CN114463119A - 信用评估方法、装置及电子设备 - Google Patents
信用评估方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114463119A CN114463119A CN202210135499.1A CN202210135499A CN114463119A CN 114463119 A CN114463119 A CN 114463119A CN 202210135499 A CN202210135499 A CN 202210135499A CN 114463119 A CN114463119 A CN 114463119A
- Authority
- CN
- China
- Prior art keywords
- information
- credit score
- credit
- target
- economic
- 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
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
本发明公开了一种信用评估方法、装置及电子设备。涉及人工智能领域,该方法包括:获取目标对象的经济信息和社会信息,其中,经济信息包括申请信息、贷款信息以及交易信息,社会信息用于表征目标对象的社会关系;对经济信息进行评估,得到第一信用分数,并基于知识图谱对社会信息进行评估,得到第二信用分数;比对经济信息和标准经济信息,得到与经济信息对应的经济缺失数据;基于经济缺失数据、第一信用分数以及第二信用分数确定目标信用分数,其中,目标信用分数用于评估目标对象的信用程度。本发明解决了现有技术中由于信贷申请人的数据缺失造成的申请人的信用程度无法准确评估的技术问题。
Description
技术领域
本发明涉及人工智能领域,具体而言,涉及一种信用评估方法、装置及电子设备。
背景技术
信贷是指以偿还和付息为条件的价值运动形式,通常包括银行存款、贷款等信用活动。在发展个人信贷业务的过程中,可能会出现各种各样的风险问题,例如,个人没有继续还款能力不能正常还款,抵押不能变现,质押不能实现以及担保无效等问题,从而发生呆账、坏账,使得银行需要承担巨大的风险。因此,在信贷申请人申请相关信贷业务(如:贷款、信用卡等业务)时,银行需要对申请人的信用进行评估,以控制银行所需承担的风险。
目前,由于申请人在申请相关信贷业务(如:贷款、信用卡等业务)时所提供的数据往往不够完善,存在一定程度的数据缺失,因此,尚没有有效方法能对申请人的信用程度进行准确评估。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种信用评估方法、装置及电子设备,以至少解决现有技术中由于信贷申请人的数据缺失造成的申请人的信用程度无法准确评估的技术问题。
根据本发明实施例的一个方面,提供了一种信用评估方法,包括:获取目标对象的经济信息和社会信息,其中,经济信息包括申请信息、贷款信息以及交易信息,社会信息用于表征目标对象的社会关系;对经济信息进行评估,得到第一信用分数,并基于知识图谱对社会信息进行评估,得到第二信用分数;比对经济信息和标准经济信息,得到与经济信息对应的经济缺失数据;基于经济缺失数据、第一信用分数以及第二信用分数确定目标信用分数,其中,目标信用分数用于评估目标对象的信用程度。
进一步地,信用评估方法还包括:基于经济缺失数据确定与第一信用分数对应的第一权重以及与第二信用分数对应的第二权重;计算第一信用分数与第一权重之间的乘积,得到第一结果;计算第二信用分数与第二权重之间的乘积,得到第二结果;根据第一结果和第二结果确定目标信用分数。
进一步地,信用评估方法还包括:在基于经济缺失数据、第一信用分数以及第二信用分数确定目标信用分数之后,在目标信用分数大于预设阈值的情况下,确定目标对象为第一类对象,并基于目标信用分数确定目标对象的借款额度,其中,第一类对象为允许发放贷款的对象;在目标信用分数小于或等于预设阈值的情况下,确定目标对象为第二类对象,第二类对象为禁止发放贷款的对象。
进一步地,信用评估方法还包括:在确定目标对象为第一类对象,并基于目标信用分数确定目标对象的借款额度之后,获取目标对象的消费行为信息;对消费行为信息进行评估,得到第三信用分数;基于第三信用分数调整影响系数,其中,影响系数表征经济缺失数据对第一权重以及第二权重的影响程度。
进一步地,知识图谱由至少两个节点和至少一个边组成,信用评估方法还包括:基于社会信息确定与目标对象具有关联关系的至少一个关联对象;在知识图谱中确定与每个关联对象对应的第一节点,其中,第一节点内存储有与其对应的关联对象的对象信息;在知识图谱中构建与目标对象对应的第二节点,并基于关联关系确定每个第一节点与第二节点之间的第一信息传播函数,其中,第一信息传播函数对应于节点之间的边的属性;获取每个第一节点所对应的关联对象的目标关联信用分数;基于第一信息传播函数、关联信用分数确定第二信用分数。
进一步地,信用评估方法还包括:获取关联对象的经济信息和关联对象的消费行为信息;对关联对象的经济信息进行计算,得到第一关联信用分数;对关联对象的消费行为信息进行计算,得到第二关联信用分数;基于第一关联信用分数和第二关联信用分数确定目标关联信用分数。
进一步地,信用评估方法还包括:在基于知识图谱对社会信息进行评估,得到第二信用分数之前,获取至少一个样本对象的社会信息;基于每个样本对象的社会信息确定与每个样本对象对应的至少一个第一关联样本对象;获取每个第一关联样本对象的社会信息;基于每个第一关联样本对象的社会信息确定与每个第一关联样本对象对应的至少一个第二关联样本对象;获取每个关联样本对象的第一目标关联样本信用分数,以及每个第二关联样本对象的第二目标关联样本信用分数;基于每个第二关联样本对象与其对应的第一关联样本对象之间的关联关系确定每个第二关联样本对象与与其对应的第一关联样本对象之间的第二信息传播函数,其中,第二信息传播函数对应于节点之间的边的属性;基于第一目标关联样本信用分数、第二目标关联样本信用分数以及第二信息传播函数计算知识图谱对应的损失函数值;在损失函数值满足预设条件时,对知识图谱中的第二信息传播函数进行优化。
