CN111709828A - 一种资源处理方法、装置、设备及系统 - Google Patents
一种资源处理方法、装置、设备及系统 Download PDFInfo
- Publication number
- CN111709828A CN111709828A CN202010534484.3A CN202010534484A CN111709828A CN 111709828 A CN111709828 A CN 111709828A CN 202010534484 A CN202010534484 A CN 202010534484A CN 111709828 A CN111709828 A CN 111709828A
- Authority
- CN
- China
- Prior art keywords
- resource
- preset
- target user
- application
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000012544 monitoring process Methods 0.000 claims abstract description 27
- 238000012550 audit Methods 0.000 claims abstract description 19
- 230000011218 segmentation Effects 0.000 claims description 36
- 238000012549 training Methods 0.000 claims description 32
- 230000006399 behavior Effects 0.000 claims description 23
- 230000015654 memory Effects 0.000 claims description 22
- 238000007477 logistic regression Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 238000012790 confirmation Methods 0.000 abstract 2
- 230000006870 function Effects 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 239000000047 product Substances 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000011985 exploratory data analysis Methods 0.000 description 4
- 238000013450 outlier detection Methods 0.000 description 4
- 238000012552 review Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 3
- 238000013441 quality evaluation Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Agronomy & Crop Science (AREA)
- Technology Law (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
Abstract
本说明书提供了一种资源处理方法、装置、设备及系统。所述方法包括当接收到至少一个目标用户发送的资源申请请求时,获取与所述目标用户对应的待审核农业数据;将所述待审核农业数据输入预设目标申请模型,获得所述目标用户的审核结果;确定满足所述预设准入规则时,根据所述至少一个目标用户的待审核农业数据为所述至少一个目标用户计算可申请资源的资源量,并发送显示设备;判断所述目标用户是否进行资源申请;确认进行后,检测所述目标用户是否完成资源申请;确认完成时,对所述至少一个目标用户的资源使用情况进行监控。利用本说明书实施例可以提升对资源请求处理效率的同时,实现对资源使用情况的有效监控,降低资源申请的不良率。
Description
技术领域
本申请涉及数据处理技术领域,特别涉及一种资源处理方法、装置、设备及系统。
背景技术
农民作为我国普惠金融的重点服务对象之一,多年来“贷款难”的社会问题一直没有得到有效解决。
目前,农户贷款主要是线下办理模式。线下办理模式的流程通常是:农户到银行网点进行申请贷款后,工作人员先对农户的农田资料进行人工审核,并估计农户的耕地价值,然后再进行农户的信用审核、放款等操作。然而,这种方式必须由工作人员对农户数据进行逐个审核并录入,当存在大量用户进行贷款时,费时费力,效率低。
因此,业内亟需一种可以提高贷款效率的技术方案。
发明内容
本说明书实施例提供了一种资源处理方法、装置、设备及系统,可以提升对资源请求处理效率的同时,实现对资源使用情况的有效监控,从而降低资源申请的不良率。
本说明书提供的一种资源处理方法、装置、设备及系统是包括以下方式实现的。
一种资源处理方法,包括:当接收到至少一个目标用户发送的资源申请请求时,获取与所述至少一个目标用户对应的待审核农业数据,所述待审核农业数据包括影响所述目标用户审核结果的数据;将所述待审核农业数据输入预设目标申请模型,获得所述至少一个目标用户的审核结果;所述预设目标申请模型基于已完成资源申请用户的农业数据训练获得,所述审核结果包括满足预设准入规则和不满足预设准入规则,所述预设准入规则包括能够进行资源申请的条件;确定满足所述预设准入规则时,根据所述至少一个目标用户的待审核农业数据为所述至少一个目标用户计算可申请资源的资源量,并发送到所述至少一个目标用户的显示设备;判断所述至少一个目标用户是否进行资源申请;确认进行资源申请后,检测所述至少一个目标用户是否完成资源申请;确认完成所述资源申请时,对所述至少一个目标用户的资源使用情况进行监控。
一种资源处理装置,包括:获取模块,用于当接收到至少一个目标用户发送的资源申请请求时,获取与所述至少一个目标用户对应的待审核农业数据,所述待审核农业数据包括影响所述目标用户审核结果的数据;输入模块,用于将所述待审核农业数据输入预设目标申请模型,获得所述至少一个目标用户的审核结果;所述预设目标申请模型基于已完成资源申请用户的农业数据训练获得,所述审核结果包括满足预设准入规则和不满足预设准入规则,所述预设准入规则包括能够进行资源申请的条件;计算模块,用于确定满足所述预设准入规则时,根据所述至少一个目标用户的待审核农业数据为所述至少一个目标用户计算可申请资源的资源量,并发送到所述至少一个目标用户的显示设备;判断模块,用于判断所述至少一个目标用户是否进行资源申请;检测模块,用于确认进行资源申请后,检测所述至少一个目标用户是否完成资源申请;监控模块,用于确认完成所述资源申请时,对所述至少一个目标用户的资源使用情况进行监控。
一种资源处理设备,包括处理器及用于存储处理器可执行指令的存储器,所述指令被所述处理器执行时实现包括以下步骤:当接收到至少一个目标用户发送的资源申请请求时,获取与所述至少一个目标用户对应的待审核农业数据,所述待审核农业数据包括影响所述目标用户审核结果的数据;将所述待审核农业数据输入预设目标申请模型,获得所述至少一个目标用户的审核结果;所述预设目标申请模型基于已完成资源申请用户的农业数据训练获得,所述审核结果包括满足预设准入规则和不满足预设准入规则,所述预设准入规则包括能够进行资源申请的条件;确定满足所述预设准入规则时,根据所述至少一个目标用户的待审核农业数据为所述至少一个目标用户计算可申请资源的资源量,并发送到所述至少一个目标用户的显示设备;判断所述至少一个目标用户是否进行资源申请;确认进行资源申请后,检测所述至少一个目标用户是否完成资源申请;确认完成所述资源申请时,对所述至少一个目标用户的资源使用情况进行监控。
一种资源处理系统,包括至少一个处理器以及存储计算机可执行指令的存储器,所述处理器执行所述指令时实现本说明书实施例中任意一个方法实施例方法的步骤。
本说明书提供的一种资源处理方法、装置、设备及系统。一些实施例中通过将待审核农业数据输入预先构建好的申请模型,可以快速准确的确定用户是否可以进行资源申请,进而提升对资源请求的处理效率。在完成资源申请时,通过对资源使用情况进行监控,可以及时发现异常申请,降低资源申请的不良率。采用本说明书提供的实施方案,可以提升对资源请求处理效率的同时,实现对资源使用情况的有效监控,降低资源申请的不良率。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,并不构成对本说明书的限定。在附图中:
图1是本说明书提供的一种资源处理方法的一个实施例的流程示意图;
图2是本说明书提供的一种资源处理方法的一个场景示意图;
图3是本说明书提供的资源处理方法的一个具体实施例的流程示意图;
图4是本说明书提供的一种资源处理装置的一个实施例的模块结构示意图;
图5是本说明书提供的一种资源处理服务器的一个实施例的硬件结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书中的一部分实施例,而不是全部的实施例。基于本说明书中的一个或多个实施例,本领域普通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,都应当属于本说明书实施例保护的范围。
目前,农户贷款主要是线下办理模式。然而,线下办理模式受经办行自身管理能力和人员结构制约,不仅投放规模停滞不前,在贷款审批中浪费大量人力物力,而且不能对客户的贷中、贷后行为进行严格监控。
本说明书提供的一种资源处理方法、装置、设备及系统,可以提升对资源请求处理效率的同时,实现对资源使用情况的有效监控,降低资源申请的不良率。
下面以一个具体的应用场景为例对本说明书实施方案进行说明。具体的,图1是本说明书提供的一种资源处理方法的一个实施例的流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构,但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中,这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置、服务器或终端产品应用时,可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境)。
需要说明的是,下述实施例描述并不对基于本说明书的其他可扩展到的应用场景中的技术方案构成限制。具体的一种实施例如图1所示,本说明书提供的一种资源处理方法的一种实施例中,所述方法可以包括以下步骤。
S0:当接收到至少一个目标用户发送的资源申请请求时,获取与所述至少一个目标用户对应的待审核农业数据,所述待审核农业数据包括影响所述目标用户审核结果的数据。
本说明书一些实施例中,所述目标用户可以包括存量用户和潜在用户。其中,潜在用户可以理解为在农户大数据平台登记过,但未曾办理过资源申请的农户。存量用户可以理解为在农户大数据平台登记过且办理过资源申请的农户。例如一些实施场景中,潜在用户指在农户大数据平台登记过,但未曾办理过建行贷款的农户,存量用户指在农户大数据平台登记过且在建行办理过贷款的农户。
本说明书一些实施例中,资源申请请求可以包括申请贷款等的请求。
本说明书实一些实施例中,待审核农业数据可以包括指标信息、指标信息对应的数据。所述指标信息可以包括身份信息、历史购买农机具信息、存款信息、社保信息、纳税信息、售卖农产品信息、历史贷款信息、农田信息、田产好坏评价信息、种植信息、家庭状况信息、农田改造信息等。一些实施场景中,对于已办理过资源申请的存量客户,农业数据还可以包括该农户是否违约信息。其中,身份信息用于表示用户身份。田产好坏评价信息可以包括水田、旱田等。存款信息可以包括日均存款及月均存款等。
本说明书一个实施例中,所述待审核农业数据包括影响所述目标用户审核结果的数据。一些实施例中,所述待审核农业数据可以包括对审核结果影响明显(也可以称为显著)的数据和对审核结果影响不明显(也可以称为不显著)的数据。例如一些实施场景中,用户进行贷款申请,对用户贷款审核结果影响显著的数据可以包括对用户违约状态影响最显著的指标。例如,个人贷款中,对用户违约状态影响最显著的指标可以是田产数量和优质田比例。其中,对审核结果影响显著与不显著可以通过预设方法计算不同指标的重要度(或权重)进行确定。其中,预设方法可以包括但不限于逐步回归法、随机森林、广义交叉验证法等。例如,可以通过计算不同指标信息对应的权重,然后根据权重大小确定影响显著与不显著。一些实施场景中,可以先通过随机森林计算各个指标信息的重要度,然后将重要度按大小排序,选择排序靠前预设数量的指标信息作为对审核结果影响显著的指标,其对应的数据可以作为对审核结果影响显著的数据。其中,预设数量可以根据实际场景设定,例如可以是10、14等。
本说明书一些实施例中,可以预先将农户对应的农业数据存放在农户大数据平台。其中,农户大数据平台可以是预先构建的用来实现存储、运算、展现等功能的平台。需要说明的是,本说明书实施例中,主要利用农业大数据平台存储农户对应的农业数据。
本说明书一些实施例中,用户的农业数据可以以数据表的形式进行存储。例如,每行表示一个用户对应的农业数据,每列表示一个指标信息对应的数据。本说明书实施例中的农业数据还可以以其他方式进行存储,本说明书对此不作限定。
本说明书一些实施例中,当用户想要申请资源时,可以通过用户终端向服务器发送资源申请请求,服务器在接收到用户发送的资源申请请求时,可以从农业大数据平台获取与用户对应的农业数据进行审核。一些实施场景中,资源申请请求中可以包括用户标识,这样服务器在接收到申请请求时,可以根据用户标识从农业大数据平台获取对应的农业数据。其中,用户标识可以包括数字、字母等。用户标识用于唯一标识用户。例如,用户想要申请贷款,此时,用户可以通过移动终端向服务器发送包括用户身份证号码的申请贷款请求,服务器收到后,可以根据用户身份证号码从农业大数据平台获取该用户对应的农业数据。如图2所示,图2是本说明书提供的一种资源处理方法的一个场景示意图。
一些实施例中,可以预先将用户与用户对应的数据进行绑定,这样可以根据用户标识获取用户对应的数据,从而提高处理效率。
本说明书一些实施例中,可以同时接收多个用户发送的资源申请请求,从而可以提高资源处理效率。
S2:将所述待审核农业数据输入预设目标申请模型,获得所述至少一个目标用户的审核结果;所述预设目标申请模型基于已完成资源申请用户的农业数据训练获得,所述审核结果包括满足预设准入规则和不满足预设准入规则,所述预设准入规则包括能够进行资源申请的条件。
本说明书一些实施例中,在获取用户对应的待审核农业数据后,可以将待审核农业数据输入预先构建的目标申请模型进行审核,以便根据审核结果判断用户是否可以进行资源申请。本说明书一些实施例中,预设目标申请模型可以用于判断用户能否进行资源申请。审核结果可以包括满足预设准入规则和不满足预设准入规则。
一些实施场景中,如果用户的农业数据输入预设目标申请模型,输出的审核结果为满足预设准入规则,则可以说明该用户可以进行资源申请,此时,用户可以在线上进行下一步操作。一些实施场景中,如果输出的审核结果为不满足预设准入规则,则可以说明该用户不可以进行资源申请,此时,用户将不能在线上进行下一步操作,但可以进行线下咨询。一些实施场景中,在不满足准入规则时,用户可以进行线下咨询。例如,可以咨询不满足准入规则的原因,以便后续调整后重新进行申请。其中,预设准入规则可以理解为是预先设定的可以进行资源申请的条件,其可以包括一个或多个条件。预设准入规则可以包括数值条件,此时,满足预设准入规则为大于等于某一数值。预设准入规则还可以包括等级条件,此时,满足预设准入规则为高于某一等级。预设准入规则还可以包括其他条件。一些实施场景中,可以根据实际需求调整预设准入规则。例如,贷款场景中,根据实际需求调整准入规则可以让贷款产品适应市场的变化,严格控制该类农户贷款产品的不良率,精准的向目标客户发放贷款用于农业种植、购买小型农机具、农田改造等各种农业生产资金需求。一些实施场景中,可以根据业务发展对预设准入规则进行及时调整,并根据客户贷款不良率预期以及盈利目标给出最佳准入条件。例如,在贷款不良率升高时,可以增加准入条件数量,以控制贷款准入门槛。这样可以灵活控制贷款规模,严格控制贷款不良率。
本说明书一些实施例中,可以预先基于已完成资源申请用户的农业数据训练获得预设目标申请模型。这样后续需要进行资源申请时,可以直接通过预设目标申请模型,确定用户是否可以进行资源申请。
本说明书一些实施例中,所述预设目标申请模型可以采用下述方式得到:获取已完成资源申请用户的农业数据,所述已完成资源申请用户的农业数据包括指标信息、指标信息对应的数据以及用户是否违约信息;对不同指标信息对应的数据进行分段,并根据分段结果和所述用户是否违约信息,计算所述不同指标信息中不同分段结果对应的WOE值;利用所述不同指标信息和所述不同指标信息中不同分段结果对应的WOE值对预设逻辑回归模型进行训练,获得训练结果;基于所述训练结果,对所述预设逻辑回归模型进行校正,获得预设目标申请模型。
本说明书一些实施例中,通过利用已完成资源申请用户的农业数据可以训练获得预设目标申请模型。其中,已完成资源申请用户的农业数据可以包括指标信息、指标信息对应的数据以及用户是否违约信息。用户是否违约信息可以通过是否来描述,还可以通过好坏来描述,还可以通过其他方式描述。一些实施例中,由于用户已经完成资源申请,所以可以通过用户完成资源申请后的信息确定用户是否违约。例如一些实施场景中,用户完成了贷款申请,并进行了相应贷款,此时,可以根据贷款后的用户行为确定是否违约信息。例如,可以根据用户是否在设定的期限内完成还款判断用户是否违约,如果用户在设定的期限内完成还款,则用户是否违约信息为否;如果用户在设定的期限内没有完成还款,则用户是否违约信息为是。再如,可以根据贷款实际用途与进行申请贷款时计划用途是否一致判断用户是否违约,如果一致,则用户是否违约信息为否;如果不一致,则用户是否违约信息为是。需要说明的是,还可以根据其他方式确定用户是否违约,本说明书对此不作限定。
本说明书一些实施例中,由于在训练预设目标申请模型时,使用的是离散数据,所以可以对不同指标信息对应的数据进行分段。其中,分段又可以称为分箱,其可以理解为是对连续指标信息对应的数据进行离散化处理。一些实施场景中,分段方式可以包括等距分段、等深分段、最优分段、最小分段。其中,等距分段可以理解为分段的区间是一致的,比如年龄以十年作为一个分段。等深分段可以理解为先确定分段数量,然后令每个分段中数据数量大致相等。最优分段又可以称为监督离散化,其可以使用递归划分将连续变量分为分段。最小分段可以理解为根据变量最小变化间隔进行分段。一些实施场景中,可以先选择对指标信息对应的数据进行最优分段,在指标信息对应的数据的分布不满足最优分段的要求时,再进行等距分段。另一些实施场景中,可以基于最小分段选择对不同指标信息对应的数据进行分段。需要说明的是,对不同指标信息对应的数据进行分段的方式可以是上述分段方式中的一种或多种组合,还可以是其它方式。优选的,本说明书实施例中,采用最小分段。
本说明书一些实施例中,所述对不同指标信息对应的数据进行分段前,还可以包括:对所述已完成资源申请用户的农业数据进行预处理,获得标准农业数据;所述预处理包括数据清洗、缺失值处理、异常值处理;对所述标准农业数据进行筛选,获得影响用户违约明显的预设数量指标信息;相应的,对所述预设数量指标信息对应的数据进行分段。
一些实施场景中,对已完成资源申请用户的农业数据进行预处理前,还可以对数据进行探索性数据分析(Exploratory Data Analysis,EDA),以便获取数据的总体情况,描述数据的缺失值、异常值以及对应项的中位数、平均值、最大值、最小值、分布情况等,从而确定对数据进行预处理的方法。EDA是指对已有数据(特别是调查或观察得来的原始数据)在尽量少的先验假定下进行探索。常用的探索性数据分析方法包括直方图、散点图和箱线图等。
一些实施场景中,数据清洗、缺失值处理、异常值处理等可以去除数据中不合理数据,从而提高识别精度。缺失值处理的方式可以包括直接删除含有缺失值的样本、根据样本之间的相似性填补缺失值、根据指标信息之间的相关关系填补缺失值。异常值可以理解为是明显偏离大多数抽样数据的数值,比如个人客户的年龄为0时,通常认为该值为异常值。一些实施场景中,找出样本中的异常值,通常采用离群值检测的方法。离群值检测的方法可以包括单变量离群值检测、局部离群值因子检测、基于聚类方法的离群值检测等方法。需要说明的还是,本说明书实施例中对数据清洗、缺失值处理、异常值处理的方式不作限定。
一些实施场景中,可以通过WOE分析方法,即通过比较不同指标信息和不同指标信息中不同分段结果对应的WOE值了对标准农业数据进行筛选,从而获得影响用户违约明显的预设数量指标信息。其中,预设数量可以根据实际场景进行设定。优选的,本说明书一些实施场景中,预设数量为10,此时,影响用户违约明显的预设数量指标信息可以为身份信息、历史购买农机具信息、存款信息、社保信息、纳税信息、售卖农产品信息、历史贷款信息、农田信息、田产好坏评价信息、种植信息。
本说明书一些实施例中,在对不同指标信息对应的数据进行分段后,可以根据分段结果和用户是否违约信息,计算不同指标信息中不同分段结果对应的WOE值。其中,分段后,对于第i段,WOE值可以通过下述公式计算如下:
其中,pyi表示第i段中违约用户占所有样本中所有违约用户的比例,pni表示第i段中未违约用户占所有样本中所有未违约用户的比例。WOE也可以理解为当前这分段中违约用户和未违约用户的比值,与所有样本中违约用户和未违约用户的比值的差异。这个差异是用这两个比值的比值,再取对数来表示。WOE越大,差异越大,当前这分段中的违约用户的可能性就越大;WOE越小,差异越小,当前这分段中的违约用户的可能性就越小。
本说明书一些实施例中,在计算不同指标信息中不同分段结果对应的WOE值后,可以利用不同指标信息和不同指标信息中不同分段结果对应的WOE值对预设逻辑回归模型进行训练,获得训练结果,然后基于训练结果,对预设逻辑回归模型进行校正,从而获得预设目标申请模型。其中,基于训练结果,对预设逻辑回归模型进行校正可以理解为根据训练结果,对不同指标信息和不同指标信息中不同分段结果对应的WOE值进行校正,当训练结果满足预设误差范围时,可以将对应的模型作用预设目标申请模型。
本说明书一些实施场景中,在获得预设目标申请模型后,可以对该模型的预测能力进行评估,并得出模型评估报告以及模型是否可以使用的结论。本说明书一些实施例中,所述获得预设目标申请模型后,还可以包括:对所述预设目标申请模型的预测能力进行评估;所述预测能力指基于所述预设目标申请模型获得的不满足预设准入规则的用户数量占所述已完成资源申请用户的农业数据中所有违约用户的比例;如果评估结果不满足预设评估条件,则基于所述预设目标申请模型获得的结果,对所述预设目标申请模型进行校正,直至所述评估结果满足预设评估条件。例如一些实施场景中,可以使用行内统一的主标尺模型,采用随机抽样的方式将数据集分为验证集和测试集,然后采用ROC(receiveroperating characteristic curve,或者叫ROC曲线)为模型校准的评分准则,如果ROC评分过低则重新对模型参数进行调整,直到ROC满足一定条件时,使用该模型。违约概率和信用等级之间的映射关系可以称为主尺标。一些实施场景中,还可以对预设目标申请模型的稳定性进行评估。
本说明书实施例中,通过将待审核农业数据输入预先构建好的申请模型,可以快速准确的确定用户是否可以进行资源申请,从而提升对资源请求的处理效率。
S4:确定满足所述预设准入规则时,根据所述至少一个目标用户的待审核农业数据为所述至少一个目标用户计算可申请资源的资源量,并发送到所述至少一个目标用户的显示设备。
本说明书一些实施例中,在将目标用户的待审核农业数据输入预设目标申请模型后,可以快速准确的确定用户是否满足预设准入规则。
本说明书一些实施例中,在将目标用户的待审核农业数据输入预设目标申请模型审核后,确定满足预设准入规则时,可以根据待审核农业数据为目标用户计算可申请资源的资源量。其中,可申请资源的资源量可以包括可贷款额度等。例如一些实施场景中,将目标用户的待审核农业数据输入预设目标申请模型审核后,审核结果为“建议通过”,即满足预设准入规则,此时,可以根据待审核农业数据中农田信息包括的耕种面积为计算可贷额度。另一些实施场景中,审核结果为“建议拒绝”,即不满足预设准入规则,此时,可以提示用户线下咨询。
本说明书一些实施例中,在为目标用户计算可申请资源的资源量后,可以通过预设方式将其发送到目标用户的显示设备,以便目标用户可以直观了解到可申请资源的信息。其中,预设方式可以包括短信、邮件等。
S6:判断所述至少一个目标用户是否进行资源申请。
本说明书一些实施例中,在为目标用户计算可申请资源的资源量,并返回到目标用户的显示设备后,可以进一步判断目标用户是否要进行资源申请。
例如一些实施场景中,目标用户在接收到可申请资源的资源量后,觉得可申请资源量不满足预设条件,此时,可以选择不进行资源申请。其中,预设条件可以根据实际场景进行设置,如,可以设置达到某一数值时进行资源申请,没达到时不进行申请。例如,用户在接收到可以贷款的额度后,觉得额度太低,可以选择不进行贷款申请。另一些实施场景中,目标用户在接收到可申请资源的资源量后,觉得可申请资源量满足预设条件,此时,可以进一步选择资源申请。
S8:确认进行资源申请后,检测所述至少一个目标用户是否完成资源申请。
本说明书一些实施例中,在用户确认进行资源申请时,可以向服务器发送资源申请,以便所述服务器根据资源申请中包括的要申请的资源量为所述用户构建包括所述资源量的资源集。一些实施场景中,资源申请中可以包括资源申请量,这样服务器在接收资源申请时后,可以将资源申请中包括的资源申请量与之前计算的可申请资源的资源量进行对比,在确认资源申请中包括的资源申请量小于等于之前计算的可申请资源的资源量时,为所述用户构建包括所述资源量的资源集。
本说明书一些实施例中,在确认进行资源申请后,可以检测所述至少一个目标用户是否完成资源申请。一些实施场景中,在确认没有完成资源申请时,可以继续处理该用户的资源申请,直至完成资源申请。例如,贷款过程中,在确认进行贷款申请后,可以检测用户是否完成贷款申请的所有流程,在确认没有完成时,可以继续处理该用户的贷款流程,直至完成贷款申请。
S10:确认完成所述资源申请时,对所述至少一个目标用户的资源使用情况进行监控。
本说明书一些实施例中,在确认用户完成资源申请时,可以进一步监控用户对资源的使用情况。
一些实施场景中,可以预先构建预设行为模型和预设催收模型。其中,预设行为模型可以用于在用户完成资源申请后,基于用户在资源使用中的行为信息,预测该用户是否能在预设期限能偿还申请资源的资源量。预设催收模型可以用于如果预测在预设期限不能偿还与资源申请对应的资源量时,通过预设方式对用户进行催收,还可以用于对在预设期限不能偿还与资源申请对应的资源量的用户在第二预设期限内能否还款进行预测。预设方式可以包括电话、邮件、短信等。
本说明书一些实施例中,所述确认完成所述资源申请时,对所述至少一个目标用户的资源使用情况进行监控,可以包括:获取所述至少一个目标用户在资源使用中的行为信息;基于所述资源使用中的行为信息和预设行为模型,预测所述至少一个目标用户在预设期限是否能偿还与所述资源申请对应的资源量;如果预测在预设期限不能偿还与所述资源申请对应的资源量时,基于预设催收模型,对所述至少一个目标用户进行催收。在一些实施场景中,资源使用中的行为信息可以包括对贷款未结清客户多头借贷行为、账户借款记录、贷款使用情况、逾期信息、支用贷款设备信息、设备位置信息、客户商铺经营状况等数据。
一些实施场景中,基于资源使用中的行为信息和预设行为模型,预测用户在预设期限是否能偿还与资源申请对应的资源量,可以包括:如果预测结果是在预设期限不能偿还与所述资源申请对应的资源量时,可以发出预警,以便缩短资源使用周期、提早进行催收或者终止资源使用等。例如一些实施场景中,可以基于用户在贷中的行为信息和预设行为模型,预测用户还款能力与还款意愿,如果不能在预设期限还款或者不想在预设期限还款,此时,可以发出预警,以便提早进行催收或者终止资源使用等。其中,对于还款能力强,还款意愿强的用户可以认为其按期还款的可能性较高。
另一些实施场景中,如果预测结果是在预设期限不能偿还与资源申请对应的资源量时,可以发出预警后,基于预设催收模型中的预设方式进行催收。例如,可以通过打电话的方式催用户还款。
另一些实施场景中,在基于预设催收模型,对用户进行催收后,还可以基于逾期数据和预设催收模型预测用户在第二预设期限内能否还款。其中,逾期数据可以包括逾期天数、逾期金额占比、关联人信息、运营商信息、历史还款信息等。第二预设期限可以理解为预设期限截止后的一段时间。例如,现在是2020年6月2日,预设期限为3个月,则第二预设期限为2020年9月2日以后的一段时间。
本说明书一些实施例中,确认完成所述资源申请时,对用户的资源使用情况进行监控,还可以包括监控用户对资源的使用情况,从而可以避免发生欺诈现象。例如,用户用于购买小型农机具申请贷款,但在完成贷款申请后,将贷款用于购买衣服等非小型农机具的商品,此时,通过监控用户对贷款使用情况,可以及时冻结账户,避免发生欺诈现象的同时,减低农户贷款产品的不良率。其中,可以基于用户申请资源时的账户对资源使用情况进行监控,还可以基于付款账户对资源使用情况进行监控,还可以基于其他方式对资源使用情况进行监控。
本说明书实施例中,在完成资源申请时,通过对资源使用情况进行监控,可以及时发现异常申请,降低资源申请的不良率。
需要说明的是,本说明书实施例中,可以定期检测预设目标申请模型的使用情况,并定期检验预设目标申请模型的预测能力的变化及稳定性的变化,在出现模型可能不能满足业务需求的情况时,可以反馈至模型开发团队,及时进行模型更新或重新训练。
下面结合一个具体实施例对上述方法进行说明,然而,值得注意的是,该具体实施例仅是为了更好地说明本申请,并不构成对本申请的不当限定。如图3所示,图3是本说明书提供的资源处理方法的一个具体实施例的流程示意图。在本具体实施例中,可以包括以下步骤。
S20:当接收到至少一个目标用户发送的贷款申请请求时,获取与所述至少一个目标用户对应的待审核农业数据;
S22:将所述待审核农业数据输入预设目标申请模型,获得所述至少一个目标用户的审核结果;
本实施例中,所述预设目标申请模型基于已完成资源申请用户的农业数据训练获得,所述审核结果包括满足预设准入规则和不满足预设准入规则,所述预设准入规则包括能够进行资源申请的条件。
S24:确定满足所述准入规则时,根据所述至少一个目标用户的待审核农业数据为所述至少一个目标用户计算可贷款额度;
本实施例中,还可以将可贷款额度发送到所述至少一个目标用户的显示设备。
S26:判断所述至少一个目标用户是否进行贷款申请;
S28:确认进行贷款申请后,检测所述至少一个目标用户是否完成申请贷款;
S30:确认完成所述申请贷款时,对所述至少一个目标用户的贷款情况进行监控。
本说明书提供的一种资源处理方法,通过将待审核农业数据输入预先构建好的申请模型,可以快速准确的确定用户是否可以进行资源申请,进而提升对资源请求的处理效率。在完成资源申请时,通过对资源使用情况进行监控,可以及时发现异常申请,降低资源申请的不良率。
本说明书中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参加即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。
基于上述所述一种资源处理方法,本说明书一个或多个实施例还提供一种资源处理装置。所述的装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思,本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似,因此本说明书实施例具体的装置的实施可以参见前述方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
具体地,图4是本说明书提供的一种资源处理装置的一个实施例的模块结构示意图,如图4所示,本说明书提供的一种资源处理装置可以包括:获取模块120,输入模块122,计算模块124,判断模块126,检测模块128,监控模块130。
获取模块120,可以用于当接收到至少一个目标用户发送的资源申请请求时,获取与所述至少一个目标用户对应的待审核农业数据,所述待审核农业数据包括影响所述目标用户审核结果的数据;
输入模块122,可以用于将所述待审核农业数据输入预设目标申请模型,获得所述至少一个目标用户的审核结果;所述预设目标申请模型基于已完成资源申请用户的农业数据训练获得,所述审核结果包括满足预设准入规则和不满足预设准入规则,所述预设准入规则包括能够进行资源申请的条件;
计算模块124,可以用于确定满足所述预设准入规则时,根据所述至少一个目标用户的待审核农业数据为所述至少一个目标用户计算可申请资源的资源量,并发送到所述至少一个目标用户的显示设备;
判断模块126,可以用于判断所述至少一个目标用户是否进行资源申请;
检测模块128,可以用于确认进行资源申请后,检测所述至少一个目标用户是否完成资源申请;
监控模块130,可以用于确认完成所述资源申请时,对所述至少一个目标用户的资源使用情况进行监控。
基于前述方法所述实施例的描述,本说明书所述装置的另一个实施例中,所述预设目标申请模型,可以包括:
农业数据获得单元,可以用于获取已完成资源申请用户的农业数据,所述已完成资源申请用户的农业数据包括指标信息、指标信息对应的数据以及用户是否违约信息;
分段单元,可以用于对不同指标信息对应的数据进行分段,并根据分段结果和所述用户是否违约信息,计算所述不同指标信息中不同分段结果对应的WOE值;
训练单元,可以用于利用所述不同指标信息和所述不同指标信息中不同分段结果对应的WOE值对预设逻辑回归模型进行训练,获得训练结果;
校正单元,可以用于基于所述训练结果,对所述预设逻辑回归模型进行校正,获得预设目标申请模型。
基于前述方法所述实施例的描述,本说明书所述装置的另一个实施例中,所述监控模块130,可以包括:
获取单元1300,可以用于获取所述至少一个目标用户在资源使用中的行为信息;
预测单元1302,可以用于基于所述资源使用中的行为信息和预设行为模型,预测所述至少一个目标用户在预设期限是否能偿还与所述资源申请对应的资源量;
催收单元1304,可以用于如果预测在预设期限不能偿还与所述资源申请对应的资源量时,基于预设催收模型,对所述至少一个目标用户进行催收。
本说明书提供的一种资源处理装置,通过将待审核农业数据输入预先构建好的申请模型,可以快速准确的确定用户是否可以进行资源申请,进而提升对资源请求的处理效率。在完成资源申请时,通过对资源使用情况进行监控,可以及时发现异常申请,降低资源申请的不良率。
需要说明的,上述所述的装置根据方法实施例的描述还可以包括其他的实施方式,具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本说明书还提供一种资源处理设备的实施例,包括处理器及用于存储处理器可执行指令的存储器,所述指令被所述处理器执行时实现包括以下步骤:
当接收到至少一个目标用户发送的资源申请请求时,获取与所述至少一个目标用户对应的待审核农业数据,所述待审核农业数据包括影响所述目标用户审核结果的数据;
将所述待审核农业数据输入预设目标申请模型,获得所述至少一个目标用户的审核结果;所述预设目标申请模型基于已完成资源申请用户的农业数据训练获得,所述审核结果包括满足预设准入规则和不满足预设准入规则,所述预设准入规则包括能够进行资源申请的条件;
确定满足所述预设准入规则时,根据所述至少一个目标用户的待审核农业数据为所述至少一个目标用户计算可申请资源的资源量,并发送到所述至少一个目标用户的显示设备;
判断所述至少一个目标用户是否进行资源申请;
确认进行资源申请后,检测所述至少一个目标用户是否完成资源申请;
确认完成所述资源申请时,对所述至少一个目标用户的资源使用情况进行监控。
需要说明的,上述所述的设备根据方法或装置实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本说明书还提供一种资源处理系统的实施例,包括至少一个处理器以及存储计算机可执行指令的存储器,所述处理器执行所述指令时实现上述任意一个或者多个实施例中所述方法的步骤,例如包括:当接收到至少一个目标用户发送的资源申请请求时,获取与所述至少一个目标用户对应的待审核农业数据,所述待审核农业数据包括影响所述目标用户审核结果的数据;将所述待审核农业数据输入预设目标申请模型,获得所述至少一个目标用户的审核结果;所述预设目标申请模型基于已完成资源申请用户的农业数据训练获得,所述审核结果包括满足预设准入规则和不满足预设准入规则,所述预设准入规则包括能够进行资源申请的条件;确定满足所述预设准入规则时,根据所述至少一个目标用户的待审核农业数据为所述至少一个目标用户计算可申请资源的资源量,并发送到所述至少一个目标用户的显示设备;判断所述至少一个目标用户是否进行资源申请;确认进行资源申请后,检测所述至少一个目标用户是否完成资源申请;确认完成所述资源申请时,对所述至少一个目标用户的资源使用情况进行监控。所述的系统可以为单独的服务器,也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例装置的服务器集群、系统(包括分布式系统)、软件(应用)、实际操作装置、逻辑门电路装置、量子计算机等并结合必要的实施硬件的终端装置。
本说明书所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例,图5是本说明书提供的一种资源处理服务器的一个实施例的硬件结构框图,该服务器可以是上述实施例中的资源处理装置或资源处理系统。如图5所示,服务器10可以包括一个或多个(图中仅示出一个)处理器100(处理器100可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器200、以及用于通信功能的传输模块300。本领域普通技术人员可以理解,图5所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,服务器10还可包括比图5中所示更多或者更少的组件,例如还可以包括其他的处理硬件,如数据库或多级缓存、GPU,或者具有与图5所示不同的配置。
存储器200可用于存储应用软件的软件程序以及模块,如本说明书实施例中的资源处理方法对应的程序指令/模块,处理器100通过运行存储在存储器200内的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器200可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器200可进一步包括相对于处理器100远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端。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。
传输模块300用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中,传输模块300包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输模块300可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上,所述的存储介质可以计算机读取并执行,实现本说明书实施例所描述方案的效果。
所述存储介质可以包括用于存储信息的物理装置,通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括:利用电能方式存储信息的装置如,各式存储器,如RAM、ROM等;利用磁能方式存储信息的装置如,硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘;利用光学方式存储信息的装置如,CD或DVD。当然,还有其他方式的可读存储介质,例如量子存储器、石墨烯存储器等等。
本说明书提供的上述资源处理方法或装置实施例可以在计算机中由处理器执行相应的程序指令来实现,如使用windows操作系统的c++语言在PC端实现、linux系统实现,或其他例如使用android、iOS系统程序设计语言在智能终端实现,以及基于量子计算机的处理逻辑实现等。
需要说明的是说明书上述所述的装置、计算机存储介质、系统根据相关方法实施例的描述还可以包括其他的实施方式,具体的实现方式可以参照对应方法实施例的描述,在此不作一一赘述。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于硬件+程序类实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书实施例并不局限于必须是符合行业通信标准、标准计算机数据处理和数据存储规则或本说明书一个或多个实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例,仍然可以属于本说明书实施例的可选实施方案范围之内。
本领域技术人员可知,设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。本领域技术人员也应该清楚,只需要将方法流程用硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路。控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个时可以把部分模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。
本发明是参照根据本发明实施例的方法、装置(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现,可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
本领域技术人员应明白,本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书一个或多个实施例的实施例而已,并不用于限制本本说明书一个或多个实施例。对于本领域技术人员来说,本说明书一个或多个实施例可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在权利要求范围之内。
Claims (10)
1.一种资源处理方法,其特征在于,包括:
当接收到至少一个目标用户发送的资源申请请求时,获取与所述至少一个目标用户对应的待审核农业数据,所述待审核农业数据包括影响所述目标用户审核结果的数据;
将所述待审核农业数据输入预设目标申请模型,获得所述至少一个目标用户的审核结果;所述预设目标申请模型基于已完成资源申请用户的农业数据训练获得,所述审核结果包括满足预设准入规则和不满足预设准入规则,所述预设准入规则包括能够进行资源申请的条件;
确定满足所述预设准入规则时,根据所述至少一个目标用户的待审核农业数据为所述至少一个目标用户计算可申请资源的资源量,并发送到所述至少一个目标用户的显示设备;
判断所述至少一个目标用户是否进行资源申请;
确认进行资源申请后,检测所述至少一个目标用户是否完成资源申请;
确认完成所述资源申请时,对所述至少一个目标用户的资源使用情况进行监控。
2.根据权利要求1所述的方法,其特征在于,所述预设目标申请模型包括采用下述方式得到:
获取已完成资源申请用户的农业数据,所述已完成资源申请用户的农业数据包括指标信息、指标信息对应的数据以及用户是否违约信息;
对不同指标信息对应的数据进行分段,并根据分段结果和所述用户是否违约信息,计算所述不同指标信息中不同分段结果对应的WOE值;
利用所述不同指标信息和所述不同指标信息中不同分段结果对应的WOE值对预设逻辑回归模型进行训练,获得训练结果;
基于所述训练结果,对所述预设逻辑回归模型进行校正,获得预设目标申请模型。
3.根据权利要求2所述的方法,其特征在于,所述获得预设目标申请模型后,还包括:
对所述预设目标申请模型的预测能力进行评估;所述预测能力指基于所述预设目标申请模型获得的不满足预设准入规则的用户数量占所述已完成资源申请用户的农业数据中所有违约用户的比例;
如果评估结果不满足预设评估条件,则基于所述预设目标申请模型获得的结果,对所述预设目标申请模型进行校正,直至所述评估结果满足预设评估条件。
4.根据权利要求2所述的方法,其特征在于,所述对不同指标信息对应的数据进行分段前,还包括:
对所述已完成资源申请用户的农业数据进行预处理,获得标准农业数据;所述预处理包括数据清洗、缺失值处理、异常值处理;
对所述标准农业数据进行筛选,获得影响用户违约明显的预设数量指标信息;
相应的,对所述预设数量指标信息对应的数据进行分段。
5.根据权利要求1所述的方法,其特征在于,所述确认完成所述资源申请时,对所述至少一个目标用户的资源使用情况进行监控,包括:
获取所述至少一个目标用户在资源使用中的行为信息;
基于所述资源使用中的行为信息和预设行为模型,预测所述至少一个目标用户在预设期限是否能偿还与所述资源申请对应的资源量;
如果预测在预设期限不能偿还与所述资源申请对应的资源量时,基于预设催收模型,对所述至少一个目标用户进行催收。
6.一种资源处理装置,其特征在于,包括:
获取模块,用于当接收到至少一个目标用户发送的资源申请请求时,获取与所述至少一个目标用户对应的待审核农业数据,所述待审核农业数据包括影响所述目标用户审核结果的数据;
输入模块,用于将所述待审核农业数据输入预设目标申请模型,获得所述至少一个目标用户的审核结果;所述预设目标申请模型基于已完成资源申请用户的农业数据训练获得,所述审核结果包括满足预设准入规则和不满足预设准入规则,所述预设准入规则包括能够进行资源申请的条件;
计算模块,用于确定满足所述预设准入规则时,根据所述至少一个目标用户的待审核农业数据为所述至少一个目标用户计算可申请资源的资源量,并发送到所述至少一个目标用户的显示设备;
判断模块,用于判断所述至少一个目标用户是否进行资源申请;
检测模块,用于确认进行资源申请后,检测所述至少一个目标用户是否完成资源申请;
监控模块,用于确认完成所述资源申请时,对所述至少一个目标用户的资源使用情况进行监控。
7.根据权利要求6所述的装置,其特征在于,所述预设目标申请模型,包括:
农业数据获得单元,用于获取已完成资源申请用户的农业数据,所述已完成资源申请用户的农业数据包括指标信息、指标信息对应的数据以及用户是否违约信息;
分段单元,用于对不同指标信息对应的数据进行分段,并根据分段结果和所述用户是否违约信息,计算所述不同指标信息中不同分段结果对应的WOE值;
训练单元,用于利用所述不同指标信息和所述不同指标信息中不同分段结果对应的WOE值对预设逻辑回归模型进行训练,获得训练结果;
校正单元,用于基于所述训练结果,对所述预设逻辑回归模型进行校正,获得预设目标申请模型。
8.根据权利要求7所述的装置,其特征在于,所述监控模块,包括:
获取单元,用于获取所述至少一个目标用户在资源使用中的行为信息;
预测单元,用于基于所述资源使用中的行为信息和预设行为模型,预测所述至少一个目标用户在预设期限是否能偿还与所述资源申请对应的资源量;
催收单元,用于如果预测在预设期限不能偿还与所述资源申请对应的资源量时,基于预设催收模型,对所述至少一个目标用户进行催收。
9.一种资源处理设备,其特征在于,包括处理器及用于存储处理器可执行指令的存储器,所述指令被所述处理器执行时实现包括以下步骤:
当接收到至少一个目标用户发送的资源申请请求时,获取与所述至少一个目标用户对应的待审核农业数据,所述待审核农业数据包括影响所述目标用户审核结果的数据;
将所述待审核农业数据输入预设目标申请模型,获得所述至少一个目标用户的审核结果;所述预设目标申请模型基于已完成资源申请用户的农业数据训练获得,所述审核结果包括满足预设准入规则和不满足预设准入规则,所述预设准入规则包括能够进行资源申请的条件;
确定满足所述预设准入规则时,根据所述至少一个目标用户的待审核农业数据为所述至少一个目标用户计算可申请资源的资源量,并发送到所述至少一个目标用户的显示设备;
判断所述至少一个目标用户是否进行资源申请;
确认进行资源申请后,检测所述至少一个目标用户是否完成资源申请;
确认完成所述资源申请时,对所述至少一个目标用户的资源使用情况进行监控。
10.一种资源处理系统,其特征在于,包括至少一个处理器以及存储计算机可执行指令的存储器,所述处理器执行所述指令时实现权利要求1-5中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010534484.3A CN111709828A (zh) | 2020-06-12 | 2020-06-12 | 一种资源处理方法、装置、设备及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010534484.3A CN111709828A (zh) | 2020-06-12 | 2020-06-12 | 一种资源处理方法、装置、设备及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111709828A true CN111709828A (zh) | 2020-09-25 |
Family
ID=72540811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010534484.3A Pending CN111709828A (zh) | 2020-06-12 | 2020-06-12 | 一种资源处理方法、装置、设备及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111709828A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113436020A (zh) * | 2021-08-26 | 2021-09-24 | 深圳华锐金融技术股份有限公司 | 违规账户的识别方法、装置、计算机设备和存储介质 |
CN113744106A (zh) * | 2021-09-17 | 2021-12-03 | 速度时空信息科技股份有限公司 | 一种自动划分自然资源确权登记单元的方法 |
CN116630035A (zh) * | 2023-07-26 | 2023-08-22 | 深圳市企企通科技有限公司 | 基于企业融资的生命周期跟踪方法、装置、设备及介质 |
WO2024021555A1 (zh) * | 2022-07-29 | 2024-02-01 | 京东科技信息技术有限公司 | 资源审批方法、随机森林模型的训练方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651575A (zh) * | 2016-12-30 | 2017-05-10 | 中国建设银行股份有限公司 | 一种数据处理方法及装置 |
CN106651570A (zh) * | 2016-12-27 | 2017-05-10 | 中国建设银行股份有限公司 | 一种贷款实时审批系统和方法 |
CN108256691A (zh) * | 2018-02-08 | 2018-07-06 | 成都智宝大数据科技有限公司 | 还款概率预测模型构建方法及装置 |
CN110009479A (zh) * | 2019-03-01 | 2019-07-12 | 百融金融信息服务股份有限公司 | 信用评价方法及装置、存储介质、计算机设备 |
CN110322335A (zh) * | 2019-04-15 | 2019-10-11 | 梵界信息技术(上海)股份有限公司 | 一种基于woe转换通过机器学习的信贷客户资质分类方法 |
CN110737641A (zh) * | 2018-07-02 | 2020-01-31 | 优估(上海)信息科技有限公司 | 一种信审模型的构建方法,装置及系统 |
WO2020037942A1 (zh) * | 2018-08-20 | 2020-02-27 | 平安科技(深圳)有限公司 | 风险预测处理方法、装置、计算机设备和介质 |
-
2020
- 2020-06-12 CN CN202010534484.3A patent/CN111709828A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651570A (zh) * | 2016-12-27 | 2017-05-10 | 中国建设银行股份有限公司 | 一种贷款实时审批系统和方法 |
CN106651575A (zh) * | 2016-12-30 | 2017-05-10 | 中国建设银行股份有限公司 | 一种数据处理方法及装置 |
CN108256691A (zh) * | 2018-02-08 | 2018-07-06 | 成都智宝大数据科技有限公司 | 还款概率预测模型构建方法及装置 |
CN110737641A (zh) * | 2018-07-02 | 2020-01-31 | 优估(上海)信息科技有限公司 | 一种信审模型的构建方法,装置及系统 |
WO2020037942A1 (zh) * | 2018-08-20 | 2020-02-27 | 平安科技(深圳)有限公司 | 风险预测处理方法、装置、计算机设备和介质 |
CN110009479A (zh) * | 2019-03-01 | 2019-07-12 | 百融金融信息服务股份有限公司 | 信用评价方法及装置、存储介质、计算机设备 |
CN110322335A (zh) * | 2019-04-15 | 2019-10-11 | 梵界信息技术(上海)股份有限公司 | 一种基于woe转换通过机器学习的信贷客户资质分类方法 |
Non-Patent Citations (2)
Title |
---|
黄丁聪等: "商业银行小微企业信贷业务智能审批模型构建方法探讨", 《中国金融电脑》 * |
黄志刚等: "多源数据信用评级普适模型栈框架的构建与应用", 《数量经济技术经济研究》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113436020A (zh) * | 2021-08-26 | 2021-09-24 | 深圳华锐金融技术股份有限公司 | 违规账户的识别方法、装置、计算机设备和存储介质 |
CN113436020B (zh) * | 2021-08-26 | 2021-12-10 | 深圳华锐金融技术股份有限公司 | 违规账户的识别方法、装置、计算机设备和存储介质 |
CN113744106A (zh) * | 2021-09-17 | 2021-12-03 | 速度时空信息科技股份有限公司 | 一种自动划分自然资源确权登记单元的方法 |
CN113744106B (zh) * | 2021-09-17 | 2023-11-28 | 速度科技股份有限公司 | 一种自动划分自然资源确权登记单元的方法 |
WO2024021555A1 (zh) * | 2022-07-29 | 2024-02-01 | 京东科技信息技术有限公司 | 资源审批方法、随机森林模型的训练方法及装置 |
CN116630035A (zh) * | 2023-07-26 | 2023-08-22 | 深圳市企企通科技有限公司 | 基于企业融资的生命周期跟踪方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9978021B2 (en) | Database management and presentation processing of a graphical user interface | |
CN111709828A (zh) | 一种资源处理方法、装置、设备及系统 | |
US20210118054A1 (en) | Resource exchange system | |
US8577791B2 (en) | System and computer program for modeling and pricing loan products | |
CN110880051A (zh) | 企业价值评估云服务系统 | |
US8984022B1 (en) | Automating growth and evaluation of segmentation trees | |
CN109816509A (zh) | 评分卡模型的生成方法、终端设备及介质 | |
Brewer et al. | Farmers' choice of credit among the farm credit system, commercial banks, and nontraditional lenders | |
CN108830645A (zh) | 一种访客流失预测方法及系统 | |
CN111192133A (zh) | 用户贷后风险模型生成方法、装置及电子设备 | |
CN108734567A (zh) | 一种基于大数据人工智能风控的资产管理系统及其评估方法 | |
Chen et al. | A combined mining-based framework for predicting telecommunications customer payment behaviors | |
CN113393328A (zh) | 融资贷前审批评估方法、装置及计算机存储介质 | |
CN112598225A (zh) | 评价指标的确定方法及装置、存储介质、电子装置 | |
Fonseca-Cifuentes et al. | Predicting the future price of a commodity using the OWMA operator: An approximation of the interest rate and inflation in the brown pastusa potato price | |
CN111738824A (zh) | 一种账务数据处理方式筛选方法、装置及系统 | |
Wang et al. | Improving investment suggestions for peer-to-peer lending via integrating credit scoring into profit scoring | |
Wei | [Retracted] A Machine Learning Algorithm for Supplier Credit Risk Assessment Based on Supply Chain Management | |
Li et al. | A semi-parametric ensemble model for profit evaluation and investment decisions in online consumer loans with prepayments | |
CN112232949B (zh) | 基于区块链的借贷风险的预测方法和装置 | |
Härting et al. | Cost-benefit considerations for data analytics-an SME-oriented framework enhanced by a management perspective and the process of idea generation | |
US20200193486A1 (en) | System and method for determining bid vector transformed predictive click-through rate | |
Qiang et al. | [Retracted] Relationship Model between Human Resource Management Activities and Performance Based on LMBP Algorithm | |
Kargul et al. | Heavy equipment demand prediction with support vector machine regression towards a strategic equipment management | |
CN115953235A (zh) | 风险指标统计方法及装置、存储介质及电子设备 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220906 Address after: 25 Financial Street, Xicheng District, Beijing 100033 Applicant after: CHINA CONSTRUCTION BANK Corp. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200925 |
|
RJ01 | Rejection of invention patent application after publication |