CN110134948A - 一种基于文本数据的金融风险控制方法、装置和电子设备 - Google Patents
一种基于文本数据的金融风险控制方法、装置和电子设备 Download PDFInfo
- Publication number
- CN110134948A CN110134948A CN201910330568.2A CN201910330568A CN110134948A CN 110134948 A CN110134948 A CN 110134948A CN 201910330568 A CN201910330568 A CN 201910330568A CN 110134948 A CN110134948 A CN 110134948A
- Authority
- CN
- China
- Prior art keywords
- text
- user
- text data
- data
- risk control
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Technology Law (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提出一种基于文本数据的金融风险控制方法、装置和电子设备,所述方法包括如下步骤:获取用户金融数据,以及与用户相关联的文本数据,所述金融数据包括用户属性信息和逾期信息;对所述文本数据进行处理,获得与用户金融数据关联的词向量;建立文本评分模型,将所述用户属性信息及与其相关联的词向量作为输入值,将逾期信息作为输出值,训练该文本评分模型;将新用户的用户属性信息和词向量输入所述文本评分模型,计算该新用户的文本评分;根据所述文本评分确定该新用户的金融风险。该金融风险控制方法准确、高效地进行对金融申请人进行信用评估,金融风险评估准确。
Description
技术领域
本发明涉及金融信用服务领域,具体涉及一种基于短信的基于文本数据的金融风险控制方法及装置。
背景技术
现有个人贷款或授信决策,需要先对客户进行评级,然后测算贷款或授信额度。目前常见的是通过授信模型来构建个人授信评分卡,基于从银行等机构获取的信息,对用户的个人信用评价,根据用户的个人信用评价确定贷款额度。
现有的金融评分模型对金融申请人进行评分,目前常见的是仅仅从征信数据库中获得关联人的征信数据,根据获得关联人的征信数据来量化借贷申请人的总体信用可靠度。
当前的模型训练方法不能准确、高效地进行对金融申请人进行信用评估,导致金融风险评估不准确。
发明内容
本发明所要解决的技术问题是个人贷款或授信决策中个人信用评价全面的,不能精准的定位客户的问题。
为解决上述技术问题,本发明的第一方面提出一种基于文本数据的金融风险控制方法,包括如下步骤:
获取用户金融数据,以及与用户相关联的文本数据,所述金融数据包括用户属性信息和逾期信息;
对所述文本数据进行处理,获得与用户金融数据关联的词向量;
建立文本评分模型,将所述用户属性信息及与其相关联的词向量作为输入值,将逾期信息作为输出值,训练该文本评分模型;
将新用户的用户属性信息和词向量输入所述文本评分模型,计算该新用户的文本评分;
根据所述文本评分确定该新用户的金融风险。
可选地,所述文本数据来自用户发送的短信。
可选地,所述文本数据来自用户在APP上输入的文本。
可选地,对所述文本数据进行处理,获得与用户金融数据关联的词向量的步骤包括:根据词语之间的语意相似度将词语拟合成数值向量。
可选地,所述文本评分模型构建由多个词向量构成用户词向量矩阵,并将该多个词向量构成的词向量矩阵与语料库中预设的词向量矩阵进行比较,根据比较结果计算所述文本评分。
可选地,所述比较步骤包括:计算词向量矩阵之间的相似度。
可选地,根据所述文本评分确定该新用户的金融风险的步骤包括:
可选地,将所述文本评分作为一个金融风险控制模型的特征值,训练该金融风险控制模型,并由该金融风险控制模型计算新用户的金融风险评分。
可选地,对所述文本数据进行处理,获得与用户金融数据关联的词向量具体包括:
对所述文本数据进行切词处理。
可选地,所述对所述文本数据进行切词处理之前还包括:
对所述用户相关联的文本数据进行清洗的步骤,该清洗步骤包括:去除所述用户相关联的文本数据中的标点符号、英文字符、数字字符的至少一种。
可选地,所述对所述文本数据进行切词处理之前还包括:
对所述用户相关联的文本数据进行拼接处理。
可选地,所述对所述文本数据进行切词处理之前还包括:
按照预设字符长度对所述用户相关联的文本数据进行截断处理。
依据本发明的另一个方面,提供了一种基于文本数据的金融风险控制装置,包括:
金融数据获取模块,用于获取用户金融数据,以及与用户相关联的文本数据,所述金融数据包括用户属性信息和逾期信息;
文本数据处理模块,用于对所述文本数据进行处理,获得与用户金融数据关联的词向量;
文本评分模型建立模块,用于建立文本评分模型,将所述用户属性信息及与其相关联的词向量作为输入值,将逾期信息作为输出值,训练该文本评分模型;
文本评分计算模块,用于将新用户的用户属性信息和词向量输入所述文本评分模型,计算该新用户的文本评分;
金融风险确定模块,用于根据所述文本评分确定该新用户的金融风险。
可选地,所述文本数据来自用户发送的短信。
可选地,所述文本数据来自用户在APP上输入的文本。
可选地,所述文本数据处理模块具体用于对根据词语之间的语意相似度将词语拟合成数值向量。
可选地,所述文本评分模型构建由多个词向量构成用户词向量矩阵,并将该多个词向量构成的词向量矩阵与语料库中预设的词向量矩阵进行比较,根据比较结果计算所述文本评分。
可选地,所述文本评分模型具体用于计算词向量矩阵之间的相似度。
可选地,所述金融风险确定模块具体用于将所述文本评分作为一个金融风险控制模型的特征值,训练该金融风险控制模型,并由该金融风险控制模型计算新用户的金融风险评分。
可选地,所述文本数据处理模块具体用于对所述文本数据进行切词处理。
可选地,所述文本数据处理模块还用于对所述文本数据进行切词处理之前对所述用户相关联的文本数据进行清洗,该清洗步骤包括:去除所述用户相关联的文本数据中的标点符号、英文字符、数字字符的至少一种。
可选地,所述文本数据处理模块还用于对所述文本数据进行切词处理之前对所述用户相关联的文本数据进行拼接处理。
可选地,所述文本数据处理模块还用于对所述文本数据进行切词处理之前按照预设字符长度对所述用户相关联的文本数据进行截断处理。
本发明的第三方面提供了一种电子设备,其中,该电子设备包括:
处理器;以及,
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行所述的基于文本数据的金融风险控制方法。
本发明的第四方面提供了一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现所述的基于文本数据的金融风险控制方法。
本发明提供一种基于文本数据的金融风险控制方法,通过获取用户金融数据以及与用户相关联的文本数据,对所述文本数据进行处理,获得与用户金融数据关联的词向量,将新用户的用户属性信息和词向量输入所述文本评分模型,计算该新用户的文本评分,根据所述文本评分确定该新用户的金融风险。该金融风险控制方法准确、高效地进行对金融申请人进行信用评估,金融风险评估准确。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是本发明基于文本数据的金融风险控制方法的流程示意图;
图2是本发明提供的基于文本数据的金融风险控制装置架构示意图;
图3是根据本发明一个实施例的电子设备的结构示意图;
图4是根据本发明一个实施例的计算机可读存储介质的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1是本发明基于文本数据的金融风险控制方法的流程示意图。如图1所示,本发明的方法具有如下步骤:
S1、获取用户金融数据,以及与用户相关联的文本数据,所述金融数据包括用户属性信息和逾期信息。在优选实施方式中,所述文本数据来自用户在APP上输入的文本。在更优选实施方式中,所述文本数据来自用户发送的短信。
S2、对所述文本数据进行处理,获得与用户金融数据关联的词向量。在优选实施方式中,对所述文本数据进行处理,获得与用户金融数据关联的词向量的步骤包括:根据词语之间的语意相似度将词语拟合成数值向量。比如一个词向量[0.1,0.2,….0.5]。在优选实施方式中,对所述文本数据进行处理,获得与用户金融数据关联的词向量具体包括:对所述文本数据进行切词处理。在优选实施方式中,所述对所述文本数据进行切词处理之前还包括:对所述用户相关联的文本数据进行清洗的步骤,该清洗步骤包括:去除所述用户相关联的文本数据中的标点符号、英文字符、数字字符的至少一种。例如数字替换为一个统一符号,比如@,字母替换为’#’,删除标点。在优选实施方式中,所述对所述文本数据进行切词处理之前还包括:对所述用户相关联的文本数据进行拼接处理。在优选实施方式中,所述对所述文本数据进行切词处理之前还包括:按照预设字符长度对所述用户相关联的文本数据进行截断处理,例如上限为1000个字。
S3、建立文本评分模型,将所述用户属性信息及与其相关联的词向量作为输入值,将逾期信息作为输出值,训练该文本评分模型。在优选实施方式中,所述文本评分模型构建由多个词向量构成用户词向量矩阵,并将该多个词向量构成的词向量矩阵与语料库中预设的词向量矩阵进行比较,根据比较结果计算所述文本评分。在优选实施方式中,所述比较步骤包括:计算词向量矩阵之间的相似度。比如词向量“一、1、壹”在空间中是比较接近的。
S4、将新用户的用户属性信息和词向量输入所述文本评分模型,计算该新用户的文本评分。
S5、根据所述文本评分确定该新用户的金融风险。在优选实施方式中,根据所述文本评分确定该新用户的金融风险的步骤包括:在优选实施方式中,将所述文本评分作为一个金融风险控制模型的特征值,训练该金融风险控制模型,并由该金融风险控制模型计算新用户的金融风险评分。
本发明提供一种基于文本数据的金融风险控制方法,通过获取用户金融数据以及与用户相关联的文本数据,对所述文本数据进行处理,获得与用户金融数据关联的词向量,将新用户的用户属性信息和词向量输入所述文本评分模型,计算该新用户的文本评分,根据所述文本评分确定该新用户的金融风险。该金融风险控制方法准确、高效地进行对金融申请人进行信用评估,金融风险评估准确。
本发明提供一种基于文本数据的金融风险控制方法,除了从征信数据库中获得关联人的征信数据之外,还根据获得用户相关联的文本数据来量化借贷申请人的总体信用可靠度。图2是本发明提供的基于文本数据的金融风险控制装置架构示意图。如图2所示,包括:
金融数据获取模块201,用于获取用户金融数据,以及与用户相关联的文本数据,所述金融数据包括用户属性信息和逾期信息;
文本数据处理模块202,用于对所述文本数据进行处理,获得与用户金融数据关联的词向量。在优选实施方式中,所述文本数据来自用户发送的短信。在更优选实施方式中,所述文本数据来自用户在APP上输入的文本。在优选实施方式中,所述文本数据处理模块202具体用于对根据词语之间的语意相似度将词语拟合成数值向量。比如一个词向量[0.1,0.2,….0.5]。在优选实施方式中,所述文本数据处理模块具体用于对所述文本数据进行切词处理。
在优选实施方式中,所述文本数据处理模块还用于对所述文本数据进行切词处理之前对所述用户相关联的文本数据进行清洗,该清洗步骤包括:去除所述用户相关联的文本数据中的标点符号、英文字符、数字字符的至少一种。例如数字替换为一个统一符号,比如@,字母替换为’#’,删除标点。
在优选实施方式中,所述文本数据处理模块还用于对所述文本数据进行切词处理之前对所述用户相关联的文本数据进行拼接处理。
在优选实施方式中,所述文本数据处理模块还用于对所述文本数据进行切词处理之前按照预设字符长度对所述用户相关联的文本数据进行截断处理,例如预设字符长度为1000个字。
文本评分模型建立模块203,用于建立文本评分模型,将所述用户属性信息及与其相关联的词向量作为输入值,将逾期信息作为输出值,训练该文本评分模型。在优选实施方式中,所述文本评分模型具体用于计算词向量矩阵之间的相似度。在优选实施方式中,所述文本评分模型构建由多个词向量构成用户词向量矩阵,并将该多个词向量构成的词向量矩阵与语料库中预设的词向量矩阵进行比较,根据比较结果计算所述文本评分,文本评分准确度更高。
文本评分计算模块204,用于将新用户的用户属性信息和词向量输入所述文本评分模型,计算该新用户的文本评分;
金融风险确定模块205,用于根据所述文本评分确定该新用户的金融风险。在优选实施方式中,所述金融风险确定模块具体用于将所述文本评分作为一个金融风险控制模型的特征值,训练该金融风险控制模型,并由该金融风险控制模型计算新用户的金融风险评分。
Claims (10)
1.一种基于文本数据的金融风险控制方法,其特征在于,包括如下步骤:
获取用户金融数据,以及与用户相关联的文本数据,所述金融数据包括用户属性信息和逾期信息;
对所述文本数据进行处理,获得与用户金融数据关联的词向量;
建立文本评分模型,将所述用户属性信息及与其相关联的词向量作为输入值,将逾期信息作为输出值,训练该文本评分模型;
将新用户的用户属性信息和词向量输入所述文本评分模型,计算该新用户的文本评分;
根据所述文本评分确定该新用户的金融风险。
2.如权利要求1所述的基于文本数据的金融风险控制方法,其特征在于:所述文本数据来自用户发送的短信。
3.如权利要求1所述的基于文本数据的金融风险控制方法,其特征在于:所述文本数据来自用户在APP上输入的文本。
4.如权利要求1所述的基于文本数据的金融风险控制方法,其特征在于:对所述文本数据进行处理,获得与用户金融数据关联的词向量的步骤包括:根据词语之间的语意相似度将词语拟合成数值向量。
5.一种基于文本数据的金融风险控制装置,其特征在于,包括:
金融数据获取模块,用于获取用户金融数据,以及与用户相关联的文本数据,所述金融数据包括用户属性信息和逾期信息;
文本数据处理模块,用于对所述文本数据进行处理,获得与用户金融数据关联的词向量;
文本评分模型建立模块,用于建立文本评分模型,将所述用户属性信息及与其相关联的词向量作为输入值,将逾期信息作为输出值,训练该文本评分模型;
文本评分计算模块,用于将新用户的用户属性信息和词向量输入所述文本评分模型,计算该新用户的文本评分;
金融风险确定模块,用于根据所述文本评分确定该新用户的金融风险。
6.如权利要求5所述的基于文本数据的金融风险控制装置,其特征在于:所述文本数据来自用户发送的短信。
7.如权利要求5所述的基于文本数据的金融风险控制装置,其特征在于:所述文本数据来自用户在APP上输入的文本。
8.如权利要求5所述的基于文本数据的金融风险控制装置,其特征在于:所述文本数据处理模块具体用于对根据词语之间的语意相似度将词语拟合成数值向量。
9.一种电子设备,其特征在于:其中,该电子设备包括:
处理器;以及,
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1~4中任一项所述的基于文本数据的金融风险控制方法。
10.一种计算机可读存储介质,其特征在于:其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现权利要求1~4中任一项所述的基于文本数据的金融风险控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910330568.2A CN110134948A (zh) | 2019-04-23 | 2019-04-23 | 一种基于文本数据的金融风险控制方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910330568.2A CN110134948A (zh) | 2019-04-23 | 2019-04-23 | 一种基于文本数据的金融风险控制方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110134948A true CN110134948A (zh) | 2019-08-16 |
Family
ID=67570767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910330568.2A Pending CN110134948A (zh) | 2019-04-23 | 2019-04-23 | 一种基于文本数据的金融风险控制方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110134948A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127191A (zh) * | 2019-12-25 | 2020-05-08 | 北京百度网讯科技有限公司 | 风险评估方法及装置 |
CN111178687A (zh) * | 2019-12-11 | 2020-05-19 | 北京淇瑀信息科技有限公司 | 金融风险分类方法、装置及电子设备 |
CN111191677A (zh) * | 2019-12-11 | 2020-05-22 | 北京淇瑀信息科技有限公司 | 用户特征数据生成方法、装置及电子设备 |
CN112347371A (zh) * | 2020-10-21 | 2021-02-09 | 上海淇玥信息技术有限公司 | 基于社交文本信息的资源归还增比方法、装置和电子设备 |
