CN114638689A - 一种信用信息生成方法、装置、系统和电子设备 - Google Patents

Abstract

本发明公开了一种信用信息生成方法、装置、系统和电子设备，其中系统包括：生产端获取用于计算信用信息的用户数据、计算规则以及模型信息，模型信息用于描述当前信用评估场景所需的计算规则、用户数据以及规则系数信息；生产端将获取的计算规则发送至缓存端；生产端将用户数据和模型信息发送至消息中间件；服务端从消息中间件中读取用户数据和模型信息，并从缓存端获取模型信息对应的子计算规则，之后获取与模型信息对应的规则系数信息；服务端通过子计算规则和规则系数信息组成的计算公式计算用户数据的信用信息；服务端返回信用信息到生产端。本发明提供的技术方案，提高了用户信用信息生成的灵活性。

Description

一种信用信息生成方法、装置、系统和电子设备

技术领域

本发明涉及软件系统领域，具体涉及一种信用信息生成方法、装置、系统和电子设备。

背景技术

目前，大部分网络支付软件平台上均建立有信用评分机制，用来评估用户的信用好坏，从而给予用户不同的支付权限。但是，在实际应用中，支付场景的类型较多，例如：购房场景和超市购物场景。现有技术并没有针对各个支付场景制定具体地评分机制，使得信用评分过于死板，评分结果针对当前场景不适用，对用户支付权限的管理手段过于单一，为用户的支付带来过多限制，给用户造成不便。因此，如何提高用户信用信息生成的灵活性是亟待解决的问题。

发明内容

有鉴于此，本发明实施方式提供了一种信用信息生成方法、装置、系统和电子设备，从而提高了用户信用信息生成的灵活性。

根据第一方面，本发明实施例提供了一种信用信息生成方法，应用于生产端，所述方法包括：获取用于计算信用信息的用户数据、计算规则以及模型信息，所述模型信息用于描述当前信用评估场景所需的计算规则、用户数据以及规则系数信息；将获取的所述计算规则发送至缓存端；将所述用户数据和所述模型信息发送至消息中间件，以使服务端从所述消息中间件中读取所述用户数据和所述模型信息，并使服务端获取与所述模型信息对应的子计算规则和规则系数信息，之后通过所述子计算规则和所述规则系数信息组成的计算公式计算所述用户数据的信用信息，所述子计算规则是所述服务端从所述缓存端的计算规则中选择并提取的；接收所述服务端返回的所述信用信息。

可选地，所述方法还包括：将所述用户数据划分为多份；分别将每份用户数据和所述模型信息进行打包得到多个数据包，并将所述多个数据包发送至所述消息中间件，以使多个服务端分别从所述消息中间件中读取数据包进行信用信息计算，得到多个信用信息；接收多个服务端返回的所述多个信用信息，并将所述多个信用信息进行汇总得到总信用信息。

根据第二方面，本发明实施例提供了一种信用信息生成方法，其特征在于，应用于服务端，所述方法包括：从消息中间件中读取用户数据和模型信息，所述用户数据和模型信息由生产端获取并发送至所述消息中间件，所述模型信息用于描述当前信用评估场景所需的计算规则、用户数据以及规则系数信息；根据所述模型信息从缓存端的计算规则中选择并提取所述模型信息对应的子计算规则，所述计算规则由所述生产端获取并发送至所述缓存端；根据所述模型信息获取对应的规则系数信息；将所述子计算规则和所述规则系数信息组成计算公式，并通过所述计算公式计算所述用户数据的信用信息；将所述信用信息发送至所述生产端。

可选地，当所述模型信息表征租房场景时，所述用户数据包括身份信息、履约信息、行为信息、外部信用和综合评价信息，其中所述身份信息至少包括授权认证、实名认证、工作信息和学历信息中的一种，所述履约信息包括用户历史租房履约和解约记录，所述行为信息用于表征用户的违约行为，所述外部信用基于用户的社会违法记录和招聘记录生成，所述综合评价信息至少包括用户保洁、搬家、维修和生活缴费次数中的一种。

可选地，所述通过所述计算公式计算所述用户数据的信用信息，包括：将所述用户数据分批次划分，并从线程池中调用多个线程分别对划分后的用户数据利用所述计算公式进行并行计算，得到多个子计算结果；当所有线程计算结束时将所述多个子计算结果进行打包得到所述信用信息。

根据第三方面，本发明实施例提供了一种信用信息生成装置，应用于生产端，所述装置包括：信息采集模块，用于获取用于计算信用信息的用户数据、计算规则以及模型信息，所述模型信息用于描述当前信用评估场景所需的计算规则、用户数据以及规则系数信息；第一发送模块，用于将获取的所述计算规则发送至缓存端；第二发送模块，用于将所述用户数据和所述模型信息发送至消息中间件，以使服务端从所述消息中间件中读取所述用户数据和所述模型信息，并使服务端获取与所述模型信息对应的子计算规则和规则系数信息，之后通过所述子计算规则和所述规则系数信息组成的计算公式计算所述用户数据的信用信息，所述子计算规则是所述服务端从所述缓存端的计算规则中选择并提取的；接收模块，用于接收所述服务端返回的所述信用信息。

根据第四方面，本发明实施例提供了一种信用信息生成装置，应用于服务端，所述装置包括：第一读取模块，用于从消息中间件中读取用户数据和模型信息，所述用户数据和模型信息由生产端获取并发送至所述消息中间件，所述模型信息用于描述当前信用评估场景所需的计算规则、用户数据以及规则系数信息；第二读取模块，用于根据所述模型信息从缓存端的计算规则中选择并提取所述模型信息对应的子计算规则，所述计算规则由所述生产端获取并发送至所述缓存端；第三读取模块，用于根据所述模型信息获取对应的规则系数信息；计算模块，用于将所述子计算规则和所述规则系数信息组成计算公式，并通过所述计算公式计算所述用户数据的信用信息；反馈模块，用于将所述信用信息发送至所述生产端。

根据第五方面，本发明实施例提供了一种信用信息生成系统，其特征在于，包括生产端、服务端、消息中间件和缓存端，其中：所述生产端获取用于计算信用信息的用户数据、计算规则以及模型信息，所述模型信息用于描述当前信用评估场景所需的计算规则、用户数据以及规则系数信息；所述生产端将所述计算规则发送至所述缓存端；所述生产端将所述用户数据和所述模型信息发送至消息中间件；所述服务端从所述消息中间件中读取所述用户数据和所述模型信息，并从所述缓存端获取所述模型信息对应的子计算规则，之后获取与所述模型信息对应的规则系数信息；所述服务端通过所述子计算规则和所述规则系数信息组成的计算公式计算所述用户数据的信用信息；所述服务端返回所述信用信息到所述生产端。

根据第六方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面、第二方面，或者第一方面、第二方面任意一种可选实施方式中所述的方法。

根据第七方面，本发明实施例提供了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计算机指令，所述计算机指令用于使所述计算机从而执行第一方面、第二方面，或者第一方面、第二方面任意一种可选实施方式中所述的方法。

本申请提供的技术方案，具有如下优点：

本申请提供的技术方案，首先通过生产端获取表征用户各方面信息的用户数据、针对各类应用场景的全部计算规则以及用户在当前信用评估场景下对应预设的模型信息。生产端将用户数据和模型信息发送至消息中间件，以使服务端从消息中间件中读取相关数据，生产端将全部计算规则发送至缓存端，便于服务端后续随时从缓存端中提取需要的计算规则，避免每次计算均发送计算规则的步骤，提高计算效率。服务端从消息中间件中读取了当前的模型信息和用户数据后，根据模型信息内规定的计算规则，从缓存端的全部计算规则中提取需要的子计算规则，并从外部数据库或内部数据库获取子计算规则对应的规则系数信息，然后将规则系数信息和对应的子计算规则组成计算公式，服务端根据模型信息的预设规定，从用户数据中找出参与计算的部分数据输入到计算公式中，从而得到当前评分场景下的用户信用评分(即信用信息)。当用户的信用评分场景发生变更时，直接切换对应的模型即可快速进行信用的重新评估。当某个信用评分场景的信用评估手段发生变更时，直接对模型信息的描述语句进行调整即可。从而实现了各个支付场景均可以快速进行具体地评分流程，提高了用户信用评分的灵活性。

附图说明

通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：

图1示出了本发明一个实施方式中一种信用信息生成系统的结构示意图；

图2示出了本发明一个实施方式中一种信用信息生成系统的评分流程示意图；

图3示出了本发明一个实施方式中场景模型的结构示例图；

图4示出了本发明一个实施方式中一种信用信息生成方法的步骤示意图；

图5示出了本发明一个实施方式中一种信用信息生成装置的结构示意图；

图6示出了本发明一个实施方式中一种信用信息生成装置的另一个结构示意图；

图7示出了本发明一个实施方式中一种电子设备的结构示意图。

具体实施方式

为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

请参阅图1和图2，在一个实施方式中，一种信用信息生成系统，包括生产端1、服务端2、消息中间件3和缓存端4，其中：

生产端1获取用于计算信用信息的用户数据、计算规则以及模型信息，模型信息用于描述当前信用评分场景所需的计算规则、用户数据以及规则系数信息。

生产端1将计算规则发送至缓存端4；

生产端1将用户数据和模型信息发送至消息中间件3；

服务端2从消息中间件3中读取用户数据和模型信息，并从缓存端4获取模型信息对应的子计算规则，之后获取与模型信息对应的规则系数信息；

服务端2通过子计算规则和规则系数信息组成的计算公式计算用户数据的信用信息；

服务端2返回信用信息到生产端1。

具体地，在本实施例中，通过生产端1、服务端2、消息中间件3以及缓存端4组成了信用分评估系统，可采用个人计算机、手机、平板电脑以及服务器等电子设备实现，本发明并不以此为限。但是生产端1主要用于数据的采集、数据的预处理和结果的展示，因此本实施例采用个人计算机、手机和平板电脑等小型设备作为生产端1；消息中间件3包括但不限于卡夫卡、Rabbit等消息队列，消息中间件3与服务端2由于计算量和数据流通常较大，因此本实施例基于服务器或服务器集群实现；缓存端4需要存储大量计算规则，可选用个人计算机或服务器等体量中等偏大的电子设备，本实施例基于redis缓存以键-值形式对计算规则进行存储。生产端1在采集到用户数据之后，首先对用户数据进行预处理，并将预处理的相关信息存入数据库中，主要包括根据数据类型对其打标签、去重、去除无效数据等，例如：将数据分类为友好行为、多合同计算、实名、授权、租约情况、负面记录、黑名单等。之后将标签信息存入数据库中。然后生产端1将采集的全部用户数据发送至消息中间件3，以便于服务端2从消息中间件3中读取用户数据。为了提高用户信用信息生成的灵活性，如图3所示，本实施例预先创建多个场景模型，每个场景模型对应不同的信用计算规则、不同的用户数据和不同的规则系数。用户的场景模型可以随着各个场景的业务更迭灵活地调整其中描述的规则，新增的规则直接发送至缓存端4以供调用，无需对旧规则进行修改。每个规则均由规则库中的泛化规则和具体的配置(标签、分值、权重)来确定。根据该规则和用户数据可以计算出该用户的具体的信用分值，本实施例将信用分值作为信用信息表征用户的信用好坏。针对用户的评估场景发生变换的情况，例如：某个用户的信用欠佳，该用户在购房场景的信用评分较低，从而限制该用户的购房行为。但是以当前信用分限制该用户使用小额借贷进行购物的行为是不合理的，因此需要重新针对其他场景对该用户进行信用评估。本实施例预先对多个应用场景设置对应的场景模型，从而在用户的支付业务场景发生变换时，及时切换对应模型进行计算，得到用户在不同的模型下对应的评分分值，使得用户的信用评分更加快速、灵活。

基于此，生产端1将当前的信用评估场景与预设的场景模型进行匹配，得到相似度最高的模型信息，再将模型信息发送至消息中间件3。此外生产端1还在初次计算时获取全部计算规则，并将计算规则发送至缓存端4，以使服务端2在后续多次计算过程中直接从缓存端4中挑选当前信用评分场景对应的计算规则即可，提高计算效率。

在服务端2从消息中间件3中获取了模型信息、用户数据之后，服务端2根据模型信息的描述从缓存端4的全部计算规则中提取出需要的子计算规则，然后从内部数据库或外部数据库(本实施例采用Apollo(阿波罗)配置中心，Apollo是携程框架部门研发的分布式配置中心，能够集中化管理应用不同环境、不同集群的配置，配置修改后能够实时推送到应用端，并且具备规范的权限、流程治理等特性，适用于微服务配置管理场景)获取计算规则所需的规则系数信息，包括规则系数、数据类型标签等等。例如：在A场景和B场景均用到了规则1，假设规则是c＝ax+b，其中a和b是规则系数，在实际应用中，场景A和场景B对应的规则系数是不同的，因此通过配置中心进行配置，后续规则系数信息也可随时修改，进一步增加灵活性。之后，服务端2将规则系数信息和计算规则按照模型信息的描述进行组合，组成可用于计算的计算公式。最后将用户数据代入计算公式计算即可得到准确的评分结果，返回评分结果至生产端1以通知用户当前场景的信用评分。

请参阅图4，在一个实施方式中，一种信用信息生成方法，步骤S101～S104应用于上述系统实施例中的生产端，步骤S201～205应用于上述系统实施例中的服务端，具体步骤如下：

步骤S101：获取用于计算信用信息的用户数据、计算规则以及模型信息，模型信息用于描述当前信用评估场景所需的计算规则、用户数据以及规则系数信息。

步骤S102：将计算规则发送至缓存端。

步骤S103：将用户数据和模型信息发送至消息中间件。

步骤S201：从消息中间件中读取用户数据和模型信息。

步骤S202：根据模型信息从缓存端的计算规则中选择并提取模型信息对应的子计算规则。

步骤S203：根据模型信息获取对应的规则系数信息。

步骤S204：将子计算规则和规则系数信息组成计算公式，并通过计算公式计算用户数据的信用信息。

步骤S205：将信用信息发送至生产端。

步骤S104：接收服务端返回的信用信息。

具体地，上述方法实施例的具体阐述可参考上述系统实施例的相关描述，在此不再赘述。

具体地，在一实施例中，本发明实施例提供的一种信用评分方法，应用于生产端，还包括如下步骤：

步骤一：将用户数据划分为多份。

步骤二：分别将每份用户数据和模型信息进行打包得到多个数据包，并将多个数据包发送至消息中间件，以使多个服务端分别从消息中间件中读取数据包进行信用信息计算，得到多个信用信息。

步骤三：接收多个服务端返回的多个信用信息，并将多个信用信息进行汇总得到总信用信息。

具体地，在本实施例中，通过将用户数据分批次拆分，然后将拆分的每一份用户数据与模型信息一起打包，发送到消息中间件。从而利用多个服务端分别从消息中间件中读取数据包，再进行并行计算。相比单一服务端的计算速度相比，基于“分而治之”的思想构建服务端集群，从而大幅度提高用户信用评分的计算效率。当数据量更多时，添加服务端的数量即可，无需对整体系统进行重新构造和升级，提高了系统维护和升级的便利性。

具体地，在一实施例中，当模型信息表征租房场景时，用户数据包括身份信息、履约信息、行为信息、外部信用和综合评价信息，其中身份信息至少包括授权认证、实名认证、工作信息和学历信息中的一种，履约信息包括用户历史租房履约和解约记录，行为信息用于表征用户的违约行为，外部信用基于用户的社会违法记录和招聘记录生成，综合评价信息至少包括用户保洁、搬家、维修和生活缴费次数中的一种。

具体地，在本实施例中，针对租房场景这一特殊场景，以更有针对性的数据进行具体地信用分值计算，从而进一步提高了信用分评估的准确性。分数由身份信息，履约信息，行为信息，外部信用，综合评价信息五个维度构成，分数区间0～980分。页面显示分数区间，最高分1000分，若分数超过1000分，则页面显示1000分；最低分149分，若分数低于149分，后台记录真实分数，页面显示149分，直至用户分数超过149，则页面显示真实分数。身份信息至少包括授权认证、实名认证、工作信息和学历信息中的一种，为了更加准确的衡量用户的信用，在本实施例中上述信息均参与计算，例如：软件得到用户的授权认证加100分，用户完成实名认证加100分，用户完善工作信息和学历信息各加25分。履约信息主要有履约及解约构成，每月房租履约赋分15分，若用户正常交款且完成本月租住则进行赋分。在行为信息中，若用户已经被后台添加至黑名单，分数调整至固定分数，例如分数直接扣至299分并不再更新，若用户在预设时间内的违约记录没有处理，可按照一条有效扣100分，二条有效扣200分，三条有效添加至黑名单，分数直接扣至299分并不再更新。外部信用包含社会治安、招聘记录，本实施例基于领英和脉脉两个应用的数据作为参考标准。例如：若用户没有违法乱纪行为则社会治安维度加100分，领英和脉脉没有不良记录则各加10分。最后通过用户保洁、搬家、维修的次数和生活缴费次数对总分进行小分数调整。在本实施例中，当用户租住时长大于预设时长时，信用分值以固定间隔在每月进行更新。例如当用户租住36月时，其信用分值通常已经达到750分以上，此时按照每月增加1分的规则进行分数更新，不再按照原有积分规则进行分数更新。通过上述计算步骤，将得到的信用分值作为表征用户信用的信息信息，提供了用户信用评估的准确度。

具体地，在一实施例中，上述步骤S204，具体包括如下步骤：

步骤四：将用户数据分批次划分，并从线程池中调用多个线程分别对划分后的用户数据利用计算公式进行并行计算，得到多个子计算结果。

步骤五：当所有线程计算结束时将多个子计算结果进行打包得到信用信息。

具体地，在本实施例中，各个服务端内部设有线程池，当接收到用户数据和模型信息后，再从线程池中调取多个线程，对用户数据进一步进行拆分和信用分值的计算，从而进一步提高了信用信息的生成效率。

通过上述步骤，本申请提供的技术方案，首先通过生产端获取表征用户各方面信息的用户数据、针对各类应用场景的全部计算规则以及用户在当前信用评估场景下对应预设的模型信息。生产端将用户数据和模型信息发送至消息中间件，以使服务端从消息中间件中读取相关数据，生产端将全部计算规则发送至缓存端，便于服务端后续随时从缓存端中提取需要的计算规则，避免每次计算均发送计算规则的步骤，提高计算效率。服务端从消息中间件中读取了当前的模型信息和用户数据后，根据模型信息内规定的计算规则，从缓存端的全部计算规则中提取需要的子计算规则，并从外部数据库或内部数据库获取子计算规则对应的规则系数信息，然后将规则系数信息和对应的子计算规则组成计算公式，服务端根据模型信息的预设规定，从用户数据中找出参与计算的部分数据输入到计算公式中，从而得到当前评分场景下的用户信用评分(即信用信息)。当用户的信用评分场景发生变更时，直接切换对应的模型即可快速进行信用的重新评估。当某个信用评分场景的信用评估手段发生变更时，直接对模型信息的描述语句进行调整即可。从而实现了各个支付场景均可以快速进行具体地评分流程，提高了用户信用评分的灵活性。

如图5所示，本实施例还提供了一种信用信息生成装置，应用于生产端，该装置包括：

信息采集模块101，用于获取用于计算信用信息的用户数据、计算规则以及模型信息，模型信息用于描述当前信用评估场景所需的计算规则、用户数据以及规则系数信息。详细内容参见上述方法实施例中步骤S101的相关描述，在此不再进行赘述。

第一发送模块102，用于将获取的计算规则发送至缓存端。详细内容参见上述方法实施例中步骤S102的相关描述，在此不再进行赘述。

第二发送模块103，用于将用户数据和模型信息发送至消息中间件，以使服务端从消息中间件中读取用户数据和模型信息，并使服务端获取与模型信息对应的子计算规则和规则系数信息，之后通过子计算规则和规则系数信息组成的计算公式计算用户数据的信用信息，子计算规则是服务端从缓存端的计算规则中选择并提取的。详细内容参见上述方法实施例中步骤S103的相关描述，在此不再进行赘述。

接收模块104，用于接收服务端返回的信用信息。详细内容参见上述方法实施例中步骤S104的相关描述，在此不再进行赘述。

如图6所示，本实施例还提供了一种信用信息生成装置，应用于服务端，该装置包括：

第一读取模块201，用于从消息中间件中读取用户数据和模型信息，用户数据和模型信息由生产端获取并发送至消息中间件，模型信息用于描述当前信用评估场景所需的计算规则、用户数据以及规则系数信息。详细内容参见上述方法实施例中步骤S201的相关描述，在此不再进行赘述。

第二读取模块202，用于根据模型信息从缓存端的计算规则中选择并提取模型信息对应的子计算规则，计算规则由生产端获取并发送至缓存端。详细内容参见上述方法实施例中步骤S202的相关描述，在此不再进行赘述。

第三读取模块203，用于根据模型信息获取对应的规则系数信息。详细内容参见上述方法实施例中步骤S203的相关描述，在此不再进行赘述。

计算模块204，用于将子计算规则和规则系数信息组成计算公式，并通过计算公式计算用户数据的信用信息。详细内容参见上述方法实施例中步骤S204的相关描述，在此不再进行赘述。

反馈模块205，用于将信用信息发送至生产端。详细内容参见上述方法实施例中步骤S205的相关描述，在此不再进行赘述。

本发明实施例提供的一种信用评分装置，用于执行上述实施例提供的一种信用评分方法，其实现方式与原理相同，详细内容参见上述方法实施例的相关描述，不再赘述。

通过上述各个组成部分的协同合作，

本申请提供的技术方案，首先通过生产端获取表征用户各方面信息的用户数据、针对各类应用场景的全部计算规则以及用户在当前信用评估场景下对应预设的模型信息。生产端将用户数据和模型信息发送至消息中间件，以使服务端从消息中间件中读取相关数据，生产端将全部计算规则发送至缓存端，便于服务端后续随时从缓存端中提取需要的计算规则，避免每次计算均发送计算规则的步骤，提高计算效率。服务端从消息中间件中读取了当前的模型信息和用户数据后，根据模型信息内规定的计算规则，从缓存端的全部计算规则中提取需要的子计算规则，并从外部数据库或内部数据库获取子计算规则对应的规则系数信息，然后将规则系数信息和对应的子计算规则组成计算公式，服务端根据模型信息的预设规定，从用户数据中找出参与计算的部分数据输入到计算公式中，从而得到当前评分场景下的用户信用评分(即信用信息)。当用户的信用评分场景发生变更时，直接切换对应的模型即可快速进行信用的重新评估。当某个信用评分场景的信用评估手段发生变更时，直接对模型信息的描述语句进行调整即可。从而实现了各个支付场景均可以快速进行具体地评分流程，提高了用户信用评分的灵活性。

图7示出了本发明实施例的一种电子设备，该设备包括处理器901和存储器902，可以通过总线或者其他方式连接，图7中以通过总线连接为例。

处理器901可以为中央处理器(Central Processing Unit，CPU)。处理器901还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(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、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器902作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如上述方法实施例中的方法所对应的程序指令/模块。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的方法。

存储器902可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器901所创建的数据等。此外，存储器902可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至处理器901。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个模块存储在存储器902中，当被处理器901执行时，执行上述方法实施例中的方法。

上述电子设备具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解，此处不再赘述。

本领域技术人员可以理解，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，实现的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，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种信用信息生成方法，其特征在于，应用于生产端，所述方法包括：

获取用于计算信用信息的用户数据、计算规则以及模型信息，所述模型信息用于描述当前信用评估场景所需的计算规则、用户数据以及规则系数信息；

将获取的所述计算规则发送至缓存端；

将所述用户数据和所述模型信息发送至消息中间件，以使服务端从所述消息中间件中读取所述用户数据和所述模型信息，并使服务端获取与所述模型信息对应的子计算规则和规则系数信息，之后通过所述子计算规则和所述规则系数信息组成的计算公式计算所述用户数据的信用信息，所述子计算规则是所述服务端从所述缓存端的计算规则中选择并提取的；

接收所述服务端返回的所述信用信息。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述用户数据划分为多份；

分别将每份用户数据和所述模型信息进行打包得到多个数据包，并将所述多个数据包发送至所述消息中间件，以使多个服务端分别从所述消息中间件中读取数据包进行信用信息计算，得到多个信用信息；

