CN112967127A - 一种疑点贷款核查方法、系统、计算机设备及存储介质 - Google Patents

Abstract

本文提供了一种疑点贷款核查方法、系统、计算机设备及存储介质，涉及贷款核查领域，其中，疑点贷款核查方法包括：预先建立风险标识类库与贷款风险预警模型的关联关系；其中，每一风险标识类库包括多个风险标识因子，每一风险标识因子的核查方向不同；根据风险标识类库与贷款风险预警模型的关联关系，确定预警任务相关联的风险标识因子；其中，所述预警任务包括同一贷款风险预警模型输出的多笔疑点贷款；利用预警任务相关联的风险标识因子对预警任务进行核查。本文能够自动确定预警任务的核查方向并利用相关风险标识因子进行核查，减少人工核查的难度，并且核查方向具有针对性，能够提升核查效率。

Description

一种疑点贷款核查方法、系统、计算机设备及存储介质

技术领域

本文涉及贷款核查领域，尤其涉及一种疑点贷款核查方法、系统、计算机设备及存储介质。

背景技术

现有技术中，按贷款真实性与信用风险类、贷款用途类、操作风险类和贷后辅助类等维度建立个贷风险预警模型已经有100个以上，预警出来的个人贷款疑点信息极多。为了保证放贷安全，需对疑点信息的核查，现有技术中，主要是通过人工收集大量信息并分析比对的方式进行核查，具有耗费大量人力和时间、核查效率极低的问题。

另外，各贷款预警模型预警出的个贷疑点信息多且风险程度不一，核查业务方向也不同，现有技术中，核查数据维度少、核查手段存在单一，缺乏核查的针对性及广泛性。

现有的风险预测模型只能预测出风险疑点并对风险疑点进行等级划分，但是这种划分只是总体上的划分，在进行核查时仍然是人工依据经验确定风险预测模型输出的疑点信息核查方向，核查准确性和效率较低。

发明内容

本文用于解决现有技术中，对个人疑点贷款的核查存在浪费人力、核查效率低、核查手段单一以及不足以支撑核查的广泛性和针对性的问题。

为了解决上述技术问题，本文的第一方面提供一种疑点贷款核查方法，包括；

预先建立风险标识类库与贷款风险预警模型的关联关系；其中，每一风险标识类库包括多个风险标识因子，每一风险标识因子的核查方向不同；

根据风险标识类库与贷款风险预警模型的关联关系，确定预警任务相关联的风险标识因子；其中，所述预警任务包括同一贷款风险预警模型输出的多笔疑点贷款；

利用预警任务相关联的风险标识因子对预警任务进行核查。

本文一实施例中，预先建立风险标识类库与贷款风险预警模型的关联关系，包括：

将各贷款产品下的每笔历史贷款，按每一风险标识因子进行核查，根据核查结果，确定每笔历史贷款的风险标识因子组合；

根据贷款风险预警模型输出的历史疑点贷款及每笔历史贷款的风险标识因子组合，确定历史疑点贷款的风险标识因子组合；

根据历史疑点贷款的风险标识因子组合，统计同一风险预警模型触发同一风险标识类库下风险标识因子的数量；

若一风险预警模型触发一风险标识类库下风险标识因子的数量占该风险标识类库下风险标识因子总数的第一预定值，则将该风险标识类库与该风险预警模型相关联。

本文一实施例中，预先建立风险标识类库与贷款风险预警模型的关联关系，还包括：

根据同一风险预警模型触发同一风险标识类库下风险标识因子的数量，确定风险标识类库对风险预警模型的重要程度；

根据风险标识类库对风险预警模型的重要程度，确定风险标识类库与风险预警模型关联的顺序。

本文一实施例中，预先建立风险标识类库与贷款风险预警模型的关联关系，还包括：

分析新增贷款风险预警模型与已有贷款风险预警模型的相似性；

将相似性大于第二预定值的已有贷款风险预警模型相关的风险标识类库作为新增贷款风险预警模型相关联的风险标识类库。

本文一实施例中，所述风险标识因子包括：贷款筛选规则及预警任务筛选规则；

所述贷款筛选规则用于从所述预警任务中筛选出待识别疑点贷款；

所述预警任务筛选规则用于对待识别疑点贷款进行核查。

本文一实施例中，利用预警任务相关联的风险标识因子对预警任务进行核查，包括：

预警任务按其相关联的风险标识因子的贷款筛选规则，筛选出各风险标识因子对应的待识别疑点贷款；

利用风险标识因子中的预警任务筛选规则，对待识别疑点贷款进行核查。

本文一实施例中，疑点贷款核查方法还包括：

根据历史预警任务中确定风险问题的疑点贷款和预警任务相关联的风险标识因子，确定预警任务与风险标识因子的关系系数；

根据多个预警任务与风险标识因子的关系系数，对多个预警任务进行排序；

根据排序结果，对预警任务进行核查。

本文一实施例中，根据历史预警任务中确定风险问题的疑点贷款和预警任务相关联的风险标识因子，确定预警任务与风险标识因子的关系系数，包括：

根据历史预警任务中确定风险问题的疑点贷款和预警任务相关联的风险标识因子，通过逻辑回归算法分析，确定预警任务中每笔疑点贷款与风险标识因子的关系系数；

根据预警任务中每笔疑点贷款与风险标识因子的关系系数，通过决策树算法，确定预警任务与风险标识因子的关系系数。

本文一实施例中，疑点贷款核查方法还包括：

根据预警任务中每笔疑点贷款与风险标识因子的关系系数，对预警任务中的疑点贷款进行排序；

在执行预警任务的核查时，按照预警任务中疑点贷款排序结果对疑点贷款进行核查。

本文一实施例中，根据预警任务中每笔疑点贷款与风险标识因子的关系系数，对预警任务中的疑点贷款进行排序，包括：

根据预警任务中每笔疑点贷款与风险标识因子的关系系数从大到小的顺序，对预警任务中的疑点贷款进行排序。

本文一实施例中，根据多个预警任务与风险标识因子的关系系数，对多个预警任务进行排序，包括：

根据多个预警任务与风险标识因子的关系系数从大到小的顺序，对多个预警任务进行排序。

本文一实施例中，所述预警任务通过如下方式生成：

按预先设定的分组规则，对同一贷款风险预警模型输出的多笔疑点贷款进行分组；

每一分组结果构成一预警任务。

本文的第二方面提供一种疑点贷款核查系统，包括：

预处理模块，用于预先建立风险标识类库与贷款风险预警模型的关联关系；其中，每一风险标识类库包括多个风险标识因子，每一风险标识因子的核查方向不同；

风险标识因子确定模块，用于根据风险标识类库与贷款风险预警模型的关联关系，确定预警任务相关联的风险标识因子；其中，所述预警任务包括同一贷款风险预警模型输出的多笔疑点贷款；

核查模块，用于利用预警任务相关联的风险标识因子对预警任务进行核查。

本文第三方面，提供一种计算机设备，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，所述处理器执行所述计算机程序时实现前述任一所述的疑点贷款核查方法。

本文第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行计算机程序，所述计算机程序被处理器执行时实现前述任一实施例所述的疑点贷款核查方法。

本文提供的疑点贷款核查方法、系统、计算机设备及存储介质，通过预先建立风险标识类库与贷款风险预警模型的关联关系，能够自动确定预警任务的核查方向并利用相关风险标识因子进行核查，减少人工核查的难度，并且核查方向具有针对性，能够提升核查效率。

为让本文的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。

附图说明

为了更清楚地说明本文实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本文的一些实施例，对于本领域普通技术人员来讲，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示出了本文实施例疑点贷款核查方法的第一流程图；

图2示出了本文实施例风险标识类库与贷款风险预警模型关联关系建立过程的第一流程图；

图3示出了本文实施例风险标识类库与贷款风险预警模型关联关系建立过程的第二流程图；

图4示出了本文实施例风险标识类库与贷款风险预警模型关联关系建立过程的第三流程图；

图5示出了本文实施例预警任务核查过程的流程图；

图6示出了本文实施例疑点贷款核查方法的第二流程图；

图7示出了本文实施例警任务与风险标识因子的关系系数确定过程的流程图；

图8示出了本文实施例疑点贷款核查系统的结构图；

图9示出了本文实施例计算机设备的结构图。

附图符号说明：

810、预处理模块；

820、风险标识因子确定模块；

830、核查模块；

902、计算机设备；

904、处理器；

906、存储器；

908、驱动机构；

910、输入/输出模块；

912、输入设备；

914、输出设备；

916、呈现设备；

918、图形用户接口；

920、网络接口；

922、通信链路；

924、通信总线。

具体实施方式

下面将结合本文实施例中的附图，对本文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文一部分实施例，而不是全部的实施例。基于本文中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本文保护的范围。

现有技术中，对个人疑点贷款的核查存在浪费人力、核查效率低、核查手段单一以及不足以支撑核查的广泛性和针对性的问题。

为了解决上述技术问题，本文一实施例中，提供一种疑点贷款核查方法，该疑点贷款核查方法可运行于智能终端，包括智能手机、平板电脑、台式计算机等，还可以为单独的应用程序、内嵌于其他程序中的小程序等，或者也可以为网页形式等，本文对具体实现方式不做限定。具体的，如图1所示，疑点贷款核查方法包括；

步骤110，预先建立风险标识类库与贷款风险预警模型的关联关系；其中，每一风险标识类库包括多个风险标识因子，每一风险标识因子的贷款核查方向不同，风险标识因子以贷款风险预警模型输出的疑点贷款为分析对象，是建立在贷款风险预警模型之上的风险提示模型。

本文中的贷款指的是已经被银行审核并放贷的贷款，包括但不限于个人贷款、集体企业贷款、私营企业贷款等，本文对贷款类型不做具体限定。

风险标识类库为对风险标识的划分，将相似特征的风险标识归为一类。可根据历史核查数据，基于风险分类信息，建立风险标识类库。还可总结专家人工核查确认问题时所采用的具体核查方法及具体风险事项的基础上建立风险标识类库。

以银行系统为例，利用大数据分析技术，按客户资质识别类、工作单位识别类、借款人收入识别类、二手房贷款售房人特征异常类、抵押物异常特征类、抵押物价值高估、首付款资金来源异常、二手房贷款资金流向、贷款还款异常、关联关系等维度深度挖掘贷款和客户数据，建立风险标识类库，每个风险标识类库细分风险标识因子，如表一所示。

表一

表一仅为本文的一具体实施例，并非用于限定风险标识类库及风险标识因子。本领域技术人员具体实施时，还可根据需求设定其它风险标识类库及风险标识因子。

贷款风险预警模型包括多个，各贷款风险预警模型包括对贷款按照监管要求或业务规则建立筛选规则。贷款风险预警模型输入内容为贷款信息，包括但不限于贷款本身信息、贷款客户基本信息、转账信息、征信信息。贷款风险预警模型输出内容为满足筛选规则的疑点贷款，其中，疑点贷款为存在风险的贷款，例如贷款用途与银行规定不符的贷款。

风险标识类库与贷款风险预警模型的关联关系如下表二所示。

表二

步骤120，根据风险标识类库与贷款风险预警模型的关联关系，确定预警任务相关联的风险标识因子；其中，所述预警任务包括同一贷款风险预警模型输出的多笔疑点贷款。

本步骤中，预警任务可通过如下方式生成：按预先设定的分组规则，对同一贷款风险预警模型输出的多笔疑点贷款进行分组；每一分组结果构成一预警任务。其中，预先设定的分组规则包括但不限于以按贷款所属分行、交易对手等进行分组，本文对分组规则不做具体限定。

本步骤通过风险标识类库与贷款风险预警模型的关联关系，可以精确地确定预警任务中疑点贷款的核查方向。具体的，预警任务与风险预警模型相关，风险预警模型与风险标识类库相关，因此，可以确定预警任务相关联的风险标识因子。

步骤130，利用预警任务相关联的风险标识因子对预警任务进行核查。

本步骤中，每一风险标识因子中至少定义有表示贷款核查方向的预警任务筛选规则，通过风险标识因子实现对待识别疑点贷款进行核查，根据核查结果确定疑点贷款是否真正存在风险。具体实施时，为了保证核查结果无误，还会增加人工核验的过程。

本实施例通过预先建立风险标识类库与贷款风险预警模型的关联关系，能够自动确定预警任务的核查方向并利用相关风险标识因子进行核查，减少人工核查的难度，并且核查方向具有针对性，能够提升核查效率。

本文一实施例中，如图2所示，上述步骤110预先建立风险标识类库与贷款风险预警模型的关联关系，包括：

步骤210，将各贷款产品下的每笔历史贷款，按每一风险标识因子的预警任务筛选规则进行核查，根据核查结果，确定每笔历史贷款的风险标识因子组合。

本步骤中，核查结果包括有风险、无风险及无法确定，将核查结果为有风险的风险标识因子集合到一起得到历史贷款的风险标识因子组合。

步骤220，根据贷款风险预警模型输出的历史疑点贷款及每笔历史贷款的风险标识因子组合，确定历史疑点贷款的风险标识因子组合。

本步骤中，历史疑点贷款指的是经过贷款风险预警模型识别后的贷款。历史贷款指的是历史存在的贷款，未经过贷款风险预警模型识别的贷款。

先匹配历史疑点贷款与每笔历史贷款，将匹配上的历史贷款对应的风险标识因子组合作为历史疑点贷款的风险标识因子组合。

步骤230，根据历史疑点贷款的风险标识因子组合，统计同一风险预警模型触发同一风险标识类库下风险标识因子的数量。若一风险预警模型触发一风险标识类库下风险标识因子的数量占该风险标识类库下风险标识因子总数的第一预定值，则将该风险标识类库与该风险预警模型相关联。反之，去除不满足条件的风险标识因子。

本步骤中，历史疑点贷款由风险预警模型识别，因此，历史疑点贷款与风险预警模型存在关联关系，如表三所示，另历史疑点贷款与风险标识因子组合存在关联关系，如表四所示，以同一风险预警模型及同一风险标识类库为统计依据，归纳表三及表四可以确定同一风险预警模型触发同一风险标识类库下风险标识因子的数量。

表三

风险预警模型	历史疑点贷款
		风险预警模型1	疑点贷款1、疑点贷款2、疑点贷款3…
……	……

表四

本文一实施例中，对于贷款风险预警模型关联多个风险标识类库的情况，如图3所示，步骤110预先建立风险标识类库与贷款风险预警模型的关联关系的过程除了包括上述步骤210至步骤230外还包括：

步骤310，根据同一风险预警模型触发同一风险标识类库下风险标识因子的数量，确定风险标识类库对风险预警模型的重要程度；

步骤320，根据风险标识类库对风险预警模型的重要程度，确定风险标识类库与风险预警模型关联的顺序。

进一步的步骤130按照风险标识类库与风险预警模型关联的顺序，调取相应风险标识类库中的风险标识因子对预警任务进行核查。

本实施例能够通过步骤310及步骤320，能够确定风险标识类库对风险预警模型的重要程度，从而提高风险识别的效率。

本文一实施例中，如图4所示，步骤110预先建立风险标识类库与贷款风险预警模型的关联关系，还包括：

步骤410，分析新增贷款风险预警模型与已有贷款风险预警模型的相似性。

本步骤中，可采用欧几里得距离、曼哈顿距离、余弦相似度等方式计算新增贷款风险预警模型与已有贷款风险预警模型的相似度，本文对具体计算方法不做限定。

步骤420，将相似性大于第二预定值(例如90％，可根据需求进行设定)的已有贷款风险预警模型相关的风险标识类库作为新增个贷风险预警模型相关联的风险标识类库。

本实施例能够提高新增贷款预警模型关联贷款风险预警模型的关联速度。

本文一实施例中，风险标识因子除了预警任务筛选规则外，还包括贷款筛选规则，贷款筛选规则用于从预警任务中筛选出待识别疑点贷款。预警任务筛选规则用于对待识别疑点贷款进行核查。

