CN115759733A - 基于业务事件的用户违约风险确定方法、装置、介质及设备 - Google Patents
基于业务事件的用户违约风险确定方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN115759733A CN115759733A CN202211277141.9A CN202211277141A CN115759733A CN 115759733 A CN115759733 A CN 115759733A CN 202211277141 A CN202211277141 A CN 202211277141A CN 115759733 A CN115759733 A CN 115759733A
- Authority
- CN
- China
- Prior art keywords
- user
- application information
- determining
- target
- service
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 164
- 238000012550 audit Methods 0.000 claims description 35
- 230000002159 abnormal effect Effects 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000012502 risk assessment Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种基于业务事件的用户违约风险确定方法、装置、介质及设备，以避免由于用户个人信息有限或者用户个人信息的真实性较低而导致的风险评估的准确性较低的问题，提高了确定用户违约风险的准确性。该方法包括：获取待审核用户在不同业务流程审核节点的业务申请信息；根据所述不同业务流程审核节点的业务申请信息，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本；根据所述目标人群样本中的业务申请信息，确定针对所述待审核用户在多个所述不同业务流程审核节点对应的风险特征；将多个所述不同业务流程审核节点对应的风险特征输入预先训练的风险确定模型中，得到针对所述待审核用户的风险确定结果。
Description
技术领域
本公开涉及计算机技术领域，具体地，涉及一种基于业务事件的用户违约风险确定方法、装置、介质及设备。
背景技术
目前，租赁行业对于用户的业务申请，通常需要判断在向用户融资后超期还款的违约风险。相关技术中，用户填写的信息中满足异常事件的信息指定为预警指标，例如用户业务量在一定时间内增加超过50％，同类型的用户群体在短时间内同时申请。根据经验设定异常事件组，导致评估风险时的维度较为单一，而且用户可以轻松的从网上获取各种教程，或者根据中介的帮助将异常事件包装变成非异常事件，导致确定用户违约还款的风险评估准确性较低。
发明内容
本公开的目的是提供一种基于业务事件的用户违约风险确定方法、装置、介质及设备，以提高用户风险评估的准确性。
为了实现上述目的，本公开实施例的第一方面，提供一种基于业务事件的用户违约风险确定方法，所述方法包括：
获取待审核用户在不同业务流程审核节点的业务申请信息；
根据所述不同业务流程审核节点的业务申请信息，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本；
根据所述目标人群样本中的业务申请信息，确定针对所述待审核用户在多个所述不同业务流程审核节点对应的风险特征；
将多个所述不同业务流程审核节点对应的风险特征输入预先训练的风险确定模型中，得到针对所述待审核用户的风险确定结果。
可选地，所述根据所述不同业务流程审核节点的业务申请信息，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本，包括：
确定所述不同业务流程审核节点的业务申请信息对应的时间节点；
将距离各所述时间节点的预设时长内的历史业务申请信息作为目标业务申请信息；
根据各所述时间节点对应的目标业务申请信息以及所述待审核用户在所述不同业务流程审核节点的业务申请信息，确定各所述业务流程审核节点的业务申请信息满足的目标事件类型；
根据所述目标事件类型，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本。
可选地，所述根据各所述时间节点对应的目标业务申请信息以及所述待审核用户在所述不同业务流程审核节点的业务申请信息，确定各所述业务流程审核节点的业务申请信息满足的目标事件类型，包括：
确定各所述时间节点对应的目标业务申请信息对应的标准差；
根据各所述时间节点对应的标准差确定对应该业务流程审核节点中每一预设事件的审核阈值；
根据所述待审核用户在所述不同业务流程审核节点的业务申请信息与所述审核阈值的大小关系，确定各所述业务流程审核节点的业务申请信息满足的目标事件类型。
可选地，所述根据所述目标事件类型，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本，包括：
根据所述目标事件类型，从已知用户风险的历史人群样本中确定满足对应所述业务流程审核节点第一相似度的多个备用人群样本；
将所述多个备用人群样本中第一相似度最大的历史人群样本确定为满足对应该业务流程审核节点相似度的目标人群样本。
可选地，所述根据所述目标事件类型，从已知用户风险的历史人群样本中确定满足对应所述业务流程审核节点第一相似度的多个备用人群样本，包括：
根据不同业务流程审核节点中各所述目标事件类型表征的该目标事件为正常事件或者异常事件，从已知用户风险的历史人群样本中确定所述正常事件或者所述异常事件对应的事件人群样本；
针对历史用户的历史业务申请信息，对各所述事件人群样本分别进行分析，确定历史业务申请信息与待审核用户在对应业务流程审核节点的业务申请信息的第二相似度；
从所述事件人群样本中将所述第二相似度达到第一相似度的多个人群样本确定为满足对应所述业务流程审核节点的所述备用人群样本。
