CN113706294A - 授信额度分析方法、装置、设备及介质 - Google Patents
授信额度分析方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113706294A CN113706294A CN202111012316.9A CN202111012316A CN113706294A CN 113706294 A CN113706294 A CN 113706294A CN 202111012316 A CN202111012316 A CN 202111012316A CN 113706294 A CN113706294 A CN 113706294A
- Authority
- CN
- China
- Prior art keywords
- credit
- information
- line
- characteristic
- credit investigation
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 159
- 238000011835 investigation Methods 0.000 claims abstract description 227
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000010354 integration Effects 0.000 claims abstract description 14
- 238000012351 Integrated analysis Methods 0.000 claims abstract description 7
- 238000013507 mapping Methods 0.000 claims description 22
- 238000007726 management method Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 238000013475 authorization Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 116
- 238000012549 training Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了授信额度分析方法、装置、设备及介质，方法包括：根据征信特征获取规则获取与基础信息对应的征信特征信息，并输入征信特征分析模型进行分析获取征信额度，判断征信额度是否大于或等于基础信息中的基础额度，若小于，根据关联信息分析网络对授信关联信息进行分析得到关联特征信息，对关联特征信息与征信特征信息进行整合分析得到整合授信额度并判断是否大于或等于基础额度，若是，将整合授信额度作为对应的授信额度反馈至客户端。本发明属于人工智能技术领域，可先基于基础信息对应的征信特征信息获取征信额度，在征信额度小于基础额度时进行整合分析得到整合授信额度，基于对更全面的信息进行整合分析，以提高获取授信额度的准确性。
Description
技术领域
本发明涉及人工智能技术领域，属于智慧城市中基于客户信息进行智能化授信额度分析的应用场景，尤其涉及一种授信额度分析方法、装置、设备及介质。
背景技术
客户授信一直是消费金融领域的重要一环，授信额度也是各家银行和消费金融公司研究的核心重点，授信额度偏高，客户流失率会降低，但坏账的风险会升高；授信额度偏低，虽然降低了坏账的风险，但是客户流失率会升高，业务量会下降，如客户不满意银行给予的信用卡额度，则不会选择注册该信用卡进行使用。
传统的授信额度获取方法中通常是基于客户的征信分析得到客户的资产持有情况、违约风险等信息，并基于资产持有情况、违约风险等信息进一步确定对应的授信额度并告知客户，若客户不满意该授信额度，则会放弃使用授信额度。而由于现有的授信额度获取方法中授信处理方式比较单一，无法基于客户更全面的信息准确获取到与客户相匹配的授信额度。因此，现有的授信额度获取方法中存在无法准确获取得到授信额度的问题。
发明内容
本发明实施例提供了一种授信额度分析方法、装置、设备及介质，旨在解决现有技术方法中无法准确获取得到授信额度的问题。
第一方面，本发明实施例提供了一种授信额度分析方法，该方法应用于管理服务器，所述管理服务器与客户端建立网络连接以实现数据信息的传输，方法包括：
若接收到来自所述客户端的基础信息，根据预存的征信特征获取规则获取与所述基础信息对应的征信特征信息；
根据预存的征信特征分析模型对所述征信特征信息进行分析，得到与所述征信特征信息对应的征信额度；
判断所述征信额度是否大于或等于所述基础信息中的基础额度；
若所述征信额度小于所述基础额度，根据预存的关联信息分析网络对与所述基础信息相匹配的授信关联信息进行分析得到对应的关联特征信息；
根据所述征信特征分析模型对所述征信特征信息及所述关联特征信息进行整合分析，得到对应的整合授信额度；
判断所述整合授信额度是否大于或等于所述基础信息中的基础额度；
若所述整合授信额度大于或等于所述基础额度，将所述整合授信额度确定为与所述基础信息相匹配的授信额度并反馈至所述客户端。
第二方面，本发明实施例提供了一种授信额度分析装置，其包括：
征信特征信息获取单元，用于若接收到来自所述客户端的基础信息，根据预存的征信特征获取规则获取与所述基础信息对应的征信特征信息；
征信额度获取单元，用于根据预存的征信特征分析模型对所述征信特征信息进行分析，得到与所述征信特征信息对应的征信额度；
征信额度判断单元，用于判断所述征信额度是否大于或等于所述基础信息中的基础额度；
关联特征信息获取单元，用于若所述征信额度小于所述基础额度，根据预存的关联信息分析网络对与所述基础信息相匹配的授信关联信息进行分析得到对应的关联特征信息；
整合授信额度获取单元，用于根据所述征信特征分析模型对所述征信特征信息及所述关联特征信息进行整合分析，得到对应的整合授信额度；
整合授信额度判断单元，用于判断所述整合授信额度是否大于或等于所述基础信息中的基础额度；
授信额度反馈单元，用于若所述整合授信额度大于或等于所述基础额度，将所述整合授信额度确定为与所述基础信息相匹配的授信额度并反馈至所述客户端。
第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述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上述第一方面所述的授信额度分析方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的授信额度分析方法。
本发明实施例提供了一种授信额度分析方法、装置、设备及介质。根据征信特征获取规则获取与基础信息对应的征信特征信息，并输入征信特征分析模型进行分析以获取征信额度，判断征信额度是否大于或等于基础信息中的基础额度，若小于，根据关联信息分析网络对授信关联信息进行分析得到关联特征信息，对关联特征信息与征信特征信息进行整合分析得到整合授信额度并判断是否大于或等于基础额度，若大于或等于，将整合授信额度确定为对应的授信额度反馈至客户端。通过上述方法，可先基于基础信息对应的征信特征信息获取征信额度，在征信额度小于基础额度时，获取授信关联信息与征信特征信息进行整合分析得到整合授信额度，基于对更全面的信息进行授信额度的整合分析，以提高获取授信额度的准确性。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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为本发明实施例提供的授信额度分析方法的流程示意图；
图2为本发明实施例提供的授信额度分析方法的应用场景示意图；
图3为本发明实施例提供的授信额度分析方法的子流程示意图；
图4为本发明实施例提供的授信额度分析方法的另一子流程示意图；
图5为本发明实施例提供的授信额度分析方法的另一子流程示意图；
图6为本发明实施例提供的授信额度分析方法的另一子流程示意图；
图7为本发明实施例提供的授信额度分析方法的另一子流程示意图；
图8为本发明实施例提供的授信额度分析方法的另一流程示意图；
图9为本发明实施例提供的授信额度分析装置的示意性框图；
图10为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1及图2，图1为本发明实施例提供的授信额度分析方法的流程示意图；图2为本发明实施例提供的授信额度分析方法的应用场景示意图；该授信额度分析方法应用于管理服务器10中，该授信额度分析方法通过安装于管理服务器10中的应用软件进行执行，管理服务器10与客户端20进行网络连接以实现数据信息的传输；管理服务器10即是用于执行授信额度分析方法以基于客户信息进行智能化授信额度分析的服务器端，如企业或政府部门所构建的服务器，客户端20即是可接收用户输入的基础信息并发送至管理服务器10的终端设备，例如台式电脑、笔记本电脑、平板电脑或手机等，图2中仅仅示意出管理服务器10与一台客户端20进行信息传输，在实际应用中，该管理服务器10也可同时与多台客户端20建立通信连接以实现数据信息的传输。如图1所示，该方法包括步骤S110～S170。
S110、若接收到来自所述客户端的基础信息，根据预存的征信特征获取规则获取与所述基础信息对应的征信特征信息。
若接收到来自所述客户端的基础信息，根据预置的征信特征获取规则获取与所述基础信息对应的征信特征信息。征信特征获取规则即为获取与基础信息相匹配的征信特征信息的具体规则，所述征信特征获取规则包括征信查询地址及特征映射集合。客户端的使用者即为需要办理相关授信业务的客户，则客户可通过客户端输入基础信息并发送至管理服务器，管理服务器可接收该基础信息并进行处理，其中，基础信息包括身份信息及基础额度，身份信息即为与客户身份相关的信息，基础额度即为客户自行填写的期待的额度值。
在一实施例中，如图3所示，步骤S110包括子步骤S111和S112。
S111、根据所述征信查询地址获取与所述基础信息中包含的身份信息相匹配的征信信息。
可根据征信查询地址获取与身份信息相匹配的征信信息，征信信息即是用于对客户的征信状态进行记载的信息，征信查询地址可以是个人征信查询网站的网络地址信息。将基础信息中所包含的身份信息输入至征信查询地址，即可获取对应的征信信息。征信信息中包括客户的资产持有情况、贷款信息、还款信息、逾期信息等。
S112、根据所述特征映射集合对所述征信信息进行映射处理，得到对应的征信特征信息。
征信信息中包含多个特征项对应的信息，则可根据特征映射集合对征信信息中每一特征项对应的信息分别进行映射处理，得到征信特征信息，则征信特征信息中包含与每一特征项对应的特征值。具体的，可对征信信息中每一特征项对应的信息是否为数值信息进行判断，若某一特征项对应的信息为数值信息，则不进行映射处理，直接将该数值信息作为对应的特征值，如征信信息中特征项“贷款逾期次数”对应的信息为“5”，该信息即为数值信息，则直接将“5”作为对应特征值。若某一特征项对应的信息不为数值信息，则可根据特征映射集合对该信息进行映射处理，特征映射集合中包含多条映射关系，每一条映射关系即为一项非数值信息与一个特征值之间的映射关系，可根据映射关系获取征信信息中每一非数值信息对应的特征值，如征信信息中特征项“学历”对应的信息为“本科”，则特征映射集合中对应的一条映射关系为“本科-130”，则可将“130”作为与该非数值信息“本科”对应的特征值。若征信信息中与特征映射集某一条映射关系对应的非数值信息为空，则该非数值信息对应的特征值为“0”。将从一份征信信息中获取到的多个特征值进行组合即可得到与该基础信息对应的征信特征信息。
S120、根据预存的征信特征分析模型对所述征信特征信息进行分析，得到与所述征信特征信息对应的征信额度。
根据预存的征信特征分析模型对所述征信特征信息进行分析，得到与所述征信特征信息对应的征信额度。可根据征信分析模型对所得到的征信特征信息进行分析，征信特征分析模型即为由人工智能构建得到的智能分析神经网络模型，通过征信特征分析模型对征信特征信息进行分析即可得到对应的征信额度。
在一实施例中，如图4所示，步骤S120包括子步骤S121和S122。
S121、将所述征信特征信息输入所述征信特征分析模型，通过所述征信特征分析模型中节点之间的关联公式对所述征信特征信息进行关联计算，以得到对应的特征分析值。
征信特征分析模型可由一个输入层、多个中间层及一个输出层组成，输入层与首个中间层之间、中间层与前后相邻的其他中间层之间、末尾中间层与输出层之间均通过关联公式进行关联，关联公式可采用一次函数进行表示。输入层中包含多个输入节点，则征信特征信息中每一特征值即可通过相对应的一个输入节点输入至征信特征分析模型；输出层中包含一个输出节点，输出节点即用于输出与征信特征信息对应的一个特征分析值，将所得到的征信特征信息输入至征信特征分析模型，即可从输出节点对应的特征分析值，特征分析值即为对与征信特征信息所对应客户的授信风险进行量化表征的信息，特征分析值越大则该客户的授信风险越小；特征分析值越小则对应的授信风险越大。
S122、将所述特征分析值与所述征信特征信息对应的征信信息中的资产净值相乘，以计算得到对应的征信额度。
获取征信特征信息所对应征信信息中的资产净值，并将该资产净值与特征分析值相乘，即可计算得到对应的征信额度。其中，资产净值即为征信信息中资产持有值与贷款值之间的差值，例如，若资产持有值为30万，贷款值为12万，则对应的资产净值为18万。
将从征信信息中获取到的资产净值与特征分析值相乘即可计算得到对应的征信额度。例如，特征分析值为0.2，则将该特征分析值与资产净值18万相乘，得到对应的征信额度为3.6W。
S130、判断所述征信额度是否大于或等于所述基础信息中的基础额度。
判断所述征信额度是否大于所述基础信息中的基础额度。可判断征信额度是否大于基础信息中的基础额度，若大于或等于，则表明基于客户的征信信息分析确定的征信额度能够满足客户期待的额度值；若小于，则表明基于客户的征信信息分析确定的征信额度不能够满足客户期待的额度值。
步骤S130之后还包括：若所述征信额度大于或等于所述基础额度，将所述征信额度确定为与所述基础信息相匹配的授信额度并反馈至所述客户端；
若所述征信额度大于或等于所述基础额度，则可将所得到的征信额度确定为授信额度并反馈至所述客户端以供相应客户进行确认，客户可通过该客户端接收该授信额度并进行确认，若管理服务器接收到客户基于该授信额度所反馈的确认信息，则可完成本次授信业务办理过程。
S140、若所述征信额度小于所述基础额度，根据预存的关联信息分析网络对与所述基础信息相匹配的授信关联信息进行分析得到对应的关联特征信息。
若所述征信额度小于所述基础额度，根据预存的关联信息分析网络对与所述基础信息相匹配的授信关联信息进行分析得到对应的关联特征信息。若征信额度小于基础信息中的基础额度，则表明此时依靠征信信息进行分析确定的征信额度无法满足客户期待的额度值，可根据关联信息分析网络对与基础信息相匹配的授信关联信息进行分析得到对应的关联特征信息，关联信息分析网络即为对与基础信息对应的授信关联信息进行智能分析的神经网络。
在一实施例中，如图5所示，步骤S140包括子步骤S141和S142。
S141、根据所述基础信息中包含的身份信息获取得到对应的授信关联信息。
可基于基础信息中所包含的身份信息对应获取得到授信关联信息，授信关联信息即为对与身份信息相关联的信息进行统计所得到的信息。
在一实施例中，如图6所示，步骤S141包括子步骤S1411、S1412、S1413和S1414。
S1411、根据所述基础信息中包含的身份信息进行关联查询，得到与所述身份信息相关联的关联信息；S1412、根据预存的关联统计项获取所述关联信息中与每一所述关联统计项对应的关联统计信息；S1413、对每一所述关联统计项对应的关联统计信息进行重要性排序，得到每一所述关联统计项的统计信息排序结果；S1414、对每一所述关联统计项的统计信息排序结果进行数值统计得到对应的授信关联信息。
可根据基础信息中包含的身份信息进行关联查询，得到与身份信息相关联的关联信息，如可查询得到与身份信息对应的关联信息包括：投保保单信息、公积金缴存信息、社保缴存信息等；关联统计项即为管理服务器中预存的用于对关联信息进行统计的统计项信息，关联统计项中可包括投保保单、投保额、公积金缴存月数、公积金月缴存额、社保缴存基数、社保缴存分档(如一档、二档、三档)等统计项。可根据关联统计项从关联信息中获取与每一关联统计项对应的关联统计信息，如关联统计项为投保保单，则获取每一保单的名称作为对应的关联统计信息；如关联统计项为公积金月缴存额，则获取每一个月的公积金缴存额作为关联统计信息。对每一关联统计项对应的关联统计信息进行重要性排序得到对应的统计信息排序结果，如可对投保保单所对应的保单名称进行重要性排序，人身险排序靠前、财产险排序靠后，投保时间与当前时间间隔越小排序越靠前；还可对公积金月缴存额所对应的每一个月的公积金缴存额进行排序，缴存时间与当前时间间隔越小排序越靠前。
之后对每一关联统计项的统计信息排序结果进行数值统计得到对应的授信关联信息，如获取投保保单所对应的保单名称的数量作为对应的统计数值。具体的，在进行数值统计过程中，还可根据排序结果进行加权统计，如排序第一对应的加权值为1.5，排序第二加权值对应的加权值为1.2，排序第三加权值为1，则可对投保保单所对应的保单名称的排序分别进行加权后累加，得到对应的统计数值，通过加权计算可更能反映出关联统计信息中不同信息的重要性。获取每一关联统计项对应的统计数值即可作为授信关联信息。此外，关联信息中还可以包括与基础信息中的身份信息对应的家庭成员信息(如配偶、父母、子女等)，家庭成员信息中可包含每一家庭成员的财产净值、月收入等信息。
S142、根据所述关联信息分析网络中节点之间的关联公式对所述授信关联信息进行关联计算，得到对应的关联特征信息。
具体的，关联信息分析网络可由一个输入层、多个中间层及一个输出层组成，输入层中所包含的输入节点的数量与关联统计项中所包含的统计项数量相等，则授信关联信息中每一统计值即与一个输入节点相对应，输出层中包含多个输出节点，输出节点的数量与征信特征信息中所包含特征值的数量相等。将授信关联信息由输入层输入关联信息分析网络进行分析计算，即可从其输出层中获取每一输出节点的系数值，获取所有系数值即组合成为与授信关联信息对应的关联特征信息，关联特征信息包含特征值的数量与征信特征信息中特征值的数量相等。
步骤S142之前还包括：根据预存的历史授信数据库对初始关联信息分析网络进行训练，得到训练后的关联信息分析网络。
根据预存的历史授信数据库对初始关联信息分析网络进行训练，得到训练后的关联信息分析网络。为提高采用关联信息分析网络进行分析计算的准确性，可通过历史授信数据库对初始关联信息分析网络进行迭代训练。具体的，历史授信数据库中包含多条历史授信数据，及与每一条历史授信数据分别对应的授信关联信息及征信特征信息；历史授信数据中包含实际授信额度，基于一条历史授信数据对应的授信关联信息与征信特征信息进行综合分析得到对应的预测授信额度，将预测授信额度与该历史授信数据的实际授信额度的比值作为损失值，采用梯度下降训练规则并基于计算得到的损失值对初始关联信息分析网络中包含的参数值进行优化调整，即可完成对该初始关联信息分析网络进行一次训练。将历史授信数据库中所包含的多条历史授信数据依次输入初始关联信息分析网络进行训练，即可实现对初始关联信息分析网络的迭代训练并得到多次迭代训练后的关联信息分析网络。
S150、根据所述征信特征分析模型对所述征信特征信息及所述关联特征信息进行整合分析，得到对应的整合授信额度。
可基于征信特征分析模型对征信特征信息及关联特征信息进行整合分析，得到对应的整合授信额度，整合授信额度中即整合了与基础信息对应的授信关联信息的特征。由于整合授信额度是对征信特征信息及关联特征信息进行整合分析所得到的额度值，因此所得到的整合授信额度能够更全面地反映客户的整体财产情况及信用状况，也即是对客户的全面信息进行整合分析，以更准确获取到与客户相匹配的整合授信额度。
在一实施例中，如图7所示，步骤S150包括子步骤S151、S152和S153。
S151、对所述征信特征信息与所述关联特征信息进行整合计算得到对应的整合授信特征信息。
首先可对征信特征信息与关联特征信息进行整合计算，对征信特征信息及关联特征信息处于同一位置的数值进行相乘，得到进行相乘计算后的整合授信特征信息。具体的，征信特征信息中所包含的特征值数量与关联特征信息中所包含的系数值的数量相等，例如征信特征信息为1×k维的特征向量，关联特征信息中也包含k个系数值，则可获取征信特征信息中任意特征值与关联特征信息中相对应位置的一个系数值相乘，得到1×k维的整合授信特征信息，也即是整合授信特征信息中同样包含k个特征值。
S152、根据所述征信特征分析模型对所述整合授信特征信息进行分析，得到对应的整合特征分析值。
整合授信特征信息中包含的特征值数量与征信特征信息中所包含特征值的数量相等，因此，可直接将所得到的整合征信特征信息输入至征信特征分析模型，即可从输出节点对应的整合特征分析值，整合特征分析值即为对客户的征信特征信息及授信关联信息的整体风险进行量化表征的信息。
S153、将所述整合特征分析值与所述征信特征信息对应的征信信息中的资产净值相乘，以计算得到对应的整合授信额度。
获取征信特征信息所对应征信信息中的资产净值，并将该资产净值与整合特征分析值相乘，即可计算得到对应的整合授信额度。
S160、判断所述整合授信额度是否大于或等于所述基础信息中的基础额度。
判断所述整合授信额度是否大于或等于所述基础信息中的基础额度。可判断整合授信额度是否大于基础信息中的基础额度，若大于，则表明基于客户的征信信息及授信关联信息进行分析确定的整合授信额度能够满足客户期待的额度值；若不大于，则表明基于客户的征信信息及授信关联信息进行分析确定的整合授信额度不能够满足客户期待的额度值。
S170、若所述整合授信额度大于或等于所述基础额度，将所述整合授信额度确定为与所述基础信息相匹配的授信额度并反馈至所述客户端。
若所述整合授信额度大于或等于所述基础额度，将所述整合授信额度确定为与所述基础信息相匹配的授信额度并反馈至所述客户端。若判断得到整合授信额度大于或等于基础额度，则同样可将整合授信额度作为最终确定的授信额度反馈至客户端，以供相应客户进行确认，客户可通过该客户端接收该授信额度并进行确认，若管理服务器接收到客户基于该授信额度所反馈的确认信息，则可完成本次授信业务办理过程。
若所述整合授信额度小于所述基础额度，将授信额度获取失败的提示信息反馈至所述客户端。若整合授信额度小于基础额度，则可将相应提示信息反馈至客户端，以提示使用该客户端的客户授信额度获取失败。客户可根据提示信息对提交的基础信息进行修改并重新发送至管理服务器，若管理服务器再次接收到来自客户端的修改后的基础信息，则返回执行步骤S110。
在一实施例中，如图8所示，步骤S170之后还包括步骤S180。
S180、将所述整合授信额度上传至区块链中。
基于整合授信额度得到对应的摘要信息，具体来说，摘要信息由整合授信额度进行散列处理得到，比如利用sha256s算法处理得到。将摘要信息上传至区块链可保证其安全性和对用户的公正透明性。用户设备可以从区块链中下载得该摘要信息，以便查证整合授信额度是否被篡改。本示例所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请中的技术方法可应用于智慧金融等包含客户信息进行智能化授信额度分析的应用场景中，从而推动智慧城市的建设。
在本发明实施例所提供的授信额度分析方法中，根据征信特征获取规则获取与基础信息对应的征信特征信息，并输入征信特征分析模型进行分析以获取征信额度，判断征信额度是否大于或等于基础信息中的基础额度，若小于，根据关联信息分析网络对授信关联信息进行分析得到关联特征信息，对关联特征信息与征信特征信息进行整合分析得到整合授信额度并判断是否大于或等于基础额度，若大于或等于，将整合授信额度确定为对应的授信额度反馈至客户端。通过上述方法，可先基于基础信息对应的征信特征信息获取征信额度，在征信额度小于基础额度时，获取授信关联信息与征信特征信息进行整合分析得到整合授信额度，基于对更全面的信息进行授信额度的整合分析，以提高获取授信额度的准确性。
本发明实施例还提供一种授信额度分析装置，该授信额度分析装置可配置于管理服务器中，该授信额度分析装置用于执行前述的授信额度分析方法的任一实施例。具体地，请参阅图9，图9为本发明实施例提供的授信额度分析装置的示意性框图。
如图9所示，授信额度分析装置100包括征信特征信息获取单元110、征信额度获取单元120、征信额度判断单元130、关联特征信息获取单元140、整合授信额度获取单元150、整合授信额度判断单元160和授信额度反馈单元170。
征信特征信息获取单元110，用于若接收到来自所述客户端的基础信息，根据预存的征信特征获取规则获取与所述基础信息对应的征信特征信息。
在一具体实施例中，所述征信特征信息获取单元110包括子单元：征信信息获取单元，用于根据所述征信查询地址获取与所述基础信息中包含的身份信息相匹配的征信信息；映射处理单元，用于根据所述特征映射集合对所述征信信息进行映射处理，得到对应的征信特征信息。
征信额度获取单元120，用于根据预存的征信特征分析模型对所述征信特征信息进行分析，得到与所述征信特征信息对应的征信额度。
在一具体实施例中，所述征信额度获取单元120包括子单元：特征分析值获取单元，用于将所述征信特征信息输入所述征信特征分析模型，通过所述征信特征分析模型中节点之间的关联公式对所述征信特征信息进行关联计算，以得到对应的特征分析值；额度计算单元，用于将所述特征分析值与所述征信特征信息对应的征信信息中的资产净值相乘，以计算得到对应的征信额度。
征信额度判断单元130，用于判断所述征信额度是否大于或等于所述基础信息中的基础额度。
关联特征信息获取单元140，用于若所述征信额度小于所述基础额度，根据预存的关联信息分析网络对与所述基础信息相匹配的授信关联信息进行分析得到对应的关联特征信息。
在一具体实施例中，所述关联特征信息获取单元140包括子单元：授信关联信息获取单元，用于根据所述基础信息中包含的身份信息获取得到对应的授信关联信息；特征信息获取单元，用于根据所述关联信息分析网络中节点之间的关联公式对所述授信关联信息进行关联计算，得到对应的关联特征信息；其中，所述关联特征信息包含特征值的数量与所述征信特征信息中特征值的数量相等。
在一具体实施例中，所述授信关联信息获取单元包括子单元：关联信息获取单元，用于根据所述基础信息中包含的身份信息进行关联查询，得到与所述身份信息相关联的关联信息；关联统计信息获取单元，用于根据预存的关联统计项获取所述关联信息中与每一所述关联统计项对应的关联统计信息；统计信息排序结果获取单元，用于对每一所述关联统计项对应的关联统计信息进行重要性排序，得到每一所述关联统计项的统计信息排序结果；统计单元，用于对每一所述关联统计项的统计信息排序结果进行数值统计得到对应的授信关联信息。
整合授信额度获取单元150，用于根据所述征信特征分析模型对所述征信特征信息及所述关联特征信息进行整合分析，得到对应的整合授信额度。
在一具体实施例中，所述整合授信额度获取单元150包括子单元：整合特征信息获取单元，用于对所述征信特征信息与所述关联特征信息进行整合计算得到对应的整合授信特征信息；整合特征分析值获取单元，用于根据所述征信特征分析模型对所述整合授信特征信息进行分析，得到对应的整合特征分析值；计算单元，用于将所述整合特征分析值与所述征信特征信息对应的征信信息中的资产净值相乘，以计算得到对应的整合授信额度。
整合授信额度判断单元160，用于判断所述整合授信额度是否大于或等于所述基础信息中的基础额度。
授信额度反馈单元170，用于若所述整合授信额度大于或等于所述基础额度，将所述整合授信额度确定为与所述基础信息相匹配的授信额度并反馈至所述客户端。
在一具体实施例中，所述授信额度分析装置100还包括子单元：授信额度存储单元，用于将所述整合授信额度上传至区块链中。
在本发明实施例所提供的授信额度分析装置应用上述授信额度分析方法，根据征信特征获取规则获取与基础信息对应的征信特征信息，并输入征信特征分析模型进行分析以获取征信额度，判断征信额度是否大于或等于基础信息中的基础额度，若小于，根据关联信息分析网络对授信关联信息进行分析得到关联特征信息，对关联特征信息与征信特征信息进行整合分析得到整合授信额度并判断是否大于或等于基础额度，若大于或等于，将整合授信额度确定为对应的授信额度反馈至客户端。通过上述方法，可先基于基础信息对应的征信特征信息获取征信额度，在征信额度小于基础额度时，获取授信关联信息与征信特征信息进行整合分析得到整合授信额度，基于对更全面的信息进行授信额度的整合分析，以提高获取授信额度的准确性。
上述授信额度分析装置可以实现为计算机程序的形式，该计算机程序可以在如图10所示的计算机设备上运行。
请参阅图10，图10是本发明实施例提供的计算机设备的示意性框图。该计算机设备可以是用于执行授信额度分析方法以基于客户信息进行智能化授信额度分析的管理服务器。
参阅图10，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括存储介质503和内存储器504。
该存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行授信额度分析方法，其中，存储介质503可以为易失性的存储介质或非易失性的存储介质。
该处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。
该内存储器504为存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行授信额度分析方法。
该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图10中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500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。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现上述的授信额度分析方法中对应的功能。
本领域技术人员可以理解，图10中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图10所示实施例一致，在此不再赘述。
应当理解，在本发明实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为易失性或非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现上述的授信额度分析方法中所包含的步骤。
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，上述描述的设备、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。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发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备、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，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，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发明实施例方案的目的。
另外，在本发明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存储介质中。基于这样的理解，本发明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计算机可读存储介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种授信额度分析方法，其特征在于，所述方法应用于管理服务器，所述管理服务器与客户端建立网络连接以实现数据信息的传输，所述方法包括：
若接收到来自所述客户端的基础信息，根据预存的征信特征获取规则获取与所述基础信息对应的征信特征信息；
根据预存的征信特征分析模型对所述征信特征信息进行分析，得到与所述征信特征信息对应的征信额度；
判断所述征信额度是否大于或等于所述基础信息中的基础额度；
若所述征信额度小于所述基础额度，根据预存的关联信息分析网络对与所述基础信息相匹配的授信关联信息进行分析得到对应的关联特征信息；
根据所述征信特征分析模型对所述征信特征信息及所述关联特征信息进行整合分析，得到对应的整合授信额度；
判断所述整合授信额度是否大于或等于所述基础信息中的基础额度；
若所述整合授信额度大于或等于所述基础额度，将所述整合授信额度确定为与所述基础信息相匹配的授信额度并反馈至所述客户端。
2.根据权利要求1所述的授信额度分析方法，其特征在于，所述征信特征获取规则包括征信查询地址及特征映射集合，所述根据预存的征信特征获取规则获取与所述基础信息对应的征信特征信息，包括：
根据所述征信查询地址获取与所述基础信息中包含的身份信息相匹配的征信信息；
根据所述特征映射集合对所述征信信息进行映射处理，得到对应的征信特征信息。
3.根据权利要求1所述的授信额度分析方法，其特征在于，所述根据预存的征信特征分析模型对所述征信特征信息进行分析，得到与所述征信特征信息对应的征信额度，包括：
将所述征信特征信息输入所述征信特征分析模型，通过所述征信特征分析模型中节点之间的关联公式对所述征信特征信息进行关联计算，以得到对应的特征分析值；
将所述特征分析值与所述征信特征信息对应的征信信息中的资产净值相乘，以计算得到对应的征信额度。
4.根据权利要求2所述的授信额度分析方法，其特征在于，所述根据预存的关联信息分析网络对与所述基础信息相匹配的授信关联信息进行分析得到对应的关联特征信息，包括：
根据所述基础信息中包含的身份信息获取得到对应的授信关联信息；
根据所述关联信息分析网络中节点之间的关联公式对所述授信关联信息进行关联计算，得到对应的关联特征信息；其中，所述关联特征信息包含特征值的数量与所述征信特征信息中特征值的数量相等。
5.根据权利要求4所述的授信额度分析方法，其特征在于，所述根据所述基础信息中包含的身份信息获取得到对应的授信关联信息，包括：
根据所述基础信息中包含的身份信息进行关联查询，得到与所述身份信息相关联的关联信息；
根据预存的关联统计项获取所述关联信息中与每一所述关联统计项对应的关联统计信息；
对每一所述关联统计项对应的关联统计信息进行重要性排序，得到每一所述关联统计项的统计信息排序结果；
对每一所述关联统计项的统计信息排序结果进行数值统计得到对应的授信关联信息。
6.根据权利要求1所述的授信额度分析方法，其特征在于，所述根据所述征信特征分析模型对所述征信特征信息及所述关联特征信息进行整合分析，得到对应的整合授信额度，包括：
对所述征信特征信息与所述关联特征信息进行整合计算得到对应的整合授信特征信息；
根据所述征信特征分析模型对所述整合授信特征信息进行分析，得到对应的整合特征分析值；
将所述整合特征分析值与所述征信特征信息对应的征信信息中的资产净值相乘，以计算得到对应的整合授信额度。
7.根据权利要求1所述的授信额度分析方法，其特征在于，所述将所述整合授信额度确定为与所述基础信息相匹配的授信额度并反馈至所述客户端之后，还包括：
将所述整合授信额度上传至区块链中。
8.一种授信额度分析装置，其特征在于，所述装置包括：
征信特征信息获取单元，用于若接收到来自所述客户端的基础信息，根据预存的征信特征获取规则获取与所述基础信息对应的征信特征信息；
征信额度获取单元，用于根据预存的征信特征分析模型对所述征信特征信息进行分析，得到与所述征信特征信息对应的征信额度；
征信额度判断单元，用于判断所述征信额度是否大于或等于所述基础信息中的基础额度；
关联特征信息获取单元，用于若所述征信额度小于所述基础额度，根据预存的关联信息分析网络对与所述基础信息相匹配的授信关联信息进行分析得到对应的关联特征信息；
整合授信额度获取单元，用于根据所述征信特征分析模型对所述征信特征信息及所述关联特征信息进行整合分析，得到对应的整合授信额度；
整合授信额度判断单元，用于判断所述整合授信额度是否大于或等于所述基础信息中的基础额度；
授信额度反馈单元，用于若所述整合授信额度大于或等于所述基础额度，将所述整合授信额度确定为与所述基础信息相匹配的授信额度并反馈至所述客户端。
9.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述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如权利要求1至7中任一项所述的授信额度分析方法。
10.一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计算机程序，当所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的授信额度分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111012316.9A CN113706294A (zh) | 2021-08-31 | 2021-08-31 | 授信额度分析方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111012316.9A CN113706294A (zh) | 2021-08-31 | 2021-08-31 | 授信额度分析方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113706294A true CN113706294A (zh) | 2021-11-26 |
Family
ID=78657985
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111012316.9A Pending CN113706294A (zh) | 2021-08-31 | 2021-08-31 | 授信额度分析方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113706294A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117114858A (zh) * | 2023-10-19 | 2023-11-24 | 湖南三湘银行股份有限公司 | 基于aviator表达式的计算检查公式的配置化实现方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107067319A (zh) * | 2017-03-13 | 2017-08-18 | 平安科技（深圳）有限公司 | 贷款额度测算方法和装置 |
| CN111179055A (zh) * | 2019-12-20 | 2020-05-19 | 北京淇瑀信息科技有限公司 | 授信额度调整方法、装置和电子设备 |
-
2021
- 2021-08-31 CN CN202111012316.9A patent/CN113706294A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107067319A (zh) * | 2017-03-13 | 2017-08-18 | 平安科技（深圳）有限公司 | 贷款额度测算方法和装置 |
| CN111179055A (zh) * | 2019-12-20 | 2020-05-19 | 北京淇瑀信息科技有限公司 | 授信额度调整方法、装置和电子设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117114858A (zh) * | 2023-10-19 | 2023-11-24 | 湖南三湘银行股份有限公司 | 基于aviator表达式的计算检查公式的配置化实现方法 |
| CN117114858B (zh) * | 2023-10-19 | 2024-03-19 | 湖南三湘银行股份有限公司 | 基于aviator表达式的计算检查公式的配置化实现方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10474792B2 (en) | Dynamic topological system and method for efficient claims processing | |
| CN101689988B (zh) | 通过分析用户交互检测不适当活动 | |
| TW201946013A (zh) | 基於ｌｓｔｍ模型的信用風險預測方法及裝置 | |
| CN110569271B (zh) | 用于抽取特征的数据处理方法和系统 | |
| CN112116245A (zh) | 信贷风险评估方法、装置、计算机设备及存储介质 | |
| CN112529429A (zh) | 客户信息校验方法、装置、计算机设备及存储介质 | |
| CN115018210B (zh) | 业务数据分类预测方法、装置、计算机设备和存储介质 | |
| CN113706294A (zh) | 授信额度分析方法、装置、设备及介质 | |
| CN110633304B (zh) | 组合特征筛选方法、装置、计算机设备及存储介质 | |
| Horváth et al. | Detecting common breaks in the means of high dimensional cross-dependent panels | |
| CN116800831B (zh) | 一种业务数据推送方法、装置、存储介质及处理器 | |
| CN117132317A (zh) | 数据处理方法、装置、设备、介质及产品 | |
| CN113869996A (zh) | 阶梯式额度分析测算方法、装置、设备及介质 | |
| CN112330411B (zh) | 团体产品推荐方法、装置、计算机设备及存储介质 | |
| CN110348753A (zh) | 一种客户贡献度确定方法及系统 | |
| CN115914363A (zh) | 消息推送方法、装置、计算机设备和存储介质 | |
| CN115063143A (zh) | 账户数据处理方法、装置、计算机设备和存储介质 | |
| US11556927B2 (en) | Systems and methods for analyses and action approvals using a ledger | |
| CN114240100A (zh) | 贷款评估方法、装置、计算机设备和存储介质 | |
| CN114372867A (zh) | 用户信用度的验证评估方法、装置和计算机设备 | |
| CN110096376B (zh) | 一种数据转移方法及相关设备 | |
| US20170103433A1 (en) | Generating and Using Estimated Asset Monetary Values and Estimated Macroeconomic Measure Data Values | |
| CN117252176B (zh) | 调查报告智能生成方法、装置、设备及介质 | |
| US20230145924A1 (en) | System and method for detecting a fraudulent activity on a digital platform | |
| CN113052693B (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 |
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 |