CN111062808B - 信用卡额度评估方法、装置、计算机设备及存储介质 - Google Patents
信用卡额度评估方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111062808B CN111062808B CN201911350982.6A CN201911350982A CN111062808B CN 111062808 B CN111062808 B CN 111062808B CN 201911350982 A CN201911350982 A CN 201911350982A CN 111062808 B CN111062808 B CN 111062808B
- Authority
- CN
- China
- Prior art keywords
- user
- social network
- network diagram
- credit card
- preset
- 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
- 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明实施例公开了一种信用卡额度评估方法、装置、计算机设备及存储介质。所述方法包括：若接收到用户发送的信用卡申请信息，对用户进行个人信息评估；若用户通过个人信息评估，获取用户的社交网络原始数据；对用户的社交网络原始数据进行数据清洗处理以得到用户的社交网络数据；根据社交网络数据构建社交网络图；获取用户与所述社交网络图中各联系人的影响力因子；将用户与所述社交网络图中各联系人输入到预设的聚类模型中进行聚类；根据所述用户的聚类结果以及影响力因子确定用户的额度，从而能够实现根据用户的社交网络数据进行信用卡额度评估，提高了信用卡额度评估的准确性。
Description
技术领域
本发明涉及信用卡额度管理技术领域，尤其涉及一种信用卡额度评估方法、装置、计算机设备及存储介质。
背景技术
现代金融行业发展过程中，信用卡已经占据越来越多的份额和使用率，发卡行在进件以及额度评估方面有较大的风控需求。传统的信用卡额度评估系统仅仅基于申请人个体信息进行评估，包括核验资料真实性、查询用户个人征信报告、核验资产信息、核验黑名单，剔除负债率高，套现倾向高，逾期，不断申卡，卡多等情况，再通过评分给出额度区间。
现有技术虽然可以在个人信息方面对申请人进行信息核查和还款能力分析，然而却对于信息缺失以及白户人群无法覆盖，无法洞察到申请人的社交网络信息，无法通过群体估值的方式对申请人进行额度评估，从而导致信用卡额度评估结果不准确。
发明内容
本发明实施例提供了一种信用卡额度评估方法、装置、计算机设备及存储介质，旨在解决现有技术对用户的信用卡额度评估不准确的问题。
第一方面，本发明实施例提供了一种信用卡额度评估方法，其包括：
若接收到用户发送的信用卡申请信息，对所述用户进行个人信息评估；
若所述用户通过个人信息评估，获取所述用户的社交网络原始数据；
对所述用户的社交网络原始数据进行数据清洗处理以得到所述用户的社交网络数据；
根据所述社交网络数据构建社交网络图，其中所述社交网络图的顶点为联系人，所述社交网络图的边为联系人之间的关系；
获取所述用户与所述社交网络图中各联系人的影响力因子；
将所述用户与所述社交网络图中各联系人输入到预设的聚类模型中进行聚类；
判断所述用户或者所述社交网络图中的联系人是否与预设的黑名单人员处于同一组；
若所述用户或者所述社交网络图中的联系人与预设的黑名单人员处于同一组，拒绝所述用户的信用卡申请；
若所述用户与所述社交网络图中的联系人均不与预设的黑名单人员处于同一组，判断所述用户与所述社交网络图中各联系人的影响力因子是否大于预设的影响力因子阈值；
若所述用户与所述社交网络图中各联系人的影响力因子大于预设的影响力因子阈值，则在预设的基础额度上提高所述用户的信用卡额度；
若所述用户与所述社交网络图中各联系人的影响力因子不大于预设的影响力因子阈值，则在预设的基础额度上降低所述用户的信用卡额度。
第二方面，本发明实施例还提供了一种信用卡额度评估装置，其包括：
评估单元，用于若接收到用户发送的信用卡申请信息，对所述用户进行个人信息评估；
第一获取单元，用于若所述用户通过个人信息评估，获取所述用户的社交网络原始数据；
数据清洗单元，用于对所述用户的社交网络原始数据进行数据清洗处理以得到所述用户的社交网络数据；
构建单元，用于根据所述社交网络数据构建社交网络图，其中所述社交网络图的顶点为联系人，所述社交网络图的边为联系人之间的关系；
第二获取单元，用于获取所述用户与所述社交网络图中各联系人的影响力因子；
聚类单元，用于将所述用户与所述社交网络图中各联系人输入到预设的聚类模型中进行聚类；
第一判断单元，用于判断所述用户或者所述社交网络图中的联系人是否与预设的黑名单人员处于同一组；
第一拒绝单元，用于若所述用户或者所述社交网络图中的联系人与预设的黑名单人员处于同一组，拒绝所述用户的信用卡申请；
第二判断单元，用于若所述用户与所述社交网络图中的联系人均不与预设的黑名单人员处于同一组，判断所述用户与所述社交网络图中各联系人的影响力因子是否大于预设的影响力因子阈值；
提高单元，用于若所述用户与所述社交网络图中各联系人的影响力因子大于预设的影响力因子阈值，则在预设的基础额度上提高所述用户的信用卡额度；
降低单元，用于若所述用户与所述社交网络图中各联系人的影响力因子不大于预设的影响力因子阈值，则在预设的基础额度上降低所述用户的信用卡额度。
第三方面，本发明实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现上述方法。
本发明的技术方案，若接收到用户发送的信用卡申请信息，对所述用户进行个人信息评估；若所述用户通过个人信息评估，获取所述用户的社交网络原始数据；对所述用户的社交网络原始数据进行数据清洗处理以得到所述用户的社交网络数据；根据所述社交网络数据构建社交网络图，其中所述社交网络图的顶点为联系人，所述社交网络图的边为联系人之间的关系；获取所述用户与所述社交网络图中各联系人的影响力因子；将所述用户与所述社交网络图中各联系人输入到预设的聚类模型中进行聚类；根据所述用户的聚类结果以及影响力因子确定所述用户的额度，从而能够实现根据用户的社交网络数据进行信用卡额度评估，提高了信用卡额度评估的准确性。本发明可有效通过社交网络对申请用户联系人进行风险群体识别。本发明可通过社交网络进行群体估值、亲友估值，针对信息缺失用户以及白户可进行信息补充，具有查得率高和提高准确性等优势。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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为本发明实施例提供的一种信用卡额度评估方法的流程示意图；
图2为本发明实施例提供的一种计算机设备的示意性框图。
具体实施方式
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，本领域普通技术人员在没有做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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
请参阅图1，图1是本发明实施例提供的信用卡额度评估方法的流程示意图。如图所示，该方法包括以下步骤S1-S11。
S1，若接收到用户发送的信用卡申请信息，对所述用户进行个人信息评估。
具体实施中，若接收到用户发送的信用卡申请信息，对所述用户进行个人信息评估。
对所述用户进行个人信息评估包括：核实用户的个人信息是否真实、查询用户的征信报告、查询用户是否在预设的黑名单中以及确认用户的资产。在用户的个人信息真实、用户的征信分数大于预设分数阈值、用户不在预设的黑名单中以及用户的资产大于预设的资产阈值时，判定用户通过个人信息评估，否则判定用户不通过个人信息评估。
S2，若所述用户通过个人信息评估，获取所述用户的社交网络原始数据。
具体实施中，如果所述用户通过个人信息评估，获取所述用户的社交网络原始数据。
若所述用户未通过个人信息评估，则拒绝所述用户的信用卡申请。
在一实施例中，以上步骤S2具体包括：通过预设的APP插件以及网络爬虫获取所述用户的社交网络原始数据。APP插件可安装在用户的终端中(手机、电脑等终端)。
在一实施例中，为了获取用户授权，在步骤S2之前，所述方法还包括：向所述用户发送数据获取请求。若用户通过所述数据获取请求，则执行步骤S2。否则不执行步骤S2。
S3，对所述用户的社交网络原始数据进行数据清洗处理以得到所述用户的社交网络数据。
具体实施中，对所述用户的社交网络原始数据进行数据清洗处理以得到所述用户的社交网络数据。
数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。通过数据清洗处理可使得数据更加完整以及准确。
S4，根据所述社交网络数据构建社交网络图，其中所述社交网络图的顶点为联系人，所述社交网络图的边为联系人之间的关系。
具体实施中，根据所述社交网络数据构建社交网络图。其中，所述社交网络图的顶点为联系人，所述社交网络图的边为联系人之间的关系。
对应社交网络图来说，可以把用户看作顶点，用户之间建立的关系看作边。比如微信的社交网络图，是由节点(个人、公众号)和边(关注、点赞)构成的图；淘宝的交易网络图，是由节点(个人、商品)和边(购买、收藏)构成的图。
未来智能化认知计算发展的三大方向之一就是图计算以及基于图的认知技术，包括图分析、图特征挖掘、图认知推理、以及与机器学习技术的结合。利用图的强大的关联分析的能力和客观世界还原的优势，未来图计算技术将重点在分布式部署、大图分析、实时可视化等领域，而与行业应用的结合则是发挥图计算能力的最优选择。如此一来，抽象出来的图数据便可作为研究和商用的基础，由此探究出“世界上任意两个人之间的人脉距离”、“关键意见领袖”等。将这些应用到商业领域，其底层的运算往往是图相关的算法。比如图的最短路径算法可以做好友推荐，计算关系紧密程度；对图做PageRank可以用于传播影响力分析，找出问题的中心，做搜索引擎的网页排名；最小连通图可以识别洗钱或虚假交易等。
S5，获取所述用户与所述社交网络图中各联系人的影响力因子。
具体实施中，获取所述用户与所述社交网络图中各联系人的影响力因子。
在一实施例中，所述步骤S5具体包括：根据预设的PageRank算法获取所述用户与所述社交网络图中各联系人的影响力因子。
PageRank算法总的来说就是预先给每个联系人一个PR值，通过每个联系人之间的链接关系不断迭代，直至达到平稳分布为止。通过PageRank算法将获取的社交数据的PR值，从而计算出相关联系人与申请用户之间的关联紧密度，从而得出所述用户与所述社交网络图中各联系人的影响力因子(各联系人的PR值的和)。
S6，将所述用户与所述社交网络图中各联系人输入到预设的聚类模型中进行聚类。
具体实施中，将所述用户与所述社交网络图中各联系人输入到预设的聚类模型中进行聚类。预设的聚类模型可具体为K-means聚类模型。
聚类是一种机器学习技术，它涉及到数据点的分组。给定一组数据点，我们可以使用聚类算法将每个数据点划分为一个特定的组。理论上，同一组中的数据点应该具有相似的属性和/或特征，而不同组中的数据点应该具有高度不同的属性和/或特征。聚类是一种无监督学习的方法，是许多领域中常用的统计数据分析技术。在本发明实施例中，聚类算法将用户的社交关系进行了数据点梳理整合，成为一个基于相同特征的关系组，从而判定所处的群体额度。
S7，判断所述用户或者所述社交网络图中的联系人是否与预设的黑名单人员处于同一组。
具体实施中，判断所述用户或者所述社交网络图中的联系人是否与预设的黑名单人员处于同一组。黑名单人员是指预先确定的信用极差的人员。
S8，若所述用户或者所述社交网络图中的联系人与预设的黑名单人员处于同一组，拒绝所述用户的信用卡申请。
具体实施中，如果所述用户或者所述社交网络图中的联系人与预设的黑名单人员处于同一组，则说明该用户的信用风险较大，因此拒绝所述用户的信用卡申请。
S9，若所述用户与所述社交网络图中的联系人均不与预设的黑名单人员处于同一组，判断所述用户与所述社交网络图中各联系人的影响力因子是否大于预设的影响力因子阈值。
具体实施中，如果所述用户与所述社交网络图中的联系人均不与预设的黑名单人员处于同一组，判断所述用户与所述社交网络图中各联系人的影响力因子是否大于预设的影响力因子阈值。
S10，若所述用户与所述社交网络图中各联系人的影响力因子大于预设的影响力因子阈值，则在预设的基础额度上提高所述用户的信用卡额度。
具体实施中，如果所述用户与所述社交网络图中各联系人的影响力因子大于预设的影响力因子阈值，则在预设的基础额度上提高所述用户的信用卡额度。
例如，在预设的基础额度上提高10000元作为所述用户的信用卡额度。
S11，若所述用户与所述社交网络图中各联系人的影响力因子不大于预设的影响力因子阈值，则在预设的基础额度上降低所述用户的信用卡额度。
具体实施中，如果所述用户与所述社交网络图中各联系人的影响力因子不大于预设的影响力因子阈值，则在预设的基础额度上降低所述用户的信用卡额度。
例如，在预设的基础额度上减少10000元作为所述用户的信用卡额度。本发明的技术方案，若接收到用户发送的信用卡申请信息，对所述用户进行个人信息评估；若所述用户通过个人信息评估，获取所述用户的社交网络原始数据；对所述用户的社交网络原始数据进行数据清洗处理以得到所述用户的社交网络数据；根据所述社交网络数据构建社交网络图，其中所述社交网络图的顶点为联系人，所述社交网络图的边为联系人之间的关系；获取所述用户与所述社交网络图中各联系人的影响力因子；将所述用户与所述社交网络图中各联系人输入到预设的聚类模型中进行聚类；根据所述用户的聚类结果以及影响力因子确定所述用户的额度，从而能够实现根据用户的社交网络数据进行信用卡额度评估，提高了信用卡额度评估的准确性。
对应于以上信用卡额度评估方法，本发明实施例还提供一种信用卡额度评估装置。该信用卡额度评估装置包括用于执行上述信用卡额度评估方法的单元，该装置可以被配置于服务器中。具体地，该信用卡额度评估装置包括：
评估单元，用于若接收到用户发送的信用卡申请信息，对所述用户进行个人信息评估；
第一获取单元，用于若所述用户通过个人信息评估，获取所述用户的社交网络原始数据；
数据清洗单元，用于对所述用户的社交网络原始数据进行数据清洗处理以得到所述用户的社交网络数据；
构建单元，用于根据所述社交网络数据构建社交网络图，其中所述社交网络图的顶点为联系人，所述社交网络图的边为联系人之间的关系；
第二获取单元，用于获取所述用户与所述社交网络图中各联系人的影响力因子；
聚类单元，用于将所述用户与所述社交网络图中各联系人输入到预设的聚类模型中进行聚类；
第一判断单元，用于判断所述用户或者所述社交网络图中的联系人是否与预设的黑名单人员处于同一组；
第一拒绝单元，用于若所述用户或者所述社交网络图中的联系人与预设的黑名单人员处于同一组，拒绝所述用户的信用卡申请；
第二判断单元，用于若所述用户与所述社交网络图中的联系人均不与预设的黑名单人员处于同一组，判断所述用户与所述社交网络图中各联系人的影响力因子是否大于预设的影响力因子阈值；
提高单元，用于若所述用户与所述社交网络图中各联系人的影响力因子大于预设的影响力因子阈值，则在预设的基础额度上提高所述用户的信用卡额度；
降低单元，用于若所述用户与所述社交网络图中各联系人的影响力因子不大于预设的影响力因子阈值，则在预设的基础额度上降低所述用户的信用卡额度。
在一实施例中，所述信用卡额度评估装置还包括：
发送单元，用于向所述用户发送数据获取请求。
在一实施例中，所述第一获取单元包括：
第三获取单元，用于通过预设的APP插件以及网络爬虫获取所述用户的社交网络原始数据。
在一实施例中，所述第二获取单元包括：
第三获取单元，用于根据预设的PageRank算法获取所述用户与所述社交网络图中各联系人的影响力因子。
在一实施例中，所述信用卡额度评估装置还包括：
第二拒绝单元，用于若所述用户未通过个人信息评估，拒绝所述用户的信用卡申请。
需要说明的是，所属领域的技术人员可以清楚地了解到，上述信用卡额度评估装置和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
上述信用卡额度评估装置可以实现为一种计算机程序的形式，该计算机程序可以在如图2所示的计算机设备上运行。
请参阅图2，图2是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是终端，也可以是服务器，其中，终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
参阅图2，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行一种信用卡额度评估方法。
该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种信用卡额度评估方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图2中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现如下步骤：
若接收到用户发送的信用卡申请信息，对所述用户进行个人信息评估；
若所述用户通过个人信息评估，获取所述用户的社交网络原始数据；
对所述用户的社交网络原始数据进行数据清洗处理以得到所述用户的社交网络数据；
根据所述社交网络数据构建社交网络图，其中所述社交网络图的顶点为联系人，所述社交网络图的边为联系人之间的关系；
获取所述用户与所述社交网络图中各联系人的影响力因子；
将所述用户与所述社交网络图中各联系人输入到预设的聚类模型中进行聚类；
判断所述用户或者所述社交网络图中的联系人是否与预设的黑名单人员处于同一组；
若所述用户或者所述社交网络图中的联系人与预设的黑名单人员处于同一组，拒绝所述用户的信用卡申请；
若所述用户与所述社交网络图中的联系人均不与预设的黑名单人员处于同一组，判断所述用户与所述社交网络图中各联系人的影响力因子是否大于预设的影响力因子阈值；
若所述用户与所述社交网络图中各联系人的影响力因子大于预设的影响力因子阈值，则在预设的基础额度上提高所述用户的信用卡额度；
若所述用户与所述社交网络图中各联系人的影响力因子不大于预设的影响力因子阈值，则在预设的基础额度上降低所述用户的信用卡额度。
在一实施例中，处理器502在实现所述获取所述用户的社交网络原始数据步骤之前，还实现如下步骤：
向所述用户发送数据获取请求。
在一实施例中，处理器502在实现所述获取所述用户的社交网络原始数据步骤时，具体实现如下步骤：
通过预设的APP插件以及网络爬虫获取所述用户的社交网络原始数据。
在一实施例中，处理器502在实现所述获取所述用户与所述社交网络图中各联系人的影响力因子步骤时，具体实现如下步骤：
根据预设的PageRank算法获取所述用户与所述社交网络图中各联系人的影响力因子。
在一实施例中，处理器502还实现如下步骤：
若所述用户未通过个人信息评估，拒绝所述用户的信用卡申请。
应当理解，在本申请实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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。其中，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。
本领域普通技术人员可以理解的是实现上述实施例的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。该计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该计算机程序被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序。该计算机程序被处理器执行时使处理器执行如下步骤：
若接收到用户发送的信用卡申请信息，对所述用户进行个人信息评估；
若所述用户通过个人信息评估，获取所述用户的社交网络原始数据；
对所述用户的社交网络原始数据进行数据清洗处理以得到所述用户的社交网络数据；
根据所述社交网络数据构建社交网络图，其中所述社交网络图的顶点为联系人，所述社交网络图的边为联系人之间的关系；
获取所述用户与所述社交网络图中各联系人的影响力因子；
将所述用户与所述社交网络图中各联系人输入到预设的聚类模型中进行聚类；
判断所述用户或者所述社交网络图中的联系人是否与预设的黑名单人员处于同一组；
若所述用户或者所述社交网络图中的联系人与预设的黑名单人员处于同一组，拒绝所述用户的信用卡申请；
若所述用户与所述社交网络图中的联系人均不与预设的黑名单人员处于同一组，判断所述用户与所述社交网络图中各联系人的影响力因子是否大于预设的影响力因子阈值；
若所述用户与所述社交网络图中各联系人的影响力因子大于预设的影响力因子阈值，则在预设的基础额度上提高所述用户的信用卡额度；
若所述用户与所述社交网络图中各联系人的影响力因子不大于预设的影响力因子阈值，则在预设的基础额度上降低所述用户的信用卡额度。
在一实施例中，所述处理器在执行所述计算机程序而实现所述获取所述用户的社交网络原始数据步骤之前，还实现如下步骤：
向所述用户发送数据获取请求。
在一实施例中，所述处理器在执行所述计算机程序而实现所述获取所述用户的社交网络原始数据步骤时，具体实现如下步骤：
通过预设的APP插件以及网络爬虫获取所述用户的社交网络原始数据。
在一实施例中，所述处理器在执行所述计算机程序而实现所述获取所述用户与所述社交网络图中各联系人的影响力因子步骤时，具体实现如下步骤：
根据预设的PageRank算法获取所述用户与所述社交网络图中各联系人的影响力因子。
在一实施例中，所述处理器在执行所述计算机程序还实现如下步骤：
若所述用户未通过个人信息评估，拒绝所述用户的信用卡申请。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元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，或者该技术方案的全部或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，终端，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。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，尚且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种信用卡额度评估方法，其特征在于，包括：
若接收到用户发送的信用卡申请信息，对所述用户进行个人信息评估；
若所述用户通过个人信息评估，获取所述用户的社交网络原始数据；
对所述用户的社交网络原始数据进行数据清洗处理以得到所述用户的社交网络数据；
根据所述社交网络数据构建社交网络图，其中所述社交网络图的顶点为联系人，所述社交网络图的边为联系人之间的关系；
获取所述用户与所述社交网络图中各联系人的影响力因子；
将所述用户与所述社交网络图中各联系人输入到预设的聚类模型中进行聚类；
判断所述用户或者所述社交网络图中的联系人是否与预设的黑名单人员处于同一组；
若所述用户或者所述社交网络图中的联系人与预设的黑名单人员处于同一组，拒绝所述用户的信用卡申请；
若所述用户与所述社交网络图中的联系人均不与预设的黑名单人员处于同一组，判断所述用户与所述社交网络图中各联系人的影响力因子是否大于预设的影响力因子阈值；
若所述用户与所述社交网络图中各联系人的影响力因子大于预设的影响力因子阈值，则在预设的基础额度上提高所述用户的信用卡额度；
若所述用户与所述社交网络图中各联系人的影响力因子不大于预设的影响力因子阈值，则在预设的基础额度上降低所述用户的信用卡额度；
所述获取所述用户与所述社交网络图中各联系人的影响力因子，包括：根据预设的PageRank算法预先给每个联系人一个PR值，通过每个联系人之间的链接关系不断迭代，直至达到平稳分布为止；再通过PageRank算法将获取的社交数据的PR值，计算出相关联系人与申请用户之间的关联紧密度，从而得出所述用户与所述社交网络图中各联系人的影响力因子，即各联系人的PR值的和。
2.根据权利要求1所述的信用卡额度评估方法，其特征在于，在所述获取所述用户的社交网络原始数据之前，所述方法还包括：
向所述用户发送数据获取请求。
3.根据权利要求2所述的信用卡额度评估方法，其特征在于，所述获取所述用户的社交网络原始数据，包括：
通过预设的APP插件以及网络爬虫获取所述用户的社交网络原始数据。
4.根据权利要求1所述的信用卡额度评估方法，其特征在于，所述方法还包括：
若所述用户未通过个人信息评估，拒绝所述用户的信用卡申请。
5.一种信用卡额度评估装置，其特征在于，包括：
评估单元，用于若接收到用户发送的信用卡申请信息，对所述用户进行个人信息评估；
第一获取单元，用于若所述用户通过个人信息评估，获取所述用户的社交网络原始数据；
数据清洗单元，用于对所述用户的社交网络原始数据进行数据清洗处理以得到所述用户的社交网络数据；
构建单元，用于根据所述社交网络数据构建社交网络图，其中所述社交网络图的顶点为联系人，所述社交网络图的边为联系人之间的关系；
第二获取单元，用于获取所述用户与所述社交网络图中各联系人的影响力因子；
聚类单元，用于将所述用户与所述社交网络图中各联系人输入到预设的聚类模型中进行聚类；
第一判断单元，用于判断所述用户或者所述社交网络图中的联系人是否与预设的黑名单人员处于同一组；
第一拒绝单元，用于若所述用户或者所述社交网络图中的联系人与预设的黑名单人员处于同一组，拒绝所述用户的信用卡申请；
第二判断单元，用于若所述用户与所述社交网络图中的联系人均不与预设的黑名单人员处于同一组，判断所述用户与所述社交网络图中各联系人的影响力因子是否大于预设的影响力因子阈值；
提高单元，用于若所述用户与所述社交网络图中各联系人的影响力因子大于预设的影响力因子阈值，则在预设的基础额度上提高所述用户的信用卡额度；
降低单元，用于若所述用户与所述社交网络图中各联系人的影响力因子不大于预设的影响力因子阈值，则在预设的基础额度上降低所述用户的信用卡额度；
所述获取所述用户与所述社交网络图中各联系人的影响力因子，包括：根据预设的PageRank算法预先给每个联系人一个PR值，通过每个联系人之间的链接关系不断迭代，直至达到平稳分布为止；再通过PageRank算法将获取的社交数据的PR值，计算出相关联系人与申请用户之间的关联紧密度，从而得出所述用户与所述社交网络图中各联系人的影响力因子，即各联系人的PR值的和。
6.根据权利要求5所述的信用卡额度评估装置，其特征在于，所述信用卡额度评估装置还包括：
发送单元，用于向所述用户发送数据获取请求。
7.根据权利要求6所述的信用卡额度评估装置，其特征在于，所述第一获取单元包括：
第三获取单元，用于通过预设的APP插件以及网络爬虫获取所述用户的社交网络原始数据。
8.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911350982.6A CN111062808B (zh) | 2019-12-24 | 2019-12-24 | 信用卡额度评估方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911350982.6A CN111062808B (zh) | 2019-12-24 | 2019-12-24 | 信用卡额度评估方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111062808A CN111062808A (zh) | 2020-04-24 |
| CN111062808B true CN111062808B (zh) | 2023-06-09 |
Family
ID=70303296
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911350982.6A Active CN111062808B (zh) | 2019-12-24 | 2019-12-24 | 信用卡额度评估方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111062808B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111951099B (zh) * | 2020-08-13 | 2023-08-18 | 上海银行股份有限公司 | 一种信用卡发卡模型及其运用方法 |
| CN114510650B (zh) * | 2022-04-19 | 2022-07-12 | 湖南三湘银行股份有限公司 | 一种异构社交网络风控处理方法及系统 |
| CN117710081A (zh) * | 2023-11-29 | 2024-03-15 | 浙江孚临科技有限公司 | 一种用于金融风险控制的信息服务处理系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103678669A (zh) * | 2013-12-25 | 2014-03-26 | 福州大学 | 一种社交网络中的社区影响力评估系统及方法 |
| CN107767262A (zh) * | 2017-10-24 | 2018-03-06 | 上海点融信息科技有限责任公司 | 信息处理方法、装置和计算机可读存储介质 |
| CN108629379A (zh) * | 2018-05-10 | 2018-10-09 | 北京天元创新科技有限公司 | 一种个人征信评估方法及系统 |
| CN109242710A (zh) * | 2018-08-16 | 2019-01-18 | 北京交通大学 | 社交网络节点影响力排序方法及系统 |
| CN109948037A (zh) * | 2017-11-24 | 2019-06-28 | 腾讯科技（深圳）有限公司 | 信息投放方法、装置及存储设备 |
| CN110020375A (zh) * | 2017-12-28 | 2019-07-16 | 沈阳新松机器人自动化股份有限公司 | 一种社交网络用户影响力的评估方法 |
| 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 |
-
2019
- 2019-12-24 CN CN201911350982.6A patent/CN111062808B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103678669A (zh) * | 2013-12-25 | 2014-03-26 | 福州大学 | 一种社交网络中的社区影响力评估系统及方法 |
| CN107767262A (zh) * | 2017-10-24 | 2018-03-06 | 上海点融信息科技有限责任公司 | 信息处理方法、装置和计算机可读存储介质 |
| CN109948037A (zh) * | 2017-11-24 | 2019-06-28 | 腾讯科技（深圳）有限公司 | 信息投放方法、装置及存储设备 |
| CN110020375A (zh) * | 2017-12-28 | 2019-07-16 | 沈阳新松机器人自动化股份有限公司 | 一种社交网络用户影响力的评估方法 |
| CN108629379A (zh) * | 2018-05-10 | 2018-10-09 | 北京天元创新科技有限公司 | 一种个人征信评估方法及系统 |
| CN109242710A (zh) * | 2018-08-16 | 2019-01-18 | 北京交通大学 | 社交网络节点影响力排序方法及系统 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111062808A (zh) | 2020-04-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106803168B (zh) | 一种异常转账侦测方法和装置 | |
| CN107066616B (zh) | 用于账号处理的方法、装置及电子设备 | |
| CN111062808B (zh) | 信用卡额度评估方法、装置、计算机设备及存储介质 | |
| Bartunov et al. | Joint link-attribute user identity resolution in online social networks | |
| CN106875078B (zh) | 交易风险检测方法、装置及设备 | |
| CN108665159A (zh) | 一种风险评估方法、装置、终端设备及存储介质 | |
| 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 | |
| CN110060087B (zh) | 异常数据的检测方法、装置和服务器 | |
| CN110766557A (zh) | 基于图分析的数据异常解析方法、系统和计算机设备 | |
| CN110929525B (zh) | 一种网贷风险行为分析检测方法、装置、设备和存储介质 | |
| CN111179089B (zh) | 洗钱交易识别方法、装置和设备 | |
| CN109274639A (zh) | 开放平台异常数据访问的识别方法和装置 | |
| Zhang et al. | A trust model stemmed from the diffusion theory for opinion evaluation | |
| KR102005733B1 (ko) | 온라인 빅데이터 분석을 통해 도출된 신용도 평가 결과를 이용한 블록체인 기반 p2p 금융 서비스 제공 시스템 | |
| CN107809370B (zh) | 用户推荐方法及装置 | |
| CN113946590A (zh) | 积分数据更新方法、装置、设备及存储介质 | |
| Wang et al. | An unsupervised strategy for defending against multifarious reputation attacks | |
| CN112819611A (zh) | 欺诈识别方法、装置、电子设备和计算机可读存储介质 | |
| CN113159637A (zh) | 恶意用户的确定方法及装置、存储介质及电子设备 | |
| CN111340574B (zh) | 风险用户的识别方法、装置和电子设备 | |
| CN113011966A (zh) | 基于深度学习的信用评分方法及装置 | |
| CN113032524A (zh) | 商标侵权识别方法、终端设备及存储介质 | |
| CN111681044A (zh) | 积分兑换作弊行为处理方法及装置 | |
| Tatusch et al. | How is your team spirit? Cluster over-time stability evaluation | |
| CN110610378A (zh) | 产品需求分析方法、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |