CN112907358A - 贷款用户信用评分方法、装置、计算机设备和存储介质 - Google Patents
贷款用户信用评分方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112907358A CN112907358A CN202110287190.XA CN202110287190A CN112907358A CN 112907358 A CN112907358 A CN 112907358A CN 202110287190 A CN202110287190 A CN 202110287190A CN 112907358 A CN112907358 A CN 112907358A
- Authority
- CN
- China
- Prior art keywords
- user
- loaned
- loan
- users
- knowledge graph
- 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
- 238000013077 scoring method Methods 0.000 title claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 238000005295 random walk Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 101100509468 Arabidopsis thaliana JASON gene Proteins 0.000 description 1
- 102100038367 Gremlin-1 Human genes 0.000 description 1
- 101001032872 Homo sapiens Gremlin-1 Proteins 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及一种贷款用户信用评分方法方法、装置、计算机设备和存储介质,该方法包括:获取用于构建用户信用评分模型的样本数据,其中,样本用户包括多个样本用户的用户信息;基于样本用户构建知识图谱,知识图谱用于标识样本用户的用户信息之间的关联关系;基于样本用户和知识图谱构建评分模型;将待贷款用户的用户信息输入评分模型中,获得待贷款用户的信用评分。上述方法得到的打分值往往跟用户的实际情况更加符合。
Description
技术领域
本发明涉及测数据处理技术领域,特别是涉及贷款用户信用评分方法、装置、计算机设备和存储介质。
背景技术
随着银行业以及计算机技术的发展,存在着各种贷款审批模式。基于现在的银行贷款现状,基于预先配置的一些审核标准,通过打分审批模式被广泛地应用于各种银行推出的贷款项目中。
现有的打分审批模式,基于预先配置的一些审核标准,对用户打分,例如,分数越高的用户,若该用户申请贷款,其审批通过该贷款的可能性较高,反之,若用户的分数低于预先设置的通过审批的阈值时,若在该用户申请贷款时,则审批结果为该用户未通过贷款。
由于现有的评分模式所采用的一些审核标准,例如,用户的收入状况,用户的婚姻状况,用户的工作单位等等不够客观,因此,虽然现有的打分审批模式能够加快贷款审批的过程,能够有效地提高贷款审批的处理效率,但是,其评分的客观性以及精准性均不高。
发明内容
基于此,有必要针对在进行小额贷款信用评分时,评分的客观性以及精准性均不高的问题,提供一种贷款用户信用评分方法、装置、计算机设备和存储介质。
一种贷款用户信用评分方法,包括:
获取用于构建用户信用评分模型的样本数据,其中,所述样本数据包括多个样本用户的用户信息;
基于所述样本数据构建知识图谱,所述知识图谱用于标识所述样本用户的用户信息之间的关联关系;
基于所述样本数据和所述知识图谱构建评分模型;
将待贷款用户的用户信息输入所述评分模型中,获得所述待贷款用户的信用评分。
在其中一个实施例中,所述获得所述贷款用户的信用评分之后,还包括:
判断所述待贷款用户的信用评分是否大于评分阈值,如果大于,则根据所述信用分数确定所述待贷款用户的贷款额度。
在其中一个实施例中,所述根据所述信用分数确定所述待贷款用户的贷款额度,包括:
将所述待贷款用户的用户信息与所述知识图谱比对,确定与所述待贷款用户处于知识图谱相同位置的样本用户,以所述样本用户的贷款额度为所述待贷款用户的贷款额度。
在其中一个实施例中,所述基于所述样本数据构建知识图谱,包括:
对所述待贷款用户信息数据进行筛选,选择表征样本用户和样本用户关系的用户信息数据用于进行深度分析,挖掘所述待贷款用户信息数据之间的关联关系,以构建所述待贷款用户信息知识图谱;选择所述表征样本用户和样本用户关系的用户信息数据以外的其余用户信息数据用于构建关系数据库。
在其中一个实施例中,所述基于所述样本数据构建知识图谱,还包括:
建立所述待贷款用户信息知识图谱与所述关系数据库之间映射,通过所述待贷款用户信息知识图谱调用所述关系数据库内的相关数据。
在其中一个实施例中,所述将待贷款用户的用户信息输入所述评分模型中,获得所述待贷款用户的信用评分,包括:
在所述知识图谱中,根据随机游走算法,获取与所述待贷款用户对应的预置数量的节点用户,所述节点用户与所述待贷款用户之间具有关联关系,所述关联关系包括所述待贷款用户与所述节点用户之间直接连接的直接关联关系,所述待贷款用户与所述节点用户之间间接连接的间接关联关系;
确定各所述节点用户的信用评分以及各所述节点用户的关联权重,根据各所述节点的信用评分以及各所述节点用户关联权重进行加权和计算,得到所述待贷款用户的信用评分。
一种贷款用户信用评分方法,包括:
数据获取单元,用于获取用于构建用户信用评分模型的样本数据,其中,所述样本数据包括多个样本用户的用户信息;
知识图谱单元,用于基于所述样本数据构建知识图谱,所述知识图谱用于标识所述样本用户的用户信息之间的关联关系;
模型单元,用于基于所述样本数据和所述知识图谱构建评分模型;
评分单元,用于将待贷款用户的用户信息输入所述评分模型中,获得所述待贷款用户的信用评分。
在其中一个实施例中,所述装置还包括:额度计算单元,用于判断所述待贷款用户的信用评分是否大于评分阈值,如果大于,则根据所述信用分数确定所述待贷款用户的贷款额度。
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述所述贷款用户信用评分方法的步骤。
一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述所述贷款用户信用评分方法的步骤。
上述贷款用户信用评分方法、装置、计算机设备和存储介质,通过引入由样本用户中的用户信息构建的知识图谱,并根据本数据中的用户信息和构建的知识图谱构建评分模型,得到评分模型,这样,得到的评分模型更加客观,通过该评分模型对待评价用户进行打分,输出的打分值能够用于确定用户的贷款额度以及预判用户的违约信息,这样,得到的打分值往往跟用户的实际情况更加符合。
附图说明
图1为一个实施例中计算机设备的内部结构框图;
图2为一个实施例中贷款用户信用评分方法的流程图;
图3为一个实施例中贷款用户信用评分装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。
图1为一个实施例中计算机设备的内部结构示意图。如图2所示,该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中,该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种贷款用户信用评分方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种贷款用户信用评分方法。该计算机设备的网络接口用于与终端连接通信。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的限定,具体的计算机设备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。
如图2所示,在一个实施例中,提出了一种贷款用户信用评分方法,该贷款用户信用评分方法可以应用于上述的计算机设备110中,具体可以包括以下步骤:
步骤101、获取用于构建用户信用评分模型的样本数据,其中,样本数据包括多个样本用户的用户信息;
其中,用户信息包括:用户基本信息、用户资产负债信息、用户征信信息、用户收支信息、用户社交信息、用户历史行为信息、用户消费信息、用户的违约信息、用户职业、用户单位和用户职位等级、用户参加的包括炒股的投资理财项目信息、用户婚姻状况信息、用户买房信息和用户买车信息。
获取的样本数据的数据格式可以包括格式化信息数据、半格式化信息数据及非格式化信息数据。其中所述格式化信息数据具体可包括多来源的能够用数据或统一的结构加以表示数据;半格式化信息数据可包括如XML、JASON等形式,自描述、数据结构和内容未实现明显区分的数据;非结构化信息数据可包括所有格式的办公文档、文本、图片、HTML、各类报表、图像和音频/视频信息等。
步骤102、基于样本数据构建知识图谱,知识图谱用于标识样本用户的用户信息之间的关联关系。
其中,知识图谱本质上是一种叫做语义网络的知识库,即具有有向图结构的一个知识库。其中,知识图谱的节点代表实体或者概念,而知识图谱中连接节点的边代表实体或概念之间的各种关联关系,比如说两个实体之间的相似关系等。
本实施例中,以步骤101获取的数据作为知识图谱构建的基础,把数据从不同的数据源中抽取出来。将结构化数据和半结构化数据做知识抽取,提取出实体和属性作为构建用户信息知识图谱的节点,例如用户的姓名、职业等;提取出关系作为构建用户信息知识图谱的边,例如用户A和用户B是同事。将上述处理后的数据作为构建知识图谱的本体进行知识融合,即本体对齐和实体匹配。将非结构化数据通过自然语言处理技术来提取出结构化信息。
进一步地,在使用自然语言处理技术对非结构化数据进行处理,具体可包括:
实体抽取,用于从半结构化和非结构化数据中识别实体信息,在确定是的前后边界的同时确定实体的类别。
关系抽取,获取两个实体之间的语义关系,其中语义关系可以是一元关系,如实体的类型;也可以是二元关系,如实体的属性;甚至可以是更高阶的关系。
属性抽取,从不同信息源中采集特定实体的属性信息,如针对某个公众人物,可以从网络公开信息中得到其昵称、生日、国籍、教育背景等信息。
事件抽取,从描述事件的信息数据中抽取出对于构建用户信息知识图谱相关联的事件信息并以结构化的形式呈现出来。
在本发明的一个实施例中,对样本用户数据进行筛选,通过效率、冗余原则的角度,将例如用户年龄,籍贯等对分析关系没有太多作用、访问频率低的数据放入关系数据库中,并建立与用户信息知识图谱之间的映射,便于需要时调用相关数据。
进一步地,根据上述用户信息构建属性图;属性图可以说是目前被图数据库业界采纳最广的--种图数据模型。
属性图由节点集和边集组成,且满足如下性质:
每个节点具有唯一的id;
每个节点具有若干条出边;
每个节点具有若干条入边;
每个节点具有一-组属性,每个属性是一个键值对;
每条边具有唯一的id;
每条边具有一个头节点;
每条边具有一个尾节点;
每条边具有一个标签,表示联系;
每条边具有一组属性,每个属性是一个键值对。
在知识图谱数据模型上,需要借助知识图谱查询语言进行查询操作。目前,RDF图上的查询语言是SPARQL;属性图上的查询语言常用的是Cypher和Gremlin。
SPARQL是一整套知识服务标准体系。
Cypher最初是图数据库Neo4j中实现的属性图数据查询语言。与SPARQL一样,Cypher也是一种声明式语言,即用户只需要声明“查什么”,而无须关心“怎么查”。这类语言的优点是便于用户学习掌握,同时给予数据库进行查询优化的空间,缺点是不能满足高级用户导航式查询的要求,数据库规划的查询执行计划有可能并不是最优方案。
例如,查询知识图谱中的所有用户中的程序员节点,这样,输出:所有用户的年薪收入节点;查询所有用户与贷款项目之间的边;查询从节点1触发的标签为“认识”的边;查询节点1认识的预设年龄以上的程序员参加的炒股项目名称;查询年龄为预设年龄参加上炒股项目3的程序员参加的其他炒股项目及其直接或间接认识的程序员参加的炒股项目。上述示例了炒股项目,还可以为其它能够反映用户经济示例的项目,或者买房项目,或者买车项目等等,在此不再赘述。
在该实施例中,为了构建小而轻的数据存储载体,方便进行高效实时的数据查询,更快速进行涉及关系深度的数据搜索,可将知识图谱存储于JanusGraph等图数据库中,而将关系数据库存储于传统的如Hbase关系数据库中。
在一些实施例中,基于样本用户构建知识图谱,包括:
对用户信息数据进行筛选,选择表征样本用户和样本用户关系的用户信息数据用于进行深度分析,挖掘样本用户信息数据之间的关联关系,以构建待贷款用户信息知识图谱;选择表征用户和用户关系的用户信息数据以外的其余用户信息数据用于构建关系数据库。
其中,用户的违约信息、用户资产负债信息、用户征信信息、用户收支信息、用户参加的包括炒股的投资理财项目信息、用户婚姻状况信息、用户买房信息和用户买车信息为样本用户信息数据之间的关联关系;用户基本信息、用用户社交信息、用户历史行为信息、用户消费信息、用户职业、用户单位和用户职位等级等用于构建关系数据库。例如,节点用户与待贷款用户之间具有关联关系,例如,用户A是用户B的同事,用户C是用户B的朋友,用户B就是用户A的直接关联人,用户C就是用户B的直接关联人;用户D是用户C的朋友,则用户D就是用户B的间接关联人。
采用机器学习的方式获取实体和实体关联的属性的过程中,首先,按照知识图谱中若干个节点下所记录的数据进行训练,从而完成对实体进行自动识别,进而得到实体和实体属性的类型等信息,然后再对得到的实体和属性类型等信息进行拆解和分析,得到分析结果,并将分析结果记录在知识图谱中对应的节点下,以使后续具有相同分析结果的实体和属性也位于该节点中。
在一种实施例中,基于样本用户构建知识图谱,还包括:建立用户信息知识图谱与关系数据库之间映射,通过用户信息知识图谱调用关系数据库内的相关数据。
可以理解的是,建立用户信息知识图谱与关系数据库之间的映射关系,以方便在需要时可以通过用户信息知识图谱直接调用关系数据库内相关数据。
步骤103、基于样本数据和知识图谱构建评分模型;
其中,知识图谱用于标识所有样本用户之间的关联关系。知识图谱中以样本用户为节点,如果两个不同的样本用户之间具有关系数据,则建立前述的两个不同的样本用户之间的连接关系。
步骤104、将待贷款用户的用户信息输入评分模型中,获得待贷款用户的信用评分。
上述步骤104具体可以包括:
在知识图谱中,根据随机游走算法,获取与待贷款用户对应的预置数量的节点用户,节点用户与待贷款用户之间具有关联关系,关联关系包括待贷款用户与节点用户之间直接连接的直接关联关系,待贷款用户与节点用户之间间接连接的间接关联关系;
确定各节点用户的信用评分以及各节点用户的关联权重,根据各节点的信用评分以及各节点用户关联权重进行加权和计算,得到待贷款用户的信用评分。
在一些实施例中,在步骤104中的获得贷款用户的信用评分之后,还包括:
判断待贷款用户的信用评分是否大于评分阈值,如果大于,则根据信用分数确定待贷款用户的贷款额度。
进一步具体地,根据信用分数确定待贷款用户的贷款额度,包括:
将待贷款用户的用户信息与知识图谱比对,确定与待贷款用户处于知识图谱相同位置的样本用户,以样本用户的贷款额度为待贷款用户的贷款额度。
该步骤中,通过上述构建的知识图谱,分析用户所处的贷款等级信息(包括贷款额度);
每款贷款产品对应的贷款额度一般不相同,以平安普惠的贷款产品为例,小额度的贷款产品包括i贷等,i贷额度最高三万,大额度的贷款产品包括宅e经营贷等,宅e经营贷额度为15万至500万。可以预先设置信用评分结果所属范围与贷款产品的对应关系,一般贷款信用评分结果越低,贷款产品对应的贷款额度越低。得到用户的信用评分结果后,确定该信用评分结果所属的范围区间,进而寻找到待推荐的贷款产品。
具体地,通过分析上述图谱可知,可以较为客观地判断出用户是否符合预设的贷款最低阈值,以及在符合预设的贷款资格之后,具体处于哪一个贷款等级。
在实际应用中,判断出知识图谱中的任意一个等级的用户具有某些等级的贷款资格之后,与其处于知识图谱相似位置的其它关联用户同样具有类似等级的贷款资格,这样,就可以向这些用户推送类似的贷款项目,这样,大大提高了推送贷款项目的精准度。
在本申请实施例中,评分模型首先能够根据上述对知识图谱进行分析,分析出用户所处的贷款等级,为每一个贷款等级均配置有该贷款等级对应的评分上下限范围。
具体地,若用户处于第三等级的贷款等级,对应的家庭年收入为20万,该贷款等级的打分范围为70-80分之间;
若用户处于第二等级的贷款等级,对应的家庭年收入为50万,该贷款等级的打分范围为80-90分。用户所处的贷款等级越高,说明该用户为优质用户。
进一步地,该评分模型还能够进一步根据知识图谱中的其它细节,例如,购买的房子的位置,小孩所上的学校,对处于同一贷款等级的用户进行进一步地打分。可以根据不同的应用场景进行调整,在此不再赘述。
相较于现有技术,本申请通过引入由样本用户中的用户信息构建的知识图谱,并根据本数据中的用户信息和构建的知识图谱构建评分模型,得到评分模型,这样,得到的评分模型更加客观,通过该评分模型对待评价用户进行打分,输出的打分值能够用于确定用户的贷款额度以及预判用户的违约信息,这样,得到的打分值往往跟用户的实际情况更加符合。
如图3所示,在一个实施例中,提供了一种贷款用户信用评分装置,该贷款用户信用评分装置可以集成于上述的计算机设备110中,具体可以包括:
数据获取单元311,用于获取用于构建用户信用评分模型的样本数据,其中,样本数据包括多个样本用户的用户信息;
知识图谱单元312,用于基于样本数据构建知识图谱,知识图谱用于标识样本用户的用户信息之间的关联关系;
模型单元313,用于基于样本数据和知识图谱构建评分模型;
评分单元314,用于将待贷款用户的用户信息输入评分模型中,获得待贷款用户的信用评分。
在一个实施例中,该装置还包括:额度计算单元315,用于判断待贷款用户的信用评分是否大于评分阈值,如果大于,则根据信用分数确定待贷款用户的贷款额度。
在一个实施例中,提出了一种计算机设备,计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:获取用于构建用户信用评分模型的样本数据,其中,样本数据包括多个样本用户的用户信息;基于样本数据构建知识图谱,知识图谱用于标识样本用户的用户信息之间的关联关系;基于样本数据和知识图谱构建评分模型;将待贷款用户的用户信息输入评分模型中,获得待贷款用户的信用评分。
在一个实施例中,提出了一种存储有计算机可读指令的存储介质,该计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行以下步骤:获取用于构建用户信用评分模型的样本数据,其中,样本数据包括多个样本用户的用户信息;基于样本数据构建知识图谱,知识图谱用于标识样本用户的用户信息之间的关联关系;基于样本数据和知识图谱构建评分模型;将待贷款用户的用户信息输入评分模型中,获得待贷款用户的信用评分。
本领域普通技术人员可以理解实现上述实施例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计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Randoma Access Memory,RAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种贷款用户信用评分方法,其特征在于,包括:
获取用于构建用户信用评分模型的样本数据,其中,所述样本数据包括多个样本用户的用户信息;
基于所述样本数据构建知识图谱,所述知识图谱用于标识所述样本用户的用户信息之间的关联关系;
基于所述样本数据和所述知识图谱构建评分模型;
将待贷款用户的用户信息输入所述评分模型中,获得所述待贷款用户的信用评分。
2.如权利要求1所述的贷款用户信用评分方法,其特征在于,所述获得所述贷款用户的信用评分之后,还包括:
判断所述待贷款用户的信用评分是否大于评分阈值,如果大于,则根据所述信用分数确定所述待贷款用户的贷款额度。
3.如权利要求2所述的贷款用户信用评分方法,其特征在于,所述根据所述信用分数确定所述待贷款用户的贷款额度,包括:
将所述待贷款用户的用户信息与所述知识图谱比对,确定与所述待贷款用户处于知识图谱相同位置的样本用户,以所述样本用户的贷款额度为所述待贷款用户的贷款额度。
4.如权利要求1所述的贷款用户信用评分方法,其特征在于,所述基于所述样本数据构建知识图谱,包括:
对所述待贷款用户信息数据进行筛选,选择表征样本用户和样本用户关系的用户信息数据用于进行深度分析,挖掘所述待贷款用户信息数据之间的关联关系,以构建所述待贷款用户信息知识图谱;选择所述表征样本用户和样本用户关系的用户信息数据以外的其余用户信息数据用于构建关系数据库。
5.如权利要求1所述的贷款用户信用评分方法,其特征在于,所述基于所述样本数据构建知识图谱,还包括:
建立所述待贷款用户信息知识图谱与所述关系数据库之间映射,通过所述待贷款用户信息知识图谱调用所述关系数据库内的相关数据。
6.如权利要求1所述的贷款用户信用评分方法,其特征在于,所述将待贷款用户的用户信息输入所述评分模型中,获得所述待贷款用户的信用评分,包括:
在所述知识图谱中,根据随机游走算法,获取与所述待贷款用户对应的预置数量的节点用户,所述节点用户与所述待贷款用户之间具有关联关系,所述关联关系包括所述待贷款用户与所述节点用户之间直接连接的直接关联关系,所述待贷款用户与所述节点用户之间间接连接的间接关联关系;
确定各所述节点用户的信用评分以及各所述节点用户的关联权重,根据各所述节点的信用评分以及各所述节点用户关联权重进行加权和计算,得到所述待贷款用户的信用评分。
7.一种贷款用户信用评分方法,其特征在于,包括:
数据获取单元,用于获取用于构建用户信用评分模型的样本数据,其中,所述样本数据包括多个样本用户的用户信息;
知识图谱单元,用于基于所述样本数据构建知识图谱,所述知识图谱用于标识所述样本用户的用户信息之间的关联关系;
模型单元,用于基于所述样本数据和所述知识图谱构建评分模型;
评分单元,用于将待贷款用户的用户信息输入所述评分模型中,获得所述待贷款用户的信用评分。
8.如权利要求7所述的贷款用户信用评分装置,其特征在于,所述装置还包括:额度计算单元,用于判断所述待贷款用户的信用评分是否大于评分阈值,如果大于,则根据所述信用分数确定所述待贷款用户的贷款额度。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至6中任一项权利要求所述贷款用户信用评分方法的步骤。
10.一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至6中任一项权利要求所述贷款用户信用评分方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110287190.XA CN112907358A (zh) | 2021-03-17 | 2021-03-17 | 贷款用户信用评分方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110287190.XA CN112907358A (zh) | 2021-03-17 | 2021-03-17 | 贷款用户信用评分方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112907358A true CN112907358A (zh) | 2021-06-04 |
Family
ID=76105589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110287190.XA Pending CN112907358A (zh) | 2021-03-17 | 2021-03-17 | 贷款用户信用评分方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112907358A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362159A (zh) * | 2021-06-07 | 2021-09-07 | 中国工商银行股份有限公司 | 一种用户信用度的确定方法、装置和设备 |
CN113628032A (zh) * | 2021-08-12 | 2021-11-09 | 上海上湖信息技术有限公司 | 一种确定用户关系的方法及装置 |
CN113744046A (zh) * | 2021-09-08 | 2021-12-03 | 未鲲(上海)科技服务有限公司 | 业务数据处理方法、装置、计算机设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678619A (zh) * | 2016-01-07 | 2016-06-15 | 中国联合网络通信集团有限公司 | 贷款额度评估方法及装置 |
CN108648074A (zh) * | 2018-05-18 | 2018-10-12 | 深圳壹账通智能科技有限公司 | 基于支持向量机的贷款评估方法、装置及设备 |
CN108898476A (zh) * | 2018-06-14 | 2018-11-27 | 中国银行股份有限公司 | 一种贷款客户信用评分方法和装置 |
CN109727123A (zh) * | 2019-01-04 | 2019-05-07 | 平安科技(深圳)有限公司 | 用户征信数据构建方法、装置及计算机可读存储介质 |
CN110795568A (zh) * | 2019-09-30 | 2020-02-14 | 北京淇瑀信息科技有限公司 | 基于用户信息知识图谱的风险评估方法、装置和电子设备 |
CN111177653A (zh) * | 2019-12-10 | 2020-05-19 | 中国建设银行股份有限公司 | 一种信用评估方法和装置 |
CN111553789A (zh) * | 2020-04-28 | 2020-08-18 | 中国银行股份有限公司 | 多实体公司联合贷款额度分配方法及装置 |
CN112163944A (zh) * | 2020-09-18 | 2021-01-01 | 中国建设银行股份有限公司 | 客户的贷款资质评分方法、装置、计算机设备和存储介质 |
-
2021
- 2021-03-17 CN CN202110287190.XA patent/CN112907358A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678619A (zh) * | 2016-01-07 | 2016-06-15 | 中国联合网络通信集团有限公司 | 贷款额度评估方法及装置 |
CN108648074A (zh) * | 2018-05-18 | 2018-10-12 | 深圳壹账通智能科技有限公司 | 基于支持向量机的贷款评估方法、装置及设备 |
CN108898476A (zh) * | 2018-06-14 | 2018-11-27 | 中国银行股份有限公司 | 一种贷款客户信用评分方法和装置 |
CN109727123A (zh) * | 2019-01-04 | 2019-05-07 | 平安科技(深圳)有限公司 | 用户征信数据构建方法、装置及计算机可读存储介质 |
CN110795568A (zh) * | 2019-09-30 | 2020-02-14 | 北京淇瑀信息科技有限公司 | 基于用户信息知识图谱的风险评估方法、装置和电子设备 |
CN111177653A (zh) * | 2019-12-10 | 2020-05-19 | 中国建设银行股份有限公司 | 一种信用评估方法和装置 |
CN111553789A (zh) * | 2020-04-28 | 2020-08-18 | 中国银行股份有限公司 | 多实体公司联合贷款额度分配方法及装置 |
CN112163944A (zh) * | 2020-09-18 | 2021-01-01 | 中国建设银行股份有限公司 | 客户的贷款资质评分方法、装置、计算机设备和存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362159A (zh) * | 2021-06-07 | 2021-09-07 | 中国工商银行股份有限公司 | 一种用户信用度的确定方法、装置和设备 |
CN113628032A (zh) * | 2021-08-12 | 2021-11-09 | 上海上湖信息技术有限公司 | 一种确定用户关系的方法及装置 |
CN113628032B (zh) * | 2021-08-12 | 2024-02-09 | 上海上湖信息技术有限公司 | 一种确定用户关系的方法及装置 |
CN113744046A (zh) * | 2021-09-08 | 2021-12-03 | 未鲲(上海)科技服务有限公司 | 业务数据处理方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10347019B2 (en) | Intelligent data munging | |
TWI723528B (zh) | 電腦執行的事件風險評估方法及裝置、電腦可讀儲存媒體以及計算設備 | |
US7930322B2 (en) | Text based schema discovery and information extraction | |
WO2021093755A1 (zh) | 问题的匹配方法及装置、问题的回复方法及装置 | |
US10692019B2 (en) | Failure feedback system for enhancing machine learning accuracy by synthetic data generation | |
US9740736B2 (en) | Linking ontologies to expand supported language | |
CN112907358A (zh) | 贷款用户信用评分方法、装置、计算机设备和存储介质 | |
US11216896B2 (en) | Identification of legal concepts in legal documents | |
EP2562659A1 (en) | Data mapping acceleration | |
CN103870528B (zh) | 深度问题回答系统中的问题分类和特征映射的方法和系统 | |
CN110955766A (zh) | 一种自动扩充智能客服标准问题对的方法和系统 | |
CN110909126A (zh) | 一种信息查询方法及装置 | |
US20220107980A1 (en) | Providing an object-based response to a natural language query | |
CN110880142A (zh) | 一种风险实体获取方法及装置 | |
CN107679209B (zh) | 分类表达式生成方法和装置 | |
CN116109373A (zh) | 金融产品的推荐方法、装置、电子设备和介质 | |
CN111241299A (zh) | 一种法律咨询的知识图谱自动构建方法及其检索系统 | |
CN116049376B (zh) | 一种信创知识检索回复的方法、装置和系统 | |
US10990881B1 (en) | Predictive analytics using sentence data model | |
CN111916110A (zh) | 语音质检的方法及装置 | |
CN112699245A (zh) | 预算管理知识图谱的构建方法、装置及应用方法、装置 | |
CN113988878B (zh) | 一种基于图数据库技术的反欺诈方法及系统 | |
US11880394B2 (en) | System and method for machine learning architecture for interdependence detection | |
CN115757720A (zh) | 基于知识图谱的项目信息搜索方法、装置、设备和介质 | |
US20220374401A1 (en) | Determining domain and matching algorithms for data systems |
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 |