具体的，如图5所示，上述步骤130利用预警任务相关联的风险标识因子对预警任务进行核查，包括：

步骤510，预警任务按其相关联的风险标识因子中的贷款筛选规则，筛选出各风险标识因子对应的待识别疑点贷款。

步骤520，利用风险标识因子中的预警任务筛选规则，对待识别疑点贷款进行核查。

本步骤能够分层次的对预警任务进行核查，提高核查效率，减少非必要疑点贷款的核查。

本文一实施例中，如图6所示，疑点贷款核查方法除了包括上述步骤110至步骤120外，还包括：

步骤610，根据历史预警任务中确定风险问题的疑点贷款和预警任务相关联的风险标识因子，确定预警任务与风险标识因子的关系系数。

本步骤中，预警任务与风险标识因子的关系系数能够反映风险标识因子对预警任务的判断准确度，关系系数越大，说明风险标识因子对预警任务的判断准确度越大。具体的，如图7所示，根据历史预警任务中确定风险问题的疑点贷款和预警任务相关联的风险标识因子，确定预警任务与风险标识因子的关系系数的过程包括：

步骤710，根据历史预警任务中确定风险问题的疑点贷款和预警任务相关联的风险标识因子，通过逻辑回归算法，确定预警任务中每笔疑点贷款与风险标识因子的关系系数。详细的说，逻辑回归算法的实施过程可参考现有技术，此处不再详述。

步骤720，根据预警任务中每笔疑点贷款与风险标识因子的关系系数，通过决策树算法，确定预警任务与风险标识因子的关系系数。详细的说，决策树算法的实施过程可参考现有技术，此处不再详述。

步骤620，根据多个预警任务与风险标识因子的关系系数，对多个预警任务进行排序。

本步骤中，根据多个预警任务与风险标识因子的关系系数从大到小的顺序，对多个预警任务进行排序。

步骤130进一步为步骤130’：根据排序结果，利用预警任务相关联的风险标识因子对预警任务进行核查。例如，共有三个预警任务A、预警任务B及预警任务C，根据预警任务与风险标识因子的关系系数对这三个预警任务按关系系数从大到小的顺序进行排序，排序结果为预警任务B、预警任务A及预警任务C，步骤630按照预警任务B、预警任务A及预警任务C排序结果对预警任务进行核查。

本实施例能够优先识别风险性大的预警任务，能够提高预警任务核查效率。

本文一实施例中，疑点贷款核查方法除了包括上述步骤110至步骤120、步骤610至步骤620，步骤710至步骤720外，疑点贷款核查方法还包括：根据预警任务中每笔疑点贷款与风险标识因子的关系系数，对预警任务中的疑点贷款进行排序。

本步骤中，预警任务中每笔疑点贷款与风险标识因子的关系系数能够反映风险标识因子对疑点贷款的判断准确度，关系系数越大，说明风险标识因子对疑点贷款的判断准确度越大。

具体实施时，根据预警任务中每笔疑点贷款与风险标识因子的关系系数从大到小的顺序，对预警任务中的疑点贷款进行排序。

步骤130在执行预警任务的核查时，按照预警任务中疑点贷款排序结果对疑点贷款进行核查。

本实施例能够优先识别风险性大的疑点贷款，能够提高疑点贷款的核查效率。

基于同一发明构思，本文还提供一种疑点贷款核查系统，如下面的实施例所述。由于疑点贷款核查系统解决问题的原理与疑点贷款核查方法相似，因此疑点贷款核查系统的实施可以参见疑点贷款核查方法，重复之处不再赘述。本实施例提供的疑点贷款核查系统包括多个功能模块，均可以由专用或者通用芯片实现，还可以通过软件程序实现，本文对此不作限定。

具体的，如图8所示，疑点贷款核查系统包括：

预处理模块810，用于预先建立风险标识类库与贷款风险预警模型的关联关系；其中，每一风险标识类库包括多个风险标识因子，每一风险标识因子的核查方向不同；

风险标识因子确定模块820，用于根据风险标识类库与贷款风险预警模型的关联关系，确定预警任务相关联的风险标识因子；其中，所述预警任务包括同一贷款风险预警模型输出的多笔疑点贷款；

核查模块830，用于利用预警任务相关联的风险标识因子对预警任务进行核查。

本文提供的疑点贷款核查系统、通过预先建立风险标识类库与贷款风险预警模型的关联关系，能够自动确定预警任务的核查方向并利用相关风险标识因子进行核查，减少人工核查的难度，并且核查方向具有针对性，能够提升核查效率。

为了更清楚说明本文技术方案，下面以一具体实施例进行详细说明，具体的，疑点贷款核查方法包括：

1.建立风险标识类库。

2.根据历史贷款信息及历史疑点贷款信息，建立风险标识类库与贷款风险预警模型的关联关系。

(a)将各贷款产品下的每笔历史贷款，按每一风险标识因子的预警任务筛选规则进行核查，根据核查结果，确定每笔历史贷款的风险标识因子组合；

(b)根据贷款风险预警模型输出的历史疑点贷款及每笔历史贷款的风险标识因子组合，确定历史疑点贷款的风险标识因子组合；

(c)根据历史疑点贷款的风险标识因子组合，统计同一风险预警模型触发同一风险标识类库下风险标识因子的数量，若一风险预警模型触发一风险标识类库下风险标识因子的数量占该风险标识类库下风险标识因子总数的第一预定值，则将该风险标识类库与该风险预警模型相关联。

根据同一风险预警模型触发同一风险标识类库下风险标识因子的数量，确定风险标识类库对风险预警模型的重要程度。

3.计算预警任务与风险标识因子的关系系数及疑点贷款与风险标识因子的关系系数。

(a)根据风险标识类库与贷款风险预警模型的关联关系和预警任务与贷款风险预警模型的关系，确定预警任务关联的风险标识因子。

(b)根据历史预警任务中确定风险问题的疑点贷款和预警任务相关联的风险标识因子，通过逻辑回归算法分析，确定预警任务中每笔疑点贷款与风险标识因子的关系系数。

(c)根据预警任务中每笔疑点贷款与风险标识因子的关系系数，通过决策树算法，确定预警任务与风险标识因子的关系系数。

4.预警任务及预警任务中疑点贷款分层管理

(a)按预警任务中每笔疑点贷款与风险标识因子的关系系数从大到小的顺序，对预警任务中的疑点贷款进行排序。

(b)按预警任务与风险标识因子的关系系数从大到小的顺序，对多个预警任务进行排序，按排序结果，将每N个(例如三个)预警任务划分为一组。

5.根据4的分层结果，对疑点信息进行核查。

按预警任务分组顺序调取预警任务，按预警任务中疑点贷款的排序对疑点贷款进行核查。

本文一具体实施例中，贷款风险预警模型例如为快贷资金用途不合规预警模型，该预警模型监控快贷资金流向房地产和资本市场的情况；通过监控借款人的快贷支用情况和账户资金流向，预警快贷资金流向疑点信息。

该预警模型关联的风险标识类库为资金流向异常类，资金流向异常类库中的风险标识因子为资金等额回流风险标识。

资金等额回流风险标识因子和该预警模型的关系系数为1(即相关度密切)。通过对该预警模型历史疑点挖掘，通过该资金等额回流风险标识因子就可以直接确定该预警模型的疑点贷款是否合规。

本文一实施例中，还提供一种计算机设备，计算机设备中安装有疑点贷款核查系统，如图9所示，计算机设备902可以包括一个或多个处理器904，诸如一个或多个中央处理单元(CPU)，每个处理单元可以实现一个或多个硬件线程。计算机设备902还可以包括任何存储器906，其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的，比如，存储器906可以包括以下任一项或多种组合：任何类型的RAM，任何类型的ROM，闪存设备，硬盘，光盘等。更一般地，任何存储器都可以使用任何技术来存储信息。进一步地，任何存储器可以提供信息的易失性或非易失性保留。进一步地，任何存储器可以表示计算机设备902的固定或可移除部件。在一种情况下，当处理器904执行被存储在任何存储器或存储器的组合中的相关联的指令时，计算机设备902可以执行相关联指令的任一操作。计算机设备902还包括用于与任何存储器交互的一个或多个驱动机构908，诸如硬盘驱动机构、光盘驱动机构等。

计算机设备902还可以包括输入/输出模块910(I/O)，其用于接收各种输入(经由输入设备912)和用于提供各种输出(经由输出设备914))。一个具体输出机构可以包括呈现设备916和相关联的图形用户接口918(GUI)。在其他实施例中，还可以不包括输入/输出模块910(I/O)、输入设备912以及输出设备914，仅作为网络中的一台计算机设备。计算机设备902还可以包括一个或多个网络接口920，其用于经由一个或多个通信链路922与其他设备交换数据。一个或多个通信总线924将上文所描述的部件耦合在一起。

通信链路922可以以任何方式实现，例如，通过局域网、广域网(例如，因特网)、点对点连接等、或其任何组合。通信链路922可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。

本文一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述疑点贷款核查方法的步骤。

本文一实施例种，还提供一种计算机可读指令，其中当处理器执行所述指令时，其中的程序使得处理器执行上述疑点贷款核查方法。

应理解，在本文的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本文实施例的实施过程构成任何限定。

还应理解，在本文实施例中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系。例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本文的范围。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本文所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本文实施例方案的目的。

另外，在本文各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本文的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本文各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本文中应用了具体实施例对本文的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本文的方法及其核心思想；同时，对于本领域的一般技术人员，依据本文的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本文的限制。

Claims (15)

1.一种疑点贷款核查方法，其特征在于，包括：

预先建立风险标识类库与贷款风险预警模型的关联关系；其中，每一风险标识类库包括多个风险标识因子，每一风险标识因子的核查方向不同；

根据风险标识类库与贷款风险预警模型的关联关系，确定预警任务相关联的风险标识因子；其中，所述预警任务包括同一贷款风险预警模型输出的多笔疑点贷款；

利用预警任务相关联的风险标识因子对预警任务进行核查。

2.如权利要求1所述的疑点贷款核查方法，其特征在于，预先建立风险标识类库与贷款风险预警模型的关联关系，包括：

将各贷款产品下的每笔历史贷款，按每一风险标识因子进行核查，根据核查结果，确定每笔历史贷款的风险标识因子组合；

根据贷款风险预警模型输出的历史疑点贷款及每笔历史贷款的风险标识因子组合，确定历史疑点贷款的风险标识因子组合；

根据历史疑点贷款的风险标识因子组合，统计同一风险预警模型触发同一风险标识类库下风险标识因子的数量；

若一风险预警模型触发一风险标识类库下风险标识因子的数量占该风险标识类库下风险标识因子总数的第一预定值，则将该风险标识类库与该风险预警模型相关联。

3.如权利要求2所述的疑点贷款核查方法，其特征在于，预先建立风险标识类库与贷款风险预警模型的关联关系，还包括：

根据同一风险预警模型触发同一风险标识类库下风险标识因子的数量，确定风险标识类库对风险预警模型的重要程度；

根据风险标识类库对风险预警模型的重要程度，确定风险标识类库与风险预警模型关联的顺序。

4.如权利要求2所述的疑点贷款核查方法，其特征在于，预先建立风险标识类库与贷款风险预警模型的关联关系，还包括：

分析新增贷款风险预警模型与已有贷款风险预警模型的相似性；

将相似性大于第二预定值的已有贷款风险预警模型相关的风险标识类库作为新增贷款风险预警模型相关联的风险标识类库。

5.如权利要求1所述的疑点贷款核查方法，其特征在于，所述风险标识因子包括：贷款筛选规则及预警任务筛选规则；

所述贷款筛选规则用于从所述预警任务中筛选出待识别疑点贷款；

所述预警任务筛选规则用于对待识别疑点贷款进行核查。

6.如权利要求1所述的疑点贷款核查方法，其特征在于，利用预警任务相关联的风险标识因子对预警任务进行核查，包括：

预警任务按其相关联的风险标识因子的贷款筛选规则，筛选出各风险标识因子对应的待识别疑点贷款；

利用风险标识因子中的预警任务筛选规则，对待识别疑点贷款进行核查。

7.如权利要求1所述的疑点贷款核查方法，其特征在于，还包括：

根据历史预警任务中确定风险问题的疑点贷款和预警任务相关联的风险标识因子，确定预警任务与风险标识因子的关系系数；

根据多个预警任务与风险标识因子的关系系数，对多个预警任务进行排序；

根据排序结果，对预警任务进行核查。

8.如权利要求7所述的疑点贷款核查方法，其特征在于，根据历史预警任务中确定风险问题的疑点贷款和预警任务相关联的风险标识因子，确定预警任务与风险标识因子的关系系数，包括：

根据历史预警任务中确定风险问题的疑点贷款和预警任务相关联的风险标识因子，通过逻辑回归算法分析，确定预警任务中每笔疑点贷款与风险标识因子的关系系数；

根据预警任务中每笔疑点贷款与风险标识因子的关系系数，通过决策树算法，确定预警任务与风险标识因子的关系系数。

9.如权利要求8所述的疑点贷款核查方法，其特征在于，还包括：

根据预警任务中每笔疑点贷款与风险标识因子的关系系数，对预警任务中的疑点贷款进行排序；

在执行预警任务的核查时，按照预警任务中疑点贷款排序结果对疑点贷款进行核查。

10.如权利要求9所述的疑点贷款核查方法，其特征在于，根据预警任务中每笔疑点贷款与风险标识因子的关系系数，对预警任务中的疑点贷款进行排序，包括：

根据预警任务中每笔疑点贷款与风险标识因子的关系系数从大到小的顺序，对预警任务中的疑点贷款进行排序。

11.如权利要求7所述的疑点贷款核查方法，其特征在于，根据多个预警任务与风险标识因子的关系系数，对多个预警任务进行排序，包括：

根据多个预警任务与风险标识因子的关系系数从大到小的顺序，对多个预警任务进行排序。

12.如权利要求1所述的疑点贷款核查方法，其特征在于，所述预警任务通过如下方式生成：

按预先设定的分组规则，对同一贷款风险预警模型输出的多笔疑点贷款进行分组；

每一分组结果构成一预警任务。

13.一种疑点贷款核查系统，其特征在于，包括：

预处理模块，用于预先建立风险标识类库与贷款风险预警模型的关联关系；其中，每一风险标识类库包括多个风险标识因子，每一风险标识因子的核查方向不同；

风险标识因子确定模块，用于根据风险标识类库与贷款风险预警模型的关联关系，确定预警任务相关联的风险标识因子；其中，所述预警任务包括同一贷款风险预警模型输出的多笔疑点贷款；

核查模块，用于利用预警任务相关联的风险标识因子对预警任务进行核查。

14.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至12中任一项所述的疑点贷款核查方法。

15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行计算机程序，所述计算机程序被处理器执行时实现权利要求1至12中任一项所述的疑点贷款核查方法。

Images