可选地，所述风险确定模型是通过如下方式预先训练得到的：
根据预定的规则库中每一规则的各项指标的值，分别按照误判率、逾期样本概率与未逾期样本概率的比值，将所述规则库中所有规则进行排序；
根据排序结果，从所述规则库中选取出多项规则作为有效规则，组合得到所述有效规则组；
确定所述不同业务流程审核节点对应的历史风险特征对所述有效规则组中每一有效规则的命中结果；
根据所述历史已审核用户对每一所述有效规则的命中结果和预先建立的规则评分模型，确定所述历史已审核用户对应每一有效规则的评分值，所述规则评分模型包括所述有效规则组中各项有效规则分别在被命中和未被命中两种情况下的评分值；
根据多个所述历史风险特征对应所述有效规则组中各项有效规则的评分值，从所述规则库中重新选取出多项规则作为新的有效规则，直到达到预设的收敛条件，得到所述风险确定模型。
可选地，所述业务申请信息包括所述用户的个人申请信息、针对所述个人申请信息的审核信息以及用户在确定所述个人申请信息时的耗费时长。
本公开实施例的第二方面，提供一种基于业务事件的用户违约风险确定装置，所述装置包括：
获取模块，被配置为获取待审核用户在不同业务流程审核节点的业务申请信息；
第一确定模块，被配置为根据所述不同业务流程审核节点的业务申请信息，从已知用户风险的历史人群样本中确定满足每一个业务流程审核节点相似度的目标人群样本；
第二确定模块，被配置为根据所述目标人群样本中的业务申请信息，确定针对所述待审核用户在多个所述不同业务流程审核节点对应的风险特征；
输入模块，被配置为将多个所述不同业务流程审核节点对应的风险特征输入预先训练的风险确定模型中，得到针对所述待审核用户的风险确定结果。
可选地，所述第一确定模块，被配置为：
确定所述不同业务流程审核节点的业务申请信息对应的时间节点；
将距离各所述时间节点的预设时长内的历史业务申请信息作为目标业务申请信息；
根据各所述时间节点对应的目标业务申请信息以及所述待审核用户在所述不同业务流程审核节点的业务申请信息，确定各所述业务流程审核节点的业务申请信息满足的目标事件类型；
根据所述目标事件类型，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本。
可选地，所述第一确定模块，被配置为：
确定各所述时间节点对应的目标业务申请信息对应的标准差；
根据各所述时间节点对应的标准差确定对应该业务流程审核节点中每一预设事件的审核阈值；
根据所述待审核用户在所述不同业务流程审核节点的业务申请信息与所述审核阈值的大小关系，确定各所述业务流程审核节点的业务申请信息满足的目标事件类型。
可选地，所述第一确定模块，被配置为：
根据所述目标事件类型，从已知用户风险的历史人群样本中确定满足对应所述业务流程审核节点第一相似度的多个备用人群样本；
将所述多个备用人群样本中第一相似度最大的历史人群样本确定为满足对应该业务流程审核节点相似度的目标人群样本。
可选地，所述第一确定模块，被配置为：
根据不同业务流程审核节点中各所述目标事件类型表征的该目标事件为正常事件或者异常事件，从已知用户风险的历史人群样本中确定所述正常事件或者所述异常事件对应的事件人群样本；
针对历史用户的历史业务申请信息，对各所述事件人群样本分别进行分析，确定历史业务申请信息与待审核用户在对应业务流程审核节点的业务申请信息的第二相似度；
从所述事件人群样本中将所述第二相似度达到第一相似度的多个人群样本确定为满足对应所述业务流程审核节点的所述备用人群样本。
可选地，所述风险确定模型是通过如下方式预先训练得到的：
根据预定的规则库中每一规则的各项指标的值，分别按照误判率、逾期样本概率与未逾期样本概率的比值，将所述规则库中所有规则进行排序；
根据排序结果，从所述规则库中选取出多项规则作为有效规则，组合得到所述有效规则组；
确定所述不同业务流程审核节点对应的历史风险特征对所述有效规则组中每一有效规则的命中结果；
根据所述历史已审核用户对每一所述有效规则的命中结果和预先建立的规则评分模型，确定所述历史已审核用户对应每一有效规则的评分值，所述规则评分模型包括所述有效规则组中各项有效规则分别在被命中和未被命中两种情况下的评分值；
根据多个所述历史风险特征对应所述有效规则组中各项有效规则的评分值，从所述规则库中重新选取出多项规则作为新的有效规则，直到达到预设的收敛条件，得到所述风险确定模型。
可选地，所述业务申请信息包括所述用户的个人申请信息、针对所述个人申请信息的审核信息以及用户在确定所述个人申请信息时的耗费时长。
本公开实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面中任一项所述方法的步骤。
本公开实施例的第四方面，提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现第一方面中任一项所述方法的步骤。
通过上述技术方案，通过获取待审核用户在不同业务流程审核节点的业务申请信息；根据所述不同业务流程审核节点的业务申请信息，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本，可以找出与待审核用户在各个业务流程审核节点相似的目标人群样本；根据所述目标人群样本中的业务申请信息，确定针对所述待审核用户在多个所述不同业务流程审核节点对应的风险特征，目标人群样本中的业务申请信息更为丰富和全面，可以通过目标人群样本的业务申请信息对待审核用户的业务申请信息进行补充；将多个所述不同业务流程审核节点对应的风险特征输入预先训练的风险确定模型中，得到针对所述待审核用户的风险确定结果。这样可以避免由于用户个人信息有限或者用户个人信息的真实性较低而导致的风险评估的准确性较低的问题，提高了确定用户风险的准确性。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据本公开一示例性实施例示出的一种业务审批方法的实施场景示意图；
图2是根据本公开一示例性实施例示出的一种基于业务事件的用户违约风险确定方法的流程图；
图3是根据本公开一示例性实施例示出的一种业务流程审核节点网络的示意图；
图4是根据本公开一示例性实施例示出的一种基于业务事件的用户违约风险确定装置的框图；