CN116308758A (zh) * | 2023-03-20 | 2023-06-23 | 深圳征信服务有限公司 | 一种基于大数据的金融风险分析方法及系统 |
CN116629456A (zh) * | 2023-07-20 | 2023-08-22 | 杭银消费金融股份有限公司 | 业务逾期风险预测方法、系统与存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106547738A (zh) * | 2016-11-02 | 2017-03-29 | 北京亿美软通科技有限公司 | 一种基于文本挖掘的金融类逾期短信智能判别方法 |
CN106611375A (zh) * | 2015-10-22 | 2017-05-03 | 北京大学 | 一种基于文本分析的信用风险评估方法及装置 |
CN106897918A (zh) * | 2017-02-24 | 2017-06-27 | 上海易贷网金融信息服务有限公司 | 一种混合式机器学习信用评分模型构建方法 |
CN107168954A (zh) * | 2017-05-18 | 2017-09-15 | 北京奇艺世纪科技有限公司 | 文本关键词生成方法及装置和电子设备及可读存储介质 |
CN107967318A (zh) * | 2017-11-23 | 2018-04-27 | 北京师范大学 | 一种采用lstm神经网络的中文短文本主观题自动评分方法和系统 |
CN109034658A (zh) * | 2018-08-22 | 2018-12-18 | 重庆邮电大学 | 一种基于大数据金融的违约用户风险预测方法 |
WO2019061187A1 (zh) * | 2017-09-28 | 2019-04-04 | 深圳乐信软件技术有限公司 | 信用评价方法和装置以及梯度渐进决策树参数调整方法和装置 |
-
2019
- 2019-04-23 CN CN201910330568.2A patent/CN110134948A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106611375A (zh) * | 2015-10-22 | 2017-05-03 | 北京大学 | 一种基于文本分析的信用风险评估方法及装置 |
CN106547738A (zh) * | 2016-11-02 | 2017-03-29 | 北京亿美软通科技有限公司 | 一种基于文本挖掘的金融类逾期短信智能判别方法 |
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 |
CN106897918A (zh) * | 2017-02-24 | 2017-06-27 | 上海易贷网金融信息服务有限公司 | 一种混合式机器学习信用评分模型构建方法 |
CN107168954A (zh) * | 2017-05-18 | 2017-09-15 | 北京奇艺世纪科技有限公司 | 文本关键词生成方法及装置和电子设备及可读存储介质 |
WO2019061187A1 (zh) * | 2017-09-28 | 2019-04-04 | 深圳乐信软件技术有限公司 | 信用评价方法和装置以及梯度渐进决策树参数调整方法和装置 |
CN107967318A (zh) * | 2017-11-23 | 2018-04-27 | 北京师范大学 | 一种采用lstm神经网络的中文短文本主观题自动评分方法和系统 |
CN109034658A (zh) * | 2018-08-22 | 2018-12-18 | 重庆邮电大学 | 一种基于大数据金融的违约用户风险预测方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111178687A (zh) * | 2019-12-11 | 2020-05-19 | 北京淇瑀信息科技有限公司 | 金融风险分类方法、装置及电子设备 |
CN111191677A (zh) * | 2019-12-11 | 2020-05-22 | 北京淇瑀信息科技有限公司 | 用户特征数据生成方法、装置及电子设备 |
CN111191677B (zh) * | 2019-12-11 | 2023-09-26 | 北京淇瑀信息科技有限公司 | 用户特征数据生成方法、装置及电子设备 |
