CN109711970A - 贷款授信平台及其授信方法、授信设备、可读存储介质 - Google Patents
贷款授信平台及其授信方法、授信设备、可读存储介质 Download PDFInfo
- Publication number
- CN109711970A CN109711970A CN201810940128.4A CN201810940128A CN109711970A CN 109711970 A CN109711970 A CN 109711970A CN 201810940128 A CN201810940128 A CN 201810940128A CN 109711970 A CN109711970 A CN 109711970A
- Authority
- CN
- China
- Prior art keywords
- credit
- debt
- score
- loan
- assessment
- 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.)
- Withdrawn
Links
Abstract
本发明公开了一种贷款授信方法,该贷款授信方法包括以下步骤:获取借贷方的静态数据,根据所述静态数据生成并输出对应目标授信问题;接收所述借贷方在回答若干个目标授信问题时的动态数据;分析所述静态数据和所述动态数据,得到所述借贷方的评估总分;在所述评估总分大于或等于预设分数时,为所述借贷方进行授信。本发明还公开了贷款授信平台、贷款授信设备和可读存储介质。本发明有利于提高对借贷用户风险评估的准确性,降低借贷授信的风险,避免造成金融平台不必要的经济损失。
Description
技术领域
本发明涉及金融技术领域,尤其涉及贷款授信方法、贷款授信平台、贷款授信设备以及可读存储介质。
背景技术
当前线上的金融平台,为客户提供贷款服务。在进行客户贷款申请时,通过对客户上传的相关资料和证件审核,来实现对贷款用户的风险评估,并为风险较低的贷款用户进行授信。但由于这些资料和证件都是历史的静态数据,因而对贷款用户的评估具有一定的滞后性和片面性,影响风险评估结果的准确性,增加授信的风险,容易造成金融平台的经济损失。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种贷款授信方法,旨在提高对借贷用户风险评估的准确性,降低借贷授信的风险,避免造成金融平台不必要的经济损失。
为实现上述目的,本发明提供一种贷款授信方法,所述贷款授信方法包括以下步骤:
获取借贷方的静态数据,根据静态数据生成并输出对应目标授信问题;
接收所述借贷方在回答若干个目标授信问题时的动态数据;
分析所述静态数据和所述动态数据,得到所述借贷方的评估总分;
在所述评估总分大于或等于预设分数时,为所述借贷方进行授信。
可选地,所述分析所述静态数据和所述动态数据得到所述借贷方的评估总分的步骤包括:
分析所述静态数据得到所述借贷方的第一评估分数,分析所述动态数据得到所述借贷方的第二评估分数;
将所述第一评估分数和所述第二评估分数进行加权平均得到所述评估总分。
可选地,所述分析所述静态数据得到所述借贷方的第一评估分数的步骤包括:
根据多个预设评分项分别提取所述静态数据中相应的评分数据;
确定每个所述预设评分项对应的评分规则;
根据提取的评分数据和对应的评分规则确定每个评分数据得到的第一分值;
根据确定的第一分值计算所述第一评估分数。
可选地,所述分析所述动态数据得到所述借贷方的第二评估分数的步骤包括:
根据动态数据确定所述借贷方在回答每个目标授信问题时的表情标签;
根据确定的表情标签确定所述借贷方在每个目标授信问题中得到的第二分值;
根据确定的第二分值计算所述第二评估分数。
可选地,所述根据动态数据确定所述借贷方在回答每个目标授信问题时的表情标签的步骤包括:
在每个目标授信问题对应的动态数据中,识别所述借贷方的表情特征;
根据所述表情特征在预设样本集中的概率分布确定借贷方在回答该目标授信问题时的表情标签。
可选地,所述根据确定的表情标签确定所述借贷方在每个目标授信问题中得到的第二分值的步骤包括:
获取每个目标授信问题对应的所述借贷方的答案;
根据获取的答案对应确定所述借贷方在每个目标授信问题中的预设表情标签;
分别将每个目标授信问题对应的表情标签与相应的预设表情标签作比对;
根据每个目标授信问题的比对结果和所述借贷方的答案确定所述借贷方在每个目标授信问题中的得到的第二分值。
可选地,在所述评估总分大于或等于预设分数时,为所述借贷方进行授信的步骤包括:
在所述评估总分大于或等于预设分数时,根据所述评估总分所在的区间确定对应的贷款额度和贷款期限;
按照确定的贷款额度和贷款期限为所述借贷方进行授信。
此外,为实现上述目的,本发明还提供一种贷款授信平台,所述贷款授信平台包括:
静态数据收集模块,用于获取借贷方的静态数据,根据所述静态数据生成并输出对应目标授信问题;
动态数据收集模块,用于接收所述借贷方在回答若干个目标授信问题时的动态数据;
评估模块,用于根据所述静态数据和所述动态数据,确定所述借贷方的评估总分;
授信模块,用于在所述评估总分大于或等于预设分数时,为所述借贷方进行授信。
此外,为实现上述目的,本发明还提供一种贷款授信设备,所述贷款授信设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的贷款授信程序,所述贷款授信程序被所述处理器执行时实现如上任一项所述的贷款授信方法的步骤。
此外,为实现上述目的,本发明还提供一种可读存储介质,所述可读存储介质上存储有贷款授信程序,所述贷款授信程序被处理器执行时实现如上任一项所述的贷款授信方法的步骤。
本发明实施例提出的一种贷款授信方法,通过结合借贷方的静态数据和动态数据确定借贷方的评估总分,评估总分可作为借贷方的授信依据,有利于更全面的对借贷方进行风险评估,提高对借贷方风险评估的准确性,在评估总分大于或等于预设分数时,才为借贷方进行授信,可降低借贷授信的风险,避免造成金融平台不必要的经济损失。
附图说明
图1是本发明实施例商品促销控制方法的第一流程示意图;
图2为本发明实施例商品促销控制方法的第二流程示意图;
图3为本发明实施例商品促销控制方法的第三流程示意图;
图4为本发明实施例商品促销控制方法的第四流程示意图;
图5为本发明实施例商品促销控制方法的第五流程示意图;
图6为本发明商品促销控制设备涉及的硬件运行环境的设备结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的主要解决方案是:获取借贷方的静态数据,根据静态数据生成并输出对应目标授信问题;接收所述借贷方在回答若干个目标授信问题时的动态数据;分析所述静态数据和所述动态数据得到所述借贷方的评估总分;在所述评估总分大于或等于预设分数时,为所述借贷方进行授信。
由于现有技术,仅通过贷款用户历史的静态数据对贷款用户进行评估,具有一定的滞后性和片面性。
本发明提供上述的解决方案,以提高对借贷用户风险评估的准确性,降低借贷授信的风险,避免造成金融平台不必要的经济损失。
在本发明实施例中,提出一种贷款授信方法,参照图1,该贷款授信方法包括以下步骤:
步骤S10,获取借贷方的静态数据,根据所述静态数据生成并输出对应目标授信问题;
这里的借贷方可具体为个人借贷用户,也可为企业借贷用户的自然人代理。静态数据为借贷方登记的自身资料信息(姓名、年龄、工作单位、职业、工作年限、收入情况等)、提供的证件资料(如身份证、房产证、银行流水证明、工作证明等)、贷款申请信息(贷款金额、贷款期限、贷款类型等)、从第三方可信机构获取关于该借贷方的资料(犯罪记录、征信记录等)、从金融平台数据库获取该借贷方的历史交易记录等。
基于所获取的借贷方的静态数据,根据风控信息提取借贷方的基本信息,根据借贷方的基本信息生成相应的目标授信问题,借贷方的基本信息可包括工作单位、家庭成员信息、婚姻状况等,所生成的目标授信问题可具体包括家庭成员的身体情况、在工作单位的入职时间的长短等。目标授信问题形成后可通过声音、文字、图像或人工等方式向借贷方进行输出。其中,所生成的目标授信问题为结构化问题。
步骤S20,接收所述借贷方在回答若干个目标授信问题时的动态数据;
动态数据为在向借贷方输出若干个目标授信问题的过程中,通过摄像头等图像捕获装置捕获的借贷方回答每个目标授信问题时的动态图像。动态数据可为进行贷款申请过程中的实时视频数据、也可为借贷方进行贷款申请过程中录制的视频数据。此外,还可根据需要获取借贷方回答每个目标授信问题时的声音数据作为动态数据。
步骤S30,分析所述静态数据和所述动态数据得到所述借贷方的评估总分;
评估总分的确定的过程可具体为,可预先定义一个预设总分,如100分。分析静态数据和动态数据中是否存在风险项,若存在风险项,则可确定对应的扣除分数,在分析得到静态数据和动态数据中所有的风险项及其对应的扣除分数后,可将上述预设总分减去所有风险项的扣除分数便可得到评估总分。风险项可依据实际风控需求进行设置。在分析静态数据的过程中,可分析借款方所提供的静态数据是否真实,若存在虚假项则表明存在风险项,确定风险项相应的扣除分数,若不存在虚假项则不作处理;或者判断静态数据是否超出预设范围,不同的静态数据可对应有不同的预设范围,超出预设范围的静态数据则确定为风险项,此时,可依据该风险项对应的静态数据超出预设范围的幅度确定该静态数据的风险程度,超出的幅度越大,则风险程度可认为越高,可依据所确定的风险程度的大小确定对应的扣除分数。在分析动态数据的过程中,可从动态数据中识别借贷方在回答上述问题时是否存在表达负面情绪的表情标签,或者识别借贷方回答上述问题时答案是否存在具有风险的答案,当借贷方存在表达负面情绪的表情标签或回答了具有风险的答案时,表明动态数据中存在风险项,可确定与表情标签或具有风险的答案对应的扣除分数。
另外,在设置上述预设总分的基础上,可分析静态数据中的内容与动态数据中借贷方回答上述目标授信问题时的答案是否存在矛盾,若存在矛盾则确定相应的扣除分数。将上述预设总分减去所有风险项的扣除分数、以及所有矛盾项对应的扣除分数便可得到评估总分。
此外,也可按照不同评估规则分别对静态数据和动态数据进行分析,分析静态数据得到第一评估分数,分析动态数据得到第二评估分数,并根据第一评估分数和第二评估分数直接相加或进行加权平均得到借贷方的评估总分。
步骤S40,在所述评估总分大于或等于预设分数时,为所述借贷方进行授信。
在得到评估总分后,判断评估总分是否大于或等于预设分数,预设分数的具体数值可依据实际风险需求进行设置,其中,不同的贷款类型的业务可对应有不同的预设分数。当评估总分大于或等于预设分数时,可认为借贷方的风险程度较低,可为该借贷方进行授信;当评估总分小于预设分数时,可认为借贷方的风险程度较高,可不为该借贷方进行授信。
在本发明实施例中,通过结合借贷方的静态数据和动态数据确定借贷方的评估总分,评估总分可作为借贷方的授信依据,有利于更全面的对借贷方进行风险评估,提高对借贷方风险评估的准确性,在评估总分大于或等于预设分数时,才为借贷方进行授信,可降低借贷授信的风险,避免造成金融平台不必要的经济损失。
具体的,所述分析所述静态数据和所述动态数据得到所述借贷方的评估总分的步骤包括:
步骤S21,分析所述静态数据得到所述借贷方的第一评估分数,分析所述动态数据得到所述借贷方的第二评估分数;
步骤S22,将所述第一评估分数和所述第二评估分数进行加权平均得到所述评估总分。
根据静态数据和动态数据对借贷方的风险评估的影响程度的不同,分别为静态数据和动态数据配置相应的权重值,其中可为静态数据分配第一权重,可为动态数据分配第二权重,第一权重和第二权重之和为1。第一权重可优选的大于第二权重,形成以静态数据评估为主,动态数据评估为辅的风险评估体系。在分析静态数据得到第一评估分数,并分析动态数据得到第二评估分数后,可通过S=M*a+N*b计算评估总分,其中S为评估总分,M为第一评估分数,a为第一权重,N为第二评估分数,b为第二权重。
通过上述方式,可依据风控需求的不同为静态数据和动态数据分配相应的权重,从而使得到评估分数更加的准确。
具体的,参照图2,所述分析所述静态数据得到所述借贷方的第一评估分数的步骤包括:
步骤S211,根据多个预设评分项分别提取所述静态数据中相应的评分数据;
步骤S212,确定每个所述预设评分项对应的评分规则;
步骤S213,根据提取的评分数据和对应的评分规则确定每个评分数据得到的第一分值;
步骤S214,根据确定的第一分值计算所述第一评估分数。
在获取静态数据后,可从静态数据中分表提取多个预设评分项相关的内容作为评分数据,并根据提取的评分数据确定借贷方的第一分数。其中,预设评分项可预先根据风险评估需求进行具体制定。多个预设评分项中,不同类型的预设评分项可依据其特定对应设置有不同的评分规则。针对年龄、收入、工作年限等可用不同数值进行表征的预设评分项,对应的可依据评分数据的数值大小进行评分作为评分规则。在该评分规则中,针对不同的预设评分项,不同的评分数据的数值区间对应有不同的预设分值。确定上述预设评分项所对应的评分数据所在的数值区间,根据确定对应的预设分值作为第一分值。例如:年龄被定义为预设评分项时,不同的年龄区间可对应设有不同的分值,通过提取该借贷方静态数据中的年龄信息,确定年龄信息所在的年龄区间便可确定该借贷方在该预设评分项上得到的第一分值。此外,针对身份证明、社保证明、学历证明等与借贷方相关的证明作为预设评分项,对应可依据上述证明的真实性进行评分作为评分规则。在该评分规则中,针对不同的预设评分项,评分数据的真实与否分别对应不同的预设分值。确定上述预设评分项所对应的评分数据的真实性,便可确定对应的第一分值。例如,身份证被定义为评分项时,当身份证真实时可对应第一分值为1分,当身份证不真实时可对应第一分值为0分。通过所提取该借贷方静态数据中的身份证作为评分数据,识别身份证中该用户的身份信息,同时可从公安不等的第三方可信机构获取可信的身份信息,两种身份信息作比对,比对一致则借贷方在身份证的预设评分项中可得分,比对不一致则借贷方在身份证的预设评分项中不可得分。
在确定静态数据中每个预设评分项对应的第一分值后,可直接将所有第一分值相加得到第一评估分数,也可以不同预设评分项对应不同的权重,第一评估分数可为所有评分项的分值进行加权平均之后的总分。
通过上述方式,可通过制定多个预设评分项及其分别对应的评分规则对静态数据进行分析、评分,有利于对静态数据中不同有风险隐患的内容的评估结果进行量化,使得到的第一评估分数能准确反映借贷方的实际情况。
具体的,所述分析所述动态数据得到所述借贷方的第二评估分数的步骤包括:
步骤S215,根据动态数据确定所述借贷方在回答每个目标授信问题时的表情标签;
由于动态数据是基于向用户发出若干个目标授信问题时,用户进行回答期间产生的视频数据,每个目标授信问题发出后,会预留时间给用户进行回答。其中发出目标授信问题的可以为风控专员、也可以通过运行计算机程序由电子设备以文字、声音、图像等方式向借贷方发出。在获取动态数据后,确定每个目标授信问题所对应回答时间段内借贷方的动态图像,从根据确定的动态图像分析借贷方在回答每个目标授信问题时的表情标签。其中,每个目标授信问题所对应的问答时间段可具体为从每个目标授信问题发出后开始计时,到下一个目标授信问题发出为止或者到整个问答流程结束为止为该目标授信问题所对应的回答时间,此外也可为每个目标授信问题发出后预设时长的时间段。表情标签可具体为生气、郁闷、兴高采烈、忧虑、心不在焉、严肃等。
获取动态数据后,分别识别动态数据中借贷方在回答每个目标授信问题时面部的表情特征,如唇部、眼部、鼻部、额部等,通过面部不同部位的状态、状态的变化以及各部位状态的组合等确定借贷方在回答每个目标授信问题时的表情标签。
步骤S216,根据确定的表情标签确定所述借贷方在每个目标授信问题中得到的第二分值;
确定了借贷用户在每个目标授信问题对应的当前表情标签后,将每个目标授信问题对应的当前表情标签与每个目标授信问题对应的预设表情标签作比对,根据比对结果确定借贷用户在该目标授信问题的评估分数。其中,比对结果与评估分数之间的对应关系可以根据风控要求进行具体设定。例如如预设表情标签和当前表情标签一致时可得到预设分数作为第二分值,不一致时则不得分。此外,也可根据每个目标授信问题的当前表情标签和每个目标授信问题的预设表情标签之间不同的组合确定对应的分数。其中,组合结果与评估分数之间的对应关系可根据风控要求进行具体设定,在当前表情标签和预设表情标签一致时可对应有最高分,当前表情标签和预设表情标签不一致时,不同的组合可对应设有不同的预设分数,所对应的预设分数低于上述的最高分,如当前表情标签为A和预设表情标签为B的组合时可对应有第一分作为第二分值,当前表情标签为A和预设表情标签为C的组合时可对应有第二分作为第二分值,最高分大于第一分大于第二分。其中,不同目标授信问题对应的预设分数可不同。
步骤S217,根据确定的第二分值计算所述第二评估分数。
在确定了动态数据中借贷方在每个目标授信问题中得到的第二分值后,可直接将所有第二分值相加得到第二评估分数,也可以不同目标授信问题对应设有不同的权重,第二评估分数可为所有第二分值进行加权平均之后的总分。
具体的,参照图3,所述根据动态数据确定所述借贷方在回答每个目标授信问题时的表情标签的步骤包括:
步骤S2151,在每个目标授信问题对应的动态数据中,识别所述借贷方的表情特征;
步骤S2152,根据所述表情特征在预设样本集中的概率分布确定借贷方在回答该目标授信问题时的表情标签。
这里的表情特征可具体为面部不同部位的状态、状态的变化以及不同部位状态的组合等,如高频眨眼的可作为表现借贷方不安情绪的表情特征。通过大量收集人面部处于不同表情标签时所表现的表情特征,形成预设的表情标签样本集,统计各个表情标签对应的表情特征在预设的表情标签样本集中的条件概率分布情况。
在动态数据中提取到借贷方在回答每个目标授信问题中出现的表情特征后,根据不同目标授信问题中出现的表情特征分别计算对应的表情标签在预设的表情标签样本集中出现的几率,预设样本集中已知的表情标签相对于提取到的表情特征条件概率为最大时,则该已知的表情特征为贷款方回答相应的目标授信问题时的表情标签。
通过提取到的表情特征在预设样本集中的概率分布来确定借贷方在回答相应的目标授信问题时的表情标签,适应于借贷方多样的表情变化,均能准确的确定相应的表情标签,提高对动态数据进行风险评估的可靠性。
具体的,参照图4,所述根据确定的表情标签确定所述借贷方在每个目标授信问题中得到的第二分值的步骤包括:
步骤S2161,获取每个目标授信问题对应的所述借贷方的答案;
借贷方的答案可通过风控人员观看视频后,提取其中的信息作为借贷方的答案录入贷款授信平台中,此外,也可以通过语音捕获设备在获取借贷方回答每个目标授信问题时的动态图像同时,捕获借贷方的音频数据作为动态数据的一部分。针对每个目标授信问题可预先设有多个预设答案,每个预设答案设有相应的特征字段。在获取借贷方的音频数据后,对每个目标授信问题所对应的音频数据进行语音识别,判断是否存在与该目标授信问题对应的预设答案的特征字段匹配的语音信息,若存在,则将匹配的特征字段所对应预设答案作为借贷方回答该目标授信问题的答案;若不存在,可发出提醒信息提醒风控人员进行人工判定,也可直接判定借贷方在该目标授信问题中不得分。
步骤S2162,根据获取的答案对应确定所述借贷方在每个目标授信问题中的预设表情标签;
步骤S2163,分别将每个目标授信问题对应的表情标签与相应的预设表情标签作比对;
步骤S2164,根据每个目标授信问题的比对结果和所述借贷方的答案确定所述借贷方在每个目标授信问题中的得到的第二分值。
每个目标授信问题中,不同的预设答案可对应设有不同的预设表情标签。预设答案所对应的预设表情为借贷方回答相应的目标授信问题时应当具有的表情标签,若所确定的表情标签与预设表情不一致时,可认为借贷方的答案存在风险。因而,分别将每个目标授信问题对应的借贷方的实际表情标签与所确定的相应的预设表情标签作比对,比对一致可获取相应的预设分数作为借贷方在该目标授信问题的第一得分;比对不一致,可判定借贷方在该目标授信问题不得分或扣除一定分数,也可进一步判断实际表情标签与预设表情标签是否属于同一类型的表情标签,表情标签可具体划分为表征积极情绪的表情标签(如兴奋、认真等)和表征负面情绪的表情标签(如紧张、忧虑等),若属于同一类型的表情标签,则可获取相应的预设分数作为第二得分,第二得分小于第一得分,若不属于同一类型的表情标签,可判定借贷方在该目标授信问题不得分或扣除一定分数。其中,不同的目标授信问题、不同的预设答案所对应的设置的预设分数可不同。
此外,不同的预设答案也可对应设有不同的分数,在确定借贷方在每个目标授信问题的答案后,可获取相应的分数作为借贷方在该目标授信问题的第三得分。其中,在获取到每个目标授信问题对应的借贷方的答案后,可从静态数据中提取与目标授信问题对应的信息,判断提取的信息与借贷方的答案是否存在冲突,若存在冲突,则直接判定借贷方在该目标授信问题不得分或扣除一定分数。
通过借贷方在每个目标授信问题的第一得分、第二得分和第三得分计算得到借贷方在每个目标授信问题中得到的第二分值。
在本实施例中,通过结合借贷方在回答每个目标授信问题时的答案和表情标签来确定借贷方在每个目标授信问题中的得到的第二分值,有利于所确定的第二分值更加的准确,使通过动态数据对借贷方的评估更可靠。
进一步的,参照图5,在所述评估总分大于或等于预设分数时,为所述借贷方进行授信的步骤包括:
步骤S31,在所述评估总分大于或等于预设分数时,根据所述评估总分所在的区间确定对应的贷款额度和贷款期限;
步骤S32,按照确定的贷款额度和贷款期限为所述借贷方进行授信。
评估总分的大小可表征借贷方风险程度的大小。在评估总分大于或等于预设分数时可认为借贷方达到授信要求,但可进一步的将大于或等于预设分数的分数根据风控需求划分为若干个区间。不同的区间对应不同的贷款额度和不同的贷款期限。其中,区间中的分数越高,对应的贷款额度越高,对应的贷款期限越长。
通过上述方式,适应于借贷方不同的风险程度为其提供不同贷款额度、贷款期限的授信,从而进一步的降低借贷授信的风险,减少金融平台的经济损失。
此外,本发明实施例还提出一种贷款授信平台,所述贷款授信平台包括:
静态数据收集模块,用于获取借贷方的静态数据,根据所述静态数据生成并输出对应目标授信问题;
动态数据收集模块,用于接收所述借贷方在回答若干个目标授信问题时的动态数据;
评估模块,用于根据所述静态数据和所述动态数据,确定所述借贷方的评估总分;
授信模块,用于在所述评估总分大于或等于预设分数时,为所述借贷方进行授信。
其中,评估模块具体包括:
静态数据评估单元,用于分析所述静态数据得到所述借贷方的第一评估分数,
动态数据评估单元,用于分析所述动态数据得到所述借贷方的第二评估分数;
总评估单元,用于将所述第一评估分数和所述第二评估分数进行加权平均得到所述评估总分。
具体的,静态数据评估单元具体用于根据多个预设评分项分别提取所述静态数据中相应的评分数据;确定每个所述预设评分项对应的评分规则;根据提取的评分数据和对应的评分规则确定每个评分数据得到的第一分值;根据确定的第一分值计算所述第一评估分数。
具体的,动态数据评估单元包括:
表情识别子单元,具体用于根据动态数据确定所述借贷方在回答每个目标授信问题时的表情标签;
分数评估子单元,根据确定的表情标签确定所述借贷方在每个目标授信问题中得到的第二分值;
计算子单元,根据确定的第二分值计算所述第二评估分数。
其中,表情识别子单元具体用于在每个目标授信问题对应的动态数据中,识别所述借贷方的表情特征;根据所述表情特征在预设样本集中的概率分布确定借贷方在回答该目标授信问题时的表情标签。
分数评估子单元具体用于获取每个目标授信问题对应的所述借贷方的答案;根据获取的答案对应确定所述借贷方在每个目标授信问题中的预设表情标签;分别将每个目标授信问题对应的表情标签与相应的预设表情标签作比对;根据每个目标授信问题的比对结果和所述借贷方的答案确定所述借贷方在每个目标授信问题中的得到的第二分值。
进一步的,授信模块具体用于在所述评估总分大于或等于预设分数时,根据所述评估总分所在的区间确定对应的贷款额度和贷款期限;按照确定的贷款额度和贷款期限为所述借贷方进行授信。
本发明贷款授信平台中各模块的具体实施方式与上述贷款授信方法各实施例基本相同,在此不再赘述。
此外,如图6所示,本发明实施例还提出一种贷款授信设备,所述贷款授信设备包括:处理器1001,例如CPU,网络接口1002,用户接口1003,存储器1004,摄像头1005,通信总线。其中,通信总线用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1004可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1004可选的还可以是独立于前述处理器1001的存储装置。
其中,摄像头1005具体用于在向借贷方发出若干个目标授信问题时,捕获借贷方回答每一个问题时的动态图像作为动态数据。
本领域技术人员可以理解,图6中示出的设备结构并不构成对设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图6所示,作为一种计算机存储介质的存储器1004中可以包括操作系统、网络通信模块、用户接口模块以及商品促销控制程序。
在图6所示的设备中,网络接口1002主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1004中存储的贷款授信程序,并执行上面贷款授信方法中步骤的相关操作
本发明贷款授信设备的具体实施方式与上述贷款授信方法各实施例基本相同,在此不再赘述。
此外,本发明实施例还提出一种可读存储介质,所述可读存储介质上存储有贷款授信程序,所述贷款授信程序被处理器执行时实现如上面实施例中提及的贷款授信方法的步骤。
本发明可读存储介质具体实施方式与上述商品促销控制方法各实施例基本相同,在此不再赘述。
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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种贷款授信方法,其特征在于,所述贷款授信方法包括以下步骤:
获取借贷方的静态数据,根据所述静态数据生成并输出对应目标授信问题;
接收所述借贷方在回答若干个目标授信问题时的动态数据;
分析所述静态数据和所述动态数据,得到所述借贷方的评估总分;
在所述评估总分大于或等于预设分数时,为所述借贷方进行授信。
2.如权利要求1所述的贷款授信方法,其特征在于,所述分析所述静态数据和所述动态数据,得到所述借贷方的评估总分的步骤包括:
分析所述静态数据得到所述借贷方的第一评估分数,分析所述动态数据得到所述借贷方的第二评估分数;
将所述第一评估分数和所述第二评估分数进行加权平均得到所述评估总分。
3.如权利要求2所述的贷款授信方法,其特征在于,所述分析所述静态数据得到所述借贷方的第一评估分数的步骤包括:
根据多个预设评分项分别提取所述静态数据中相应的评分数据;
确定每个所述预设评分项对应的评分规则;
根据提取的评分数据和对应的评分规则确定每个评分数据得到的第一分值;
根据确定的第一分值计算所述第一评估分数。
4.如权利要求3所述的贷款授信方法,其特征在于,所述分析所述动态数据得到所述借贷方的第二评估分数的步骤包括:
根据动态数据确定所述借贷方在回答每个目标授信问题时的表情标签;
根据确定的表情标签确定所述借贷方在每个目标授信问题中得到的第二分值;
根据确定的第二分值计算所述第二评估分数。
5.如权利要求4所述的贷款授信方法,其特征在于,所述根据动态数据确定所述借贷方在回答每个目标授信问题时的表情标签的步骤包括:
在每个目标授信问题对应的动态数据中,识别所述借贷方的表情特征;
根据所述表情特征在预设样本集中的概率分布确定借贷方在回答该目标授信问题时的表情标签。
6.如权利要求5所述的贷款授信方法,其特征在于,所述根据确定的表情标签确定所述借贷方在每个目标授信问题中得到的第二分值的步骤包括:
获取每个目标授信问题对应的所述借贷方的答案;
根据获取的答案对应确定所述借贷方在每个目标授信问题中的预设表情标签;
分别将每个目标授信问题对应的表情标签与相应的预设表情标签作比对;
根据每个目标授信问题的比对结果和所述借贷方的答案确定所述借贷方在每个目标授信问题中的得到的第二分值。
7.如权利要求6所述的贷款授信方法,其特征在于,在所述评估总分大于或等于预设分数时,为所述借贷方进行授信的步骤包括:
在所述评估总分大于或等于预设分数时,根据所述评估总分所在的区间确定对应的贷款额度和贷款期限;
按照确定的贷款额度和贷款期限为所述借贷方进行授信。
8.一种贷款授信平台,其特征在于,所述贷款授信平台包括:
静态数据收集模块,用于获取借贷方的静态数据,根据所述静态数据生成并输出对应目标授信问题;
动态数据收集模块,用于接收所述借贷方在回答若干个目标授信问题时的动态数据;
评估模块,用于根据所述静态数据和所述动态数据,确定所述借贷方的评估总分;
授信模块,用于在所述评估总分大于或等于预设分数时,为所述借贷方进行授信。
9.一种贷款授信设备,其特征在于,所述贷款授信设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的贷款授信程序,所述贷款授信程序被所述处理器执行时实现如权利要求1至7中任一项所述的贷款授信方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有贷款授信程序,所述贷款授信程序被处理器执行时实现如权利要求1至7中任一项所述的贷款授信方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810940128.4A CN109711970A (zh) | 2018-08-17 | 2018-08-17 | 贷款授信平台及其授信方法、授信设备、可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810940128.4A CN109711970A (zh) | 2018-08-17 | 2018-08-17 | 贷款授信平台及其授信方法、授信设备、可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109711970A true CN109711970A (zh) | 2019-05-03 |
Family
ID=66253701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810940128.4A Withdrawn CN109711970A (zh) | 2018-08-17 | 2018-08-17 | 贷款授信平台及其授信方法、授信设备、可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109711970A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112825059A (zh) * | 2019-11-21 | 2021-05-21 | 北京天融信网络安全技术有限公司 | 安全性确定方法、装置及电子设备 |
CN113487410A (zh) * | 2021-07-06 | 2021-10-08 | 建信金融科技有限责任公司 | 一种授信管理方法、装置、电子设备及计算机可读介质 |
CN113592293A (zh) * | 2021-07-29 | 2021-11-02 | 上海掌门科技有限公司 | 风险识别处理方法、电子设备及计算机可读存储介质 |
-
2018
- 2018-08-17 CN CN201810940128.4A patent/CN109711970A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112825059A (zh) * | 2019-11-21 | 2021-05-21 | 北京天融信网络安全技术有限公司 | 安全性确定方法、装置及电子设备 |
CN112825059B (zh) * | 2019-11-21 | 2023-11-28 | 北京天融信网络安全技术有限公司 | 安全性确定方法、装置及电子设备 |
CN113487410A (zh) * | 2021-07-06 | 2021-10-08 | 建信金融科技有限责任公司 | 一种授信管理方法、装置、电子设备及计算机可读介质 |
CN113592293A (zh) * | 2021-07-29 | 2021-11-02 | 上海掌门科技有限公司 | 风险识别处理方法、电子设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544324A (zh) | 信贷反欺诈方法、系统、设备及计算机可读存储介质 | |
CN108717663A (zh) | 基于微表情的面签欺诈判断方法、装置、设备及介质 | |
CN108765131A (zh) | 基于微表情的信贷审核方法、装置、终端及可读存储介质 | |
CN109670936A (zh) | 贷款审批处理方法、平台、设备及计算机可读存储介质 | |
CN109767321A (zh) | 问答过程优化方法、装置、计算机设备和存储介质 | |
CN111861240A (zh) | 可疑用户识别方法、装置、设备及可读存储介质 | |
CN110210301B (zh) | 基于微表情评价面试者的方法、装置、设备和存储介质 | |
CN109711970A (zh) | 贷款授信平台及其授信方法、授信设备、可读存储介质 | |
CN110246032A (zh) | 贷后风险监控方法、装置及计算机可读存储介质 | |
CN111861748B (zh) | 一种基于人工智能的金融大数据分析平台 | |
CN116823274B (zh) | 一种应用于金融终端的欺诈风险评估方法及装置 | |
CN109345375A (zh) | 一种可疑洗钱行为识别方法及装置 | |
CN112215700A (zh) | 信贷面审的审核方法及装置 | |
US10997609B1 (en) | Biometric based user identity verification | |
CN107230154A (zh) | 具有团伙欺诈风险的寿险理赔案件的识别方法及装置 | |
CN111461216A (zh) | 一种基于机器学习的案件风险识别方法 | |
CN109462603A (zh) | 基于盲检测的声纹认证方法、设备、存储介质及装置 | |
CN112365341A (zh) | 信贷机构反欺诈方法、装置、设备和存储介质 | |
CN111783086A (zh) | 基于反生产行为特征的内部威胁检测方法和系统 | |
CN109766772A (zh) | 风险控制方法、装置、计算机设备和存储介质 | |
CN109684800A (zh) | 活体检测的方法、装置、设备及计算机存储介质 | |
AU2019101158A4 (en) | A method of analyzing customer churn of credit cards by using logistics regression | |
CN109409759B (zh) | 一种基于煤矿安全培训游戏的数据挖掘系统及方法 | |
CN110399473A (zh) | 为用户问题确定答案的方法和装置 | |
CN110378587A (zh) | 智能质检方法、系统、介质以及设备 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190503 |