图5是根据本公开一示例性实施例示出的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
目前，租赁行业对于用户的业务申请，通常需要判断在向用户融资后超期还款的违约风险。相关技术中，应用平台可以根据用户填写的个人信息，并根据填写的个人信息中的多个异常事件判断用户违约和逾期还款风险。但是，在实际应用中，一方面，照顾到用户体验，要求用户填写的信息很少，因此难以获取到丰富的用户个人信息用于判断用户违约和逾期还款概率。另一方面，用户可以从网上获取各种教程和中介的帮助来包装个人信息，因此难以保证用户填写的个人信息的真实性。此外，通常针对用户审核还存在人为审核阶段，在用户违约或者逾期还款风险较高的情况下，可能存在审核人员与用户协商通过审核，导致最终出现烂账或者逾期严重的情况。
有鉴于此，本公开实施例提供一种基于业务事件的用户违约风险确定方法、装置、介质及设备，以避免由于用户个人信息有限或者用户个人信息的真实性较低而导致的违约和逾期还款风险确定准确性较低的问题，以及降低了审核人员与用户协商通过审核的风险，提高了确定用户违约和逾期还款风险的准确性。
首先说明本公开实施例可能的实施场景。参照图1，该实施场景可以包括用户端101(图1中以电脑示意)、审核服务器102和审核终端103。其中，用户端101可以安装贷款申请应用程序、保险申请应用程序等业务应用程序。用户可以在用户端101填写业务申请所需的个人申请信息，用户端101可以向服务器102发送包括用户个人申请信息的业务申请请求。服务器102可以接收用户端101发送的业务申请请求，并从业务类型、业务申请方式、业务区域、以及业务申请的用户类型等不同的维度对用户个人申请信息进行区分，并将区分后需要人工审核的用户个人申请信息下发到对应的审核终端103，以及接收审核终端103针对人工审核的用户个人申请信息上报的审核信息，进而服务器102根据区分后的机器审核的用户个人申请信息、针对人工审核的审核信息以及每个业务流程审核节点的审核所耗费时长进行用户风险确定，以使得能够根据风险确定结果进行业务审批，并将业务审批结果返回给用户端101和审核终端103进行显示。
图2是根据本公开一示例性实施例示出的一种基于业务事件的用户违约风险确定方法的流程图。参照图2，该方法可以应用于图1所示的服务器102，包括：
在步骤S11中，获取待审核用户在不同业务流程审核节点的业务申请信息；
其中，业务流程审核节点是根据用户办理的业务类型进行区分的，例如，根据实际业务流程审核节点的数量进行设置，因此不同业务类型的业务流程审核节点的数量存在不同。
在一种实施方式中，所述业务申请信息包括所述用户的个人申请信息、针对所述个人申请信息的审核信息以及用户在确定所述个人申请信息时的耗费时长。
其中，个人申请信息中除姓名、学历、性别等基础信息外，还可以包括申请事件段、与个人申请信息有关联的业务类型、业务申请方式、业务区域、设备信息以及业务申请的用户类型，例如，业务申请方式可以包括是否存在申请预审；设备信息可以包括手机网络制式、与其他同时间段申请同一业务类型的其他用户的IP地址相似度；业务申请的用户类型可以包括是否存在历史逾期、逾期时间长度以及逾期次数、电话回访中是否回答家庭地址、不同业务流程审核节点处理时的地理位置信息等。业务区域可以是不同业务流程审核节点处理时的地理位置所处的区域、每一次业务流程审核节点处理时的地理位置的相似度。业务类型可以是根据借贷的金额进行划分的。
在步骤S12中，根据所述不同业务流程审核节点的业务申请信息，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本；
本公开实施例中，可以根据k-means算法、协KNN、同过滤算法、欧几里德距离、皮尔逊相关系数、Jaccard系数从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本。
本公开实施例中，可以对不同业务流程审核节点的业务申请信息进行事件拆分，得到业务流程审核节点对应的审核事件；其中，不同的业务流程审核节点对应的审核事件均不同。也就是说，出现在上一个业务流程审核节点的审核事件不会出现在之后的任意业务流程审核节点的审核事件中。
参见图3所示，业务流程审核节点1为最先进行审核的节点，业务流程审核节点1审核完成后进入业务流程审核节点2，业务流程审核节点2审核完成后进入业务流程审核节点3。并且，业务流程审核节点1-3中不会出现重复的审核事件。
在一种实施方式中，可以根据个人申请信息对业务流程审核节点中的事件进行区分，例如，可以根据是否存在逾期、逾期频率、预设历史时间段内逾期的次数以及逾期金额总数对业务流程审核节点中的事件进行区分。例如，在用户未出现逾期的情况下，可以将业务流程审核节点1判断是否存在逾期，若待审核用户不存在逾期，则业务流程审核节点2中可以包括申请机器评分和是否已回答家庭地址；若待审核用户存在逾期，则业务流程审核节点2中可以包括一次审核人工通话时长。
在步骤S13中，根据所述目标人群样本中的业务申请信息，确定针对所述待审核用户在多个所述不同业务流程审核节点对应的风险特征；
其中，目标人群样本中的用户具有与该待审核用户相同的或者相似的业务申请信息。例如，目标人群样本和待审核用户均在近7日在业务流程审核节点中具有相同业务申请信息或者业务申请信息相似度达到预设阈值。
本公开中，风险特征可以是例如逾期率、违约概率值等。也就是说，在每一个业务流程审核节点均可以根据与待审核用户相似或者相同的目标人群样本确定到一个或者多个风险特征。
在步骤S14中，将多个所述不同业务流程审核节点对应的风险特征输入预先训练的风险确定模型中，得到针对所述待审核用户的风险确定结果。
本公开实施例中，风险确定模型可以是根据逻辑回归构建的，也可以是通过分类构建的。
