CN110378545A - 商户信用评估方法及装置、存储介质、电子设备 - Google Patents

商户信用评估方法及装置、存储介质、电子设备 Download PDF

Info

Publication number
CN110378545A
CN110378545A CN201810333336.8A CN201810333336A CN110378545A CN 110378545 A CN110378545 A CN 110378545A CN 201810333336 A CN201810333336 A CN 201810333336A CN 110378545 A CN110378545 A CN 110378545A
Authority
CN
China
Prior art keywords
trade company
credit
score
credit score
assessed
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
Application number
CN201810333336.8A
Other languages
English (en)
Inventor
刘闽锡
张玲妹
张方力
韦淼
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.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online Technology 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 Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN201810333336.8A priority Critical patent/CN110378545A/zh
Publication of CN110378545A publication Critical patent/CN110378545A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开是关于一种商户信用评估方法及装置，属于数据处理技术领域，该方法包括：获取待评估商户的多个评估指标，并根据评估指标为第一评估模型以及第二评估模型配置多个入模指标；配置入模指标在第一评估模型中的第一指标权重，并根据入模指标的得分以及第一指标权重计算第一信用得分；配置入模指标在第二评估模型中的第二指标权重，并根据入模指标的得分以及第二指标权重计算第二信用得分；为第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重，并根据第一信用得分、第一评分权重以及第二信用得分、第二信用权重计算待评估商户的信用得分。该方法提高了评估结果的准确率并降低了风险率。