接收多个服务端返回的所述多个信用信息，并将所述多个信用信息进行汇总得到总信用信息。

3.一种信用信息生成方法，其特征在于，应用于服务端，所述方法包括：

从消息中间件中读取用户数据和模型信息，所述用户数据和模型信息由生产端获取并发送至所述消息中间件，所述模型信息用于描述当前信用评估场景所需的计算规则、用户数据以及规则系数信息；

根据所述模型信息从缓存端的计算规则中选择并提取所述模型信息对应的子计算规则，所述计算规则由所述生产端获取并发送至所述缓存端；

根据所述模型信息获取对应的规则系数信息；

将所述子计算规则和所述规则系数信息组成计算公式，并通过所述计算公式计算所述用户数据的信用信息；

将所述信用信息发送至所述生产端。

4.根据权利要求3所述的方法，其特征在于，当所述模型信息表征租房场景时，所述用户数据包括身份信息、履约信息、行为信息、外部信用和综合评价信息，其中所述身份信息至少包括授权认证、实名认证、工作信息和学历信息中的一种，所述履约信息包括用户历史租房履约和解约记录，所述行为信息用于表征用户的违约行为，所述外部信用基于用户的社会违法记录和招聘记录生成，所述综合评价信息至少包括用户保洁、搬家、维修和生活缴费次数中的一种。

5.根据权利要求3或4所述的方法，其特征在于，所述通过所述计算公式计算所述用户数据的信用信息，包括：

将所述用户数据分批次划分，并从线程池中调用多个线程分别对划分后的用户数据利用所述计算公式进行并行计算，得到多个子计算结果；

当所有线程计算结束时将所述多个子计算结果进行打包得到所述信用信息。

6.一种信用信息生成装置，其特征在于，应用于生产端，所述装置包括：

信息采集模块，用于获取用于计算信用信息的用户数据、计算规则以及模型信息，所述模型信息用于描述当前信用评估场景所需的计算规则、用户数据以及规则系数信息；

第一发送模块，用于将获取的所述计算规则发送至缓存端；

第二发送模块，用于将所述用户数据和所述模型信息发送至消息中间件，以使服务端从所述消息中间件中读取所述用户数据和所述模型信息，并使服务端获取与所述模型信息对应的子计算规则和规则系数信息，之后通过所述子计算规则和所述规则系数信息组成的计算公式计算所述用户数据的信用信息，所述子计算规则是所述服务端从所述缓存端的计算规则中选择并提取的；

接收模块，用于接收所述服务端返回的所述信用信息。

7.一种信用信息生成装置，其特征在于，应用于服务端，所述装置包括：

第一读取模块，用于从消息中间件中读取用户数据和模型信息，所述用户数据和模型信息由生产端获取并发送至所述消息中间件，所述模型信息用于描述当前信用评估场景所需的计算规则、用户数据以及规则系数信息；

第二读取模块，用于根据所述模型信息从缓存端的计算规则中选择并提取所述模型信息对应的子计算规则，所述计算规则由所述生产端获取并发送至所述缓存端；

第三读取模块，用于根据所述模型信息获取对应的规则系数信息；

计算模块，用于将所述子计算规则和所述规则系数信息组成计算公式，并通过所述计算公式计算所述用户数据的信用信息；

反馈模块，用于将所述信用信息发送至所述生产端。

8.一种信用信息生成系统，其特征在于，包括生产端、服务端、消息中间件和缓存端，其中：

所述生产端获取用于计算信用信息的用户数据、计算规则以及模型信息，所述模型信息用于描述当前信用评估场景所需的计算规则、用户数据以及规则系数信息；

所述生产端将所述计算规则发送至所述缓存端；

所述生产端将所述用户数据和所述模型信息发送至消息中间件；

所述服务端从所述消息中间件中读取所述用户数据和所述模型信息，并从所述缓存端获取所述模型信息对应的子计算规则，之后获取与所述模型信息对应的规则系数信息；

所述服务端通过所述子计算规则和所述规则系数信息组成的计算公式计算所述用户数据的信用信息；

所述服务端返回所述信用信息到所述生产端。

9.一种电子设备，其特征在于，包括：

存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1-2或3-5任一项所述的方法。

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指令，所述计算机指令用于使所述计算机从而执行如权利要求1-2或3-5任一项所述的方法。

Images