上述技术方案通过获取待审核用户在不同业务流程审核节点的业务申请信息；根据所述不同业务流程审核节点的业务申请信息，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本，可以找出与待审核用户在各个业务流程审核节点相似的目标人群样本；根据所述目标人群样本中的业务申请信息，确定针对所述待审核用户在多个所述不同业务流程审核节点对应的风险特征，目标人群样本中的业务申请信息更为丰富和全面，可以通过目标人群样本的业务申请信息对待审核用户的业务申请信息进行补充；将多个所述不同业务流程审核节点对应的风险特征输入预先训练的风险确定模型中，得到针对所述待审核用户的风险确定结果。这样可以避免由于用户个人信息有限或者用户个人信息的真实性较低而导致的风险评估的准确性较低的问题，提高了确定用户风险的准确性。
可选地，所述根据所述不同业务流程审核节点的业务申请信息，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本，包括：
确定所述不同业务流程审核节点的业务申请信息对应的时间节点；
本公开实施例中，时间节点可以是获取到待审核用户在不同业务流程审核节点的业务申请信息的时间节点，示例地，在2020年1月1号9:00接收到用户的个人申请信息，可以将2020年1月1号9:00作为业务流程审核节点1的时间节点，在2020年1月1号11:00接收到一次审核人工通话时长，可以把2020年1月1号11:00作为业务流程审核节点2的时间节点。
也可以是按照预设时间段，在达到预设时间段的情况下，将此时的时间节点作为不同业务流程审核节点的业务申请信息对应的时间节点。示例地，在2020年1月1号9:00接收到用户的个人申请信息，而9:00-10:00为一个预设时间段，可以将2020年1月1号10:00作为在9:00-10:00的所有待审核用户在业务流程审核节点1的时间节点，同理，在2020年1月1号11:00接收到一次审核通过，而10:00-11:00为一个预设时间段，可以把2020年1月1号11:00作为在10:00-11:00的所有接收到一次审核人工通话时长的待审核用户在业务流程审核节点2的时间节点。
在另一种实施例中，可以将一天设置为一个时间节点，即将2020年1月1号作为所有在当天获取的用户申请信息对应的待审核用户的业务流程审核节点1的时间节点。这样可以按天确定时间节点。
将距离各所述时间节点的预设时长内的历史业务申请信息作为目标业务申请信息；
预设时长可以根据相关业务类型的业务量进行选择，例如，在月平均业务量达到第一预设阈值的情况下，可以将预设时长设置为3个月；在月平均业务量小于第一预设阈值且大于第二预设阈值的情况下，可以将预设时长设置为6个月；在月平均业务量小于第二预设阈值且大于第三预设阈值的情况下，可以将预设时长设置为9个月。
可以理解的是，不同业务流程审核节点的预设时长可以是不同的。例如，业务流程审核节点1的预设时长可以是3个月，业务流程审核节点2的预设时长可以是6个月，业务流程审核节点3的预设时长可以是9个月。
根据各所述时间节点对应的目标业务申请信息以及所述待审核用户在所述不同业务流程审核节点的业务申请信息，确定各所述业务流程审核节点的业务申请信息满足的目标事件类型；
可选地，在步骤所述根据各所述时间节点对应的目标业务申请信息以及所述待审核用户在所述不同业务流程审核节点的业务申请信息，确定各所述业务流程审核节点的业务申请信息满足的目标事件类型，包括：
确定各所述时间节点对应的目标业务申请信息对应的标准差；
沿用上述实施例进行说明，针对业务流程审核节点1计算对应预设时长3个月的目标业务申请信息对应的标准差；针对业务流程审核节点2计算对应预设时长6个月的目标业务申请信息对应的标准差；针对业务流程审核节点3计算对应预设时长9个月的目标业务申请信息对应的标准差。
其中，可以通过如下公式计算各所述时间节点对应的目标业务申请信息对应的标准差S：
其中，n为该时间节点中业务申请信息的数量，
为该时间节点中所有业务申请信息的均值，xi为该时间节点中第i个业务申请信息的取值。
根据各所述时间节点对应的标准差确定对应该业务流程审核节点中每一预设事件的审核阈值；
例如，可以将标准差的2倍或者3倍作为相应预设事件的审核阈值。具体地，可以按照业务申请信息的正态分布确定将几倍的标准差作为相应预设事件的审核阈值。
根据所述待审核用户在所述不同业务流程审核节点的业务申请信息与所述审核阈值的大小关系，确定各所述业务流程审核节点的业务申请信息满足的目标事件类型。
举例来说，针对申请时间节点男女性别比例的审核阈值，可以将3个月内的每一天的作为业务申请信息，进而计算3个月内男女性别比例的标准差，进而将标准差的2倍作为审核阈值，进而根据当前时间节点对应的男女性别比例确定待审核用户对应的事件7是不是为异常事件。
沿用上述实施例进行说明，若当前时间节点对应的男女性别比例大于3个月内男女性别比例的标准差的2倍，则可以确定针对待审核用户的男女性别比例事件为异常事件；若当前时间节点对应的男女性别比例不大于3个月内男女性别比例的标准差的2倍，则可以确定针对待审核用户的男女性别比例事件为正常事件。
其他业务申请信息对应的目标事件同理，此处不再赘述。
根据所述目标事件类型，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本。
可选地，所述根据所述目标事件类型，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本，包括：
根据所述目标事件类型，从已知用户风险的历史人群样本中确定满足对应所述业务流程审核节点第一相似度的多个备用人群样本；
可选地，所述根据所述目标事件类型，从已知用户风险的历史人群样本中确定满足对应所述业务流程审核节点第一相似度的多个备用人群样本，包括：
根据不同业务流程审核节点中各所述目标事件类型表征的该目标事件为正常事件或者异常事件，从已知用户风险的历史人群样本中确定所述正常事件或者所述异常事件对应的事件人群样本；
示例地，在业务流程审核节点中各所述目标事件类型表征的该目标事件为正常事件的情况下，从正常事件对应的历史人群样本中确定所述正常事件对应的事件人群样本；在业务流程审核节点中各所述目标事件类型表征的该目标事件为异常事件的情况下，从异常事件对应的历史人群样本中确定所述异常事件对应的事件人群样本。
举例来说，若当前时间节点对应的男女性别比例大于3个月内男女性别比例的标准差的2倍，则可以确定男女性别比例这一预设事件为异常事件，则从已知用户风险的历史人群样本中将男女性别比例异常的事件对应的人群样本作为对应的事件人群样本。