Description

商户信用评估方法及装置、存储介质、电子设备
技术领域
本公开涉及数据处理技术领域，具体而言，涉及一种商户信用评估方法、商户信用评估装置、计算机可读存储介质以及电子设备。
背景技术
随着近年来互联网科技的飞速发展，以互联网为载体的消费金融也借助金融科技的力量，呈现出了爆发式的增长。但是，新业务模式下的爆发式增长，无可避免的也引入了巨大的风险。因此，如何把控风险成为了金融业务的核心竞争力。
在现有的商户信用评分中，采用的是逻辑回归模型进行评分的；具体的可以包括：根据贷款者的各种历史数据来预测未来的信用(违约情况)。因此，为了取得较好的预测效果，该模型的训练需要大量的违约贷款数据。
但是，上述商户信用评分具有以下缺点：一方面，现有的信用风险评分方法对数据要求较高，需要有充足的违约数据和比较稳定的关键性指标(例如可以包括线上营业额以及PV等等)。但是，一些企业由于在金融业务方面的开展时间较短，对于用户的准入要求控制较为严格，因此实际获取的违约数据量较少，使得预测结果的准确度较低；另一方面，由于商户在一些企业平台的线上数据不稳定，波动性较大，使用传统的按绝对值划分区间并给分的方法会造成用户信用评分的波动，容易造成评分的精确度的较低。
因此，需要提供一种新的商户信用评估方法及装置。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种商户信用评估方法、商户信用评估装置、计算机可读存储介质以及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的评估结果准确度较低的问题。
根据本公开的一个方面，提供一种商户信用评估方法，包括：
获取待评估商户的多个评估指标，并根据所述评估指标为第一评估模型以及第二评估模型配置多个入模指标；
配置所述入模指标在第一评估模型中的第一指标权重，并根据所述入模指标的得分以及所述第一指标权重计算第一信用得分；
配置所述入模指标在第二评估模型中的第二指标权重，并根据所述入模指标的得分以及所述第二指标权重计算第二信用得分；
为所述第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重，并根据所述第一信用得分、第一评分权重以及第二信用得分、第二信用权重计算待评估商户的信用得分。
在本公开的一种示例性实施例中，获取待评估商户的多个评估指标包括：
获取待评估商户的多个维度的待评估数据，并根据所述多个维度的待评估数据生成多个评估指标；
其中，所述评估指标包括直接评估指标和/或衍生评估指标。
在本公开的一种示例性实施例中，根据所述评估指标为第一评估模型以及第二评估模型配置多个入模指标包括：
根据专家知识库对所述评估指标的重要程度进行比较；
根据层次分析法以及比较结果为所述第一评估模型以及第二评估模型配置所述多个入模指标。
在本公开的一种示例性实施例中，为所述第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重包括：
根据所述待评估商户的行业类别对该待评估商户进行分类得到多个商户类别；
利用预设评分方法为该商户类别中的第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重。
在本公开的一种示例性实施例中，所述评估指标包括评论数量、流水金额、页面浏览量以及独立访客数中的多种。
根据本公开的一个方面，提供一种商户信用评估装置，包括：
获取模块，用于获取待评估商户的多个评估指标，并根据所述评估指标为第一评估模型以及第二评估模型配置多个入模指标；
第一配置模块，用于配置所述入模指标在第一评估模型中的第一指标权重，并根据所述入模指标的得分以及所述第一指标权重计算第一信用得分；
第二配置模块，用于配置所述入模指标在第二评估模型中的第二指标权重，并根据所述入模指标的得分以及所述第二指标权重计算第二信用得分；
计算模块，用于为所述第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重，并根据所述第一信用得分、第一评分权重以及第二信用得分、第二信用权重计算待评估商户的信用得分。
在本公开的一种示例性实施例中，获取待评估商户的多个评估指标包括：
获取待评估商户的多个维度的待评估数据，并根据所述多个维度的待评估数据生成多个评估指标；
其中，所述评估指标包括直接评估指标和/或衍生评估指标。
在本公开的一种示例性实施例中，根据所述评估指标为第一评估模型以及第二评估模型配置多个入模指标包括：
根据专家知识库对所述评估指标的重要程度进行比较；
根据层次分析法以及比较结果为所述第一评估模型以及第二评估模型配置所述多个入模指标。
根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的商户信用评估方法。
根据本公开的一个方面，提供一种电子设备，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的商户信用评估方法。
本公开一种商户信用评估方法，通过配置多个入模指标并计算第一信用得分以及第二信用得分，再根据第一信用得分以及第二信用得分得到待评估商户的信用得分；一方面，通过根据第一信用得分、第一评分权重以及第二信用得分、第二信用权重计算待评估商户的信用得分，解决了现有技术中由于原始数据量较少使得商户的信用得分的评估结果准确度较低的问题，提高了评估结果的准确率并降低了风险率；另一方面，通过配置入模指标在第一评估模型中的第一指标权重，并根据入模指标的得分以及第一指标权重计算第一信用得分，然后再配置入模指标在第二评估模型中的第二指标权重，并根据入模指标的得分以及第二指标权重计算第二信用得分；避免了商户由于线上数据不稳定，波动性较大，使得商户信用得分计算的精确度的较低的问题，提高了商户信用得分计算的精确度，从而可以提高平台可以对商户的信用度的评估准确率，提高平台的经济效益。
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。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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的附图。
图1示意性示出商户信用评估方法的流程图。
图2示意性示出一种根据评估指标为第一评估模型以及第二评估模型配置多个入模指标的方法流程图。
图3示意性示出一种为第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重的方法流程图。
图4示意性示出一种商户信用评估装置的方框图。
图5示意性示出一种用于实现上述商户信用评估方法的电子设备示例图。
图6示意性示出一种用于实现上述商户信用评估方法的计算机可读存储介质。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例实施方式中首先提供了一种商户信用评估方法。参考图1所示，该商户信用评估方法可以包括以下步骤：
步骤S110.获取待评估商户的多个评估指标，并根据所述评估指标为第一评估模型以及第二评估模型配置多个入模指标。
步骤S120.配置所述入模指标在第一评估模型中的第一指标权重，并根据所述入模指标的得分以及所述第一指标权重计算第一信用得分。
步骤S130.配置所述入模指标在第二评估模型中的第二指标权重，并根据所述入模指标的得分以及所述第二指标权重计算第二信用得分。
步骤S140.为所述第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重，并根据所述第一信用得分、第一评分权重以及第二信用得分、第二信用权重计算待评估商户的信用得分。
上述商户信用评估方法中，一方面，通过根据第一信用得分、第一评分权重以及第二信用得分、第二信用权重计算待评估商户的信用得分，解决了现有技术中由于原始数据量较少使得商户的信用得分的评估结果准确度较低的问题，提高了评估结果的准确率并降低了风险率；另一方面，通过配置入模指标在第一评估模型中的第一指标权重，并根据入模指标的得分以及第一指标权重计算第一信用得分，然后再配置入模指标在第二评估模型中的第二指标权重，并根据入模指标的得分以及第二指标权重计算第二信用得分；避免了商户由于线上数据不稳定，波动性较大，使得商户信用得分计算的精确度的较低的问题，提高了商户信用得分计算的精确度，从而可以提高平台可以对商户的信用度的评估准确率，提高平台的经济效益。
下面，将结合附图对本示例实施方式中上述商户信用评估方法中的各步骤进行详细的解释以及说明。
在步骤S110中，获取待评估商户的多个评估指标，并根据所述评估指标为第一评估模型以及第二评估模型配置多个入模指标。
在本示例实施方式中，首先，获取待评估商户的多个维度的待评估数据，并根据所述多个维度的待评估数据生成多个评估指标；其中，所述评估指标包括直接评估指标和/或衍生评估指标。详细而言：
从系统平台的原始数据系统中获取待评估商户的多个维度的待评估数据，然后根据该多个维度的待评估数据生成多个评估指标；其中，该评估指标可以包括其他用户对该商户的评论的数量、该商户在一段时间内(例如可以是一个月、一季度或者半年等等，本示例对此不做特殊限制)的流水金额数量、该商户的页面浏览量(PV，Page View)、该商户的独立访客数量(UV，Unique Vistor)等等，也可以是其他评估指标，例如可以是该商户在平台上的注册时间以及该商户的营业执照的下发日期等等，本示例对此不做特殊限制。进一步的，上述评估指标还可以包括直接评估指标和/或衍生评估指标等等；其中，直接评估指标可以包括其他用户对该商户的评论的数量、该商户在一段时间内(例如可以是一个月、一季度或者半年等等，本示例对此不做特殊限制)的流水金额数量、该商户的页面浏览量(PV，Page View)、该商户的独立访客数量(UV，Unique Vistor)等等；衍生评估指标例如可以是根据直接评估指标进行进一步推理总结得到的，例如可以根据流水金额数量以及页面浏览量得到衍生评估指标成交转换率等等，还可以根据其他用户对该商户的评论的数量得到好评的数量以及差评的数量等等，本示例对此不做特殊限制。
其次，根据评估指标为第一评估模型以及第二评估模型配置多个入模指标；其中，第一评估模型可以为主观评估模型，第二评估模型可以为客观评估模型。参考图2所示，根据评估指标为第一评估模型以及第二评估模型配置多个入模指标可以包括步骤S201以及步骤S220。其中：
在步骤S210中，根据专家知识库对所述评估指标的重要程度进行比较。
在步骤S220中，根据层次分析法以及比较结果为所述第一评估模型以及第二评估模型配置所述多个入模指标。
下面，对步骤S210以及步骤S220进行解释以及说明。首先，根据专家知识库对评估指标的重要程度进行比较，例如，可以对评估指标的重要程度进行两两比较，然后挑选出重要程度较高的评估指标；然后，根据层次分析法(Analytic Hierarchy Process，AHP)以及比较结果为第一评估模型(主观评估模型)以及第二评估模型(客观评估模型)配置多个入模指标。通过使用该方式，可以排除掉对评估结果影响较小的评估指标，减少了系统需要处理的数据量，减少了系统的负担的同时也提高了评估结果的评估效率。进一步的，具体的入模指标配置结果可以参考下表1所示：
表1
商户 Pv Pv排名 流水 流水排名 评论
A 318 第106021名 700 第98974名 212
B 4510 第40616名 1750 第50191名 1500
更进一步的，可以根据PV以及流水的排名所在区间给出各商户在这两个指标上的得分，再根据评论绝对数给出得分。具体的可以参考下表2所示：
表2
商户 Pv得分 流水得分 评论得分
A 30 30 60
B 50 70 70
此处需要补充说明的是，上述提及的第一评估模型以及第二评估模型仅用于进行举例说明，并不对评估模型的数量进行限制；其中，该评估模型也可以包括三个及三个以上的评估模型，本公开对此不做特殊限制。
在步骤S120中，配置所述入模指标在第一评估模型中的第一指标权重，并根据所述入模指标的得分以及所述第一指标权重计算第一信用得分。
在本示例实施方式中，首先，配置各入模指标在第一评估模型(主观评估模型)中的第一指标权重，然后再根据该入模指标的得分以及该入模指标对应的第一指标权重计算第一信用得分。举例而言：
例如：PV占最后得分权重20％，流水占40％，评论30％，其他10％。那么就可以得到商户A和商户B的综合得分：A得分：30*％20+30*40％+60*30％+20(假设其他项得分为20)*10％＝38分，B商户得分类似。
在步骤S130中，配置所述入模指标在第二评估模型中的第二指标权重，并根据所述入模指标的得分以及所述第二指标权重计算第二信用得分。
在本示例实施方式中，首先，配置各入模指标在第二评估模型(客观评估模型)中的第二指标权重，然后再根据该入模指标的得分以及该入模指标对应的第二指标权重计算第二信用得分。举例而言：
根据客观模型计算得出PV占最后得分权重0.13，流水权重0.64，评论权重0.21，其他权重0.02，最后可以得到商户的客观模型综合得分。A得分可以为：0.13*30+0.64*30+0.21*60+20*0.02＝36分。
在步骤S140中，为所述第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重，并根据所述第一信用得分、第一评分权重以及第二信用得分、第二信用权重计算待评估商户的信用得分。
在本示例实施方式中，首先，为第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重。参考图3所示，为第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重可以包括步骤S310以及步骤S320。其中：
在步骤S310中，根据所述待评估商户的行业类别对该待评估商户进行分类得到多个商户类别。
在步骤S320中，利用预设评分方法为该商户类别中的第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重。
下面，对步骤S310以及步骤S320进行解释以及说明。首先，根据待评估商户的行业类别对该待评估商户进行分类得到多个商户类别，例如，小吃快餐和甜点的商户可以同属于餐饮类别；旅馆和酒店可以同属于住宿类别等等；然后，利用预设评分方法为该商户类别中的第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重；其中，预设评分方法可以为锦标赛机制，详细而言：
步骤1，定义模型i在第j轮比赛中的权重为：wij；其中，i∈[1,N],j∈[0,+∞)，i,j均为自然数，N为评估模型的数量；
步骤2，初始化各个模型的权重为wi0；
步骤3，由于随着贷款的发放，会逐步出现借款商户违约的情况，在每天固定的时间统计上一天的违约情况，比较两个模型在贷款时给出的评分(评分越低则商户的违约概率越高)，评分较低的模型得1分，统计各个模型的得分以及各自占总分的比例：
si为第i个模型的得分；S＝∑si；
步骤4，计算作为新一天的权重。
步骤5，当需要进行下一轮比赛时，重复步骤2-步骤4.
举例说明：
假设北京某甜点商户主观模型和客观模型的初始评分为38分和35分，初始权重为0.5,0.5；第二天，得到了北京甜点商户的违约情况，有10笔违约，发现客观模型评分较低的次数为6次，主观4次，那么p客观＝0.6，p主观＝0.4，根据公式计算得到新权重p客观＝0.51，p主观＝0.49，随后进入后一天的比赛。
最后，再根据所述第一信用得分、第一评分权重以及第二信用得分、第二信用权重计算待评估商户的信用得分。例如，商户A的最终信用得分可以为：0.49*38+0.51*36＝36.98分。
此外，由于本公开对评估模型的数量进行限制；因此，当有三个或者三个以上的评估模型时，信用得分也可以根据第一信用得分、第一评分权重以及第二信用得分、第二信用权重以及第N信用得分、第N信用权重计算得到待评估商户的信用得分。
本公开还提供了一种商户信用评估装置。参考图4所示，该商户信用评估装置可以包括：获取模块410、第一配置模块420、第二配置模块430以及计算模块440。其中：
获取模块410可以用于获取待评估商户的多个评估指标，并根据所述评估指标为第一评估模型以及第二评估模型配置多个入模指标。
第一配置模块420可以用于配置所述入模指标在第一评估模型中的第一指标权重，并根据所述入模指标的得分以及所述第一指标权重计算第一信用得分。
第二配置模块430可以用于配置所述入模指标在第二评估模型中的第二指标权重，并根据所述入模指标的得分以及所述第二指标权重计算第二信用得分。
计算模块440可以用于为所述第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重，并根据所述第一信用得分、第一评分权重以及第二信用得分、第二信用权重计算待评估商户的信用得分。
在本公开的一种示例实施方式中，获取待评估商户的多个评估指标包括：
获取待评估商户的多个维度的待评估数据，并根据所述多个维度的待评估数据生成多个评估指标；其中，所述评估指标包括直接评估指标和/或衍生评估指标。
在本公开的一种示例实施方式中，根据所述评估指标为第一评估模型以及第二评估模型配置多个入模指标包括：根据专家知识库对所述评估指标的重要程度进行比较；根据层次分析法以及比较结果为所述第一评估模型以及第二评估模型配置所述多个入模指标。
上述商户信用评估装置中各模块的具体细节已经在对应的商户信用评估方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图5来描述根据本发明的这种实施方式的电子设备500。图5显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1中所示的步骤S110：获取待评估商户的多个评估指标，并根据所述评估指标为第一评估模型以及第二评估模型配置多个入模指标；S120：配置所述入模指标在第一评估模型中的第一指标权重，并根据所述入模指标的得分以及所述第一指标权重计算第一信用得分；步骤S130：配置所述入模指标在第二评估模型中的第二指标权重，并根据所述入模指标的得分以及所述第二指标权重计算第二信用得分；步骤S140：为所述第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重，并根据所述第一信用得分、第一评分权重以及第二信用得分、第二信用权重计算待评估商户的信用得分。
存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器560通过总线530与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品600，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
计算机可读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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。
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、有线、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的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
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他实施例。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权利要求指出。

Claims (10)

1.一种商户信用评估方法，其特征在于，包括：
获取待评估商户的多个评估指标，并根据所述评估指标为第一评估模型以及第二评估模型配置多个入模指标；
配置所述入模指标在第一评估模型中的第一指标权重，并根据所述入模指标的得分以及所述第一指标权重计算第一信用得分；
配置所述入模指标在第二评估模型中的第二指标权重，并根据所述入模指标的得分以及所述第二指标权重计算第二信用得分；
为所述第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重，并根据所述第一信用得分、第一评分权重以及第二信用得分、第二信用权重计算待评估商户的信用得分。
2.根据权利要求1所述的商户信用评估方法，其特征在于，获取待评估商户的多个评估指标包括：
获取待评估商户的多个维度的待评估数据，并根据所述多个维度的待评估数据生成多个评估指标；
其中，所述评估指标包括直接评估指标和/或衍生评估指标。
3.根据权利要求1所述的商户信用评估方法，其特征在于，根据所述评估指标为第一评估模型以及第二评估模型配置多个入模指标包括：
根据专家知识库对所述评估指标的重要程度进行比较；
根据层次分析法以及比较结果为所述第一评估模型以及第二评估模型配置所述多个入模指标。
4.根据权利要求1所述的商户信用评估方法，其特征在于，为所述第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重包括：
根据所述待评估商户的行业类别对该待评估商户进行分类得到多个商户类别；
利用预设评分方法为该商户类别中的第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重。
5.根据权利要求1-4任一项所述的商户信用评估方法，其特征在于，所述评估指标包括评论数量、流水金额、页面浏览量以及独立访客数中的多种。
6.一种商户信用评估装置，其特征在于，包括：
获取模块，用于获取待评估商户的多个评估指标，并根据所述评估指标为第一评估模型以及第二评估模型配置多个入模指标；
第一配置模块，用于配置所述入模指标在第一评估模型中的第一指标权重，并根据所述入模指标的得分以及所述第一指标权重计算第一信用得分；
第二配置模块，用于配置所述入模指标在第二评估模型中的第二指标权重，并根据所述入模指标的得分以及所述第二指标权重计算第二信用得分；
计算模块，用于为所述第一信用得分以及第二信用得分配置第一评分权重以及第二评分权重，并根据所述第一信用得分、第一评分权重以及第二信用得分、第二信用权重计算待评估商户的信用得分。
7.根据权利要求6所述的商户信用评估装置，其特征在于，获取待评估商户的多个评估指标包括：
获取待评估商户的多个维度的待评估数据，并根据所述多个维度的待评估数据生成多个评估指标；
其中，所述评估指标包括直接评估指标和/或衍生评估指标。
8.根据权利要求6所述的商户信用评估装置，其特征在于，根据所述评估指标为第一评估模型以及第二评估模型配置多个入模指标包括：
根据专家知识库对所述评估指标的重要程度进行比较；
根据层次分析法以及比较结果为所述第一评估模型以及第二评估模型配置所述多个入模指标。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-5任一项所述的商户信用评估方法。
10.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-5任一项所述的商户信用评估方法。
CN201810333336.8A 2018-04-13 2018-04-13 商户信用评估方法及装置、存储介质、电子设备 Pending CN110378545A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810333336.8A CN110378545A (zh) 2018-04-13 2018-04-13 商户信用评估方法及装置、存储介质、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810333336.8A CN110378545A (zh) 2018-04-13 2018-04-13 商户信用评估方法及装置、存储介质、电子设备

Publications (1)

Publication Number Publication Date
CN110378545A true CN110378545A (zh) 2019-10-25

Family

ID=68242978

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810333336.8A Pending CN110378545A (zh) 2018-04-13 2018-04-13 商户信用评估方法及装置、存储介质、电子设备

Country Status (1)

Country Link
CN (1) CN110378545A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111815457A (zh) * 2020-07-01 2020-10-23 北京金堤征信服务有限公司 目标对象的评估方法以及装置
CN112561320A (zh) * 2020-12-14 2021-03-26 中国建设银行股份有限公司 机构风险预测模型的训练方法、机构风险预测方法和装置
CN112668945A (zh) * 2021-01-27 2021-04-16 天元大数据信用管理有限公司 一种企业信用风险评估方法及设备
CN113011138A (zh) * 2019-12-19 2021-06-22 北京懿医云科技有限公司 信息处理方法、装置、电子设备及存储介质
CN113128794A (zh) * 2019-12-27 2021-07-16 北京国双科技有限公司 一种量化评估方法及装置
CN113128810A (zh) * 2019-12-31 2021-07-16 中移动信息技术有限公司 评分模型的训练方法、装置、设备及存储介质

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113011138A (zh) * 2019-12-19 2021-06-22 北京懿医云科技有限公司 信息处理方法、装置、电子设备及存储介质
CN113011138B (zh) * 2019-12-19 2023-09-15 北京懿医云科技有限公司 信息处理方法、装置、电子设备及存储介质
CN113128794A (zh) * 2019-12-27 2021-07-16 北京国双科技有限公司 一种量化评估方法及装置
CN113128810A (zh) * 2019-12-31 2021-07-16 中移动信息技术有限公司 评分模型的训练方法、装置、设备及存储介质
CN113128810B (zh) * 2019-12-31 2024-05-28 中移动信息技术有限公司 评分模型的训练方法、装置、设备及存储介质
CN111815457A (zh) * 2020-07-01 2020-10-23 北京金堤征信服务有限公司 目标对象的评估方法以及装置
CN112561320A (zh) * 2020-12-14 2021-03-26 中国建设银行股份有限公司 机构风险预测模型的训练方法、机构风险预测方法和装置
CN112668945A (zh) * 2021-01-27 2021-04-16 天元大数据信用管理有限公司 一种企业信用风险评估方法及设备

Similar Documents

Publication Publication Date Title
CN110378545A (zh) 商户信用评估方法及装置、存储介质、电子设备
Gao et al. Stock prediction based on optimized LSTM and GRU models
CN109360012A (zh) 广告投放渠道的选择方法及装置、存储介质、电子设备
Satpathy et al. Firm characteristics and total factor productivity: Evidence from Indian manufacturing firms
CN110111139B (zh) 行为预估模型生成方法、装置、电子设备及可读介质
CN109784978A (zh) 基于大数据的广告竞争力计算方法、装置、介质及设备
CN108846077A (zh) 问答文本的语义匹配方法、装置、介质及电子设备
CN110110012A (zh) 用户预期价值评估方法、装置、电子设备及可读介质
CN109685645A (zh) 用户信用风险评估方法及装置、存储介质
CN109840730A (zh) 用于数据预测的方法及装置
CN110852785B (zh) 用户分级方法、装置及计算机可读存储介质
US11416770B2 (en) Retraining individual-item models
CN111966886A (zh) 对象推荐方法、对象推荐装置、电子设备及存储介质
CN109087138A (zh) 数据处理方法及系统、计算机系统和可读存储介质
CN109947811A (zh) 通用特征库生成方法及装置、存储介质、电子设备
CN114880449B (zh) 智能问答的答复生成方法、装置、电子设备及存储介质
CN109635184A (zh) 基于数据分析的金融产品推荐方法、装置和计算机设备
Merigo et al. Decision making in the European Union under risk and uncertainty
CN116975267A (zh) 一种信息处理方法、装置及计算机设备、介质、产品
CN116680386A (zh) 基于多轮对话的答案预测方法和装置、设备、存储介质
CN109426983A (zh) 闪购活动自动生成方法及装置、存储介质、电子设备
Chen et al. A stock price forecasting model integrating complementary ensemble empirical mode decomposition and independent component analysis
US20220318639A1 (en) Training individually fair machine learning algorithms via distributionally robust optimization
CN108984681A (zh) 保险信息推荐的方法、装置存储介质及电子设备
CN116843483A (zh) 一种车险理赔方法、装置、计算机设备及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20191025

RJ01 Rejection of invention patent application after publication