CN111178687B (zh) * | 2019-12-11 | 2024-04-26 | 北京淇瑀信息科技有限公司 | 金融风险分类方法、装置及电子设备 |
CN111127191A (zh) * | 2019-12-25 | 2020-05-08 | 北京百度网讯科技有限公司 | 风险评估方法及装置 |
CN112347371A (zh) * | 2020-10-21 | 2021-02-09 | 上海淇玥信息技术有限公司 | 基于社交文本信息的资源归还增比方法、装置和电子设备 |
CN116308758A (zh) * | 2023-03-20 | 2023-06-23 | 深圳征信服务有限公司 | 一种基于大数据的金融风险分析方法及系统 |
CN116308758B (zh) * | 2023-03-20 | 2024-01-05 | 深圳征信服务有限公司 | 一种基于大数据的金融风险分析方法及系统 |
CN116629456A (zh) * | 2023-07-20 | 2023-08-22 | 杭银消费金融股份有限公司 | 业务逾期风险预测方法、系统与存储介质 |
CN116629456B (zh) * | 2023-07-20 | 2023-10-13 | 杭银消费金融股份有限公司 | 业务逾期风险预测方法、系统与存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110134948A (zh) | 一种基于文本数据的金融风险控制方法、装置和电子设备 | |
US11354018B2 (en) | Visualization of a machine learning confidence score | |
CN109033068A (zh) | 基于注意力机制的用于阅读理解的方法、装置和电子设备 | |
CN107424070A (zh) | 一种基于机器学习的贷款用户信用评级方法及系统 | |
CN107256428B (zh) | 数据处理方法、数据处理装置、存储设备及网络设备 | |
CN106611375A (zh) | 一种基于文本分析的信用风险评估方法及装置 | |
CN107358247A (zh) | 一种确定流失用户的方法及装置 | |
CN107578270A (zh) | 一种金融标签的构建方法、装置及计算设备 | |
CN109344234A (zh) | 机器阅读理解方法、装置、计算机设备和存储介质 | |
CN108182634A (zh) | 一种借贷预测模型的训练方法、借贷预测方法和装置 | |
CN110413988A (zh) | 文本信息匹配度量的方法、装置、服务器及存储介质 | |
CN111339321A (zh) | 知识图谱中三元组真实性检测方法和装置 | |
CN107480196A (zh) | 一种基于动态融合机制的多模态词汇表示方法 | |
CN108009911A (zh) | 一种识别p2p网络借贷借款人违约风险的方法 | |
CN112069329B (zh) | 文本语料的处理方法、装置、设备及存储介质 | |
CN109800292A (zh) | 问答匹配度的确定方法、装置及设备 | |
CN116882494B (zh) | 面向专业文本的无监督知识图构建方法和装置 | |
CN110472063A (zh) | 社交媒体数据处理方法、模型训练方法及相关装置 | |
CN107958061A (zh) | 一种文本相似度的计算方法及计算机可读存储介质 | |
CN111143533A (zh) | 一种基于用户行为数据的客服方法及系统 | |
CN114792097B (zh) | 预训练模型提示向量的确定方法、装置及电子设备 | |
CN109472277A (zh) | 借贷方分类的方法、装置以及存储介质 | |
CN113191137A (zh) | 一种操作风险获取方法、系统、电子设备及存储介质 | |
JP5807966B2 (ja) | 文書評価学習装置、文書評価装置、方法、及びプログラム | |
CN112328812A (zh) | 基于自调参数的领域知识抽取方法与系统、电子设备 |
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 |