值得说明的是，已知用户风险的历史人群样本中异常男女性别比例事件的男女性别比例不一定是大于3个月内男女性别比例的标准差的2倍，可以是大于标准差的3倍，这一具体特征是根据当时的时间节点的历史业务申请信息确定的，与当前业务申请信息的历史业务申请信息无关。
针对历史用户的历史业务申请信息，对各所述事件人群样本分别进行分析，确定历史业务申请信息与待审核用户在对应业务流程审核节点的业务申请信息的第二相似度；
从所述事件人群样本中将所述第二相似度达到第一相似度的多个人群样本确定为满足对应所述业务流程审核节点的所述备用人群样本。
将所述多个备用人群样本中第一相似度最大的历史人群样本确定为满足对应该业务流程审核节点相似度的目标人群样本。
这里，不仅对正常事件对应的历史业务申请信息进行分析，也对异常时间对应的历史业务申请信息进行分析，不仅可以根据历史业务申请，对用户进行风险确定，而且即使为正常事件，也可以根据正常事件中出现的违约或者逾期事件，确定待审核用户的风险结果，提高确定风险的准确性。
可选地，所述风险确定模型是通过如下方式预先训练得到的：
根据预定的规则库中每一规则的各项指标的值，分别按照误判率、逾期样本概率与未逾期样本概率的比值，将所述规则库中所有规则进行排序；
示例地，将误判率从小到大、逾期样本概率与未逾期样本概率的比值从小到大分别进行排序。
根据排序结果，从所述规则库中选取出多项规则作为有效规则，组合得到所述有效规则组；
例如，可对不同的指标设定不同的权重，例如可以对误判率和逾期样本概率与未逾期样本概率的比值分别设定不同的权重，针对每一规则，根据该规则在各个指标下的排序结果以及各指标的权重确定该规则的贡献度，其中，规则的贡献度越大，表明该规则对于评估用户所起的作用越大；反之，该规则对于评估用户所起的作用越小。进一步地，可以从规则库中选取出贡献度大于设定值的多个规则作为有效规则，也可以将规则库中的规则按照贡献度大小进行排序，根据得到的排序结果选取出多个规则作为有效规则，得到有效规则组。
确定所述不同业务流程审核节点对应的历史风险特征对所述有效规则组中每一有效规则的命中结果；
其中，命中结果用于表征可以是业务流程审核节点对应的历史风险特征对所述有效规则组中每一有效规则的命中概率。
根据所述历史已审核用户对每一所述有效规则的命中结果和预先建立的规则评分模型，确定所述历史已审核用户对应每一有效规则的评分值，所述规则评分模型包括所述有效规则组中各项有效规则分别在被命中和未被命中两种情况下的评分值；
根据多个所述历史风险特征对应所述有效规则组中各项有效规则的评分值，从所述规则库中重新选取出多项规则作为新的有效规则，直到达到预设的收敛条件，得到所述风险确定模型。
本公开中，预设的收敛条件可以是各项有效规则的评分值满足标定的误差范围，或者循环次数达到预设次数。
基于同一发明构思，参照图4，本公开实施例还提供一种基于业务事件的用户违约风险确定装置，参见图4所示，所述装置400包括：
获取模块410，被配置为获取待审核用户在不同业务流程审核节点的业务申请信息；
第一确定模块420，被配置为根据所述不同业务流程审核节点的业务申请信息，从已知用户风险的历史人群样本中确定满足每一个业务流程审核节点相似度的目标人群样本；
第二确定模块430，被配置为根据所述目标人群样本中的业务申请信息，确定针对所述待审核用户在多个所述不同业务流程审核节点对应的风险特征；
输入模块440，被配置为将多个所述不同业务流程审核节点对应的风险特征输入预先训练的风险确定模型中，得到针对所述待审核用户的风险确定结果。
可选地，所述第一确定模块420，被配置为：
确定所述不同业务流程审核节点的业务申请信息对应的时间节点；
将距离各所述时间节点的预设时长内的历史业务申请信息作为目标业务申请信息；
根据各所述时间节点对应的目标业务申请信息以及所述待审核用户在所述不同业务流程审核节点的业务申请信息，确定各所述业务流程审核节点的业务申请信息满足的目标事件类型；
根据所述目标事件类型，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本。
可选地，所述第一确定模块420，被配置为：
确定各所述时间节点对应的目标业务申请信息对应的标准差；
根据各所述时间节点对应的标准差确定对应该业务流程审核节点中每一预设事件的审核阈值；
根据所述待审核用户在所述不同业务流程审核节点的业务申请信息与所述审核阈值的大小关系，确定各所述业务流程审核节点的业务申请信息满足的目标事件类型。
可选地，所述第一确定模块420，被配置为：
根据所述目标事件类型，从已知用户风险的历史人群样本中确定满足对应所述业务流程审核节点第一相似度的多个备用人群样本；
将所述多个备用人群样本中第一相似度最大的历史人群样本确定为满足对应该业务流程审核节点相似度的目标人群样本。
可选地，所述第一确定模块420，被配置为：
根据不同业务流程审核节点中各所述目标事件类型表征的该目标事件为正常事件或者异常事件，从已知用户风险的历史人群样本中确定所述正常事件或者所述异常事件对应的事件人群样本；
针对历史用户的历史业务申请信息，对各所述事件人群样本分别进行分析，确定历史业务申请信息与待审核用户在对应业务流程审核节点的业务申请信息的第二相似度；
从所述事件人群样本中将所述第二相似度达到第一相似度的多个人群样本确定为满足对应所述业务流程审核节点的所述备用人群样本。
可选地，所述风险确定模型是通过如下方式预先训练得到的：
根据预定的规则库中每一规则的各项指标的值，分别按照误判率、逾期样本概率与未逾期样本概率的比值，将所述规则库中所有规则进行排序；
根据排序结果，从所述规则库中选取出多项规则作为有效规则，组合得到所述有效规则组；
确定所述不同业务流程审核节点对应的历史风险特征对所述有效规则组中每一有效规则的命中结果；
根据所述历史已审核用户对每一所述有效规则的命中结果和预先建立的规则评分模型，确定所述历史已审核用户对应每一有效规则的评分值，所述规则评分模型包括所述有效规则组中各项有效规则分别在被命中和未被命中两种情况下的评分值；
根据多个所述历史风险特征对应所述有效规则组中各项有效规则的评分值，从所述规则库中重新选取出多项规则作为新的有效规则，直到达到预设的收敛条件，得到所述风险确定模型。
可选地，所述业务申请信息包括所述用户的个人申请信息、针对所述个人申请信息的审核信息以及用户在确定所述个人申请信息时的耗费时长。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述实施例中任一项所述方法的步骤。
本公开实施例还提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现前述实施例中任一项所述方法的步骤。
在可能的方式中，该电子设备的框图如图5所示。参照图5，电子设备500可以被提供为一服务器。参照图5，电子设备500包括处理器522，其数量可以为一个或多个，以及存储器532，用于存储可由处理器522执行的计算机程序。存储器532中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器522可以被配置为执行该计算机程序，以执行上述基于业务事件的用户违约风险确定方法。
另外，电子设备500还可以包括电源组件526和通信组件550，该电源组件526可以被配置为执行电子设备500的电源管理，该通信组件550可以被配置为实现电子设备500的通信，例如，有线或无线通信。此外，该电子设备500还可以包括输入/输出(I/O)接口558。电子设备500可以操作基于存储在存储器532的操作系统，例如Windows ServerTM，Mac OSXTM，UnixTM，LinuxTM等等。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述基于业务事件的用户违约风险确定方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器532，上述程序指令可由电子设备500的处理器522执行以完成上述基于业务事件的用户违约风险确定方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述基于业务事件的用户违约风险确定方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。
Claims (10)
1.一种基于业务事件的用户违约风险确定方法，其特征在于，所述方法包括：
获取待审核用户在不同业务流程审核节点的业务申请信息；
根据所述不同业务流程审核节点的业务申请信息，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本；
根据所述目标人群样本中的业务申请信息，确定针对所述待审核用户在多个所述不同业务流程审核节点对应的风险特征；
将多个所述不同业务流程审核节点对应的风险特征输入预先训练的风险确定模型中，得到针对所述待审核用户的风险确定结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述不同业务流程审核节点的业务申请信息，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本，包括：
确定所述不同业务流程审核节点的业务申请信息对应的时间节点；
将距离各所述时间节点的预设时长内的历史业务申请信息作为目标业务申请信息；
根据各所述时间节点对应的目标业务申请信息以及所述待审核用户在所述不同业务流程审核节点的业务申请信息，确定各所述业务流程审核节点的业务申请信息满足的目标事件类型；
根据所述目标事件类型，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本。
3.根据权利要求2所述的方法，其特征在于，所述根据各所述时间节点对应的目标业务申请信息以及所述待审核用户在所述不同业务流程审核节点的业务申请信息，确定各所述业务流程审核节点的业务申请信息满足的目标事件类型，包括：
确定各所述时间节点对应的目标业务申请信息对应的标准差；
根据各所述时间节点对应的标准差确定对应该业务流程审核节点中每一预设事件的审核阈值；
根据所述待审核用户在所述不同业务流程审核节点的业务申请信息与所述审核阈值的大小关系，确定各所述业务流程审核节点的业务申请信息满足的目标事件类型。
4.根据权利要求2所述的方法，其特征在于，所述根据所述目标事件类型，从已知用户风险的历史人群样本中确定满足对应业务流程审核节点相似度的目标人群样本，包括：
根据所述目标事件类型，从已知用户风险的历史人群样本中确定满足对应所述业务流程审核节点第一相似度的多个备用人群样本；
将所述多个备用人群样本中第一相似度最大的历史人群样本确定为满足对应该业务流程审核节点相似度的目标人群样本。
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标事件类型，从已知用户风险的历史人群样本中确定满足对应所述业务流程审核节点第一相似度的多个备用人群样本，包括：
根据不同业务流程审核节点中各所述目标事件类型表征的该目标事件为正常事件或者异常事件，从已知用户风险的历史人群样本中确定所述正常事件或者所述异常事件对应的事件人群样本；
针对历史用户的历史业务申请信息，对各所述事件人群样本分别进行分析，确定历史业务申请信息与待审核用户在对应业务流程审核节点的业务申请信息的第二相似度；
从所述事件人群样本中将所述第二相似度达到第一相似度的多个人群样本确定为满足对应所述业务流程审核节点的所述备用人群样本。
6.根据权利要求1所述的方法，其特征在于，所述风险确定模型是通过如下方式预先训练得到的：
根据预定的规则库中每一规则的各项指标的值，分别按照误判率、逾期样本概率与未逾期样本概率的比值，将所述规则库中所有规则进行排序；
根据排序结果，从所述规则库中选取出多项规则作为有效规则，组合得到有效规则组；
确定所述不同业务流程审核节点对应的历史风险特征对所述有效规则组中每一有效规则的命中结果；
根据历史已审核用户对每一所述有效规则的命中结果和预先建立的规则评分模型，确定所述历史已审核用户对应每一有效规则的评分值，所述规则评分模型包括所述有效规则组中各项有效规则分别在被命中和未被命中两种情况下的评分值；
根据多个所述历史风险特征对应所述有效规则组中各项有效规则的评分值，从所述规则库中重新选取出多项规则作为新的有效规则，直到达到预设的收敛条件，得到所述风险确定模型。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述业务申请信息包括所述用户的个人申请信息、针对所述个人申请信息的审核信息以及用户在确定所述个人申请信息时的耗费时长。
8.一种基于业务事件的用户违约风险确定装置，其特征在于，所述装置包括：
获取模块，被配置为获取待审核用户在不同业务流程审核节点的业务申请信息；
第一确定模块，被配置为根据所述不同业务流程审核节点的业务申请信息，从已知用户风险的历史人群样本中确定满足每一个业务流程审核节点相似度的目标人群样本；
第二确定模块，被配置为根据所述目标人群样本中的业务申请信息，确定针对所述待审核用户在多个所述不同业务流程审核节点对应的风险特征；
输入模块，被配置为将多个所述不同业务流程审核节点对应的风险特征输入预先训练的风险确定模型中，得到针对所述待审核用户的风险确定结果。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211277141.9A CN115759733B (zh) | 2022-10-18 | 2022-10-18 | 基于业务事件的用户违约风险确定方法、装置、介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211277141.9A CN115759733B (zh) | 2022-10-18 | 2022-10-18 | 基于业务事件的用户违约风险确定方法、装置、介质及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115759733A true CN115759733A (zh) | 2023-03-07 |
| CN115759733B CN115759733B (zh) | 2024-05-17 |
Family
ID=85353793
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211277141.9A Active CN115759733B (zh) | 2022-10-18 | 2022-10-18 | 基于业务事件的用户违约风险确定方法、装置、介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115759733B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108876133A (zh) * | 2018-06-07 | 2018-11-23 | 中国平安人寿保险股份有限公司 | 基于业务信息的风险评估处理方法、装置、服务器和介质 |
| CN110493190A (zh) * | 2019-07-15 | 2019-11-22 | 平安科技（深圳）有限公司 | 数据信息的处理方法、装置、计算机设备和存储介质 |
| CN110610412A (zh) * | 2019-09-02 | 2019-12-24 | 深圳中兴飞贷金融科技有限公司 | 信用风险评估方法和装置、存储介质和电子设备 |
| CN111127026A (zh) * | 2019-12-13 | 2020-05-08 | 深圳中兴飞贷金融科技有限公司 | 确定用户欺诈行为的方法、装置、存储介质及电子设备 |
| US20200273046A1 (en) * | 2019-02-26 | 2020-08-27 | Xybion Corporation Inc. | Regulatory compliance assessment and business risk prediction system |
| CN112613974A (zh) * | 2020-12-16 | 2021-04-06 | 平安消费金融有限公司 | 一种风险预警方法、装置、设备及可读存储介质 |
| CN113283982A (zh) * | 2021-06-09 | 2021-08-20 | 中国农业银行股份有限公司 | 信息处理方法、装置、设备、存储介质及程序产品 |
| CN113469807A (zh) * | 2021-08-31 | 2021-10-01 | 阿里云计算有限公司 | 信贷风险确定和数据处理方法、设备、介质及程序产品 |
| CN113505984A (zh) * | 2021-07-07 | 2021-10-15 | 建信金融科技有限责任公司 | 一种风险预警处理方法、装置、电子设备及计算机可读介质 |
| CN113918583A (zh) * | 2021-09-30 | 2022-01-11 | 中电金信软件有限公司 | 一种业务单据中审核节点风险等级的确定方法及确定装置 |
| WO2022134588A1 (zh) * | 2020-12-21 | 2022-06-30 | 深圳壹账通智能科技有限公司 | 信息审核分类模型的构建方法和信息审核方法 |
| CN114943479A (zh) * | 2022-06-24 | 2022-08-26 | 完美世界(北京)软件科技发展有限公司 | 业务事件的风险识别方法、装置、设备及计算机可读介质 |
-
2022
- 2022-10-18 CN CN202211277141.9A patent/CN115759733B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108876133A (zh) * | 2018-06-07 | 2018-11-23 | 中国平安人寿保险股份有限公司 | 基于业务信息的风险评估处理方法、装置、服务器和介质 |
| US20200273046A1 (en) * | 2019-02-26 | 2020-08-27 | Xybion Corporation Inc. | Regulatory compliance assessment and business risk prediction system |
| CN110493190A (zh) * | 2019-07-15 | 2019-11-22 | 平安科技（深圳）有限公司 | 数据信息的处理方法、装置、计算机设备和存储介质 |
| CN110610412A (zh) * | 2019-09-02 | 2019-12-24 | 深圳中兴飞贷金融科技有限公司 | 信用风险评估方法和装置、存储介质和电子设备 |
| CN111127026A (zh) * | 2019-12-13 | 2020-05-08 | 深圳中兴飞贷金融科技有限公司 | 确定用户欺诈行为的方法、装置、存储介质及电子设备 |
| CN112613974A (zh) * | 2020-12-16 | 2021-04-06 | 平安消费金融有限公司 | 一种风险预警方法、装置、设备及可读存储介质 |
| WO2022134588A1 (zh) * | 2020-12-21 | 2022-06-30 | 深圳壹账通智能科技有限公司 | 信息审核分类模型的构建方法和信息审核方法 |
| CN113283982A (zh) * | 2021-06-09 | 2021-08-20 | 中国农业银行股份有限公司 | 信息处理方法、装置、设备、存储介质及程序产品 |
| CN113505984A (zh) * | 2021-07-07 | 2021-10-15 | 建信金融科技有限责任公司 | 一种风险预警处理方法、装置、电子设备及计算机可读介质 |
| CN113469807A (zh) * | 2021-08-31 | 2021-10-01 | 阿里云计算有限公司 | 信贷风险确定和数据处理方法、设备、介质及程序产品 |
| CN113918583A (zh) * | 2021-09-30 | 2022-01-11 | 中电金信软件有限公司 | 一种业务单据中审核节点风险等级的确定方法及确定装置 |
| CN114943479A (zh) * | 2022-06-24 | 2022-08-26 | 完美世界(北京)软件科技发展有限公司 | 业务事件的风险识别方法、装置、设备及计算机可读介质 |
Non-Patent Citations (2)
| Title |
|---|
| LI CUI 等: "Customer Credit Risk Assessment of Pledge by Warehouse Receipts in a Chinese Logistics Enterprise", 《2012 FIFTH INTERNATIONAL CONFERENCE ON BUSINESS INTELLIGENCE AND FINANCIAL ENGINEERING》, 20 September 2012 (2012-09-20), pages 196 - 199 * |
| 李璐: "数据挖掘技术在住房信贷风险防范中的应用", 《商场现代化》, no. 15, 20 May 2010 (2010-05-20), pages 177 - 178 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115759733B (zh) | 2024-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110610431A (zh) | 基于大数据的智能理赔方法及智能理赔系统 | |
| CN113627566A (zh) | 一种网络诈骗的预警方法、装置和计算机设备 | |
| CN112330474B (zh) | 核保风控监控方法、装置、设备及存储介质 | |
| CN114626744B (zh) | 一种基于科技创新能力的评估方法、系统和可读存储介质 | |
| CN111401905A (zh) | 非正常用户的识别方法、装置、电子设备及存储介质 | |
| CN115203496A (zh) | 基于大数据的项目智能预测及评估方法、系统及可读存储介质 | |
| CN111061948A (zh) | 一种用户标签推荐方法、装置、计算机设备及存储介质 | |
| CN113869700A (zh) | 一种绩效指标预测方法、装置、电子设备和存储介质 | |
| CN112085588A (zh) | 规则模型的安全性的确定方法、装置和数据处理方法 | |
| CN115759733A (zh) | 基于业务事件的用户违约风险确定方法、装置、介质及设备 | |
| CN113673870B (zh) | 一种企业数据分析方法及相关组件 | |
| CN116627781A (zh) | 目标模型验证方法以及装置 | |
| CN116739742A (zh) | 信贷风控模型的监控方法、装置、设备及存储介质 | |
| CN110880117A (zh) | 虚假业务识别方法、装置、设备和存储介质 | |
| CN116483670A (zh) | 一种基于用户访问行为的风控方法及装置 | |
| CN111724009A (zh) | 风险评估方法、风控系统及风险评估设备 | |
| CN113517990B (zh) | 一种网络净推荐值nps的预测方法及装置 | |
| CN112468444A (zh) | 不依赖于内容分析的互联网域名滥用识别方法和装置 | |
| CN112598225A (zh) | 评价指标的确定方法及装置、存储介质、电子装置 | |
| CN114819436A (zh) | 一种金融风险的管理方法、装置以及存储介质 | |
| CN111008897A (zh) | 一种基于雷达技术的银行卡拒件导流方法 | |
| CN110766544A (zh) | 信用风险的检测方法及装置、存储介质、电子装置 | |
| CN110162545A (zh) | 基于大数据的信息推送方法、设备、存储介质及装置 | |
| CN113723522B (zh) | 异常用户的识别方法、装置、电子设备以及存储介质 | |
| CN113657675B (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 | ||
| GR01 | Patent grant |