根据本发明实施例的另一方面,还提供了一种信用评估装置,包括:获取模块,用于获取目标对象的经济信息和社会信息,其中,经济信息包括申请信息、贷款信息以及交易信息,社会信息用于表征目标对象的社会关系;评估模块,用于对经济信息进行评估,得到第一信用分数,并基于知识图谱对社会信息进行评估,得到第二信用分数;比对模块,用于比对经济信息和标准经济信息,得到与经济信息对应的经济缺失数据;确定模块,用于基于经济缺失数据、第一信用分数以及第二信用分数确定目标信用分数,其中,目标信用分数用于评估目标对象的信用程度。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,其中,计算机程序被设置为运行时执行上述的信用评估方法。
根据本发明实施例的另一方面,还提供了一种电子设备,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时,使得一个或多个处理器实现用于运行程序,其中,程序被设置为运行时执行上述的信用评估方法。
根据本发明实施例的另一方面,还提供了一种计算机程序产品,包括计算机程序/指令,计算机程序/指令被处理器执行时实现上述的信用评估方法。
在本发明实施例中,采用基于多方面因素评估目标对象的信用程度的方式,通过获取目标对象的经济信息和社会信息,然后对经济信息进行评估,得到第一信用分数,并基于知识图谱对社会信息进行评估,得到第二信用分数,接着比对经济信息和标准经济信息,得到与经济信息对应的经济缺失数据,从而基于经济缺失数据、第一信用分数以及第二信用分数确定目标信用分数,其中,经济信息包括申请信息、贷款信息以及交易信息,社会信息用于表征目标对象的社会关系,目标信用分数用于评估目标对象的信用程度。
在上述过程中,通过对经济信息进行评估得到第一信用分数,实现了对用于评估申请人信用程度的评估依据的初步确定;通过采用知识图谱,基于目标对象的社会关系来确定目标对象的第二信用分数,实现了对目标对象相关信息的更高程度的利用,进而丰富了用于评估申请人信用程度的评估依据;而经济缺失数据可用于确定第一信用分数、第二信用分数对目标对象信用程度的影响程度。由此,结合经济缺失数据、第一信用分数以及第二信用分数确定目标信用分数,从多方面对目标对象的信用程度进行评估,在目标对象的相关数据相对缺失的情况下,仍然可以客观、准确的评估出申请人的信用程度。
由此可见,本申请所提供的方案达到了基于多方面因素评估目标对象的信用程度的目的,从而实现了准确评估申请人的信用程度的技术效果,进而解决了现有技术中由于信贷申请人的数据缺失造成的申请人的信用程度无法准确评估的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的信用评估方法的示意图;
图2是根据本发明实施例的一种可选的应用信用评估方法的流程图;
图3是根据本发明实施例的一种可选的信用评估装置的示意图;
图4是根据本发明实施例的一种可选的电子设备的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
实施例1
根据本发明实施例,提供了一种信用评估方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种可选的信用评估方法的示意图,如图1所示,该方法包括如下步骤:
步骤S101,获取目标对象的经济信息和社会信息,其中,经济信息包括申请信息、贷款信息以及交易信息,社会信息用于表征目标对象的社会关系。
在步骤S101中,可以通过电子设备、应用系统、服务器等装置获取目标对象的经济信息和社会信息,在本实施例中,通过信用评估系统获取前述的经济信息和社会信息。其中,经济信息由目标对象进行提供,并可以由信用评估系统从数据库或云服务器中对贷款信息以及交易信息进行爬取,以对经济信息进行补充或对其真实性进行核对,社会信息可以由目标对象进行提供,也可以通过调查或从数据库、互联网或云服务器中爬取的方式进行获取。
可选的,在本实施例中,目标对象为向银行或其它财务机构申请信贷业务的信贷申请人,信贷业务可以是申请贷款、申请信用卡或其它业务。申请信息表征用户在申请相关信贷业务时所填写的信息;贷款信息包括历史贷款信息和当前贷款信息;社会信息至少包括与目标对象具有关联关系的关联对象的名称以及目标对象与关联对象之间的社会关系类型。其中,社会关系的类型包括但不限于:亲属关系,工作关系(同事或上下级),朋友关系,居住关系,且其中每种社会关系都可以做进一步的细化,比如亲属关系可以为父子,兄弟,堂兄弟等。
需要说明的是,由于信贷申请人在申请信贷业务时的数据并不完善,经济信息并不能完全反映申请人的信用情况,因此,在获取经济信息的基础上,还获取其社会信息,能够丰富申请人的相关数据,从而提高后续对申请人的信用程度判断的准确性。
步骤S102,对经济信息进行评估,得到第一信用分数,并基于知识图谱对社会信息进行评估,得到第二信用分数。
在步骤S102中,如图2所示,信用评估系统可以通过申请评分卡模型或其它评估模型对经济信息进行评估,以得到第一信用分数。其中,信用评分卡模型是个人信贷风险管理中的重要手段,它是一种结合专家经验的数据驱动方式。其以平台积累的大量历史数据与第三方数据为基础,根据领域专家经验可以得到表征信用状态的特征、消息与规律,充分利用机器学习算法挖掘借款人的潜在风险,得到信用评级模型,对借款人进行全周期的风险评估。
可选的,信用评估系统可以基于目标对象的社会信息将目标对象作为一个实体加入到训练好的知识图谱中,以得到第二信用分数。其中,知识图谱结构可以根据已有数据构造,并可以将目标对象和每个关联对象分别作为一个实体节点,将目标对象与关联对象之间的社会关系类型作为对应的边。通过将已知的关联对象的信用分数基于边的属性传递给目标对象,以实现对目标对象的第二信用分数的确定。
需要说明的是,对经济信息进行评估得到第一信用分数,实现了对用于评估申请人信用程度的评估依据的初步确定,采用知识图谱,基于社会关系中已知的关联对象的信用分数来确定目标对象的第二信用分数,实现了对目标对象相关信息的更高程度的利用,进而实现了对用于评估申请人信用程度的评估依据的有效丰富,由此使得后续对申请人的信用程度的评估可以更客观、准确。
步骤S103,比对经济信息和标准经济信息,得到与经济信息对应的经济缺失数据。
在步骤S103中,可以在数据库、云服务器或其它具有存储功能的装置中预设标准经济信息,其中,标准经济信息表征了经济信息的完整内容,即当信用评估系统对标准经济信息进行评估时,可以获得相对能够更加准确表征目标对象的信用程度的第一信用分数。其中,标准经济信息可以由工作人员进行自定义,也可以基于大数据自动生成,即前述的完整内容依据实际需求的不同,也可以有所不同。在本实施例中,优选的,标准经济信息包括贷款信息的完整内容和标准交易信息的完整内容。
可选的,获取到目标对象的经济信息后,信用评估系统可以将经济信息中的各个填写项与目标经济信息中的各个填写项进行比对,并将经济信息中相对于标准经济信息没有填写内容或填写内容为无效内容的填写项确认为缺失项,将各个缺失项取集合,即可得到与该经济信息对应的经济缺失数据。需要说明的是,若经济信息中存在某一未填写或填写内容为无效内容的填写项,但标准经济信息中并不存在与其对应的填写项时,则经济信息中的该填写项不作为缺失项。其中,填写项可以是申请信息、贷款信息以及交易信息,也可以是对申请信息、贷款信息以及交易信息中的内容分别细分后,所得到的填写项中,例如,对申请信息细分后,填写项可以包括现住址、原籍地、单位地址、年收入等。
需要说明的是,通过得到与经济信息对应的经济缺失数据,可以用于确定第一信用分数、第二信用分数分别对目标对象信用程度的影响程度,从而实现后续对申请人的信用程度更客观、准确的评估。
步骤S104,基于经济缺失数据、第一信用分数以及第二信用分数确定目标信用分数,其中,目标信用分数用于评估目标对象的信用程度。
在步骤S104中,如图2所示,信用评估系统可以基于经济缺失数据确定第一信用分数与第二信用分数的权重,并基于确定权重后的第一信用分数和第二信用分数确定目标信用分数。例如,当经济缺失数据中的缺失项为0时,说明第一信用分数可以相对较好的反映目标对象的信用程度,则可以将第一信用分数的权重设置的相对较高,将第二信用分数的权重设置的相对较低。当经济缺失数据中的缺失项较多时,说明第一信用分数不能良好的反映目标对象的信用程度,则可以将第一信用分数的权重设置的相对较低,将第二信用分数的权重设置的相对较高。
可选的,信用评估系统也可以将第一信用分数和第二信用分数作为加分项,将经济缺失数据作为减分项,通过求得前述三者之和以确定目标信用分数。当经济缺失数据中的缺失项越多时,经济缺失数据所对应的数值相对越大,目标信用分数越低;当经济缺失数据中的缺失项越少时,经济缺失数据所对应的数值相对越小,目标信用分数越高。
需要说明的是,通过结合经济缺失数据、第一信用分数以及第二信用分数确定目标信用分数,实现了从多方面对目标对象的信用程度进行评估,从而在前期目标对象的相关数据相对缺失的情况下,仍然可以客观、准确的评估出申请人的信用程度。
基于上述步骤S101至步骤S104所限定的方案,可以获知,在本发明实施例中,采用基于多方面因素评估目标对象的信用程度的方式,通过获取目标对象的经济信息和社会信息,然后对经济信息进行评估,得到第一信用分数,并基于知识图谱对社会信息进行评估,得到第二信用分数,接着比对经济信息和标准经济信息,得到与经济信息对应的经济缺失数据,从而基于经济缺失数据、第一信用分数以及第二信用分数确定目标信用分数,其中,经济信息包括申请信息、贷款信息以及交易信息,社会信息用于表征目标对象的社会关系,目标信用分数用于评估目标对象的信用程度。
容易注意到的是,在上述过程中,通过对经济信息进行评估得到第一信用分数,实现了对用于评估申请人信用程度的评估依据的初步确定;通过采用知识图谱,基于目标对象的社会关系来确定目标对象的第二信用分数,实现了对目标对象相关信息的更高程度的利用,进而丰富了用于评估申请人信用程度的评估依据;而经济缺失数据可用于确定第一信用分数、第二信用分数对目标对象信用程度的影响程度。由此,结合经济缺失数据、第一信用分数以及第二信用分数确定目标信用分数,从多方面对目标对象的信用程度进行评估,在目标对象的相关数据相对缺失的情况下,仍然可以客观、准确的评估出申请人的信用程度。
由此可见,本申请所提供的方案达到了基于多方面因素评估目标对象的信用程度的目的,从而实现了准确评估申请人的信用程度的技术效果,进而解决了现有技术中由于信贷申请人的数据缺失造成的申请人的信用程度无法准确评估技术问题。
在一种可选的实施例中,在基于经济缺失数据、第一信用分数以及第二信用分数确定目标信用分数的过程中,信用评估系统可以基于经济缺失数据确定与第一信用分数对应的第一权重以及与第二信用分数对应的第二权重,然后计算第一信用分数与第一权重之间的乘积,得到第一结果,并计算第二信用分数与第二权重之间的乘积,得到第二结果,从而根据第一结果和第二结果确定目标信用分数。
具体地,信用评估系统可以基于经济缺失数据中的缺失项的属性以及数量确定第一权重以及第二权重。其中,第一权重与第二权重二者总和为1,信用评估系统可以基于经济缺失数据中的缺失项的属性以及数量先确定第一权重,再将用1减去第一权重得到的数值确定为第二权重。可选的,不同属性的缺失项对第一权重以及第二权重的影响程度可以相同也可以不同,例如,当缺失项为贷款信息时,确定第一权重为0.4,第二权重为0.6,当缺失项为交易信息时,确定第一权重为0.3,第二权重为0.7等。
进一步地,在确定了第一权重和第二权重之后,信用评估系统可以将第一结果与第二结果相加,以确定目标信用分数。可选的,信用评估系统也可以基于其它数学函数将第一结果与第二结果进行结合,以确定目标信用分数。
可选的,针对于上述确定目标信用分数的过程,信用评估系统可以构建基于经济缺失数据、第一信用分数以及第二信用分数确定目标信用分数的机器学习模型,当获取到经济缺失数据、第一信用分数以及第二信用分数之后,信用评估系统可以将经济缺失数据、第一信用分数以及第二信用分数输入至机器学习模型,并获取由机器学习模型计算输出的目标信用分数。其中,在机器学习模型应用的前期,可以基于专家规则确定各缺失项对第一权重和第二权重的影响程度,在应用过程中,可以基于训练样本或实际数据不断对各缺失项对第一权重和第二权重的影响程度进行优化。
需要说明的是,由于在实际应用中,经济信息的缺失项的属性越重要或数量越多,经济信息所对应的第一信用分数越不能准确反映目标对象的信用程度,因此,通过基于经济缺失数据确定与第一信用分数对应的第一权重以及与第二信用分数对应的第二权重,可以在第一信用分数相对不准确时,减小其对目标信用分数的影响程度,从而使得得到的目标信用分数更加准确、客观。
在一种可选的实施例中,在基于经济缺失数据、第一信用分数以及第二信用分数确定目标信用分数之后,信用评估系统可以在目标信用分数大于预设阈值的情况下,确定目标对象为第一类对象,并基于目标信用分数确定目标对象的借款额度,其中,第一类对象为允许发放贷款的对象,在目标信用分数小于或等于预设阈值的情况下,确定目标对象为第二类对象,第二类对象为禁止发放贷款的对象。
可选的,如图2所示,当确定了目标信用分数后,信用评估系统可以将目标信用分数与预设阈值进行对比,当目标信用分数高于预设阈值时,确定目标对象的信用程度满足条件,可以向目标对象发放贷款,并基于目标信用分数确定发放给目标对象的借款额度,当目标信用分数低于或等于预设阈值时,确定目标对象的信用程度不满足条件,禁止向目标对象发放贷款。其中,前述的贷款可以表征直接发放钱款,也可以表征发放信用卡。
在一种可选的实施例中,在确定目标对象为第一类对象,并基于目标信用分数确定目标对象的借款额度之后,信用评估系统可以获取目标对象的消费行为信息,对消费行为信息进行评估,得到第三信用分数,基于第三信用分数调整影响系数,其中,影响系数表征经济缺失数据对第一权重以及第二权重的影响程度。
具体地,在确定了目标信用分数后,当目标信用分数大于预设阈值时,可以允许向目标对象发放相关信贷(如贷款、信用卡等),并在目标对象进行相关信贷业务时,获取其消费行为信息,其中,消费行为信息表征了目标对象在相关信贷业务下进行的消费行为。
之后,如图2所示,信用评估系统可以基于行为评分卡模型对消费行为信息进行评估,以得到第三信用分数,并基于第三分数调整经济缺失数据中缺失项的属性、缺失项的数量中的至少之一对第一权重以及第二权重的影响程度,以使信用评估系统在对之后新的目标对象进行信用评估时,可以得到更加准确的目标信用分数,其中,每个缺失项与第一权重以及第二权重之间均具有对应的影响系数。例如,在前期基于专家规则设定的时候,当确定缺失项中具有贷款信息中的前一年度贷款数额时,对第一权重的数值减0.5,对第二权重的数值加0.5,而在之后获取到第三信用分数后,若信用评估系统基于第三信用分数发现当经济信息中缺失贷款信息中的前一年度贷款数额时,第一信用分数的准确度较低,则可以对贷款信息中的前一年度贷款数额所对应的影响系数进行调整,例如,在之后的应用过程中,即对其它目标对象的信用程度进行评估的过程中,当确定缺失项中具有贷款信息中的前一年度贷款数额时,对第一权重分数减1分,对第二权重分数加1分。
可选的,当得到第三信用分数后,信用评估系统也可以基于经济缺失数据、第一信用分数、第二信用分数中的至少之一以及第三信用分数实时确定目标信用分数,即对目标对象申请信贷业务时的目标信用分数进行更新,以基于更新后的目标信用分数确定当前目标对象的当前信用程度,从而定期对当前目标对象的借款额度进行更新。以信用卡为例,即在目标信用分数降低时,降低目标对象的信用卡额度,在目标信用分数升高时,提高目标对象的信用卡额度。
需要说明的是,通过确定目标对象的第三信用分数,并基于第三信用分数对经济缺失数据对第一权重以及第二权重的影响程度进行调整,以进一步地提高对目标信用分数的准确确定。
在一种可选的实施例中,在基于知识图谱对社会信息进行评估,得到第二信用分数的过程中,基于社会信息确定与目标对象具有关联关系的至少一个关联对象,并在知识图谱中确定与每个关联对象对应的第一节点,然后在知识图谱中构建与目标对象对应的第二节点,并基于关联关系确定每个第一节点与第二节点之间的第一信息传播函数,接着获取每个第一节点所对应的关联对象的目标关联信用分数,从而基于第一信息传播函数、关联信用分数确定第二信用分数。其中,知识图谱由至少两个节点和至少一个边组成,第一信息传播函数对应于节点之间的边的属性。
其中,知识图谱本质上是一种基于图结构语义知识库,以符号形式描述物理世界中的概念、实体及之间的关系,其基本组成单位是“实体-关系-实体”三元组。在知识图谱中,每个节点表示现实世界的“实体”,每条边为实体与实体之间的“关系”。通俗地讲,知识图谱就是把所有不同类型的信息连接在一起而得到的一个关系网络,提供从“关系”的角度去分析问题的能力。其在风控领域可以用于做贷后资金流向分析、高风险账户团伙挖掘等。
可选的,信用评估系统可以基于社会信息确定与目标对象具有关联关系的至少一个关联对象,关联对象与目标对象之间的社会关系(也即关联关系)的类型包括但不限于:亲属关系,工作关系(同事或上下级),朋友关系,居住关系等。之后,基于构建好的知识图谱,在知识图谱中查找到每个关联对象所对应的第一节点,并将目标对象作为第二节点加入至该知识图谱中,基于目标对象与关联对象的社会关系的类型将第二节点与所对应的每个第一节点相连,即确定第二节点与所对应的每个第一节点之间的边以及边的属性。其中,不同的社会关系类型所对应的边的属性也有所不同,第一节点内至少存储有其对应的关联对象的对象信息,还可以存储有其对应的关联对象的目标关联信用分数,关联对象所对应的对象信息以及目标关联信用分数可以从数据库或云服务器中进行获取。
进一步地,信用评估系统可以基于知识图谱内第一节点与第二节点之间的边的属性与第一信息传播函数的对应关系,确定与每条边所对应的第一信息传播函数。并可以从知识图谱或其它存储介质中获取各第一节点的属性,即该第一节点所对应的关联对象的目标关联信用分数,然后基于第一信息传播函数和目标关联信用分数确定每个第一节点传播至第二节点的传播信用分数。
更进一步地,信用评估系统可以将对各传播信用分数进行相加取平均后得到的信用分数确定为第二信用分数,也可以将对各传播信用分数分别进行加权求和后得到的信用分数确定为第二信用分数。
需要说明的是,通过基于社会关系中已知的关联对象的信用分数来确定目标对象的第二信用分数,实现了对目标对象相关信息的更高程度的利用,进而实现了对用于评估申请人信用程度的评估依据的有效丰富。
在一种可选的实施例中,在获取每个第一节点所对应的关联对象的目标关联信用分数的过程中,信用评估系统可以获取关联对象的经济信息和关联对象的消费行为信息,然后对关联对象的经济信息进行计算,得到第一关联信用分数,接着对关联对象的消费行为信息进行计算,得到第二关联信用分数,从而基于第一关联信用分数和第二关联信用分数确定目标关联信用分数。
可选的,信用评估系统可以基于申请评分卡模型对关联对象的经济信息进行计算,得到第一关联信用分数,基于行为评分卡模型对关联对象的消费行为信息进行计算,得到第二关联分数,从而通过将第一关联分数与第二关联分数求平均的方式或是将第一关联分数和第二关联分数加权求和的方式确定目标关联信用分数。其中,需要补充的是,信用评估系统也可以对关联对象的其它信息进行评估获取至少一个第三关联信用分数,并基于第一关联信用分数、第二关联信用分数以及至少一个第三关联信用分数确定目标关联信用分数。
需要说明的是,通过基于关联对象的经济信息和关联对象的消费行为信息确定目标关联信用分数,可以实现对目标关联信用分数的准确确定,进而便于实现对第二信用分数的准确确定。
在一种可选的实施例中,在基于知识图谱对社会信息进行评估,得到第二信用分数之前,信用评估系统可以获取至少一个样本对象的社会信息,并基于每个样本对象的社会信息确定与每个样本对象对应的至少一个第一关联样本对象,然后获取每个第一关联样本对象的社会信息,并基于每个第一关联样本对象的社会信息确定与每个第一关联样本对象对应的至少一个第二关联样本对象,接着获取每个关联样本对象的第一目标关联样本信用分数,以及每个第二关联样本对象的第二目标关联样本信用分数,基于每个第二关联样本对象与其对应的第一关联样本对象之间的关联关系确定每个第二关联样本对象与与其对应的第一关联样本对象之间的第二信息传播函数,从而基于第一目标关联样本信用分数、第二目标关联样本信用分数以及第二信息传播函数计算知识图谱对应的损失函数值,并在损失函数值满足预设条件时,对知识图谱中的第二信息传播函数进行优化。其中,第二信息传播函数对应于节点之间的边的属性。
可选的,在基于知识图谱得到第二信用分数之前,信用评估系统可以对知识图谱进行训练。在对知识图谱的训练过程中,可以对知识图谱内不同属性的边向目标对象传播关联对象所对应的信用分数的过程进行训练。
具体地,信用评估系统可以基于每个样本对象的社会信息确定与每个样本对象对应的至少一个第一关联样本对象,即确定每个样本对象在知识图谱中的“邻居节点”(第一关联样本对象),并基于每个第一关联样本对象的社会信息确定与每个第一关联样本对象对应的至少一个第二关联样本对象,即确定每个第一关联样本对象在知识图谱中的“邻居节点”(第二关联样本对象)。然后将每个第一关联样本对象、每个第二关联样本对象作为实体加入至待训练的知识图谱中,从而在知识图谱中生成多个节点。
进一步地,信用评估系统可以基于每个第一关联样本对象的社会信息将知识图谱中每个第一关联样本对象所对应的节点与相应的第二关联样本对象所对应的节点相连,即确定各节点之间的边以及边的属性。然后基于每个边的属性所对应的第二信息传播函数,计算每个第二关联样本对象所对应的第二目标关联样本信用分数传播至第一关联样本对象的传播分数,并基于该传播分数与第一目标关联样本信用分数进行计算,以确定损失函数值。
具体地,对于样本对象的所有邻居节点ui(i=1,2,K,n),取ui在社会关系网络内的领域(单层或双层)网络,在这个网络内,每个节点都具有一个信用评分属性,即第二目标关联样本信用分数。每一个与ui节点相连的边(即第一关联样本对象所对应的节点与相应的第二关联样本对象所对应的节点之间的边)都存在一个函数fj(x)使得邻居节点的第二目标关联样本信用分数通过该函数传递过来的传播分数的总和均值与第一目标关联样本信用分数与一致。
在训练过程中,可以采用线性回归、梯度下降等训练方法对知识图谱进行训练,且损失函数如下所示:
进一步地,当损失函数值满足预设条件(如小于预设数值)时,对函数组[f1(x)、f2(x)……fj(x)]进行优化,也即对第二信息传播函数进行优化。
需要说明的是,本申请能够在信贷业务申请时授信数据不充分的情况下,结合申请人在知识图谱中的邻居节点的信用分数以确立申请人的第二信用分数,进而基于经济缺失数据、第一信用分数以及第二信用分数确定目标信用分数,从而确定是否发放信贷业务对应的款项及确定信用额度,本申请对申请人的相关情况实现了更高程度的利用,达成了对申请人信用情况更加精准的评估,从而可以减少银行或相关财务机构的风险,增加利益。
由此可见,本申请所提供的方案达到了基于多方面因素评估目标对象的信用程度的目的,从而实现了准确评估申请人的信用程度的技术效果,进而解决了现有技术中由于信贷申请人的数据缺失造成的申请人的信用程度无法准确评估技术问题。
实施例2
据本发明实施例,提供了一种信用评估装置的实施例,其中,图3是根据本发明实施例的一种可选的信用评估装置的示意图,如图3所示,该装置包括:
获取模块301,用于获取目标对象的经济信息和社会信息,其中,经济信息包括申请信息、贷款信息以及交易信息,社会信息用于表征目标对象的社会关系;
评估模块302,用于对经济信息进行评估,得到第一信用分数,并基于知识图谱对社会信息进行评估,得到第二信用分数;
比对模块303,用于比对经济信息和标准经济信息,得到与经济信息对应的经济缺失数据;
确定模块304,用于基于经济缺失数据、第一信用分数以及第二信用分数确定目标信用分数,其中,目标信用分数用于评估目标对象的信用程度。
需要说明的是,上述获取模块301、评估模块302、比对模块303以及确定模块304对应于上述实施例中的步骤S101至步骤S104,四个模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例1所公开的内容。
可选的,确定模块还包括:第一子确定模块,用于基于经济缺失数据确定与第一信用分数对应的第一权重以及与第二信用分数对应的第二权重;第一计算模块,用于计算第一信用分数与第一权重之间的乘积,得到第一结果;第二计算模块,用于计算第二信用分数与第二权重之间的乘积,得到第二结果;第二子确定模块,用于根据第一结果和第二结果确定目标信用分数。
可选的,信用评估装置还包括:第三子确定模块,用于在目标信用分数大于预设阈值的情况下,确定目标对象为第一类对象,并基于目标信用分数确定目标对象的借款额度,其中,第一类对象为允许发放贷款的对象;第四子确定模块,用于在目标信用分数小于或等于预设阈值的情况下,确定目标对象为第二类对象,第二类对象为禁止发放贷款的对象。
可选的,信用评估装置还包括:第一子获取模块,用于获取目标对象的消费行为信息;第一子评估模块,用于对消费行为信息进行评估,得到第三信用分数;调整模块,用于基于第三信用分数调整影响系数,其中,影响系数表征经济缺失数据对第一权重以及第二权重的影响程度。
可选的,知识图谱由至少两个节点和至少一个边组成,评估模块还包括:第五子确定模块,用于基于社会信息确定与目标对象具有关联关系的至少一个关联对象;第六子确定模块,用于在知识图谱中确定与每个关联对象对应的第一节点,其中,第一节点内存储有与其对应的关联对象的对象信息;构建模块,用于在知识图谱中构建与目标对象对应的第二节点,并基于关联关系确定每个第一节点与第二节点之间的第一信息传播函数,其中,第一信息传播函数对应于节点之间的边的属性;第二子获取模块,用于获取每个第一节点所对应的关联对象的目标关联信用分数;第七子确定模块,用于基于第一信息传播函数、关联信用分数确定第二信用分数。
可选的,第二子获取模块还包括:第三子获取模块,用于获取关联对象的经济信息和关联对象的消费行为信息;第三计算模块,用于对关联对象的经济信息进行计算,得到第一关联信用分数;第四计算模块,用于对关联对象的消费行为信息进行计算,得到第二关联信用分数;第八子确定模块,用于基于第一关联信用分数和第二关联信用分数确定目标关联信用分数。
可选的,信用评估装置还包括:第四子获取模块,用于获取至少一个样本对象的社会信息;第九子确定模块,用于基于每个样本对象的社会信息确定与每个样本对象对应的至少一个第一关联样本对象;第五子获取模块,用于获取每个第一关联样本对象的社会信息;第十子确定模块,用于基于每个第一关联样本对象的社会信息确定与每个第一关联样本对象对应的至少一个第二关联样本对象;第六子获取模块,用于获取每个关联样本对象的第一目标关联样本信用分数,以及每个第二关联样本对象的第二目标关联样本信用分数;第十一子确定模块,用于基于每个第二关联样本对象与其对应的第一关联样本对象之间的关联关系确定每个第二关联样本对象与与其对应的第一关联样本对象之间的第二信息传播函数,其中,第二信息传播函数对应于节点之间的边的属性;第五计算模块,用于基于第一目标关联样本信用分数、第二目标关联样本信用分数以及第二信息传播函数计算知识图谱对应的损失函数值;处理模块,用于在损失函数值满足预设条件时,对知识图谱中的第二信息传播函数进行优化。
实施例3
根据本发明实施例的另一方面,还提供了计算机可读存储介质,计算机可读存储介质中存储有计算机程序,其中,计算机程序被设置为运行时执行上述的信用评估方法。
实施例4
根据本发明实施例的另一方面,还提供了一种电子设备,其中,图4是根据本发明实施例的一种可选的电子设备的示意图,如图4所示,电子设备包括一个或多个处理器;存储器,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时,使得一个或多个处理器实现用于运行程序,其中,程序被设置为运行时执行上述的信用评估方法。
实施例5
根据本发明实施例的另一方面,还提供了一种计算机程序产品,包括计算机程序/指令,计算机程序/指令被处理器执行时实现上述的信用评估方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,可以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。另一点,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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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。
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存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种信用评估方法,其特征在于,包括:
获取目标对象的经济信息和社会信息,其中,所述经济信息包括申请信息、贷款信息以及交易信息,所述社会信息用于表征所述目标对象的社会关系;
对所述经济信息进行评估,得到第一信用分数,并基于知识图谱对所述社会信息进行评估,得到第二信用分数;
比对所述经济信息和标准经济信息,得到与所述经济信息对应的经济缺失数据;
基于所述经济缺失数据、所述第一信用分数以及所述第二信用分数确定目标信用分数,其中,所述目标信用分数用于评估所述目标对象的信用程度。
2.根据权利要求1所述的方法,其特征在于,基于所述经济缺失数据、所述第一信用分数以及所述第二信用分数确定目标信用分数,包括:
基于所述经济缺失数据确定与所述第一信用分数对应的第一权重以及与所述第二信用分数对应的第二权重;
计算所述第一信用分数与所述第一权重之间的乘积,得到第一结果;
计算所述第二信用分数与所述第二权重之间的乘积,得到第二结果;
根据所述第一结果和所述第二结果确定所述目标信用分数。
3.根据权利要求2所述的方法,其特征在于,在基于所述经济缺失数据、所述第一信用分数以及所述第二信用分数确定目标信用分数之后,所述方法还包括:
在所述目标信用分数大于预设阈值的情况下,确定所述目标对象为第一类对象,并基于所述目标信用分数确定所述目标对象的借款额度,其中,所述第一类对象为允许发放贷款的对象;
在所述目标信用分数小于或等于预设阈值的情况下,确定所述目标对象为第二类对象,所述第二类对象为禁止发放贷款的对象。
4.根据权利要求3所述的方法,其特征在于,在确定所述目标对象为第一类对象,并基于所述目标信用分数确定所述目标对象的借款额度之后,所述方法还包括:
获取所述目标对象的消费行为信息;
对所述消费行为信息进行评估,得到第三信用分数;
基于所述第三信用分数调整影响系数,其中,所述影响系数表征所述经济缺失数据对所述第一权重以及所述第二权重的影响程度。
5.根据权利要求1所述的方法,其特征在于,所述知识图谱由至少两个节点和至少一个边组成,其中,基于知识图谱对所述社会信息进行评估,得到第二信用分数,包括:
基于所述社会信息确定与所述目标对象具有关联关系的至少一个关联对象;
在所述知识图谱中确定与每个关联对象对应的第一节点,其中,所述第一节点内存储有与其对应的关联对象的对象信息;
在所述知识图谱中构建与所述目标对象对应的第二节点,并基于所述关联关系确定每个第一节点与所述第二节点之间的第一信息传播函数,其中,所述第一信息传播函数对应于节点之间的边的属性;
获取所述每个第一节点所对应的关联对象的目标关联信用分数;
基于所述第一信息传播函数、所述关联信用分数确定所述第二信用分数。
6.根据权利要求5所述的方法,其特征在于,获取所述每个第一节点所对应的关联对象的目标关联信用分数,包括:
获取所述关联对象的经济信息和所述关联对象的消费行为信息;
对所述关联对象的经济信息进行计算,得到第一关联信用分数;
对所述关联对象的消费行为信息进行计算,得到第二关联信用分数;
基于所述第一关联信用分数和所述第二关联信用分数确定所述目标关联信用分数。
7.根据权利要求5所述的方法,其特征在于,在基于知识图谱对所述社会信息进行评估,得到第二信用分数之前,所述方法还包括:
获取至少一个样本对象的社会信息;
基于每个样本对象的社会信息确定与每个样本对象对应的至少一个第一关联样本对象;
获取每个第一关联样本对象的社会信息;
基于每个第一关联样本对象的社会信息确定与每个第一关联样本对象对应的至少一个第二关联样本对象;
获取每个关联样本对象的第一目标关联样本信用分数,以及每个第二关联样本对象的第二目标关联样本信用分数;
基于每个第二关联样本对象与其对应的第一关联样本对象之间的关联关系确定每个第二关联样本对象与与其对应的第一关联样本对象之间的第二信息传播函数,其中,所述第二信息传播函数对应于节点之间的边的属性;
基于所述第一目标关联样本信用分数、所述第二目标关联样本信用分数以及所述第二信息传播函数计算所述知识图谱对应的损失函数值;
在所述损失函数值满足预设条件时,对所述知识图谱中的第二信息传播函数进行优化。
8.一种信用评估装置,其特征在于,包括:
获取模块,用于获取目标对象的经济信息和社会信息,其中,所述经济信息包括申请信息、贷款信息以及交易信息,所述社会信息用于表征所述目标对象的社会关系;
评估模块,用于对所述经济信息进行评估,得到第一信用分数,并基于知识图谱对所述社会信息进行评估,得到第二信用分数;
比对模块,用于比对所述经济信息和标准经济信息,得到与所述经济信息对应的经济缺失数据;
确定模块,用于基于所述经济缺失数据、所述第一信用分数以及所述第二信用分数确定目标信用分数,其中,所述目标信用分数用于评估所述目标对象的信用程度。
9.一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中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至7任一项中所述的信用评估方法。
10.一种电子设备,其特征在于,所述电子设备包括一个或多个处理器;存储器,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时,使得所述一个或多个处理器实现用于运行程序,其中,所述程序被设置为运行时执行所述权利要求1至7任一项中所述的信用评估方法。
11.一种计算机程序产品,包括计算机程序/指令,其特征在于,所述计算机程序/指令被处理器执行时实现权利要求1至7中任一项所述的信用评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210135499.1A CN114463119A (zh) | 2022-02-14 | 2022-02-14 | 信用评估方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210135499.1A CN114463119A (zh) | 2022-02-14 | 2022-02-14 | 信用评估方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114463119A true CN114463119A (zh) | 2022-05-10 |
Family
ID=81414038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210135499.1A Pending CN114463119A (zh) | 2022-02-14 | 2022-02-14 | 信用评估方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114463119A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082079A (zh) * | 2022-08-22 | 2022-09-20 | 深圳市华付信息技术有限公司 | 关联用户的识别方法、装置、计算机设备及存储介质 |
-
2022
- 2022-02-14 CN CN202210135499.1A patent/CN114463119A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082079A (zh) * | 2022-08-22 | 2022-09-20 | 深圳市华付信息技术有限公司 | 关联用户的识别方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nowak et al. | Small business borrowing and peer‐to‐peer lending: Evidence from lending club | |
CN108399509A (zh) | 确定业务请求事件的风险概率的方法及装置 | |
CN109977151A (zh) | 一种数据分析方法及系统 | |
Agier | The role of credit officers in the performance of micro loans | |
US20190130481A1 (en) | Entity Segmentation for Analysis of Sensitivities to Potential Disruptions | |
Chen et al. | Aspiring for change: A theory of middle class activism | |
Carvalho et al. | Exit and failure of credit unions in Brazil: A risk analysis | |
CN113989019A (zh) | 识别风险的方法、装置、设备及存储介质 | |
Cressy | Introduction: funding gaps | |
Ostrovsky et al. | The financing of immigrant-owned firms in Canada | |
CN107590737A (zh) | 个人信用评分以及信用额度测算方法 | |
CN112232950A (zh) | 针对借贷风险的评估方法及装置、设备、计算机可读存储介质 | |
Byanjankar | Predicting credit risk in Peer-to-Peer lending with survival analysis | |
Wang et al. | Measuring systemic risk: Capital shortfall and csrisk | |
Doss et al. | Women, assets, and formal savings: A comparative analysis of Ecuador, Ghana and India | |
Leong et al. | Financial technology for sustainable development | |
As-Salafiyah et al. | Islamic Microfinance as Social Finance in Indonesia: A Review | |
CN114463119A (zh) | 信用评估方法、装置及电子设备 | |
Acimovic et al. | Show or tell? Improving agent decision making in a Tanzanian mobile money field experiment | |
Li et al. | Too long to be true in the description? Evidence from a Peer-to-Peer platform in China | |
Drew et al. | Means, Motive, and Opportunity–Local Government Data Distortion in a High‐Stakes Environment | |
CN111382909A (zh) | 基于生存分析模型扩展坏样本的拒绝推断方法及相关设备 | |
Ortiz‐Nuñez | Attitudes toward risk and socioeconomic factors related to educational loans | |
Bhagat | Predicting Loan Defaults using Machine Learning Techniques | |
Sreeram et al. | Short-term Forecasting Ability of Hybrid Models for BRIC Currencies |
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 |