CN109658230A - 互联网借贷处理方法及装置 - Google Patents
互联网借贷处理方法及装置 Download PDFInfo
- Publication number
- CN109658230A CN109658230A CN201811514205.6A CN201811514205A CN109658230A CN 109658230 A CN109658230 A CN 109658230A CN 201811514205 A CN201811514205 A CN 201811514205A CN 109658230 A CN109658230 A CN 109658230A
- Authority
- CN
- China
- Prior art keywords
- information
- product information
- loan product
- user
- portrait
- 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
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Abstract
本发明实施例涉及互联网金融技术领域,具体而言,涉及一种互联网借贷处理方法及装置,该方法能够基于用户资料信息生成的用户画像从预设产品数据库中获取多个借贷产品信息,并基于计算出的每个借贷产品信息的分值数据对多个借贷产品信息进行排序、筛选和显示,如此,能够从多维度对用户资料信息进行分析,为用户提供多种差异化的借贷服务,相较于常见的一刀切的方式,该方法能够满足各类用户的需要,保留住潜在的借贷用户群体。
Description
技术领域
本发明实施例涉及互联网金融技术领域,具体而言,涉及一种互联网借贷处理方法及装置。
背景技术
点对点网络借款(peer to peer lending,P2P)是一种将小额资金聚集起来借贷给有资金需求人群的一种民间小额借贷模式,属于互联网金融产品的一种。属于民间小额借贷,借助互联网、移动互联网技术的网络信贷平台及相关理财行为、金融服务。相较于传统的银行借贷,P2P能够有效减少借款人,特别是小额借款人的借款成本,在现今的信息时代中享有一席之地。但是现有的借贷模式较为单一,难以满足各类用户的需要。
发明内容
有鉴于此,本发明提供了一种互联网借贷处理方法及装置。
本发明实施例提供了一种互联网借贷处理方法,应用于与客户端通信连接的服务端,所述方法包括:
获取所述客户端发送的用户资料信息;
根据所述用户资料信息生成用户画像,基于所述用户画像从预设产品数据库中获取多个借贷产品信息;
基于所述用户画像计算出所述多个借贷产品信息中的每个借贷产品信息的分值数据;
根据计算得到的多个分值数据对所述多个借贷产品信息进行排序,从完成排序的多个借贷产品信息中选取出预设数量个借贷产品信息,将所述预设数量个借贷产品信息发送至所述客户端进行显示。
可选地,根据所述用户资料信息生成用户画像的步骤,包括:
解析获得所述用户资料信息中包括的年龄信息、地址信息和职业信息;
根据所述年龄信息推算出所述用户的消费能力信息,根据所述地址信息确定所述用户的所处地域信息,根据所述职业信息计算获得所述用户的风险承受度;
根据所述消费能力信息、所述所处地域信息和所述风险承受度生成用户画像。
可选地,基于所述用户画像从预设产品数据库中获取多个借贷产品信息的步骤,包括:
基于所述用户画像评估得到所述用户的还款能力信息;
从所述预设产品数据库中查找出与该还款能力信息匹配的多个借贷产品信息,其中,所述借贷产品信息包括借贷利率、还款期限和还款方式。
可选地,基于所述用户画像计算出所述多个借贷产品信息中的每个借贷产品信息的分值数据的步骤,包括:
将所述用户画像输入卷积神经网络;
针对每个借贷产品信息,将该借贷产品信息输入所述卷积神经网络以计算出该借贷产品信息的分值数据,并采用计算出的分值数据对所述卷积神经网络进行二次训练。
可选地,根据计算得到的多个分值数据对所述多个借贷产品信息进行排序,从完成排序的多个借贷产品信息中选取出预设数量个借贷产品信息的步骤,包括:
按照由高到低的顺序对计算得到的多个分值数据进行排序;
按照计算得到的多个分值数据的排序序列对多个借贷产品信息进行排序;
从完成排序的多个借贷产品信息中选取出排序靠前的预设数量个借贷产品信息。
本发明实施例还提供了一种互联网借贷处理装置,应用于与客户端通信连接的服务端,所述装置包括:
用户资料信息获取模块,用于获取所述客户端发送的用户资料信息;
借贷产品信息获取模块,用于根据所述用户资料信息生成用户画像,基于所述用户画像从预设产品数据库中获取多个借贷产品信息;
分值数据计算模块,用于基于所述用户画像计算出所述多个借贷产品信息中的每个借贷产品信息的分值数据;
借贷产品信息筛选模块,用于根据计算得到的多个分值数据对所述多个借贷产品信息进行排序,从完成排序的多个借贷产品信息中选取出预设数量个借贷产品信息,将所述预设数量个借贷产品信息发送至所述客户端进行显示。
可选地,所述借贷产品信息获取模块通过以下方式根据所述用户资料信息生成用户画像:
解析获得所述用户资料信息中包括的年龄信息、地址信息和职业信息;
根据所述年龄信息推算出所述用户的消费能力信息,根据所述地址信息确定所述用户的所处地域信息,根据所述职业信息计算获得所述用户的风险承受度;
根据所述消费能力信息、所述所处地域信息和所述风险承受度生成用户画像。
可选地,所述分值数据计算模块通过以下方式基于所述用户画像从预设产品数据库中获取多个借贷产品信息:
基于所述用户画像评估得到所述用户的还款能力信息;
从所述预设产品数据库中查找出与该还款能力信息匹配的多个借贷产品信息,其中,所述借贷产品信息包括借贷利率、还款期限和还款方式。
可选地,所述分值数据计算模块通过以下方式基于所述用户画像计算出所述多个借贷产品信息中的每个借贷产品信息的分值数据:
将所述用户画像输入卷积神经网络;
针对每个借贷产品信息,将该借贷产品信息输入所述卷积神经网络以计算出该借贷产品信息的分值数据,并采用计算出的分值数据对所述卷积神经网络进行二次训练。
可选地,所述借贷产品信息筛选模块根据计算得到的多个分值数据对所述多个借贷产品信息进行排序,从完成排序的多个借贷产品信息中选取出预设数量个借贷产品信息:
按照由高到低的顺序对计算得到的多个分值数据进行排序;
按照计算得到的多个分值数据的排序序列对多个借贷产品信息进行排序;
从完成排序的多个借贷产品信息中选取出排序靠前的预设数量个借贷产品信息。
本发明实施例还提供了一种服务端,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的互联网借贷处理方法。
本发明实施例还提供了一种计算机可读存储介质,所述可读存储介质包括计算机程序,所述计算机程序运行时控制所述可读存储介质所在服务端执行上述的互联网借贷处理方法。
有益效果
本发明实施例提供的互联网借贷处理方法及装置,能够基于用户资料信息生成的用户画像从预设产品数据库中获取多个借贷产品信息,并基于计算出的每个借贷产品信息的分值数据对多个借贷产品信息进行排序、筛选和显示,如此,能够从多维度对用户资料信息进行分析,为用户提供多种差异化的借贷服务,相较于常见的一刀切的方式,该方法能够满足各类用户的需要,保留住潜在的借贷用户群体。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例所提供的一种服务端10的方框示意图。
图2为本发明实施例所提供的一种互联网借贷处理方法的流程图。
图3为一实施方式中图2所示的步骤S24包括的子步骤的示意图。
图4为本发明实施例所提供的一种互联网借贷处理装置20的模块框图。
图标:
10-服务端;11-存储器;12-处理器;13-网络模块;
20-互联网借贷处理装置;21-用户资料信息获取模块;22-借贷产品信息获取模块;23-分值数据计算模块;24-借贷产品信息筛选模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
发明人经调查发现,在现有的借贷平台中,根据用户的填写资料信息只能提供单个贷款产品或者根据征信息来决定是否可借款,并不能提供给用户差异化的服务需求,具体地,现有的借贷平台大多只单纯地根据用户的征信判断用户是否符合当前产品或者单商户的要求,如果不符合要求,则直接拒绝用户,这就造成了单个商户或者银行认为用户的资质欠佳或者征信不足,导致用户被武断的定义为不合格用户。
以上现有技术中的方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本发明实施例针对上述问题所提出的解决方案,都应该是发明人在本发明过程中对本发明做出的贡献。
基于上述研究,本发明实施例提供了一种互联网借贷处理方法及装置,能够从多维度对用户资料信息进行分析,为用户提供多种差异化的借贷服务,相较于常见的一刀切的方式,该方法能够保留住潜在的借贷用户群体。
图1示出了本发明实施例所提供的一种服务端10的方框示意图。本发明实施例中的服务端10具有数据存储、传输、处理功能,如图1所示,服务端10包括:存储器11、处理器12、网络模块13和互联网借贷处理装置20。
存储器11、处理器12和网络模块13之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有互联网借贷处理装置20,所述互联网借贷处理装置20包括至少一个可以软件或固件(firmware)的形式储存于所述存储器11中的软件功能模块,所述处理器12通过运行存储在存储器11内的软件程序以及模块,例如本发明实施例中的互联网借贷处理装置20,从而执行各种功能应用以及数据处理,即实现本发明实施例中的互联网借贷处理方法。
其中,所述存储器11可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器11用于存储程序,所述处理器12在接收到执行指令后,执行所述程序。
所述处理器12可能是一种集成电路芯片,具有数据的处理能力。上述的处理器12可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等。可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
网络模块13用于通过网络建立服务端10与其他通信终端设备之间的通信连接,实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
可以理解,图1所示的结构仅为示意,服务端10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本发明实施例还提供一种计算机可读存储介质,所述可读存储介质包括计算机程序。所述计算机程序运行时控制所述可读存储介质所在服务端10执行下面的互联网借贷处理方法。
图2示出了本发明实施例所提供的一种互联网借贷处理方法的流程图。所述方法有关的流程所定义的方法步骤应用于与客户端通信连接的服务端10,可以由所述处理器12实现。下面将对图2所示的具体流程进行详细阐述:
步骤S21,获取客户端发送的用户资料信息。
客户端会向用户呈现一系列需要填写的数据,用户会通过客户端填写对应的用户资料信息,而客户端则会将用户填写的用户资料信息发送至服务端10。
在本实施例中,用户资料信息包括但不限于身份证照片,身份证号码,工作地址,家庭地址,职业信息,学历,单位信息,借款意向调查等。
可选地,服务端10还会向用户获取定位信息的授权,以便获取用户当前所在城市或地区的信息。
步骤S22,根据用户资料信息生成用户画像,基于用户画像从预设产品数据块中获取多个借贷产品信息。
例如,服务端10会解析用户资料信息中包括的年龄信息、地址信息和职业信息。
根据年龄信息对用户进行年龄段的区分,进而推算出用户的消费能力,又例如,25-40岁之间的用户消费能力较强,现金流较为健康。
根据地址信息确定用户的所处地域信息,又例如,处于北上广深等一线城市的用户的征信意识较强,可以作为之后推荐借贷产品的依据,还可以根据定位信息、家庭地址和工作地址进行计算,确保用户三址合一。
根据职业信息计算用户的风险承受度,又例如,可以根据职业信息对该职业所处行业进行深度挖掘和分析,判断出该行业的前景,还可以挖掘该行业相关公司公开的财务报表以估算用户的现金流流入情况,进而计算出用户的风险承受度。
进一步地,根据消费能力信息、所处地域信息和风险承受度生成用户画像,根据用户画像评估得到用户的还款能力信息。然后根据还款能力信息从预设产品数据库中查找出与该还款能力信息匹配的多个借贷产品信息。
步骤S23,基于用户画像计算出多个借贷产品信息中的每个借贷产品信息的分值数据。
其中,分值数据可以用于评估每个借贷产品信息与该用户的契合度,若分值数据较低,说明该借贷产品信息所对应产品不适合该用户。
具体地,在计算分值数据之前,会对用户画像中的数据进行预处理。
可以理解,用户画像中存在关键数据和非关键数据,其中,关键数据能够直接用于计算,而非关键数据则不能直接用于计算,需要进行数据清洗,将非关键数据转换为关键数据,例如,将性别由汉字转换为设定字段,如此,能够便于后续的计算。
进一步地,将用户画像输入预先搭建的卷积神经网络,然后将每个借贷产品信息依次输入卷积神经网络计算出每个借贷产品信息的分值数据。然后利用计算出的分值数据对卷积神经网络进行二次训练,以提高后续计算的准确性。
可选地,卷积神经网络可以实现数据采样、特征提取、缺失值计算、对定量特征二值化、对定性特征哑编码、降维和预测等功能,利用卷积神经网络能够计算出每个借贷产品信息的分值数据。
步骤S24,根据计算得到的多个分值数据对多个借贷产品信息进行排序,从完成排序的多个借贷产品信息中选取出预设数量个借贷产品信息,将预设数量个借贷产品信息发送至客户端进行显示。
请结合参阅图3,本实施例中通过步骤S241、步骤S242和步骤S243列举了步骤S24的其中一种实现方式。
步骤S241,按照由高到低的顺序对计算得到的多个分值数据进行排序。
例如,计算得到的分值数据为score1~score10。
又例如,按照由高到低进行排序后的分值数据序列为score10、score2、score3、score5、score7、score6、score8、score9、score1和score4。
步骤S242,按照计算得到的多个分值数据的排序序列对多个借贷产品信息进行排序。
又例如,完成排序的借贷产品信息为:f10、f2、f3、f5、f7、f6、f8、f9、f1和f4。
步骤S243,从完成排序的多个借贷产品信息中选取出排序靠前的预设数量个借贷产品信息。
在本实施例中,预设数量可以为3。
则选取出的借贷产品信息为f10、f2和f3。
