CN110633804B - 金融产品进件评价方法、服务器和存储介质 - Google Patents
金融产品进件评价方法、服务器和存储介质 Download PDFInfo
- Publication number
- CN110633804B CN110633804B CN201910866563.1A CN201910866563A CN110633804B CN 110633804 B CN110633804 B CN 110633804B CN 201910866563 A CN201910866563 A CN 201910866563A CN 110633804 B CN110633804 B CN 110633804B
- Authority
- CN
- China
- Prior art keywords
- evaluation data
- current
- user
- user information
- current user
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Finance (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)
Abstract
本发明实施例公开了一种金融产品进件评价方法、服务器和存储介质,其中所述方法包括:获取金融产品的进件信息;查询所述进件信息对应的用户信息;判断当前计算资源是否大于或等于预定阈值;当所述当前计算资源小于预定阈值时,根据所述用户信息查找所述用户的历史评价数据;当存在所述用户的历史评价数据时,将所述用户的历史评价数据作为所述进件的评价数据。
Description
技术领域
本发明涉及互联网技术领域,具体涉及一种金融产品进件评价方法、服务器和存储介质。
背景技术
当前越来越多的金融产品从线下走到线上,用户可以在线上随时对所需的金融产品提出业务申请,所提出的业务申请称为进件。在金融信贷领域,特别是小额信贷领域,需要尽快地对每一个进件给出评价,以判断该进件是否存在金融欺诈的可能,从而实现金融风控的目的。由于线上金融业务规模的不断扩大,传统的人工数据处理的方式已经无法应对,需要通过服务器来对大量进件进行处理。
现有的方案是基于例如NEO4j的图形数据库,当服务器接收到当前进件信息时,根据当前进件信息中的例如联系人信息、手机号信息、电话号信息、地址信息、电子邮箱信息等,可以与系统中存储的其他进件信息联系起来,如图1所示,例如当前进件与进件1含有相同的手机号,从而可以将当前进件与进件1联系起来,根据当前进件中的其他信息可以将当前进件与进件2、进件3……进件n都联系起来,即以进件为中心构建数据库,服务器可以根据与当前进件相关联的进件对当前进件给出评价。然而,由于该方案对于每一个进件都需要进行评价计算,当并发请求高时,会导致系统的响应速度变慢。
发明内容
有鉴于此,本发明实施例提供了一种金融产品进件评价方法、服务器和存储介质,以提升并发请求高时系统的响应速度。
根据第一方面,本发明实施例提供了一种金融产品进件评价方法,包括:获取金融产品的进件信息;查询所述进件信息对应的用户信息;判断当前计算资源是否大于或等于预定阈值;当所述当前计算资源小于预定阈值时,根据所述用户信息查找所述用户的历史评价数据;当存在所述用户的历史评价数据时,将所述用户的历史评价数据作为所述进件的评价数据。
可选地,还包括:当不存在所述用户的历史评价数据时,在获取到达到所述预定阈值的计算资源时,获取与所述用户信息相关联的若干用户信息;根据所述相关联的若干用户信息获取所述用户的评价数据;在数据库中保存所述用户的评价数据并将所述用户的评价数据作为所述进件的评价数据。
可选地,还包括:当所述当前计算资源大于或等于预定阈值时,判断与所述用户信息相关联的若干用户信息是否发生改变;当所述相关联的若干用户信息发生改变时,根据当前的所述相关联的若干用户信息更新所述用户的评价数据并将更新后的所述用户的评价数据作为所述进件的评价数据。
可选地,还包括:当所述相关联的若干用户信息未发生改变时,将所述用户的历史评价数据作为所述进件的评价数据。
可选地,还包括:当距离前一次更新所述用户的历史评价数据的时间达到预设时间时,根据当前与所使用户信息相关联的若干用户信息更新所述用户的评价数据。
根据第二方面,本发明实施例提供了一种金融产品进件评价方法,包括:获取金融产品的进件信息;查询所述进件信息对应的用户信息;判断与所述用户信息相关联的若干用户信息是否发生改变;当所述相关联的若干用户信息未发生改变时,将所述用户的历史评价数据作为所述进件的评价数据。
可选地,还包括:当所述相关联的若干用户信息发生改变时,在获取到达到预定阈值的计算资源时,根据当前的所述相关联的若干用户信息更新所述用户的评价数据并将更新后的所述用户的评价数据作为所述进件的评价数据。
可选地,还包括:当距离前一次更新所述用户的历史评价数据的时间达到预设时间时,根据当前与所使用户信息相关联的若干用户信息更新所述用户的评价数据。
根据第三方面,本发明实施例提供了一种服务器,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行上述第一方面或第二方面中任一项所述的方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行上述第一方面或第二方面中任一项所述的方法。
根据本发明实施例的金融产品进件评价方法、服务器和计算机可读存储介质,通过以用户为中心的处理方式,根据所述用户信息查找所述用户的历史评价数据;当存在所述用户的历史评价数据时,将所述用户的历史评价数据作为所述进件的评价数据,提升了处理速度。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1示出了现有技术的图形数据库构建方式的示意图;
图2A和图2B示出了根据本发明实施例的金融产品进件评价方法的流程图;
图3示出了根据本发明实施例的图形数据库构建方式的示意图;
图4示出了根据本发明另一实施例的金融产品进件评价的流程图;
图5示出了根据本发明实施例的金融产品进件评价装置的示意图;
图6示出了根据本发明另一实施例的金融产品进件评价装置的示意图;
图7示出了根据本发明实施例的服务器的示意图。
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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域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。
图2A和图2B示出了根据本发明实施例的金融产品进件评价方法,该方法适于在服务器中运行,例如可以应用于金融信贷领域,对于用户所提出的金融产品业务申请进行评价,以实现金融风控的目的,该方法可以包括如下步骤:
S101.获取当前进件信息。
用户可以通过互联网在线上对金融产品提出业务申请,即提交进件,该金融产品例如可以是金融信贷业务产品,用户在提交进件时,通常还需要填入诸如身份证号、手机号、电话号、工作单位、家庭地址、电子邮箱、甚至面部图像等信息中的一个或多个,这些信息可以构成所申请的金融产品的进件信息。用户可以通过各种用户终端发出该进件信息,服务器即可以获取到该进件信息。当然,用户也可以通过线下的方式申请金融产品,所申请的金融产品的进件信息可以由金融产品的提供方录入至服务器。
进件必须与提交该进件的用户相对应,因此当前进件信息中需要包括对该金融产品提出业务申请的当前用户的当前用户信息。该当前用户信息例如可以是能够与当前用户唯一对应的身份证号信息。
S102.判断当前计算资源是否大于或等于预定阈值,在当前计算资源小于预定阈值时,执行步骤S103;在当前计算资源大于或等于预定阈值时,执行步骤A,步骤A的部分具体如图2B所示。
在线上金融业务规模大的时候,服务器可能会面对大量用户同时访问的情况,此时服务器会承受大量计算压力,从而会导致计算资源不够。
S103.根据当前用户信息查找当前用户的历史评价数据,在存在当前用户的历史评价数据时,执行步骤S104;在不存在当前用户的历史评价数据时,执行步骤S105。
不同于现有技术中以进件为中心构建数据库,在本发明实施例中是以用户为中心构建数据库,该数据库例如可以是图形数据库,如图3所示,在该图形数据库中,当前用户通过各种关联关系与用户1、用户2、用户3……用户n直接关联在一起,例如用户1与当前用户具有相同的工作单位,用户2是当前用户的家人,用户3是当前用户的推荐人,用户4是当前用户的担保人等等;进一步地,如图3所示,用户1还可以与用户1-1、用户1-2、用户1-3等直接关联,用户2还可以与用户2-1、用户2-2、用户2-3等直接关联,用户3还可以与用户3-1、用户3-2、用户3-3等直接关联……,用户n还可以与用户n-1、用户n-2、用户n-3、用户n-4等直接关联,从而当前用户可以通过用户1、用户2、用户3……用户n与上述更多的用户间接关联。虽然图中仅示出了2层关联关系,本领域技术人员应当理解,当前用户还可以通过更多层的关联关系与更多的用户相关联,从而构建成了本发明实施例的以用户为中心的数据库。
可以根据若干关联用户信息获取当前用户的评价数据,如上文所述,关联用户包括直接和间接关联的用户,例如可以从关联用户信息中抽取出若干评价变量,将这些评价变量输入至评价模型就可以得到当前用户的评价数据,该评价模型可以是基于机器学习的评价模型,例如可以是基于决策树的GDBT模型或基于神经网络的深度模型。在计算得到当前用户的评价数据之后,服务器就可以将该评价数据记录到当前用户节点的属性上作为历史评价数据。在当前计算资源不足的时候,服务器可以直接从当前用户节点中读取历史评价数据作为当前进件的评价数据,而无需在当前执行复杂的计算。
S104.将当前用户的历史评价数据作为当前进件的评价数据。
判断进件是否存在欺诈可能,其实质是判断提交该进件的用户是否存在欺诈可能,因此可以将当前用户的历史评价数据作为当前进件的评价数据。如步骤S103中所述,服务器可以在计算资源充足的时候预先计算好系统内存储的所有用户的评价数据,并将计算得到的评价数据记录到对应用户节点的属性上作为历史评价数据,这样在有用户提出业务申请时,就可以从数据库中查找出该用户的历史评价数据来作为当前进件的评价数据。由于图形数据库中按照多层社交关系存储有海量用户节点,在大部分情况下可以在数据库中查找到该用户对应的用户节点。
通过上述步骤S101至步骤S104,与现有技术中以进件为中心构建数据库,每次有新的进件提交都需要进行评价计算不同,本发明实施例中的金融产品进件评价方法以用户为中心构建数据库,在并发请求高导致计算资源不足时,直接以当前用户的历史评价数据作为当前进件的评价数据,因此无需对每一个进件都进行评价计算,提升了并发请求高时系统的响应速度。
S105.在获取到达到预定阈值的计算资源时,获取与当前用户信息相关联的若干关联用户信息。
在某些情况下,可能数据库中并不存在当前用户所对应的用户节点,在此情况下必须计算出当前用户的评价数据,为了获得良好的响应速度,必须给该计算分配足够的计算资源,例如可以从其他低优先级的进程中释放部分计算资源。在获取到达到预定阈值的计算资源时,即可以获取与当前用户信息相关联的若干关联用户信息。如上文中所述,关联用户信息可以包括与当前用户信息直接关联的用户信息,还可以包括与当前用户信息间接关联的用户信息。本领域技术人员可以根据实际情况下选择预定关联层次的关联用户来计算当前用户的评价数据,或是选择预定数量的关联层次最近的关联用户来计算当前用户的评价数据,当计算资源充足的时候可以选择更多关联层次的关联用户或是更多数量的关联层次最近的关联用户。
S106.根据关联用户信息计算当前用户的评价数据。
如上文所述,可以从关联用户信息中抽取出若干评价变量,将这些评价变量输入至评价模型以计算得到当前用户的评价数据,该评价模型可以是基于机器学习的评价模型,例如可以是基于决策树的GDBT模型或基于神经网络的深度模型。
S107.将所计算的评价数据作为当前进件的评价数据,并保存为当前用户的历史评价数据。
服务器在计算得到当前用户的评价数据后,将其保存为当前用户的历史评价数据,例如在图形数据库中保存在当前用户节点的属性中,从而在当前用户在下一次提交进件时可以使用所保存的历史评价数据。可选地,可以在当前用户节点中记录此次计算历史评价数据的时间。
S108.判断与当前用户信息相关联的若干关联用户信息相对于前一次计算当前用户的历史评价数据时是否发生改变,当发生改变时,执行步骤S109;当未发生改变时,执行步骤S110。该步骤S108接图2A中的步骤A,参见图2B。
在本发明实施例的以用户为中心的数据库中,任何用户提交的进件信息与之前提交的进件信息不同,都会影响到与其直接或间接关联的用户的历史评价数据。如上文中所述,本领域技术人员可以根据实际情况选择预定关联层次的关联用户来计算当前用户的评价数据,或是选择预定数量的关联层次最近的关联用户来计算当前用户的评价数据,因此在预定关联层次的关联用户信息或是预定数量的关联层次最近的关联用户信息未发生改变时,则可以认为与当前用户信息相关联的若干关联用户信息未发生改变,反之则发生改变。
S109.根据关联用户信息重新计算当前用户的历史评价数据,并将重新计算的历史评价数据作为当前进件的评价数据。
在当前计算资源充足且关联用户信息发生改变时,重新计算当前用户的历史评价数据来作为当前进件的评价数据,从而使得对于当前进件的评价更为准确。重新计算的当前用户的历史评价数据可以存储到当前用户节点的属性中,以便于将来使用。可选地,可以在当前用户节点中记录此次重新计算历史评价数据的时间。
S110.将当前用户的历史评价数据作为当前进件的评价数据。
在关联用户信息未发生改变时,由于所有的变量均为发生改变,即使重新计算当前用户的评价数据,其结果也不会发生改变,因此无需重复计算,可以直接将当前用户的历史评价数据作为当前进件的评价数据。可选地,可以在当前用户节点中记录此次校验关联用户信息的时间作为重新计算历史评价数据的时间。
作为本实施例的一些可选实施方式,上述金融产品进件评价方法还可以包括:
判断关联用户信息相对于前一次计算历史评价数据时是否发生改变,当关联用户信息发生改变时,重新计算历史评价数据。
在本实施例中,为了提升系统的响应速度,在计算资源小于预定阈值时,直接将当前用户的历史评价数据作为当前进件的评价数据,在这种情况下,若当前用户的关联用户信息相对于最近计算历史评价数据时已发生改变,则会导致当前进件的评价数据不准确,导致风控漏洞。为尽可能避免上述情况,需要对数据库内用户的历史评价数据进行更新。在进行更新时,可以先判断关联用户信息相对于前一次计算历史评价数据时是否发生改变,当发生改变时重新计算历史评价数据,当未发生改变时则历史评价数据保持不变。
本领域技术人员可以根据实际需要,合理设置更新历史评价数据的间隔时间,例如可以设置成固定时间更新,可以把更新设置在用户提交进件的低峰时间,例如设置在每天的凌晨0点至6点之间,本领域技术人员应当理解,更短或是更长的更新间隔都是可行的,例如可以设置每天的凌晨0点至6点之间以及中午11点至13点之间更新,或者可以设置每2天的凌晨0点至6点之间。在固定时间更新的情况下,对数据库中的所有用户的历史评价数据都进行更新,因此无需记录各个用户的历史评价数据的最近更新时间。作为一些可选实施方式,可以针对各个用户间隔一定时间更新历史评价数据,此时需要记录各个用户的最近一次计算/重新计算历史评价或是校验关联用户信息的时间,服务器在间隔预定时间后重新计算历史评价或是校验关联用户信息,并再次记录执行上述动作的时间。本领域技术人员还可以将更新进程设置为低优先级进程,若在更新进程运行期间需要对新的进件进行评价计算时,可以暂停部分更新进程以释放计算资源给评价计算进程,以提升系统的响应速度。
图4示出了根据本发明另一实施例的金融产品进件评价方法,该方法适于在服务器中运行,例如可以应用于金融信贷领域,对于用户所提出的金融产品业务申请进行评价,以实现金融风控的目的,该方法可以包括如下步骤:
S201.获取当前进件信息,当前进件信息包括对金融产品提出业务申请的当前用户的当前用户信息,具体内容可以参见步骤S101中的描述。
S202.判断与当前用户信息相关联的若干关联用户信息相对于前一次计算当前用户的历史评价数据时是否发生改变,当未发生改变时,执行步骤S203;当发生改变时,执行步骤S204。
如上文所述,由于当前用户的历史评价数据是根据关联用户信息计算得到的,因此任何用户提交的进件信息与之前提交的进件信息不同,都会影响到与其直接或间接关联的用户的历史评价数据。
S203.根据当前用户信息查找当前用户的历史评价数据,并将当前用户的历史评价数据作为当前进件的评价数据。
在当前用户信息的关联用户信息相对于前一次计算当前用户的历史评价数据时未发生改变的情况下,由于计算当前用户的历史评价数据的评价变量不变,因此其结果也不变,即当前用户的当前评价数据与前一次计算得到的历史评价数据是相同的;进一步地,由于判断进件是否存在欺诈可能,其实质是判断提交该进件的用户是否存在欺诈可能,因此可以将当前用户的历史评价数据作为当前进件的评价数据。
通过上述步骤S201至步骤S203,与现有技术中以进件为中心构建数据库,每次有新的进件提交都需要进行评价计算不同,本发明实施例中的金融产品进件评价方法以用户为中心构建数据库,以当前用户的历史评价数据作为当前进件的评价数据,而用户的历史评价数据在关联用户信息不变时不发生改变,因此无需对每一个进件都进行评价计算,提升了并发请求高时系统的响应速度。
S204.在获取到达到预定阈值的计算资源时,根据关联用户信息重新计算当前用户的历史评价数据,并将重新计算的历史评价数据作为当前进件的评价数据。
在当前用户信息的关联用户信息相对于前一次计算当前用户的历史评价数据时发生改变的情况下,由于计算当前用户的历史评价数据的评价变量发生改变,因此其结果也会发生改变,需要重新计算当前用户的历史评价数据。为了获得良好的响应速度,可以在获取到达到预定阈值的计算资源时执行上述重新计算的步骤,例如可以从其他低优先级的进程中释放部分计算资源。重新计算的步骤如上文所述,可以从关联用户信息中抽取出若干评价变量,将这些评价变量输入至评价模型以重新计算当前用户的历史评价数据,该评价模型可以是基于机器学习的评价模型,例如可以是基于决策树的GDBT模型或基于神经网络的深度模型。
作为本实施例的一些可选实施方式,上述金融产品进件评价方法还可以包括:
判断关联用户信息相对于前一次计算历史评价数据时是否发生改变,当关联用户信息发生改变时,重新计算历史评价数据。
在本实施例中,在当前用户信息的关联用户信息相对于前一次计算当前用户的历史评价数据时未发生改变的情况下可以直接将当前用户的历史评价数据作为当前进件的评价数据,而在发生改变的情况下,则需要重新进行计算。为了提升并发请求高时系统的响应速度,需要降低重新计算的概率,因此需要对数据库内用户的历史评价数据进行更新。如上文所述,上述更新步骤可以在固定时间对数据库内所有用户的历史评价数据都进行更新,也可以针对各个用户间隔一定时间执行上述更新步骤;本领域技术人员还可以将更新进程设置为低优先级进程,若在更新进程运行期间需要对新的进件进行评价计算时,可以暂停部分更新进程以释放计算资源给评价计算进程,以提升系统的响应速度。
相应地,如图5所示,本发明实施例还提供了一种金融产品进件评价装置,例如可以应用于金融信贷领域,对于用户所提出的金融产品业务申请进行评价,以实现金融风控的目的,该金融产品进件评价装置可以包括:
进件单元301,用于获取当前进件信息,该当前进件信息包括对金融产品提出业务申请的当前用户的当前用户信息,具体内容可以参见步骤S101的描述;
判断单元302,用于判断当前计算资源是否大于或等于预定阈值,具体内容可以参见步骤S102的描述;
查找单元303,用于在当前计算资源小于预定阈值时,根据当前用户信息查找当前用户的历史评价数据,具体内容可以参见步骤S103的描述;
评价单元304,用于在存在所述当前用户的历史评价数据时,将所述当前用户的历史评价数据作为所述当前进件的评价数据,具体内容可以参见步骤S104的描述。
通过上述各个组成单元,与现有技术中以进件为中心构建数据库,每次有新的进件提交都需要进行评价计算不同,本发明实施例中的金融产品进件评价装置以用户为中心构建数据库,在并发请求高导致计算资源不足时,直接以当前用户的历史评价数据作为当前进件的评价数据,因此无需对每一个进件都进行评价计算,提升了并发请求高时系统的响应速度。
根据本发明实施例的金融产品进件评价装置的其他具体细节可以对应参阅图2A、图2B和图3所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
相应地,如图6所示,本发明另一实施例还提供了一种金融产品进件评价装置,例如可以应用于金融信贷领域,对于用户所提出的金融产品业务申请进行评价,以实现金融风控的目的,该金融产品进件评价装置可以包括:
进件单元401,用于获取当前进件信息,该当前进件信息包括对金融产品提出业务申请的当前用户的当前用户信息;
判断单元402,用于判断与当前用户信息相关联的若干关联用户信息相对于前一次计算当前用户的历史评价数据时是否发生改变;
评价单元403,用于在关联用户信息未发生改变时,将当前用户的历史评价数据作为当前进件的评价数据。
通过上述各个组成单元,与现有技术中以进件为中心构建数据库,每次有新的进件提交都需要进行评价计算不同,本发明实施例中的金融产品进件评价方法以用户为中心构建数据库,以当前用户的历史评价数据作为当前进件的评价数据,而用户的历史评价数据在关联用户信息不变时不发生改变,因此无需对每一个进件都进行评价计算,提升了并发请求高时系统的响应速度。
根据本发明另一实施例的金融产品进件评价装置的其他具体细节可以对应参阅图4所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
如图7所示,本发明实施例还提供了一种服务器,该服务器可以包括处理器501和存储器502,其中处理器501和存储器502可以通过总线或者其他方式连接,图7中以通过总线连接为例。
处理器501可以为中央处理器(Central Processing Unit,CPU)。处理器31还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器502作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的金融产品进件评价方法所对应的程序指令。处理器501通过运行存储在存储器502中的非暂态软件指令,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的金融产品进件评价方法。
存储器502可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至处理器501。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述服务器的具体细节可以对应参阅图2至图4所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (5)
1.一种金融产品进件评价方法,其特征在于,包括:
获取当前进件信息,所述当前进件信息包括对所述金融产品提出业务申请的当前用户的当前用户信息;
判断当前计算资源是否大于或等于预定阈值;
在所述当前计算资源小于预定阈值时,根据所述当前用户信息查找所述当前用户的历史评价数据;
在存在所述当前用户的历史评价数据时,将所述当前用户的历史评价数据作为所述当前进件的评价数据;
在所述当前计算资源大于或等于预定阈值时,判断与所述当前用户信息相关联的若干关联用户信息相对于前一次计算所述当前用户的历史评价数据时是否发生改变;
在所述关联用户信息发生改变时,根据所述关联用户信息重新计算所述当前用户的历史评价数据,并将重新计算的所述历史评价数据作为所述当前进件的评价数据。
2.根据权利要求1所述的金融产品进件评价方法,其特征在于,还包括:
在不存在所述当前用户的历史评价数据时,在获取到达到所述预定阈值的计算资源时,获取与所述当前用户信息相关联的若干关联用户信息;
根据所述关联用户信息计算所述当前用户的评价数据;
将所计算的评价数据作为所述当前进件的评价数据,并保存为所述当前用户的历史评价数据。
3.根据权利要求1所述的金融产品进件评价方法,其特征在于,还包括:
在所述关联用户信息未发生改变时,将所述当前用户的历史评价数据作为所述当前进件的评价数据。
4.一种服务器,其特征在于,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-3中任一项所述的方法。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910866563.1A CN110633804B (zh) | 2019-09-12 | 2019-09-12 | 金融产品进件评价方法、服务器和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910866563.1A CN110633804B (zh) | 2019-09-12 | 2019-09-12 | 金融产品进件评价方法、服务器和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110633804A CN110633804A (zh) | 2019-12-31 |
CN110633804B true CN110633804B (zh) | 2022-06-24 |
Family
ID=68972793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910866563.1A Active CN110633804B (zh) | 2019-09-12 | 2019-09-12 | 金融产品进件评价方法、服务器和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110633804B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111339134B (zh) * | 2020-02-11 | 2024-03-08 | 广州拉卡拉信息技术有限公司 | 一种数据查询方法及装置 |
CN111429260B (zh) * | 2020-03-19 | 2023-06-06 | 重庆富民银行股份有限公司 | 用于风控系统的用户体验提升方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6658393B1 (en) * | 1997-05-27 | 2003-12-02 | Visa Internation Service Association | Financial risk prediction systems and methods therefor |
CN102075944A (zh) * | 2010-12-07 | 2011-05-25 | 南京邮电大学 | 认知网络中基于多Agent协作的可用资源管理系统及方法 |
CN106779755A (zh) * | 2016-12-31 | 2017-05-31 | 湖南文沥征信数据服务有限公司 | 一种网络电商借贷风险评估方法及模型 |
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 |
CN107886328A (zh) * | 2017-11-23 | 2018-04-06 | 上海壹账通金融科技有限公司 | 交易处理方法、装置、计算机设备及存储介质 |
CN108391022A (zh) * | 2018-02-13 | 2018-08-10 | 平安科技(深圳)有限公司 | 一种来电处理方法、电子装置及计算机可读存储介质 |
CN109087163A (zh) * | 2018-07-06 | 2018-12-25 | 阿里巴巴集团控股有限公司 | 信用评估的方法及装置 |
WO2019087552A1 (ja) * | 2017-11-01 | 2019-05-09 | Heroz株式会社 | 金融取引スタイル特徴マッピング装置及び取引スタイル特徴マップの生成方法 |
CN110223165A (zh) * | 2019-06-14 | 2019-09-10 | 哈尔滨哈银消费金融有限责任公司 | 一种基于关联网络的反欺诈和信用风险预测方法和系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334787B (zh) * | 2008-07-22 | 2011-11-23 | 刘宜云 | 一种对象评价信息的查询系统及方法 |
US20120303519A1 (en) * | 2011-05-23 | 2012-11-29 | Burke Bertram V | User input of consumer spending transaction data for savings and donations programs |
CN103778529B (zh) * | 2012-10-19 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 返回资源的处理方法和装置 |
JP6859792B2 (ja) * | 2017-03-27 | 2021-04-14 | 富士通株式会社 | 金融商品レコメンドプログラム、情報処理装置及び金融商品レコメンド方法 |
-
2019
- 2019-09-12 CN CN201910866563.1A patent/CN110633804B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6658393B1 (en) * | 1997-05-27 | 2003-12-02 | Visa Internation Service Association | Financial risk prediction systems and methods therefor |
CN102075944A (zh) * | 2010-12-07 | 2011-05-25 | 南京邮电大学 | 认知网络中基于多Agent协作的可用资源管理系统及方法 |
CN106779755A (zh) * | 2016-12-31 | 2017-05-31 | 湖南文沥征信数据服务有限公司 | 一种网络电商借贷风险评估方法及模型 |
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 |
WO2019087552A1 (ja) * | 2017-11-01 | 2019-05-09 | Heroz株式会社 | 金融取引スタイル特徴マッピング装置及び取引スタイル特徴マップの生成方法 |
CN107886328A (zh) * | 2017-11-23 | 2018-04-06 | 上海壹账通金融科技有限公司 | 交易处理方法、装置、计算机设备及存储介质 |
CN108391022A (zh) * | 2018-02-13 | 2018-08-10 | 平安科技(深圳)有限公司 | 一种来电处理方法、电子装置及计算机可读存储介质 |
CN109087163A (zh) * | 2018-07-06 | 2018-12-25 | 阿里巴巴集团控股有限公司 | 信用评估的方法及装置 |
CN110223165A (zh) * | 2019-06-14 | 2019-09-10 | 哈尔滨哈银消费金融有限责任公司 | 一种基于关联网络的反欺诈和信用风险预测方法和系统 |
Non-Patent Citations (2)
Title |
---|
Credit risk assessment model for hordanian commercial banks:neural scoring approach;bekhet H.A.et al.;《review of development finance》;20140101;第20-28页 * |
基于模糊评价的金融机构反洗钱评价方法;王旭;《时代金融》;20101231(第4期);第40-42页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110633804A (zh) | 2019-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102192863B1 (ko) | 정보 권고 방법 및 장치 | |
US10789311B2 (en) | Method and device for selecting data content to be pushed to terminal, and non-transitory computer storage medium | |
US11257005B2 (en) | Training method and training system for machine learning system | |
US20160132904A1 (en) | Influence score of a brand | |
EP2842057A1 (en) | Influence scores for social media profiles | |
CN110633804B (zh) | 金融产品进件评价方法、服务器和存储介质 | |
CN111639687A (zh) | 一种模型训练以及异常账号识别方法及装置 | |
WO2014195958A1 (en) | Influence score of a social media domain | |
CN108809704B (zh) | 基于动态时间窗的数据去重统计方法及装置 | |
CN111488736B (zh) | 自学习分词方法、装置、计算机设备和存储介质 | |
CN110743169B (zh) | 基于区块链的防作弊方法及系统 | |
CN105989066A (zh) | 一种信息处理方法和装置 | |
CN111523844A (zh) | 仓储管理方法、装置、服务器及可读存储介质 | |
CN113205189B (zh) | 训练预测模型的方法、预测方法及装置 | |
CN108154377B (zh) | 广告作弊预测方法及装置 | |
CN116011677A (zh) | 时序数据的预测方法、装置、电子设备及存储介质 | |
CN112579639A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN112784165B (zh) | 关联关系预估模型的训练方法以及预估文件热度的方法 | |
CN114186123A (zh) | 用于热点事件的处理方法、装置、设备及存储介质 | |
CN110309421B (zh) | 一种ugc内容质量评估方法、装置及电子设备 | |
CN111047042A (zh) | 一种推理服务模型的运行方法及装置 | |
CN111339134B (zh) | 一种数据查询方法及装置 | |
CN112435000B (zh) | 待审批订单通知方法、装置、计算机设备及存储介质 | |
CN117010947B (zh) | 基于业务活动的nps调研方法、装置、设备及存储介质 | |
TWI660279B (zh) | 網路文章推薦方法及應用其的系統 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220608 Address after: 510000 floor 7, building S6, poly Yuzhu port, No. 848, Huangpu Avenue East, Huangpu District, Guangzhou, Guangdong Applicant after: Jianlian Technology (Guangdong) Co.,Ltd. Address before: 510623 Room 201, building a, No. 1, Qianwan 1st Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong Applicant before: SHENZHEN ZHONGYING WEIRONG TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |