CN111986020A - 金融借贷风险评估方法、装置、设备及存储介质 - Google Patents

金融借贷风险评估方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111986020A
CN111986020A CN202010509639.8A CN202010509639A CN111986020A CN 111986020 A CN111986020 A CN 111986020A CN 202010509639 A CN202010509639 A CN 202010509639A CN 111986020 A CN111986020 A CN 111986020A
Authority
CN
China
Prior art keywords
address
user
risk assessment
current user
address information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010509639.8A
Other languages
English (en)
Inventor
黎相麟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Kaniu Technology Co ltd
Original Assignee
Shenzhen Kaniu Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Kaniu Technology Co ltd filed Critical Shenzhen Kaniu Technology Co ltd
Priority to CN202010509639.8A priority Critical patent/CN111986020A/zh
Publication of CN111986020A publication Critical patent/CN111986020A/zh
Pending legal-status Critical Current

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
    • 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
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Technology Law (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Remote Sensing (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借贷风险评估方法、装置、设备及存储介质，所述方法包括：获取当前用户的多个地址信息；对所述多个地址信息进行地址画像以确定所述多个地址信息对应的多个地址特征；对所述多个地址特征和大量样本特征进行聚类以确定所述当前用户的用户类别；根据所述用户类别对所述当前用户进行风险评估。本发明实施例通过对当前用户的多个地址信息进行地址画像和地址特征的聚类，使得金融借贷风险评估所需参数更加充实和完善，实现了对当前用户的风险评估，能够得到更加准确的风险评估结果，并且提高了金融借贷风险评估的可靠性和准确性。

Description

金融借贷风险评估方法、装置、设备及存储介质
技术领域
本发明实施例涉及数据处理技术领域，尤其涉及一种金融借贷风险评估方法、装置、设备及存储介质。
背景技术
随着移动互联网的猛迅发展，人们越来越习惯于通过网络进行消费，越来越多的借贷行为也开始向线上转移。线上开展的借贷行为，通常是电子商务专业网络平台帮助借贷双方确立借贷关系并完成相关交易手续。为了保障出借人的利益，平台方需要对借贷方的信用资质进行全方位评估，以识别借贷方是否属于网络欺诈。
目前常用的识别欺诈的方法是直接将借贷方的IP地址风险程度作为借贷方的风险程度，这种判断方式虽然能够起到一定的防欺诈作用，但是判断条件单一，可靠性较低。并且，网络异常、IP地址异常的情况时有发生，这种判断方式容易引起误判，这样就降低了用户体验，容易引起用户流失。
发明内容
本发明实施例提供一种金融借贷风险评估方法、装置、设备及存储介质，以提高金融借贷风险评估的可靠性和准确性。
第一方面，本发明实施例提供一种金融借贷风险评估方法，包括：
获取当前用户的多个地址信息；
对所述多个地址信息进行地址画像以确定所述多个地址信息对应的多个地址特征；
对所述多个地址特征和大量样本特征进行聚类以确定所述当前用户的用户类别；
根据所述用户类别对所述当前用户进行风险评估。
进一步的，所述地址信息包括地址类型和所述地址类型对应的用户地址。
进一步的，对所述多个地址信息进行地址画像以确定所述多个地址信息对应的多个地址特征，包括：
根据所述地址类型对所述地址类型对应的用户地址进行地址画像，以确定每个地址类型对应的多个地址特征。
进一步的，获取当前用户的多个地址信息之后，还包括：
对所述用户地址进行标准化处理，以获取用户标准化地址。
进一步的，对所述多个地址信息进行地址画像以确定所述多个地址信息对应的多个地址特征，包括：
根据所述地址类型对所述地址类型对应的用户标准化地址进行地址画像，以确定每个用户标准化地址对应的多个地址特征。
进一步的，对所述多个地址特征和大量样本特征进行聚类以确定所述当前用户的用户类别，包括：
将所述多个地址特征输入预设聚类模型获取聚类结果，所述预设聚类模块包括大量样本特征；
根据所述聚类结果确定所述当前用户的用户类别。
进一步的，所述地址类型包括：家庭地址、公司地址、户籍地址、收货地址、定位地址、OCR地址和手机号地址。
第二方面，本发明实施例提供一种金融借贷风险评估装置，包括：
地址信息获取模块，用于获取当前用户的多个地址信息；
地址画像模块，用于对所述多个地址信息进行地址画像以确定所述多个地址信息对应的多个地址特征；
用户类别确定模块，用于对所述多个地址特征和大量样本特征进行聚类以确定所述当前用户的用户类别；
风险评估模块，用于根据所述用户类别对所述当前用户进行金融借贷风险评估。
第三方面，本发明实施例一种计算机设备，所述计算机设备包括：
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本发明任意实施例提供的金融借贷风险评估方法。
第四方面，本发明实施例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本发明任意实施例提供的金融借贷风险评估方法。
本发明实施例通过对当前用户的多个地址信息进行地址画像和地址特征的聚类，使得风险评估所需参数更加充实和完善，实现了对当前用户的风险评估，能够得到更加准确的风险评估结果，并且提高了风险评估的可靠性和准确性。
附图说明
图1为本发明实施例一提供的一种金融借贷风险评估方法的流程示意图；
图2为本发明实施例二提供的一种金融借贷风险评估方法的流程示意图；
图3为本发明实施例三提供的一种金融借贷风险评估方法的流程示意图；
图4为本发明实施例四提供的一种金融借贷风险评估装置的结构示意图；
图5是本发明实施例五提供的一种计算机设备的结构示意图。
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。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”、“批量”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金融借贷风险评估方法的流程示意图，本实施例可适用于金融领域中的用户风险评估。如图1所示，本发明实施例一提供的金融借贷风险评估方法包括：
S110、获取当前用户的多个地址信息。
具体的，用户的地址信息可以是用户主动填写的自身相关信息内容中包括的地址信息，也可以是在用户授权的情况下，第三方平台提供的关于用户的地址信息。
地址信息通常包括多种类型，例如，家庭地址、公司地址、户籍地址、收货地址、定位地址、OCR地址、手机号地址等。家庭地址通常为用户的住宅地址，可能是自有住房，也可能是租用住房；公司地址通常为用户的工作地址；户籍地址是用户的户口本或身份证上的地址；收货地址为用户接收邮寄的单据或物品的地址，也可以是用户线上消费的订单地址，如外卖地址、网购地址等，大部分用户的收货地址为家庭地址或公司地址，也有可能是他人地址(如送礼物给他人)或临时地址(如出差住的酒店地址)；定位地址是指通过GPS(GlobalPositioning System，全球定位系统)、IP(Internet Protocol，网络协议)、WIFI(Wireless-Fidelity，无线保真)或其他技术手段定位到用户发生动作时的地址，其中，用户发生动作是指用户产生借贷动作或线上消费动作；OCR地址是指机器对用户的身份证进行OCR(Optical Character Recognition，光学字符识别)识别得到的身份证地址；手机号地址是指用户提供的手机号码所在的省市。
每种地址类型都有其对应的具体的用户地址，例如，地址类型为家庭地址时，对应的用户地址为：XX省XX市XX区XX社区XX号楼。不管哪种类型的用户地址，地址信息都是与用户绑定的。
本实施例中，获取的当前用户的地址信息为多个，即获取多个地址类型对应的用户地址，例如，获取当前用户的家庭地址、公司地址、户籍地址、定位地址和OCR地址这些地址类型对应的用户地址。
S120、对所述多个地址信息进行地址画像以确定所述多个地址信息对应的多个地址特征。
具体的，对地址信息进行地址画像，就是将地址信息打上一些标签，这些标签都是根据地址信息衍生的、与地址信息关联性较大且适用于风险评估的特征标识，即地址特征，一个标签就是一个地址特征。通常，一个地址信息对应多个地址特征。例如，地址特征有：①自有住房或租住房，②所在地房价或租金，③房龄，④所在地区人均收入等，对当前用户的地址信息进行地址画像之后，得到地址信息对应的多个地址特征为：①自有住房，②10000，③20，④6000。需要说明的是，为了方便数据处理，地址特征中通常隐含默认单位，例如，地址特征②隐含单位：元/㎡，地址特征②隐含单位：年，地址特征②隐含单位：元/月。
进一步的，地址特征也可以通过预设数字表示，例如，对于地址特征①，若地址信息对应的为自有住房，则设为1，否则设为0，那么进行地址画像之后，可得地址特征①表示为1，即得到地址信息对应的多个地址特征为：①1，②10000，③20，④6000。
S130、对所述多个地址特征和大量样本特征进行聚类以确定所述当前用户的用户类别。
具体的，聚类是指对象的集合分成由类似的对象组成的多个类簇，由聚类所生成的类簇是一组数据对象的集合，这些对象与同一个类簇中的对象彼此相似，与其他类簇中的对象相异。本实施例中，对多个地址特征进行聚类是将多个地址特征与大量样本特征进行对比，将多个地址特征与多个相似的样本特征聚集成一个类簇，大量的样本特征对应大量的样本用户，根据地址特征的聚类结果，便可以确定用户与样本用户之间的相似度，也就是确定用户类别，最终的用户类别是，与多个地址特征同一类簇的样本特征对应的样本用户的类别。
S140、根据所述用户类别对所述当前用户进行金融借贷风险评估。
具体的，每一个用户类别都有其对应的风险特征或风险评估等级，根据用户类别的风险特征或风险评估等级，就可以对当前用户进行风险评估。例如，当前用户所在类别的风险评估等级为高级，即该用户类别的风险系数高，说明属于该用户类别的用户可能是欺诈用户，即当前用户有较大可能是欺诈用户，若当前用户申请进行贷款交易，那么借款方可以拒绝当前用户的交易请求，从而降低了借款方的风险。
本发明实施例一提供的金融借贷风险评估方法通过对当前用户的多个地址信息进行地址画像和地址特征的聚类，使得金融借贷风险评估所需参数更加充实和完善，实现了对当前用户的风险评估，能够得到更加准确的风险评估结果，并且提高了金融借贷风险评估的可靠性和准确性。
实施例二
图2为本发明实施例二提供的一种金融借贷风险评估方法的流程示意图，本实施例是对上述实施例的进一步细化。如图2所示，本发明实施例二提供的金融借贷风险评估方法包括：
S210、获取当前用户的多个地址信息，所述地址信息包括地址类型和所述地址类型对应的用户地址。
S220、根据所述地址类型对所述地址类型对应的用户地址进行地址画像，以确定每个地址类型对应的多个地址特征。
具体的，一个用户地址可以对应多个地址特征，但是不同的地址类型，其对应的地址特征不同，故需要根据地址类型对用户地址进行地址画像。
示例性的，表1给出了不同地址类型对应的多个地址特征。需要说明的是，表1仅给出了不同地址类型对应的多个地址特征的一个示例，在实际使用中，不同地址类型对应的多个地址特征可以根据实际需要进行设置，可以跟表1相同，也可以跟表1不相同。
表1中，模糊地址是指地址指向不明确的地址，通过该地址并不能确定具体的位置，例如，XX社区门口。虚假地址是指实际不存在的地址。POI(Point Of Information orPoint Of Interest，兴趣点或信息点)是指地图上任何非地理意义的有意义的点，例如，商店、银行、加油站等，POI信息通常包括名称、类别、经度和纬度这四个方面，可以从地图导航软件获取，例如高德地图。地址区划类型是指根据用户地址的行政区划代码或城乡分类代码所确定的地址所处位置，行政区划代码通常为12位数字，城乡分类代码为3为数字，例如，城乡分类代码111表示主城区。
表1地址类型对应的地址特征表
Figure BDA0002526821180000091
S230、将所述多个地址特征输入预设聚类模型获取聚类结果，所述预设聚类模块包括大量样本特征。
具体的，预设聚类模型中有大量的样本特征，将多个地址特征输入到预设聚类模型，预设聚类模型根据其自身算法可以自动对多个地址特征和模型中的样本特征进行聚类，最后输出聚类结果。预设聚类模型可以是K-means聚类模型、层次聚类模型、EM(Expectation-Maximization，最大期望)算法聚类模型等。
进一步的，在预设聚类模型中，大量样本特征可以是未进行聚类的，也可以是已经聚类好的。当大量样本特征未进行聚类时，将多个地址特征输入到预设聚类模型，预设聚类模型将多个地址特征和大量样本特征作为全部聚类数据进行聚类，得到聚类结果。当大量样本特征已经聚类，也就是先将大量样本特征输入到预设聚类模型中进行了训练，训练好的预设聚类模型已经对大量样本特征进行了分类，即预设聚类模型中的大量样本特征已经固定了类簇，将多个地址特征输入到预设聚类模型，预设聚类模型或将多个地址特征归类到与其最相似的现有类簇中，从而得到聚类结果。
S240、根据所述聚类结果确定所述当前用户的用户类别。
具体的，根据聚类结果，可以与多个地址特征属于同一类簇的样本特征的样本用户类别，那么该样本用户类别就是当前用户的用户类别。
进一步的，聚类结果中可能存在多个地址特征并不能全部聚类到同一个类簇中，那么最终可以根据类簇中地址特征的数量来确定当前用户的用户类别，例如，将地址特征数量最多的类簇中的样本特征对应的样本用户的类别，确定为当前用户的用户类别。
S250、根据所述用户类别对所述当前用户进行金融借贷风险评估。
本发明实施例二提供的金融借贷风险评估方法通过对当前用户的多个地址信息进行地址画像和地址特征的聚类，使得金融借贷风险评估所需参数更加充实和完善，实现了对当前用户的风险评估，能够得到更加准确的风险评估结果，并且提高了金融借贷风险评估的可靠性和准确性。
实施例三
图3为本发明实施例三提供的一种金融借贷风险评估方法的流程示意图，本实施例是对上述实施例的进一步优化。如图3所示，本发明实施例三提供的金融借贷风险评估方法包括：
S310、获取当前用户的多个地址信息，所述地址信息包括地址类型和所述地址类型对应的用户地址。
S320、对所述用户地址进行标准化处理，以获取用户标准化地址。
具体的，标准的地址通常包括：省、市、区/县、镇/社区/街道、村和其他明细，而获取的用户地址可能存在信息不全、信息错误或包括特殊字符等情况，对用户地址进行标准化处理，就是消除上述情况，使用户地址转换为信息全面且描述正规的标准化地址。
进一步的，对所述用户地址进行标准化处理的方法包括步骤S321(图中未示出)。
S321、构建用户地址词典。
具体的，用户地址词典包括了所有的省市行政区划和村镇数据等地址数据，例如，村镇的全称、简称和缩略语等，相当于一个地址数据库。用户地址词典可以通过爬取特定网站的数据来构建，例如，爬取国家统计局网站上的行政区划信息、城市编码、城乡分类代码等信息，国家统计局网站上的信息通畅更新比较及时且全面，可以作为用户地址词典的基准，还有诸如行政区域网、村村乐、一个村等相关网址的地址信息，都可以将其爬取到用户地址词典中，由此便可以构建一个全面且准备的地址数据库。
S322、根据标准地址格式对用户地址进行切分，得到切分地址。
具体的，对用户地址进行切分就是将用户地址的省、市、区/县、镇/社区/街道、村和其他明细切分成单个的地址词汇，即切分地址，可以采用Jieba分词来进行地址区分。例如，用户地址为：XX市XX社区7号楼01室，切分后可得切分地址(按照省、市、区/县、镇/社区/街道、村和其他明细的顺序排列)：(①)XX市(②)XX社区7号楼01室，其中，(①)表示该用户地址的省份缺失，(②)表示该用户地址的镇或社区或街道缺失。
S323、根据所述用户地址词典对所述切分地址进行标准化，得到用户标准化地址。
具体的，对切分地址进行标准化，就是补全和修正切分地址的信息，使其变为标准化地址。当切分地址中出现信息丢失的情况时，则补全切分地址的信息，如步骤S322中的示例，在用户地址词典中匹配XX市对应的省份，在用户地址词典中匹配XX社区对应的镇或社区或街道，最后得到的用户标准化地址可以表示为：XX省XX市XX区XX社区7号楼01室。在另一示例中，用户地址为：湖北省长沙市AA区AA社区7号楼01室，显然湖北省与长沙市匹配不正确，则对用户地址进行切分和标准化后得到用户标准化地址为：湖南省长沙市AA区AA社区7号楼01室。在另一示例中，用户地址为：XX省XX市XX区XX社区(7号楼01室)，该用户地址中的小括号视为特殊字符，需要对其进行修正，对用户地址进行切分和标准化后得到用户标准化地址为：XX省XX市XX区XX社区7号楼01室。
进一步的，得到用户标准化地址之后，还可以确定对应的行政区划代码或城乡分类代码，方便后续地址特征的聚类。
S330、根据所述地址类型对所述地址类型对应的用户标准化地址进行地址画像，以确定每个用户标准化地址对应的多个地址特征。
具体的，对用户地址进行标准化之后，进行地址画像时即可使用用户标准化地址，地址画像的具体实施例方式与上述实施例中相同，在此不再赘述。
S340、将所述多个地址特征输入预设聚类模型获取聚类结果，所述预设聚类模块包括大量样本特征。
S350、根据所述聚类结果确定所述当前用户的用户类别。
S360、根据所述用户类别对所述当前用户进行金融借贷风险评估。
本发明实施例三提供的风险评估方法通过对用户地址标准化提高了用户地址的准确性，从而进一步提高了风险评估的可靠性和准确性。
实施例四
图4为本发明实施例四提供的一种金融借贷风险评估装置的结构示意图，本实施例可适用于金融领域的用户风险评估。本发明实施例提供的金融借贷风险评估装置能够实现本发明任意实施例提供的金融借贷风险评估方法，具备实现方法的相应功能结构和有益效果，本实施例中未详尽描述的内容可参考本发明任意方法实施例的描述。
如图4所示，本发明实施例提供的金融借贷风险评估装置包括：地址信息获取模块410、地址画像模块420、用户类别确定模块430和风险评估模块440，其中：
地址信息获取模块410用于获取当前用户的多个地址信息；
地址画像模块420用于对所述多个地址信息进行地址画像以确定所述多个地址信息对应的多个地址特征；
用户类别确定模块430用于对所述多个地址特征和大量样本特征进行聚类以确定所述当前用户的用户类别；
风险评估模块440用于根据所述用户类别对所述当前用户进行金融借贷风险评估。
进一步的，所述地址信息包括地址类型和所述地址类型对应的用户地址。
进一步的，地址画像模块420具体用于：
根据所述地址类型对所述地址类型对应的用户地址进行地址画像，以确定每个地址类型对应的多个地址特征。
进一步的，还包括：
标准化模块，用于对所述用户地址进行标准化处理，以获取用户标准化地址。
进一步的，地址画像模块420还用于：
根据所述地址类型对所述地址类型对应的用户标准化地址进行地址画像，以确定每个用户标准化地址对应的多个地址特征。
进一步的，用户类别确定模块430具体用于：
将所述多个地址特征输入预设聚类模型获取聚类结果，所述预设聚类模块包括大量样本特征；
根据所述聚类结果确定所述当前用户的用户类别。
进一步的，所述地址类型包括：家庭地址、公司地址、户籍地址、收货地址、定位地址、OCR地址和手机号地址。
本发明实施例提供的金融借贷风险评估装置通过对当前用户的多个地址信息进行地址画像和地址特征的聚类，使得金融借贷风险评估所需参数更加充实和完善，实现了对当前用户的风险评估，能够得到更加准确的风险评估结果，并且提高了金融借贷风险评估的可靠性和准确性。
实施例五
图5是本发明实施例五提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性计算机设备512(以下简称设备512)的框图。图5显示的设备512仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，设备512以通用设备的形式表现。设备512的组件可以包括但不限于：一个或者多个处理器516(图5中以一个处理器为例)，存储装置528，连接不同系统组件(包括存储装置528和处理器516)的总线518。
总线518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。
设备512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设备512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528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)530和/或高速缓存存储器532。设备512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534可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5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518相连。存储装置528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542的程序/实用工具540，可以存储在例如存储装置528中，这样的程序模块542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542通常执行本发明所描述的实施例中的功能和/或方法。
设备512也可以与一个或多个外部设备514(例如键盘、指向终端、显示器524等)通信，还可与一个或者多个使得用户能与该设备512交互的终端通信，和/或与使得该设备512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522进行。并且，设备512还可以通过网络适配器520与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网(Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器520通过总线518与设备512的其它模块通信。应当明白，尽管图中未示出，可以结合设备512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516通过运行存储在存储装置528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金融借贷风险评估方法，该方法可以包括：
获取当前用户的多个地址信息；
对所述多个地址信息进行地址画像以确定所述多个地址信息对应的多个地址特征；
对所述多个地址特征和大量样本特征进行聚类以确定所述当前用户的用户类别；
根据所述用户类别对所述当前用户进行金融借贷风险评估。
实施例六
本发明实施例六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金融借贷风险评估方法，该方法可以包括：
获取当前用户的多个地址信息；
对所述多个地址信息进行地址画像以确定所述多个地址信息对应的多个地址特征；
对所述多个地址特征和大量样本特征进行聚类以确定所述当前用户的用户类别；
根据所述用户类别对所述当前用户进行金融借贷风险评估。
本发明实施例的计算机存储介质，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。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、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)。
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 (10)

1.一种金融借贷风险评估方法，其特征在于，包括：
获取当前用户的多个地址信息；
对所述多个地址信息进行地址画像以确定所述多个地址信息对应的多个地址特征；
对所述多个地址特征和大量样本特征进行聚类以确定所述当前用户的用户类别；
根据所述用户类别对所述当前用户进行金融借贷风险评估。
2.如权利要求1所述的方法，其特征在于，所述地址信息包括地址类型和所述地址类型对应的用户地址。
3.如权利要求2所述的方法，其特征在于，对所述多个地址信息进行地址画像以确定所述多个地址信息对应的多个地址特征，包括：
根据所述地址类型对所述地址类型对应的用户地址进行地址画像，以确定每个地址类型对应的多个地址特征。
4.如权利要求2所述的方法，其特征在于，获取当前用户的多个地址信息之后，还包括：
对所述用户地址进行标准化处理，以获取用户标准化地址。
5.如权利要求4所述的方法，其特征在于，对所述多个地址信息进行地址画像以确定所述多个地址信息对应的多个地址特征，包括：
根据所述地址类型对所述地址类型对应的用户标准化地址进行地址画像，以确定每个用户标准化地址对应的多个地址特征。
6.如权利要求3或5所述的方法，其特征在于，对所述多个地址特征和大量样本特征进行聚类以确定所述当前用户的用户类别，包括：
将所述多个地址特征输入预设聚类模型获取聚类结果，所述预设聚类模块包括大量样本特征；
根据所述聚类结果确定所述当前用户的用户类别。
7.如权利要求2所述的方法，其特征在于，所述地址类型包括：家庭地址、公司地址、户籍地址、收货地址、定位地址、OCR地址和手机号地址。
8.一种金融借贷风险评估装置，其特征在于，包括：
地址信息获取模块，用于获取当前用户的多个地址信息；
地址画像模块，用于对所述多个地址信息进行地址画像以确定所述多个地址信息对应的多个地址特征；
用户类别确定模块，用于对所述多个地址特征和大量样本特征进行聚类以确定所述当前用户的用户类别；
风险评估模块，用于根据所述用户类别对所述当前用户进行金融借贷风险评估。
9.一种计算机设备，其特征在于，所述计算机设备包括：
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1-7中任一项所述的金融借贷风险评估方法。
10.一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1-7中任一项所述的金融借贷风险评估方法。
CN202010509639.8A 2020-06-05 2020-06-05 金融借贷风险评估方法、装置、设备及存储介质 Pending CN111986020A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010509639.8A CN111986020A (zh) 2020-06-05 2020-06-05 金融借贷风险评估方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010509639.8A CN111986020A (zh) 2020-06-05 2020-06-05 金融借贷风险评估方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN111986020A true CN111986020A (zh) 2020-11-24

Family

ID=73441974

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010509639.8A Pending CN111986020A (zh) 2020-06-05 2020-06-05 金融借贷风险评估方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111986020A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113408909A (zh) * 2021-06-22 2021-09-17 中国工商银行股份有限公司 基于大数据的银行用户征信评估方法
CN114066606A (zh) * 2021-11-17 2022-02-18 四川新网银行股份有限公司 一种基于文本转义为gps距离的资料虚假识别系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107578331A (zh) * 2017-09-19 2018-01-12 马上消费金融股份有限公司 一种贷后风险监控的方法和系统
CN109800933A (zh) * 2017-11-17 2019-05-24 北京京东金融科技控股有限公司 风险评估方法及装置、存储介质、电子设备
CN110264221A (zh) * 2019-05-15 2019-09-20 阿里巴巴集团控股有限公司 一种针对服务商行业的全链路安全业务联合解决方案
CN110648213A (zh) * 2018-06-27 2020-01-03 百度在线网络技术（北京）有限公司 地址验证方法、装置、设备及计算机可读介质
CN110795466A (zh) * 2019-09-18 2020-02-14 平安银行股份有限公司 基于大数据处理的反欺诈方法、服务器及计算机可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107578331A (zh) * 2017-09-19 2018-01-12 马上消费金融股份有限公司 一种贷后风险监控的方法和系统
CN109800933A (zh) * 2017-11-17 2019-05-24 北京京东金融科技控股有限公司 风险评估方法及装置、存储介质、电子设备
CN110648213A (zh) * 2018-06-27 2020-01-03 百度在线网络技术（北京）有限公司 地址验证方法、装置、设备及计算机可读介质
CN110264221A (zh) * 2019-05-15 2019-09-20 阿里巴巴集团控股有限公司 一种针对服务商行业的全链路安全业务联合解决方案
CN110795466A (zh) * 2019-09-18 2020-02-14 平安银行股份有限公司 基于大数据处理的反欺诈方法、服务器及计算机可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113408909A (zh) * 2021-06-22 2021-09-17 中国工商银行股份有限公司 基于大数据的银行用户征信评估方法
CN114066606A (zh) * 2021-11-17 2022-02-18 四川新网银行股份有限公司 一种基于文本转义为gps距离的资料虚假识别系统及方法

Similar Documents

Publication Publication Date Title
CN107656913B (zh) 地图兴趣点地址提取方法、装置、服务器和存储介质
CN110390054B (zh) 兴趣点召回方法、装置、服务器和存储介质
CN111522838B (zh) 地址相似度计算方法及装置
CN111815421B (zh) 税务政策处理方法、装置、终端设备及存储介质
CN110633991A (zh) 风险识别方法、装置和电子设备
CN110633381A (zh) 一种识别虚假房源的方法、装置、存储介质及电子设备
CN109492066B (zh) 一种兴趣点分支名称的确定方法、装置、设备及存储介质
CN111563429A (zh) 一种图纸校对方法、装置、电子设备及存储介质
CN111291099B (zh) 一种地址模糊匹配方法、系统及计算机设备
CN111986020A (zh) 金融借贷风险评估方法、装置、设备及存储介质
CN110990520A (zh) 一种地址编码方法、装置、电子设备和存储介质
CN109783589B (zh) 电子地图解析地址的方法、装置及存储介质
CN111310065A (zh) 一种社交推荐方法、装置、服务器及存储介质
WO2019071907A1 (zh) 基于操作页面识别帮助信息的方法及应用服务器
CN110909804B (zh) 基站异常数据的检测方法、装置、服务器和存储介质
CN111062770B (zh) 商户识别方法、设备及计算机可读介质
CN111126422B (zh) 行业模型的建立及行业的确定方法、装置、设备及介质
CN107729944A (zh) 一种低俗图片的识别方法、装置、服务器及存储介质
CN112801016B (zh) 一种选票数据统计方法、装置、设备和介质
CN114328808A (zh) 地址模糊匹配方法、地址处理方法、装置和电子设备
CN111738290B (zh) 图像检测方法、模型构建和训练方法、装置、设备和介质
CN113761867A (zh) 地址识别方法、装置、计算机设备及存储介质
CN111681050A (zh) 一种广告推送方法、装置、设备和存储介质
WO2023236238A1 (zh) 一种基于关系数据的数据处理方法及其装置
CN114202409A (zh) 一种担保图谱构建方法、装置、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