CN111369346B - 用户信用的评估方法、装置、服务器和存储介质 - Google Patents
用户信用的评估方法、装置、服务器和存储介质 Download PDFInfo
- Publication number
- CN111369346B CN111369346B CN202010186550.2A CN202010186550A CN111369346B CN 111369346 B CN111369346 B CN 111369346B CN 202010186550 A CN202010186550 A CN 202010186550A CN 111369346 B CN111369346 B CN 111369346B
- Authority
- CN
- China
- Prior art keywords
- target
- characteristic variable
- abnormal
- variable
- configuration table
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 33
- 230000002159 abnormal effect Effects 0.000 claims abstract description 127
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 230000005856 abnormality Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2365—Ensuring data consistency and integrity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Computer Security & Cryptography (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例提供了一种用户信用的评估方法、装置、服务器和存储介质。该用户信用的评估方法包括：获取目标用户对应的目标特征变量；将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量；根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理后输入预设模型以输出所述目标用户的信用评估结果。通过将目标特征变量与预设数据库的配置表进行比对，达到在变更规则时也能保证信用评估的效果。
Description
技术领域
本发明实施例涉及风险识别技术领域，尤其涉及一种用户信用的评估方法、装置、服务器和存储介质。
背景技术
随着互联网金融的快速发展，如何正确的评估用户的信用变得越来越重要。
目前，对用户的信用进行评估时，通过获取用户的特征变量，输入包括有训练好的神经网络模型的决策引擎中，从而输出用户的信用结果。然而，有些特征变量可能会出现异常的情况，比如月薪为负数、手机号码异等情况。一旦出现这种关键变量异常的情况，需要在输入决策引擎之前，按照一定的策略进行检测，并对异常的特征变量进行特定的异常处理。目前，对特征变量进行检测和对对异常特征变量进行特定异常处理都是采用硬编码的方式。
然而，采用硬编码的方式对特征变量进行检测和对对异常特征变量进行特定异常处理，当检测规则或处理规则变更时，需要重新修改源代码、测试、并重新部署上线，导致信用评估过程中的效率变低。
发明内容
本发明实施例提供一种用户信用的评估方法、装置、服务器和存储介质，以实现在变更规则时也能保证信用评估的效率。
第一方面，本发明实施例提供了一种用户信用的评估方法，包括：
获取目标用户对应的目标特征变量；
将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量；
根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理后输入预设模型以输出所述目标用户的信用评估结果。
可选的，所述特征变量配置表包括异常命中规则，所述将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量包括：
将所述目标特征变量与所述异常命中规则进行比对；
将与所述异常命中规则匹配的目标特征变量作为所述异常特征变量。
可选的，所述异常命中规则包括特征变量名和所述特征变量名对应的规则表达式，所述将所述目标特征变量与所述异常命中规则进行比对包括：
根据所述特征变量名匹配所述目标特征变量对应的规则表达式；
对所述目标特征变量和对应的规则表达式进行比对。
可选的，所述特征变量配置表还包括所述特征变量名对应的处理类型，所述根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理包括：
根据所述处理类型对所述目标特征变量中的异常特征变量进行处理。
可选的，所述方法还包括：
对所述异常特征变量进行统计，得到异常统计表；
根据所述异常统计表进行监控和预警。
可选的，所述方法还包括：
对所述特征变量配置表进行更新；
将更新后的特征变量配置表存储至所述预设数据库，以根据所述更新后的特征变量配置表对所述目标特征变量进行处理。
可选的，所述获取目标用户对应的目标特征变量包括：
接收所述目标用户的贷款申请；
根据所述贷款申请获取所述目标用户对应的目标特征变量。
第二方面，本发明实施例提供了一种用户信用的评估装置，包括：
特征变量获取模块，用于获取目标用户对应的目标特征变量；
比对模块，用于将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量；
处理模块，用于根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理后输入预设模型以输出所述目标用户的信用评估结果。
第三方面，本发明实施例提供了一种服务器，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的用户信用的评估方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的用户信用的评估方法。
本发明实施例通过获取目标用户对应的目标特征变量；将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量；根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理后输入预设模型以输出所述目标用户的信用评估结果，解决了当检测规则或处理规则变更时，需要重新修改源代码、测试、并重新部署上线，导致信用评估过程中的效率变低的问题，实现了在变更规则时也能保证信用评估的效果。
附图说明
图1是本发明实施例一提供的一种用户信用的评估方法的流程示意图；
图2是本发明实施例二提供的一种用户信用的评估方法的流程示意图；
图3是本发明实施例三提供的一种用户信用的评估装置的结构示意图；
图4是本发明实施例四提供的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一信息为第二信息，且类似地，可将第二信息称为第一信息。第一信息和第二信息两者都是信息，但其不是同一信息。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
实施例一
图1为本发明实施例一提供的一种用户信用的评估方法的流程示意图，可适用于对用户的信用进行评估的场景，该方法可以由用户信用的评估装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成在服务器上。
如图1所示，本发明实施例一提供的用户信用的评估方法包括：
S110、获取目标用户对应的目标特征变量。
其中，目标用户是指提出特定业务申请的用户。目标用户可以是个人或企业。例如，目标用户可以是申请贷款的个人、申请贷款的企业等，此处不作限制。目标特征变量是目标用户对应的目标特征变量。可选的，目标特征变量包括但不限于月薪、职业、年龄、性别、贷款平台数、未偿还贷款和所在地区其中的一项或多项等，此处对于目标特征变量不作具体限制，可以根据需要进行设置。
在一个可选的实施方式中，获取目标用户对应的目标特征变量包括：
接收所述目标用户的贷款申请；根据所述贷款申请获取所述目标用户对应的目标特征变量。
在本实施方式中，当接收到目标用户的贷款申请时才会获取目标用户对应的目标特征变量。
S120、将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量。
其中，特征变量配置表用来判断目标特征变量是否异常。预设数据库是指存储该特征变量配置表的数据库。具体的，特征变量配置表包括命中规则。可选的，命中规则可以是异常命中规则，还可以是正常命中规则，此处不作限制。当特征变量配置表包括异常命中规则时，则命中异常规则的目标特征变量为异常特征变量；当特征变量配置表包括正常命中规则时，则未命中正常规则的目标特征变量为异常特征变量。优选的，特征变量配置表中包括异常命中规则。异常特征变量是指目标特征变量中异常的特征变量。例如，月薪为负数、银行卡号为空等。
在本步骤中是通过预设数据库的特征变量配置表进行比对从而获取异常特征变量，当规则变更时，例如检测规则变更时只需要通过修改预设数据库的特征变量配置表即可，无需对所有源代码重新开发上线，从而达到完全热切换。
示例性的，当用户A需要贷款时，会进行贷款申请，此时用户A作为目标用户，获取用户A的目标特征变量，例如用户A的月薪、职业、性别和年龄等。将目标特征变量和预设数据库的特征变量配置表比对，获取用户A的目标特征变量中的异常特征变量，再根据特征变量配置表对异常特征变量进行处理后，输入至预设模型，从而输出用户A的信用评估结果，判断是否需要给用户A进行贷款以及贷款的额度。
在一个可选的实施方式中，特征变量配置表包括异常命中规则，所述将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量包括：
将所述目标特征变量与所述异常命中规则进行比对；将与所述异常命中规则匹配的目标特征变量作为所述异常特征变量。
在本实施方式中，特征变量配置表包括异常命中规则，当目标特征变量与异常规则匹配时，则说明该目标特征变量是异常的。
在一个可选的实施方式中，异常命中规则包括特征变量名和所述特征变量名对应的规则表达式，所述将所述目标特征变量与所述异常命中规则进行比对包括：
根据所述特征变量名匹配所述目标特征变量对应的规则表达式；对所述目标特征变量和对应的规则表达式进行比对。
其中，特征变量名是指每个目标特征变量对应的唯一标识。例如，特征变量为目标特征变量的名称。规则表达式是指判断与特征变量名匹配的目标特征变量是否异常的表达式。
在一个可选的实施方式中，特征变量配置表还包括所述特征变量名对应的处理类型，所述根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理包括：
根据所述处理类型对所述目标特征变量中的异常特征变量进行处理。
在本实施方式中，处理类型是指当目标特征变量异常时进行处理的类型，可以看做是异常特征变量处理的方式。可选的，处理类型包括终止流程和填充默认值，继续决策等，此处不作限制。当处理类型为终止流程时，则不再输入至预设模型中，直接终止贷款申请流程。
示例性的，特征变量配置表如下：
| 配置项 | 例子 |
| 特征变量名 | A |
| 规则表达式 | A＝＝null||A<0 |
| 处理类型 | 1终止流程，2填充默认值，继续决策 |
其中，配置项可以根据需要自行配置，从而增加或删除需要检测的目标特征变量，修改目标特征变量的命中规则，修改目标特征变量的处理类型等。可选的，每个目标特征变量对应一个特征变量配置表。示例性的，当目标特征变量包括月薪、年龄、所在地区、职业和性别时，对每个目标特征变量与预设数据库的特征变量配置表进行比对，当不存在与目标特征变量匹配的特征变量配置表时，则认为不需要对该目标特征变量进行检测；当存在与目标特征变量匹配的特征变量配置表时，通过特征变量配置表的规则表达式判断该目标特征变量是否异常，如果异常则根据处理类型进行对应处理。具体的，可以通过判断目标特征变量的名称与特征变量配置表中的特征变量名是否一致进行匹配。
S130、根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理后输入预设模型以输出所述目标用户的信用评估结果。
在本步骤中，根据特征变量表对异常变量特征进行处理。例如，月薪为负数时填充为0或负数的绝对值，银行卡号为空时终止流程，此处不作限制，可以根据不同的异常进行设置。其中，预设模型用来根据目标用户对应的所有目标特征进行计算，从而确定目标用户的信用评估结果。可选的，信用评估结果可以把包括是否允许贷款和贷款额度等，此处不作具体限制。可选的，当异常特征变量的数值为空时，即异常特征变量的数值不存在时，则终止流程，不再输入至预设模型中。
在一个可选的实施方式中，该用户信用的评估方法还包括：
对所述特征变量配置表进行更新；将更新后的特征变量配置表存储至所述预设数据库，以根据所述更新后的特征变量配置表对所述目标特征变量进行处理。
在本实施方式中，在需要更新特征变量的规则时，例如特征变量的规则表达式和或处理类型时，只需要对特征变量配置表进行更新，并将更新后的特征变量配置表存储至预设数据库中，对原有的特征变量配置表进行替换或者对每次更新赋予一个版本号，比对时根据最新的版本号进行比对，则可以通过更新后的特征变量配置表对目标特征变量进行检测和/或对异常特征变量进行处理。
本发明实施例的技术方案，通过获取目标用户对应的目标特征变量；将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量；根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理后输入预设模型以输出所述目标用户的信用评估结果，由于是与预设数据库的特征变量配置表进行比对，则变更规则时，只需要对预设数据库中的特征变量配置表进行更新，不再需要重新修改源代码、测试、并重新部署上线，达到在变更规则时也能保证信用评估的效率的技术效果。
实施例二
图2是本发明实施例二提供的一种用户信用的评估方法的流程示意图。本实施例是在上述技术方案的进一步细化，在上述技术方案的基础上增加了对所述异常特征变量进行统计，得到异常统计表；根据所述异常统计表进行监控和预警的步骤，适用于对用户的信用进行评估时得到的异常特征变量进行统计的场景。该方法可以由用户信用的评估装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成在服务器上。
如图2所示，本发明实施例二提供的用户信用的评估方法包括：
S210、获取目标用户对应的目标特征变量。
其中，目标用户是指提出特定业务申请的用户。目标用户可以是个人或企业。例如，目标用户可以是申请贷款的个人、申请贷款的企业等，此处不作限制。目标特征变量是目标用户对应的目标特征变量。可选的，目标特征变量包括但不限于月薪、职业、年龄、性别、贷款平台数、未偿还贷款和所在地区其中的一项或多项等，此处对于目标特征变量不作具体限制，可以根据需要进行设置。
S220、将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量。
其中，特征变量配置表用来判断目标特征变量是否异常。预设数据库是指存储该特征变量配置表的数据库。具体的，特征变量配置表包括命中规则。可选的，命中规则可以是异常命中规则，还可以是正常命中规则，此处不作限制。当特征变量配置表包括异常命中规则时，则命中异常规则的目标特征变量为异常特征变量；当特征变量配置表包括正常命中规则时，则未命中正常规则的目标特征变量为异常特征变量。优选的，特征变量配置表中包括异常命中规则。异常特征变量是指目标特征变量中异常的特征变量。例如，月薪为负数、银行卡号为空等。
在本步骤中是通过预设数据库的特征变量配置表进行比对从而获取异常特征变量，当规则变更时，例如检测规则变更时只需要通过修改预设数据库的特征变量配置表即可，无需对所有源代码重新开发上线，从而达到完全热切换。
S230、根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理后输入预设模型以输出所述目标用户的信用评估结果。
在本步骤中，根据特征变量表对异常变量特征进行处理。例如，月薪为负数时填充为0或负数的绝对值，银行卡号为空时终止流程，此处不作限制，可以根据不同的异常进行设置。其中，预设模型用来根据目标用户对应的所有目标特征进行计算，从而确定目标用户的信用评估结果。可选的，信用评估结果可以把包括是否允许贷款和贷款额度等，此处不作具体限制。可选的，当异常特征变量的数值为空时，即异常特征变量的数值不存在时，则终止流程，不再输入至预设模型中。
S240、对所述异常特征变量进行统计，得到异常统计表。
在本步骤中，对异常特征变量进行统计后得到异常统计表。可选的，异常统计表以一天为单位时间，包括在单位时间内的发生异常的类型、发生异常的时刻、异常类型对应的次数和发生异常的总次数等数据。
S250、根据所述异常统计表进行监控和预警。
在本步骤中，具体的，根据异常统计表进行监控和预警。可选的，通过设置异常类型对应的次数阈值以及发生异常的总次数阈值进行预警。当某一个异常类型发生次数大于异常类型对应的次数阈值，或发生异常的总次数大于发生异常的总次数阈值时，则进行预警，通知相关人员进行排查。
本发明实施例的技术方案，通过获取目标用户对应的目标特征变量；将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量；根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理后输入预设模型以输出所述目标用户的信用评估结果，由于是与预设数据库的特征变量配置表进行比对，则变更规则时，只需要对预设数据库中的特征变量配置表进行更新，不再需要重新修改源代码、测试、并重新部署上线，达到在变更规则时也能保证信用评估的效率的技术效果。
实施例三
图3是本发明实施例三提供的一种用户信用的评估装置的结构示意图，本实施例可适用于对用户的信用进行评估的场景，该装置可以采用软件和/或硬件的方式实现，并可集成在服务器上。
如图3所示，本实施例提供的用户信用的评估装置可以包括特征变量获取模块310、比对模块320和处理模块330，其中：
特征变量获取模块310，用于获取目标用户对应的目标特征变量；比对模块320，用于将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量；处理模块330，用于根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理后输入预设模型以输出所述目标用户的信用评估结果。
可选的，特征变量配置表包括异常命中规则，该比对模块320具体用于将所述目标特征变量与所述异常命中规则进行比对；将与所述异常命中规则匹配的目标特征变量作为所述异常特征变量。
可选的，所述异常命中规则包括特征变量名和所述特征变量名对应的规则表达式，该比对模块320包括：规则表达式匹配单元，用于根据所述特征变量名匹配所述目标特征变量对应的规则表达式；比对单元，用于对所述目标特征变量和对应的规则表达式进行比对。
可选的，所述特征变量配置表还包括所述特征变量名对应的处理类型，该处理模块330具体用于根据所述处理类型对所述目标特征变量中的异常特征变量进行处理。可选的，该装置还包括：统计模块，用于对所述异常特征变量进行统计，得到异常统计表；监控预警模块，用于根据所述异常统计表进行监控和预警。
可选的，该装置还包括：更新模块，用于对所述特征变量配置表进行更新；存储模块，用于将更新后的特征变量配置表存储至所述预设数据库，以根据所述更新后的特征变量配置表对所述目标特征变量进行处理。
可选的，该特征变量获取模块310包括：贷款申请单元，用于接收所述目标用户的贷款申请；特征变量获取单元，用于根据所述贷款申请获取所述目标用户对应的目标特征变量。
本发明实施例所提供的用户信用的评估装置可执行本发明任意实施例所提供的用户信用的评估方法，具备执行方法相应的功能模块和有益效果。本发明实施例中未详尽描述的内容可以参考本发明任意方法实施例中的描述。
实施例四
图4是本发明实施例四提供的一种服务器的结构示意图。图4示出了适于用来实现本发明实施方式的示例性服务器612的框图。图4显示的服务器612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4所示，服务器612以通用服务器的形式表现。服务器612的组件可以包括但不限于：一个或者多个处理器616，存储装置628，连接不同系统组件(包括存储装置628和处理器616)的总线618。
总线618表示几类总线结构中的一种或多种，包括存储装置总线或者存储装置控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance，ISA)总线，微通道体系结构(Micro Channel Architecture，MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
服务器612典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器612访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置628可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)630和/或高速缓存存储器632。终端612可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统634可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘，例如只读光盘(Compact Disc Read-Only Memory，CD-ROM),数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线618相连。存储装置628可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块642的程序/实用工具640，可以存储在例如存储装置628中，这样的程序模块642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。程序模块642通常执行本发明所描述的实施例中的功能和/或方法。
服务器612也可以与一个或多个外部设备614(例如键盘、指向终端、显示器624等)通信，还可与一个或者多个使得用户能与该服务器612交互的终端通信，和/或与使得该服务器612能与一个或多个其它计算终端进行通信的任何终端(例如网卡，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622进行。并且，服务器612还可以通过网络适配器620与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网(Wide AreaNetwork，WAN)和/或公共网络，例如因特网)通信。如图4所示，网络适配器620通过总线618与服务器612的其它模块通信。应当明白，尽管图中未示出，可以结合服务器612使用其它硬件和/或软件模块，包括但不限于：微代码、终端驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器616通过运行存储在存储装置628中的程序，从而执行各种功能应用以及数据处理，例如实现本发明任意实施例所提供的一种用户信用的评估方法，该方法可以包括：
获取目标用户对应的目标特征变量；
将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量；
根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理后输入预设模型以输出所述目标用户的信用评估结果。
本发明实施例的技术方案，通过获取目标用户对应的目标特征变量；将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量；根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理后输入预设模型以输出所述目标用户的信用评估结果，由于是与预设数据库的特征变量配置表进行比对，则变更规则时，只需要对预设数据库中的特征变量配置表进行更新，不再需要重新修改源代码、测试、并重新部署上线，达到在变更规则时也能保证信用评估的效率的技术效果。
实施例五
本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的一种用户信用的评估方法，该方法可以包括：
获取目标用户对应的目标特征变量；
将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量；
根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理后输入预设模型以输出所述目标用户的信用评估结果。
本发明实施例的计算机可读存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——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。计算机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、便携式计算机磁盘、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、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机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。
计算机可读的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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、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。
存储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、电线、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或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本发明实施例的技术方案，通过获取目标用户对应的目标特征变量；将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量；根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理后输入预设模型以输出所述目标用户的信用评估结果，由于是与预设数据库的特征变量配置表进行比对，则变更规则时，只需要对预设数据库中的特征变量配置表进行更新，不再需要重新修改源代码、测试、并重新部署上线，达到在变更规则时也能保证信用评估的效率的技术效果。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种用户信用的评估方法，其特征在于，包括：
获取目标用户对应的目标特征变量；
将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量；
根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理后输入预设模型以输出所述目标用户的信用评估结果；
对所述特征变量配置表进行更新；
将更新后的特征变量配置表存储至所述预设数据库，以根据所述更新后的特征变量配置表对所述目标特征变量进行处理；
所述特征变量配置表还包括所述特征变量名对应的处理类型，所述根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理包括：
根据所述处理类型对所述目标特征变量中的异常特征变量进行处理；
其中，所述处理类型包括终止流程和填充默认值继续决策。
2.如权利要求1所述的用户信用的评估方法，其特征在于，所述特征变量配置表包括异常命中规则，所述将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量包括：
将所述目标特征变量与所述异常命中规则进行比对；
将与所述异常命中规则匹配的目标特征变量作为所述异常特征变量。
3.如权利要求2所述的用户信用的评估方法，其特征在于，所述异常命中规则包括特征变量名和所述特征变量名对应的规则表达式，所述将所述目标特征变量与所述异常命中规则进行比对包括：
根据所述特征变量名匹配所述目标特征变量对应的规则表达式；
对所述目标特征变量和对应的规则表达式进行比对。
4.如权利要求1所述的用户信用的评估方法，其特征在于，所述方法还包括：
对所述异常特征变量进行统计，得到异常统计表；
根据所述异常统计表进行监控和预警。
5.如权利要求1所述的用户信用的评估方法，其特征在于，所述获取目标用户对应的目标特征变量包括：
接收所述目标用户的贷款申请；
根据所述贷款申请获取所述目标用户对应的目标特征变量。
6.一种用户信用的评估装置，其特征在于，包括：
特征变量获取模块，用于获取目标用户对应的目标特征变量；
比对模块，用于将所述目标特征变量与预设数据库的特征变量配置表进行比对以获取异常特征变量；
处理模块，用于根据所述特征变量配置表对所述目标特征变量中的异常特征变量进行处理后输入预设模型以输出所述目标用户的信用评估结果；
该装置还包括：更新模块，用于对所述特征变量配置表进行更新；存储模块，用于将更新后的特征变量配置表存储至所述预设数据库，以根据所述更新后的特征变量配置表对所述目标特征变量进行处理；
所述特征变量配置表还包括所述特征变量名对应的处理类型，所述处理模块具体用于根据所述处理类型对所述目标特征变量中的异常特征变量进行处理；
其中，所述处理类型包括终止流程和填充默认值继续决策。
7.一种服务器，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一项所述的用户信用的评估方法。
8.一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，该程序被处理器执行时实现如权利要求1-5中任一项所述的用户信用的评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010186550.2A CN111369346B (zh) | 2020-03-17 | 2020-03-17 | 用户信用的评估方法、装置、服务器和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010186550.2A CN111369346B (zh) | 2020-03-17 | 2020-03-17 | 用户信用的评估方法、装置、服务器和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111369346A CN111369346A (zh) | 2020-07-03 |
| CN111369346B true CN111369346B (zh) | 2024-05-03 |
Family
ID=71208962
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010186550.2A Active CN111369346B (zh) | 2020-03-17 | 2020-03-17 | 用户信用的评估方法、装置、服务器和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111369346B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109308660A (zh) * | 2017-07-27 | 2019-02-05 | 财付通支付科技有限公司 | 一种征信评分模型评估方法、装置、设备及存储介质 |
| CN109816513A (zh) * | 2018-12-21 | 2019-05-28 | 上海拍拍贷金融信息服务有限公司 | 用户信用评级方法及装置、可读存储介质 |
| CN110363644A (zh) * | 2019-06-17 | 2019-10-22 | 深圳壹账通智能科技有限公司 | 异常信息识别方法、装置、计算机设备及存储介质 |
| CN110610412A (zh) * | 2019-09-02 | 2019-12-24 | 深圳中兴飞贷金融科技有限公司 | 信用风险评估方法和装置、存储介质和电子设备 |
| CN110807643A (zh) * | 2019-10-11 | 2020-02-18 | 支付宝(杭州)信息技术有限公司 | 一种用户信任评估方法、装置及设备 |
-
2020
- 2020-03-17 CN CN202010186550.2A patent/CN111369346B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109308660A (zh) * | 2017-07-27 | 2019-02-05 | 财付通支付科技有限公司 | 一种征信评分模型评估方法、装置、设备及存储介质 |
| CN109816513A (zh) * | 2018-12-21 | 2019-05-28 | 上海拍拍贷金融信息服务有限公司 | 用户信用评级方法及装置、可读存储介质 |
| CN110363644A (zh) * | 2019-06-17 | 2019-10-22 | 深圳壹账通智能科技有限公司 | 异常信息识别方法、装置、计算机设备及存储介质 |
| CN110610412A (zh) * | 2019-09-02 | 2019-12-24 | 深圳中兴飞贷金融科技有限公司 | 信用风险评估方法和装置、存储介质和电子设备 |
| CN110807643A (zh) * | 2019-10-11 | 2020-02-18 | 支付宝(杭州)信息技术有限公司 | 一种用户信任评估方法、装置及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111369346A (zh) | 2020-07-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110992169B (zh) | 一种风险评估方法、装置、服务器及存储介质 | |
| CN108055281B (zh) | 账户异常检测方法、装置、服务器及存储介质 | |
| US9661012B2 (en) | Systems and methods for identifying information related to payment card breaches | |
| CN111260465A (zh) | 一种业务处理方法、装置、服务器及存储介质 | |
| CN110348471B (zh) | 异常对象识别方法、装置、介质及电子设备 | |
| CN112990294B (zh) | 行为判别模型的训练方法、装置、电子设备及存储介质 | |
| CN111612040B (zh) | 基于孤立森林算法的财务数据异常检测方法及相关装置 | |
| CN111340584A (zh) | 一种资金方的确定方法、装置、设备及存储介质 | |
| CN113837596A (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
| CN113034046A (zh) | 一种数据风险计量方法、装置、电子设备及存储介质 | |
| CN110675249A (zh) | 网络借贷的匹配方法、装置、服务器和存储介质 | |
| CN113312259B (zh) | 一种接口测试方法及装置 | |
| CN115034596A (zh) | 一种风险传导预测方法、装置、设备和介质 | |
| CN111369346B (zh) | 用户信用的评估方法、装置、服务器和存储介质 | |
| CN110070383B (zh) | 基于大数据分析的异常用户识别方法及装置 | |
| CN116071152A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
| CN115762704A (zh) | 一种处方审核方法、装置、设备和存储介质 | |
| CN111882413B (zh) | 账单逾期规则批量更新方法、装置、服务器及存储介质 | |
| CN111681008B (zh) | 一种风险控制方法、装置、设备及存储介质 | |
| CN109634868B (zh) | 金融数据分析系统自动化测试结果的处理方法及装置 | |
| CN111489101A (zh) | 基于大数据的订单审核方法、装置、设备和介质 | |
| CN112699872A (zh) | 表单审核处理方法及装置、电子设备和存储介质 | |
| CN111045849A (zh) | 核对异常原因的识别方法、装置、服务器和存储介质 | |
| CN110969518A (zh) | 清分账户配置方法、装置、服务器及存储介质 | |
| CN112907395A (zh) | 一种客户类型识别方法、装置及设备 |
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 | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: 518000 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Applicant after: Shenzhen Mingshu Information Co.,Ltd. Address before: 518000 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Applicant before: Shenzhen Suishou Jinfu Information Technology Co.,Ltd. Country or region before: China |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |