A CN108846743B (zh) 2018-06-12 2018-06-12 用于生成信息的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810601564.9A CN108846743B (zh) 2018-06-12 2018-06-12 用于生成信息的方法和装置

Publications (2)

Publication Number Publication Date
CN108846743A true CN108846743A (zh) 2018-11-20
CN108846743B CN108846743B (zh) 2021-11-30

Family

ID=64210854

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810601564.9A Active CN108846743B (zh) 2018-06-12 2018-06-12 用于生成信息的方法和装置

Country Status (1)

Country Link
CN (1) CN108846743B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004164155A (ja) * 2002-11-12 2004-06-10 Financial Engineering Group Inc 個人信用格付けシステム、および、個人信用格付けプログラム
CN101447052A (zh) * 2009-01-05 2009-06-03 阿里巴巴集团控股有限公司 延期付款/分期付款的网上信贷系统及网上信贷方法
CN101493913A (zh) * 2008-01-23 2009-07-29 阿里巴巴集团控股有限公司 一种评估网上用户信用的方法及系统
CN104809626A (zh) * 2015-03-17 2015-07-29 徐邑江 一种基于用户信用评估的个性化商品推荐方法
CN105630742A (zh) * 2015-12-28 2016-06-01 广州酷狗计算机科技有限公司 特征向量计算方法及装置
US20160267586A1 (en) * 2015-03-09 2016-09-15 Tata Consultancy Services Limited Methods and devices for computing optimized credit scores
CN106097095A (zh) * 2016-06-08 2016-11-09 腾讯科技（深圳）有限公司 确定信用的方法及装置
CN106127570A (zh) * 2016-06-16 2016-11-16 腾讯科技（深圳）有限公司 征信系统的稳定性指标生成方法及装置
CN106408184A (zh) * 2016-09-12 2017-02-15 中山大学 一种基于多源异构数据的用户信用评估模型
CN106503873A (zh) * 2016-11-30 2017-03-15 腾云天宇科技（北京）有限公司 一种预测用户守约概率的方法、装置和计算设备
CN107194767A (zh) * 2017-05-17 2017-09-22 深圳前海跨海侠跨境电子商务有限公司 一种用于代购平台的风险提示方法及系统
CN107248114A (zh) * 2017-06-01 2017-10-13 世纪禾光科技发展（北京）有限公司 电商贷款管理方法和系统
CN107705036A (zh) * 2017-10-27 2018-02-16 杭州呯嘭智能技术有限公司 基于多维度数据的动态信用评估方法及系统
CN107784583A (zh) * 2017-02-20 2018-03-09 上海陆家嘴国际金融资产交易市场股份有限公司 风险匹配方法及装置
CN107798608A (zh) * 2017-10-19 2018-03-13 深圳市耐飞科技有限公司 一种投资产品组合推荐方法及系统
CN107895323A (zh) * 2017-12-08 2018-04-10 泰康保险集团股份有限公司 信用评价方法和装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004164155A (ja) * 2002-11-12 2004-06-10 Financial Engineering Group Inc 個人信用格付けシステム、および、個人信用格付けプログラム
CN101493913A (zh) * 2008-01-23 2009-07-29 阿里巴巴集团控股有限公司 一种评估网上用户信用的方法及系统
CN101447052A (zh) * 2009-01-05 2009-06-03 阿里巴巴集团控股有限公司 延期付款/分期付款的网上信贷系统及网上信贷方法
US20160267586A1 (en) * 2015-03-09 2016-09-15 Tata Consultancy Services Limited Methods and devices for computing optimized credit scores
CN104809626A (zh) * 2015-03-17 2015-07-29 徐邑江 一种基于用户信用评估的个性化商品推荐方法
CN105630742A (zh) * 2015-12-28 2016-06-01 广州酷狗计算机科技有限公司 特征向量计算方法及装置
CN106097095A (zh) * 2016-06-08 2016-11-09 腾讯科技（深圳）有限公司 确定信用的方法及装置
CN106127570A (zh) * 2016-06-16 2016-11-16 腾讯科技（深圳）有限公司 征信系统的稳定性指标生成方法及装置
CN106408184A (zh) * 2016-09-12 2017-02-15 中山大学 一种基于多源异构数据的用户信用评估模型
CN106503873A (zh) * 2016-11-30 2017-03-15 腾云天宇科技（北京）有限公司 一种预测用户守约概率的方法、装置和计算设备
CN107784583A (zh) * 2017-02-20 2018-03-09 上海陆家嘴国际金融资产交易市场股份有限公司 风险匹配方法及装置
CN107194767A (zh) * 2017-05-17 2017-09-22 深圳前海跨海侠跨境电子商务有限公司 一种用于代购平台的风险提示方法及系统
CN107248114A (zh) * 2017-06-01 2017-10-13 世纪禾光科技发展（北京）有限公司 电商贷款管理方法和系统
CN107798608A (zh) * 2017-10-19 2018-03-13 深圳市耐飞科技有限公司 一种投资产品组合推荐方法及系统
CN107705036A (zh) * 2017-10-27 2018-02-16 杭州呯嘭智能技术有限公司 基于多维度数据的动态信用评估方法及系统
CN107895323A (zh) * 2017-12-08 2018-04-10 泰康保险集团股份有限公司 信用评价方法和装置

Also Published As

Publication number Publication date
CN108846743B (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
CN107908740A (zh) 信息输出方法和装置
CN109460513A (zh) 用于生成点击率预测模型的方法和装置
CN109522483A (zh) 用于推送信息的方法和装置
CN109783741A (zh) 用于推送信息的方法和装置
CN106845999A (zh) 风险用户识别方法、装置和服务器
CN107808314B (zh) 用户推荐方法及装置
CN109993568A (zh) 信息推送的方法和装置
CN107451785A (zh) 用于输出信息的方法和装置
CN110363604A (zh) 页面生成方法和装置
CN109711733A (zh) 用于生成聚类模型的方法、电子设备和计算机可读介质
CN106897905A (zh) 用于推送信息的方法、装置及电子设备
CN109711917A (zh) 信息推送方法和装置
CN109785072A (zh) 用于生成信息的方法和装置
AU2019277353A1 (en) Electronic content based on neural networks
CN107885784A (zh) 提取用户特征数据的方法和装置
CN109087138A (zh) 数据处理方法及系统、计算机系统和可读存储介质
CN110070382A (zh) 用于生成信息的方法和装置
CN110362750A (zh) 目标用户确定方法、装置、电子设备和计算机可读介质
CN108595448A (zh) 信息推送方法和装置
CN110020112A (zh) 对象推送方法及其系统
CN112016792A (zh) 用户资源配额确定方法、装置及电子设备
KR20210058525A (ko) 상품 또는 서비스에 대한 비정형의 품목데이터를 자동으로 분류하는 방법 및 디바이스
CN113379511A (zh) 用于输出信息的方法和装置
CN110348921A (zh) 门店物品选取的方法和装置
CN115271931A (zh) 一种信用卡产品的推荐方法、装置、电子设备和介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 221, 2nd floor, Block C, 18 Kechuang 11th Street, Daxing Economic and Technological Development Zone, Beijing, 100176

Applicant after: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd.

Address before: Room 221, 2nd floor, Block C, 18 Kechuang 11th Street, Daxing Economic and Technological Development Zone, Beijing, 100176

Applicant before: BEIJING JINGDONG FINANCIAL TECHNOLOGY HOLDING Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Room 221, 2nd floor, Block C, 18 Kechuang 11th Street, Daxing Economic and Technological Development Zone, Beijing, 100176

Patentee after: Jingdong Technology Holding Co.,Ltd.

Address before: Room 221, 2nd floor, Block C, 18 Kechuang 11th Street, Daxing Economic and Technological Development Zone, Beijing, 100176

Patentee before: Jingdong Digital Technology Holding Co.,Ltd.

Address after: Room 221, 2nd floor, Block C, 18 Kechuang 11th Street, Daxing Economic and Technological Development Zone, Beijing, 100176

Patentee after: Jingdong Digital Technology Holding Co.,Ltd.

Address before: Room 221, 2nd floor, Block C, 18 Kechuang 11th Street, Daxing Economic and Technological Development Zone, Beijing, 100176

Patentee before: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd.