CN112017023A - 小微企业资源额度确定方法、装置及电子设备 - Google Patents

Abstract

本公开涉及一种小微企业资源额度确定方法、装置、电子设备及计算机可读介质。该方法包括：获取小微企业的企业经营信息、企业主基础信息和其申请的资源额度；将所述企业经营信息输入企业风险模型，生成企业风险值；将所述企业主基础信息输入用户风险模型，生成用户风险值；根据所述资源额度确定企业权重和用户权重；根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的资源额度。本公开涉及的小微企业资源额度确定方法、装置、电子设备及计算机可读介质，能够合理为小微企业分配资源额度，在降低金融服务行业的资源风险的同时，有助于小微企业顺利开展经营活动。

Description

小微企业资源额度确定方法、装置及电子设备

技术领域

本公开涉及计算机信息处理领域，具体而言，涉及一种小微企业资源额度确定方法、装置、电子设备及计算机可读介质。

背景技术

小微企业是小型企业、微型企业、家庭作坊式企业的统称，由于国际国内的种种原因，我国小微企业遭遇一系列严重影响其生存与发展的困难，具体可概括为“两高两难”：成本高、税负高；用工难、融资难。目前有各种支持小型和微型企业健康发展的措施，多样化的短期金融资源借贷服务是其中的一个措施。短期的金融资源借贷措施有助于小微企业增强抗风险能力，及时把握市场机遇，抓住发展机会。

很多小微企业具有迫切的金融资源需求，但是传统金融机构的信用贷款无法覆盖所有客户，很多小微企业转向互联网金融行业寻求资金。但是，小微企业不同于一般企业，该类企业的生存发展通常与企业主个人信用资质、财物状况息息相关，小微企业的企业主的行为在很大程度上影响着企业的经营活动。鉴于小微企业的特殊性，无法简单的使用目前已有的金融行业常见的风险模型来进行审核。

因此，需要一种新的小微企业资源额度确定方法、装置、电子设备及计算机可读介质。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本公开提供一种小微企业资源额度确定方法、装置、电子设备及计算机可读介质，能够合理为小微企业分配资源额度，在降低金融服务行业的资源风险的同时，有助于小微企业顺利开展经营活动。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提出一种小微企业资源额度确定方法，该方法包括：获取小微企业的企业经营信息、企业主基础信息和其申请的资源额度；将所述企业经营信息输入企业风险模型，生成企业风险值；将所述企业主基础信息输入用户风险模型，生成用户风险值；根据所述资源额度确定企业权重和用户权重；根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的资源额度。

可选地，还包括：根据多个小微企业的企业经营信息和机器学习模型生成所述企业风险模型。

可选地，还包括：根据多个历史用户的基础信息和机器学习模型生成所述用户风险模型。

可选地，还包括：根据所述多个小微企业的企业经营信息和企业风险模型、所述多个历史用户的基础信息和用户风险模型确定模型融合策略，所述模型融合策略包括资源额度和其对应的企业权重、用户权重。

可选地，根据多个小微企业的企业经营信息和机器学习模型生成所述企业风险模型，包括：获取多个小微企业的企业经营信息，所述企业经营信息包括基础信息、交易信息、资产信息、纳税信息；将所述基础信息、所述交易信息、所述资产信息、所述纳税信息进行归一化处理；通过归一化处理后的基础信息、交易信息、资产信息、纳税信息对机器学习模型进行训练以生成所述企业风险模型。

可选地，通过归一化处理后的基础信息、交易信息、资产信息、纳税信息对机器学习模型进行训练以生成所述企业风险模型，包括：通过归一化处理后的基础信息、交易信息、资产信息、纳税信息对极端梯度提升模型进行训练以生成所述企业风险模型；或通过归一化处理后的基础信息、交易信息、资产信息、纳税信息对评分卡模型进行训练以生成所述企业风险模型。

可选地，根据多个历史用户的基础信息和机器学习模型生成所述用户风险模型，包括：获取多个历史用户的基础信息；根据所述基础信息中的资源占用信息为多个历史用户确定标签；通过带有标签的多个历史用户的基础信息对机器学习模型进行训练以生成所述用户风险模型。

可选地，根据所述多个小微企业的企业经营信息和企业风险模型、所述多个历史用户的基础信息和用户风险模型确定模型融合策略，包括：根据所述多个小微企业的企业经营信息和企业风险模型计算多个小微企业的多个企业风险值；根据所述多个历史用户的基础信息和用户风险模型计算多个历史用户的多个用户风险值；获取所述多个小微企业和所述多个历史用户的多个资源额度；根据所述多个企业风险值、所述多个用户风险值、所述多个资源额度确定所述模型融合策略。

可选地，还包括：根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的特享资源信息。

可选地，还包括：根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的资源额度，包括：根据所述企业风险值，用户风险值、企业权重和用户权重确定所述小微企业的综合分；将所述综合分和多个阈值区间进行比较以确定加权系数；基于所述加权系数和所述其申请的资源额度确定待分配的资源额度。

根据本公开的一方面，提出一种小微企业资源额度确定装置，该装置包括：信息模块，用于获取小微企业的企业经营信息、企业主基础信息和其申请的资源额度；企业风险模块，用于将所述企业经营信息输入企业风险模型，生成企业风险值；用户风险模块，用于将所述企业主基础信息输入用户风险模型，生成用户风险值；权重模块，用于根据所述资源额度确定企业权重和用户权重；资源模块，用于根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的资源额度。

可选地，还包括：企业模块，用于根据多个小微企业的企业经营信息和机器学习模型生成所述企业风险模型。

可选地，还包括：用户模块，用于根据多个历史用户的基础信息和机器学习模型生成所述用户风险模型。

可选地，还包括：策略模块，用于根据所述多个小微企业的企业经营信息和企业风险模型、所述多个历史用户的基础信息和用户风险模型确定模型融合策略，所述模型融合策略包括资源额度和其对应的企业权重、用户权重。

可选地，所述企业模块，包括：经营单元，用于获取多个小微企业的企业经营信息，所述企业经营信息包括基础信息、交易信息、资产信息、纳税信息；归一化单元，用于将所述基础信息、所述交易信息、所述资产信息、所述纳税信息进行归一化处理；训练单元，用于通过归一化处理后的基础信息、交易信息、资产信息、纳税信息对机器学习模型进行训练以生成所述企业风险模型。

可选地，所述训练单元，还用于通过归一化处理后的基础信息、交易信息、资产信息、纳税信息对极端梯度提升模型进行训练以生成所述企业风险模型；或通过归一化处理后的基础信息、交易信息、资产信息、纳税信息对评分卡模型进行训练以生成所述企业风险模型。

可选地，所述用户模块，包括：基础单元，用于获取多个历史用户的基础信息；标签单元，用于根据所述基础信息中的资源占用信息为多个历史用户确定标签；生成单元，用于通过带有标签的多个历史用户的基础信息对机器学习模型进行训练以生成所述用户风险模型。

可选地，所述策略模块，包括：风险单元，用于根据所述多个小微企业的企业经营信息和企业风险模型计算多个小微企业的多个企业风险值；根据所述多个历史用户的基础信息和用户风险模型计算多个历史用户的多个用户风险值；额度单元，用于获取所述多个小微企业和所述多个历史用户的多个资源额度；策略单元，用于根据所述多个企业风险值、所述多个用户风险值、所述多个资源额度确定所述模型融合策略。

可选地，还包括：特享资源模块，用于根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的特享资源信息。

可选地，所述资源模块，包括：综合单元，用于根据所述企业风险值，用户风险值、企业权重和用户权重确定所述小微企业的综合分；系数单元，用于将所述综合分和多个阈值区间进行比较以确定加权系数；资源单元，用于基于所述加权系数和所述其申请的资源额度确定待分配的资源额度。

根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。

根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。

根据本公开的小微企业资源额度确定方法、装置、电子设备及计算机可读介质，获取小微企业的企业经营信息、企业主基础信息和其申请的资源额度；将所述企业经营信息输入企业风险模型，生成企业风险值；将所述企业主基础信息输入用户风险模型，生成用户风险值；根据所述资源额度确定企业权重和用户权重；根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的资源额度的方式，能够合理为小微企业分配资源额度，在降低金融服务行业的资源风险的同时，有助于小微企业顺利开展经营活动。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，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是根据一示例性实施例示出的一种小微企业资源额度确定方法及装置的系统框图。

图2是根据一示例性实施例示出的一种小微企业资源额度确定方法的流程图。

图3是根据另一示例性实施例示出的一种小微企业资源额度确定方法的流程图。

图4是根据另一示例性实施例示出的一种小微企业资源额度确定方法的流程图。

图5是根据一示例性实施例示出的一种小微企业资源额度确定装置的框图。

图6是根据另一示例性实施例示出的一种小微企业资源额度确定装置的框图。

图7是根据一示例性实施例示出的一种电子设备的框图。

图8是根据一示例性实施例示出的一种计算机可读介质的框图。

具体实施方式

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。

本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。

本发明中，资源是指任何可被利用的物质、信息、时间，信息资源包括计算资源和各种类型的数据资源。数据资源包括各个领域中的各种专用数据。本发明的创新之处在于如何使用服务器和客户端之间的信息交互技术来使资源分配的过程更加自动化、高效和减小人力成本。由此，从本质上来说，本发明可以应用于各类资源的分配，包括实体的货物、水、电，以及有意义的资料等。但是，为了方便起见，本发明中以金融数据资源为例进行说明资源分配的实施，但本领域技术人员应当理解，本发明亦可以用于其他资源的分配。

图1是根据一示例性实施例示出的一种小微企业资源额度确定方法及装置的系统框图。

如图1所示，系统架构10可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如金融服务类应用、购物类应用、网页浏览器应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的金融服务类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的用户数据进行分析等处理，并将处理结果(例如资源额度结果)反馈给金融服务网站的管理员和/或终端设备101、102、103。

服务器105可例如获取小微企业的企业经营信息、企业主基础信息和其申请的资源额度；服务器105可例如将所述企业经营信息输入企业风险模型，生成企业风险值；服务器105可例如将所述企业主基础信息输入用户风险模型，生成用户风险值；服务器105可例如根据所述资源额度确定企业权重和用户权重；服务器105可例如根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的资源额度。

服务器105还可例如根据多个小微企业的企业经营信息和机器学习模型生成所述企业风险模型。

服务器105还可例如根据多个历史用户的基础信息和机器学习模型生成所述用户风险模型。

服务器105可以是一个实体的服务器，还可例如为多个服务器组成，需要说明的是，本公开实施例所提供的小微企业资源额度确定方法可以由服务器105执行，相应地，小微企业资源额度确定装置可以设置于服务器105中。而提供给用户进行金融服务平台浏览的网页端一般位于终端设备101、102、103中。

图2是根据一示例性实施例示出的一种小微企业资源额度确定方法的流程图。小微企业资源额度确定方法20至少包括步骤S202至S210。

如图2所示，在S202中，获取小微企业的企业经营信息、企业主基础信息和其申请的资源额度。在小微企业进行资源额度申请时，需要提交其需要的资源额度，还需要同时提交企业经营相关数据和企业主相关数据。更进一步的，在该小微企业有多个企业主时，需要提交多个企业主相关数据。

其中，企业经营信息可包括能反应企业经营能力、财物状况等数据。具体可例如为基础信息、交易信息、资产信息、纳税信息。企业主的基础信息可包括企业主的性别、年龄、职业、收入范围、住址等等。申请的资源额度可由小微企业的资源额度申请中获取。

在S204中，将所述企业经营信息输入企业风险模型，生成企业风险值。更具体的，可将企业经营信息中的多个类别的信息进行归一化处理，生成机器学习模型可识别的特征数据输入企业风险模型中。

在一个实施例中，还包括：根据多个小微企业的企业经营信息和机器学习模型生成所述企业风险模型。具体内容将在图3对应的中进行描述。

在S206中，将所述企业主基础信息输入用户风险模型，生成用户风险值。更具体的，可将基础信息中的多个类别的信息进行归一化处理，生成机器学习模型可识别的特征数据输入用户风险模型中。

在一个实施例中，还包括：根据多个历史用户的基础信息和机器学习模型生成所述用户风险模型。更具体的，包括：获取多个历史用户的基础信息；根据所述基础信息中的资源占用信息为多个历史用户确定标签；通过带有标签的多个历史用户的基础信息对机器学习模型进行训练以生成所述用户风险模型。

其中，构建用户风险模型的机器学习模型可为决策树模型和决策树模型相关的变种模型，还可为支持向量机模型、聚类模型等等，本公开不以此为限。

在S208中，根据所述资源额度确定企业权重和用户权重。可由预先设定的额度权重对应表中提取资源额度对应的企业权重和用户权重。

在一个实施例中，还包括：根据所述多个小微企业的企业经营信息和企业风险模型、所述多个历史用户的基础信息和用户风险模型确定模型融合策略，所述模型融合策略包括资源额度和其对应的企业权重、用户权重。通过历史数据预先建立额度权重对应表，以供实际应用中实时进行查询处理。

在S210中，根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的资源额度。可包括：根据所述企业风险值，用户风险值、企业权重和用户权重确定所述小微企业的综合分；将所述综合分和多个阈值区间进行比较以确定加权系数；基于所述加权系数和所述其申请的资源额度确定待分配的资源额度。

多个阈值区间和其对应的加权系数可通过历史数据整理获取，具体内容请将图4对应的实施例，在计算出小微企业的综合分数之后，根据其对应的阈值区间获取加权系数。在一个实施例中，还包括：根据所述企业风险值，用户风险值、企业权重和用户权重确定所述小微企业的综合分；在所述综合分小于阈值时，生成警示信息并拒绝所述小微企业的资源额度申请。

其中，最大加权系数为1，即为在小微企业的综合分满足最高阈值区间的要求时，可100％满足小微企业的资源额度申请。最小加权系数为0，即为小微企业不满足资源额度的借贷申请，此时还会生成警示信息，拒绝小微企业的资源额度申请。

在一个实施例中，还包括：根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的特享资源信息。还可根据小微企业对应的综合分为小微企业分配特享资源，特享资源可包括减免优惠、延期归还优惠等等。

根据本公开的小微企业资源额度确定方法，获取小微企业的企业经营信息、企业主基础信息和其申请的资源额度；将所述企业经营信息输入企业风险模型，生成企业风险值；将所述企业主基础信息输入用户风险模型，生成用户风险值；根据所述资源额度确定企业权重和用户权重；根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的资源额度的方式，能够合理为小微企业分配资源额度，在降低金融服务行业的资源风险的同时，有助于小微企业顺利开展经营活动。

应清楚地理解，本公开描述了如何形成和使用特定示例，但本公开的原理不限于这些示例的任何细节。相反，基于本公开公开的内容的教导，这些原理能够应用于许多其它实施例。

图3是根据另一示例性实施例示出的一种小微企业资源额度确定方法的流程图。图3所示的流程30是对“根据多个小微企业的企业经营信息和机器学习模型生成所述企业风险模型”的详细描述。

如图3所示，在S302中，获取多个小微企业的企业经营信息，所述企业经营信息包括基础信息、交易信息、资产信息、纳税信息。

更具体的，小微企业的经营信息可如下表所示：

数据分类	数据内容
		基础属性	企业基础信息、工商信息等
企业账户信息	开销户、代发工资、网银登录等
		企业交易流水信息	交易类型、交易渠道、交易用途、交易对象等
企业金融资产信息	存款余额、理财资产等
		企业纳税信息	纳税税种、纳税额、纳税渠道等
行业信息	行业销售收入、行业ROA、行业负债率等

在S304中，将所述基础信息、所述交易信息、所述资产信息、所述纳税信息进行归一化处理。将上述信息进行整理，以便将不同种类属性的信息整理到统一个标准上，以便机器学习模型进行处理。

在一个实施例中，还可对上述信息进行one-hot(独热)编码处理，one-hot编码是对低维高信息量的特征在高维中进行打散，使之在模型中更容易被优化或学习。

在S306中，通过归一化处理后的基础信息、交易信息、资产信息、纳税信息对极端梯度提升模型进行训练以生成所述企业风险模型。其中，极端梯度提升(eXtreme GradientBoosting，xgboost)可以是改进版本的GBDT(梯度提升决策树)算法，xgboost限定了基学习器一定要是CART回归树，输出一个分数而不是类别，这样有助于模型整合所有的基CART回归树的输出结果，xgboost引入了并行化，所以其速度更快，同时xgboost引入了损失函数的二阶偏导，一般效果也更好。

在S308中，通过归一化处理后的基础信息、交易信息、资产信息、纳税信息对评分卡模型进行训练以生成所述企业风险模型。其中，信用评分卡模型(简称评分卡模型)在国外是一种成熟的预测方法，尤其在信用风险评估以及金融风险控制领域更是得到了比较广泛的使用，其原理是将模型变量WOE编码方式离散化之后运用logistic回归模型进行的一种二分类变量的广义线性模型。在互金公司的各种贷款业务中，普遍使用信用评分，根据客户的多个特征对每个客户进行打分，以期待对客户优质与否做一个评判。在本公开中，主要通过评分卡模型中的A卡(Application scorecard)模型来对小微企业进行评估，A卡即申请评分卡。用于贷款审批前期对借款申请人的量化评估。

图4是根据另一示例性实施例示出的一种小微企业资源额度确定方法的流程图。图4所示的流程40是对“根据所述多个小微企业的企业经营信息和企业风险模型、所述多个历史用户的基础信息和用户风险模型确定模型融合策略”的详细描述。

如图4所示，在S402中，根据所述多个小微企业的企业经营信息和企业风险模型计算多个小微企业的多个企业风险值。多个小微企业可为已经进行过资源额度分配，并且小微企业经营了一段时间(比如半年)以上的企业。通过这些企业可获取企业风险模型的计算结果和初步的验证结果。

在S404中，根据所述多个历史用户的基础信息和用户风险模型计算多个历史用户的多个用户风险值。历史用户的选择可参考小微企业的选择，提取进行过资源分配一段时间的用户，还可提取有过资源归还记录的用户等等。

在S406中，获取所述多个小微企业和所述多个历史用户的多个资源额度。

在S408中，根据所述多个企业风险值、所述多个用户风险值、所述多个资源额度确定所述模型融合策略。根据企业风险值和该风险值对应的小微企业的后续表现，用户风险值和该风险值对应的用户的后续表现来综合确定模型融合策略。

其中小微企业的后续表现可为企业经营情况，存款余额是否有增加，纳税情况是否良好、企业负债是否增加等等，用户的后续表现可为用户资源归还是否按时等。

还可根据小微企业和用户的后续表现，将小微企业和用户进行分类，并根据每一类别中小微企业和用户的平均分综合其对应的权重，计算出该类别的综合分，进而确定综合分的阈值区间。

本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。

此外，需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图5是根据一示例性实施例示出的一种小微企业资源额度确定装置的框图。如图5所示，小微企业资源额度确定装置50包括：信息模块502，企业风险模块504，用户风险模块506，权重模块508，资源模块510。

信息模块502用于获取小微企业的企业经营信息、企业主基础信息和其申请的资源额度；

企业风险模块504用于将所述企业经营信息输入企业风险模型，生成企业风险值；

用户风险模块506用于将所述企业主基础信息输入用户风险模型，生成用户风险值；

权重模块508用于根据所述资源额度确定企业权重和用户权重；

资源模块510用于根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的资源额度。所述资源模块510包括：综合单元，用于根据所述企业风险值，用户风险值、企业权重和用户权重确定所述小微企业的综合分；系数单元，用于将所述综合分和多个阈值区间进行比较以确定加权系数；资源单元，用于基于所述加权系数和所述其申请的资源额度确定待分配的资源额度。

图6是根据另一示例性实施例示出的一种小微企业资源额度确定装置的框图。如图6所示，小微企业资源额度确定装置60包括：企业模块602，用户模块604，策略模块606，特享资源模块608。

企业模块602用于根据多个小微企业的企业经营信息和机器学习模型生成所述企业风险模型。所述企业模块602包括：经营单元，用于获取多个小微企业的企业经营信息，所述企业经营信息包括基础信息、交易信息、资产信息、纳税信息；归一化单元，用于将所述基础信息、所述交易信息、所述资产信息、所述纳税信息进行归一化处理；训练单元，用于通过归一化处理后的基础信息、交易信息、资产信息、纳税信息对机器学习模型进行训练以生成所述企业风险模型。所述训练单元，还用于通过归一化处理后的基础信息、交易信息、资产信息、纳税信息对极端梯度提升模型进行训练以生成所述企业风险模型；或通过归一化处理后的基础信息、交易信息、资产信息、纳税信息对评分卡模型进行训练以生成所述企业风险模型。

用户模块604用于根据多个历史用户的基础信息和机器学习模型生成所述用户风险模型。所述用户模块604包括：基础单元，用于获取多个历史用户的基础信息；标签单元，用于根据所述基础信息中的资源占用信息为多个历史用户确定标签；生成单元，用于通过带有标签的多个历史用户的基础信息对机器学习模型进行训练以生成所述用户风险模型。

策略模块606用于根据所述多个小微企业的企业经营信息和企业风险模型、所述多个历史用户的基础信息和用户风险模型确定模型融合策略，所述模型融合策略包括资源额度和其对应的企业权重、用户权重。所述策略模块606包括：风险单元，用于根据所述多个小微企业的企业经营信息和企业风险模型计算多个小微企业的多个企业风险值；根据所述多个历史用户的基础信息和用户风险模型计算多个历史用户的多个用户风险值；额度单元，用于获取所述多个小微企业和所述多个历史用户的多个资源额度；策略单元，用于根据所述多个企业风险值、所述多个用户风险值、所述多个资源额度确定所述模型融合策略。

特享资源模块608用于根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的特享资源信息。

根据本公开的小微企业资源额度确定装置，获取小微企业的企业经营信息、企业主基础信息和其申请的资源额度；将所述企业经营信息输入企业风险模型，生成企业风险值；将所述企业主基础信息输入用户风险模型，生成用户风险值；根据所述资源额度确定企业权重和用户权重；根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的资源额度的方式，能够合理为小微企业分配资源额度，在降低金融服务行业的资源风险的同时，有助于小微企业顺利开展经营活动。

图7是根据一示例性实施例示出的一种电子设备的框图。

下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：至少一个处理单元710、至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730、显示单元740等。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元710执行，使得所述处理单元710执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元710可以执行如图2，图3，图4中所示的步骤。

所述存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。

所述存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205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。

总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备700也可以与一个或多个外部设备700’(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、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750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器760可以通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，如图8所示，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。

所述软件产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。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。

所述计算机可读存储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，其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。可读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、有线、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的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该计算机可读介质实现如下功能：获取小微企业的企业经营信息、企业主基础信息和其申请的资源额度；将所述企业经营信息输入企业风险模型，生成企业风险值；将所述企业主基础信息输入用户风险模型，生成用户风险值；根据所述资源额度确定企业权重和用户权重；根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的资源额度。

本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。

以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

Claims (10)

1.一种小微企业资源额度确定方法，其特征在于，包括：

获取小微企业的企业经营信息、企业主基础信息和其申请的资源额度；

将所述企业经营信息输入企业风险模型，生成企业风险值；

将所述企业主基础信息输入用户风险模型，生成用户风险值；

根据所述资源额度确定企业权重和用户权重；

根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的资源额度。

2.如权利要求1所述的方法，其特征在于，还包括：

根据多个小微企业的企业经营信息和机器学习模型生成所述企业风险模型。

3.如权利要求1-2中任一所述的方法，其特征在于，还包括：

根据多个历史用户的基础信息和机器学习模型生成所述用户风险模型。

4.如权利要求1-3中任一所述的方法，其特征在于，还包括：

根据所述多个小微企业的企业经营信息和企业风险模型、所述多个历史用户的基础信息和用户风险模型确定模型融合策略，

所述模型融合策略包括资源额度和其对应的企业权重、用户权重。

5.如权利要求1-4中任一所述的方法，其特征在于，根据多个小微企业的企业经营信息和机器学习模型生成所述企业风险模型，包括：

获取多个小微企业的企业经营信息，所述企业经营信息包括基础信息、交易信息、资产信息、纳税信息；

将所述基础信息、所述交易信息、所述资产信息、所述纳税信息进行归一化处理；

通过归一化处理后的基础信息、交易信息、资产信息、纳税信息对机器学习模型进行训练以生成所述企业风险模型。

6.如权利要求1-5中任一所述的方法，其特征在于，通过归一化处理后的基础信息、交易信息、资产信息、纳税信息对机器学习模型进行训练以生成所述企业风险模型，包括：

通过归一化处理后的基础信息、交易信息、资产信息、纳税信息对极端梯度提升模型进行训练以生成所述企业风险模型；或

通过归一化处理后的基础信息、交易信息、资产信息、纳税信息对评分卡模型进行训练以生成所述企业风险模型。

7.如权利要求1-6中任一所述的方法，其特征在于，根据多个历史用户的基础信息和机器学习模型生成所述用户风险模型，包括：

获取所述多个历史用户的基础信息；

根据所述基础信息中的资源占用信息为所述多个历史用户确定标签；

通过带有标签的所述多个历史用户的基础信息对机器学习模型进行训练以生成所述用户风险模型。

8.一种小微企业资源额度确定装置，其特征在于，包括：

信息模块，用于获取小微企业的企业经营信息、企业主基础信息和其申请的资源额度；

企业风险模块，用于将所述企业经营信息输入企业风险模型，生成企业风险值；

用户风险模块，用于将所述企业主基础信息输入用户风险模型，生成用户风险值；

权重模块，用于根据所述资源额度确定企业权重和用户权重；

资源模块，用于根据所述企业风险值，用户风险值、企业权重和用户权重确定待分配给所述小微企业的资源额度。

9.一种电子设备，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1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images