进一步地,服务端10将f10、f2和f3发送至客户端进行显示,用户可以通过客户端选择适合自己自身情况的借贷产品,进而能够实现差异化产品服务,相较于常见的一刀切式借贷服务,本实施例所提供的方法能够在不查用户征信的情况下利用有限的用户资料信息快速实现用户的差异化产品服务,尽可能让用户获得适合自己的借贷产品。
在上述基础上,如图4所示,本发明实施例提供了一种互联网借贷处理装置20,所述互联网借贷处理装置20包括:用户资料信息获取模块21、借贷产品信息获取模块22、分值数据计算模块23和借贷产品信息筛选模块24。
用户资料信息获取模块21,用于获取所述客户端发送的用户资料信息。
由于用户资料信息获取模块21和图2中步骤S21的实现原理类似,因此在此不作更多说明。
借贷产品信息获取模块22,用于根据所述用户资料信息生成用户画像,基于所述用户画像从预设产品数据库中获取多个借贷产品信息。
由于借贷产品信息获取模块22和图2中步骤S22的实现原理类似,因此在此不作更多说明。
分值数据计算模块23,用于基于所述用户画像计算出所述多个借贷产品信息中的每个借贷产品信息的分值数据。
由于分值数据计算模块23和图2中步骤S23的实现原理类似,因此在此不作更多说明。
借贷产品信息筛选模块24,用于根据计算得到的多个分值数据对所述多个借贷产品信息进行排序,从完成排序的多个借贷产品信息中选取出预设数量个借贷产品信息,将所述预设数量个借贷产品信息发送至所述客户端进行显示。
由于借贷产品信息筛选模块24和图2中步骤S24的实现原理类似,因此在此不作更多说明。
综上,本发明实施例所提供的互联网借贷处理方法及装置,能够从多维度对用户资料信息进行分析,为用户提供多种差异化的借贷服务,满足各类用户的需要,保留住潜在的借贷用户群体。
在本发明实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、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,所述模块、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方式中,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,两个连续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动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。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务端10,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种互联网借贷处理方法,其特征在于,应用于与客户端通信连接的服务端,所述方法包括:
获取所述客户端发送的用户资料信息;
根据所述用户资料信息生成用户画像,基于所述用户画像从预设产品数据库中获取多个借贷产品信息;
基于所述用户画像计算出所述多个借贷产品信息中的每个借贷产品信息的分值数据;
根据计算得到的多个分值数据对所述多个借贷产品信息进行排序,从完成排序的多个借贷产品信息中选取出预设数量个借贷产品信息,将所述预设数量个借贷产品信息发送至所述客户端进行显示。
2.根据权利要求1所述的互联网借贷处理方法,其特征在于,根据所述用户资料信息生成用户画像的步骤,包括:
解析获得所述用户资料信息中包括的年龄信息、地址信息和职业信息;
根据所述年龄信息推算出所述用户的消费能力信息,根据所述地址信息确定所述用户的所处地域信息,根据所述职业信息计算获得所述用户的风险承受度;
根据所述消费能力信息、所述所处地域信息和所述风险承受度生成用户画像。
3.根据权利要求2所述的互联网借贷处理方法,其特征在于,基于所述用户画像从预设产品数据库中获取多个借贷产品信息的步骤,包括:
基于所述用户画像评估得到所述用户的还款能力信息;
从所述预设产品数据库中查找出与该还款能力信息匹配的多个借贷产品信息,其中,所述借贷产品信息包括借贷利率、还款期限和还款方式。
4.根据权利要求1所述的互联网借贷处理方法,其特征在于,基于所述用户画像计算出所述多个借贷产品信息中的每个借贷产品信息的分值数据的步骤,包括:
将所述用户画像输入卷积神经网络;
针对每个借贷产品信息,将该借贷产品信息输入所述卷积神经网络以计算出该借贷产品信息的分值数据,并采用计算出的分值数据对所述卷积神经网络进行二次训练。
5.根据权利要求1所述的互联网借贷处理方法,其特征在于,根据计算得到的多个分值数据对所述多个借贷产品信息进行排序,从完成排序的多个借贷产品信息中选取出预设数量个借贷产品信息的步骤,包括:
按照由高到低的顺序对计算得到的多个分值数据进行排序;
按照计算得到的多个分值数据的排序序列对多个借贷产品信息进行排序;
从完成排序的多个借贷产品信息中选取出排序靠前的预设数量个借贷产品信息。
6.一种互联网借贷处理装置,其特征在于,应用于与客户端通信连接的服务端,所述装置包括:
用户资料信息获取模块,用于获取所述客户端发送的用户资料信息;
借贷产品信息获取模块,用于根据所述用户资料信息生成用户画像,基于所述用户画像从预设产品数据库中获取多个借贷产品信息;
分值数据计算模块,用于基于所述用户画像计算出所述多个借贷产品信息中的每个借贷产品信息的分值数据;
借贷产品信息筛选模块,用于根据计算得到的多个分值数据对所述多个借贷产品信息进行排序,从完成排序的多个借贷产品信息中选取出预设数量个借贷产品信息,将所述预设数量个借贷产品信息发送至所述客户端进行显示。
7.根据权利要求6所述的互联网借贷处理装置,其特征在于,所述借贷产品信息获取模块通过以下方式根据所述用户资料信息生成用户画像:
解析获得所述用户资料信息中包括的年龄信息、地址信息和职业信息;
根据所述年龄信息推算出所述用户的消费能力信息,根据所述地址信息确定所述用户的所处地域信息,根据所述职业信息计算获得所述用户的风险承受度;
根据所述消费能力信息、所述所处地域信息和所述风险承受度生成用户画像。
8.根据权利要求7所述的互联网借贷处理装置,其特征在于,所述分值数据计算模块通过以下方式基于所述用户画像从预设产品数据库中获取多个借贷产品信息:
基于所述用户画像评估得到所述用户的还款能力信息;
从所述预设产品数据库中查找出与该还款能力信息匹配的多个借贷产品信息,其中,所述借贷产品信息包括借贷利率、还款期限和还款方式。
9.根据权利要求6所述的互联网借贷处理装置,其特征在于,所述分值数据计算模块通过以下方式基于所述用户画像计算出所述多个借贷产品信息中的每个借贷产品信息的分值数据:
将所述用户画像输入卷积神经网络;
针对每个借贷产品信息,将该借贷产品信息输入所述卷积神经网络以计算出该借贷产品信息的分值数据,并采用计算出的分值数据对所述卷积神经网络进行二次训练。
10.根据权利要求6所述的互联网借贷处理装置,其特征在于,所述借贷产品信息筛选模块根据计算得到的多个分值数据对所述多个借贷产品信息进行排序,从完成排序的多个借贷产品信息中选取出预设数量个借贷产品信息:
按照由高到低的顺序对计算得到的多个分值数据进行排序;
按照计算得到的多个分值数据的排序序列对多个借贷产品信息进行排序;
从完成排序的多个借贷产品信息中选取出排序靠前的预设数量个借贷产品信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811514205.6A CN109658230A (zh) | 2018-12-11 | 2018-12-11 | 互联网借贷处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811514205.6A CN109658230A (zh) | 2018-12-11 | 2018-12-11 | 互联网借贷处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109658230A true CN109658230A (zh) | 2019-04-19 |
Family
ID=66113683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811514205.6A Pending CN109658230A (zh) | 2018-12-11 | 2018-12-11 | 互联网借贷处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109658230A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600369A (zh) * | 2016-12-09 | 2017-04-26 | 广东奡风科技股份有限公司 | 基于朴素贝叶斯分类的银行金融产品实时推荐系统和方法 |
CN106780012A (zh) * | 2016-12-29 | 2017-05-31 | 深圳微众税银信息服务有限公司 | 一种互联网信贷方法及系统 |
CN108520324A (zh) * | 2018-04-13 | 2018-09-11 | 北京京东金融科技控股有限公司 | 用于生成信息的方法和装置 |
CN108765130A (zh) * | 2018-05-21 | 2018-11-06 | 北京六行君通信息科技股份有限公司 | 一种在线式个人消费信用贷款申请评估匹配方法和装置 |
CN108765137A (zh) * | 2018-05-30 | 2018-11-06 | 中智诚征信有限公司 | 一种信贷需求预测方法和系统、存储介质 |
CN108920717A (zh) * | 2018-07-27 | 2018-11-30 | 百度在线网络技术(北京)有限公司 | 用于显示信息的方法及装置 |
-
2018
- 2018-12-11 CN CN201811514205.6A patent/CN109658230A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600369A (zh) * | 2016-12-09 | 2017-04-26 | 广东奡风科技股份有限公司 | 基于朴素贝叶斯分类的银行金融产品实时推荐系统和方法 |
CN106780012A (zh) * | 2016-12-29 | 2017-05-31 | 深圳微众税银信息服务有限公司 | 一种互联网信贷方法及系统 |
CN108520324A (zh) * | 2018-04-13 | 2018-09-11 | 北京京东金融科技控股有限公司 | 用于生成信息的方法和装置 |
CN108765130A (zh) * | 2018-05-21 | 2018-11-06 | 北京六行君通信息科技股份有限公司 | 一种在线式个人消费信用贷款申请评估匹配方法和装置 |
CN108765137A (zh) * | 2018-05-30 | 2018-11-06 | 中智诚征信有限公司 | 一种信贷需求预测方法和系统、存储介质 |
CN108920717A (zh) * | 2018-07-27 | 2018-11-30 | 百度在线网络技术(北京)有限公司 | 用于显示信息的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110837931B (zh) | 客户流失预测方法、装置及存储介质 | |
CN109615524B (zh) | 洗钱犯罪团伙的识别方法、装置、计算机设备及存储介质 | |
WO2010037030A1 (en) | Evaluating loan access using online business transaction data | |
US11538044B2 (en) | System and method for generation of case-based data for training machine learning classifiers | |
US8984022B1 (en) | Automating growth and evaluation of segmentation trees | |
CN110070430A (zh) | 评估还款风险的方法及装置、存储介质、电子设备 | |
CN110909984A (zh) | 业务数据处理模型训练方法、业务数据处理方法及装置 | |
CN112561598A (zh) | 基于客户画像的客户流失预测及挽回方法和系统 | |
CN110009417A (zh) | 目标客户筛选方法、装置、设备及计算机可读存储介质 | |
CN110930038A (zh) | 一种贷款需求识别方法、装置、终端及存储介质 | |
CN110111113A (zh) | 一种异常交易节点的检测方法及装置 | |
CN111882420A (zh) | 响应率的生成方法、营销方法、模型训练方法及装置 | |
CN107346515A (zh) | 一种信用卡账户分期预测方法及装置 | |
CN110851482B (zh) | 为多个数据方提供数据模型的方法及装置 | |
CN112232950A (zh) | 针对借贷风险的评估方法及装置、设备、计算机可读存储介质 | |
CN110473039A (zh) | 评估用户的信用风险的方法及装置 | |
CN108629508A (zh) | 信用风险分类方法、装置、计算机设备及存储介质 | |
CN111563187A (zh) | 关系确定方法、装置、系统和电子设备 | |
Yuping et al. | New methods of customer segmentation and individual credit evaluation based on machine learning | |
Xiao et al. | Visual analysis of risks in peer-to-peer lending market | |
CN109102396A (zh) | 一种用户信用评级方法、计算机设备及可读介质 | |
CN108985595A (zh) | 基于交易方互评的移动交易服务评价方法及装置 | |
CN113450004A (zh) | 电力信用报告生成方法、装置、电子设备及可读存储介质 | |
CN111553685A (zh) | 确定交易路由通道的方法、装置、电子设备和存储介质 | |
CN116361542A (zh) | 产品推荐方法、装置、计算机设备和存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190419 |