CN116308717A - 核销额度分配方法及装置 - Google Patents
核销额度分配方法及装置 Download PDFInfo
- Publication number
- CN116308717A CN116308717A CN202310342138.9A CN202310342138A CN116308717A CN 116308717 A CN116308717 A CN 116308717A CN 202310342138 A CN202310342138 A CN 202310342138A CN 116308717 A CN116308717 A CN 116308717A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- verified
- cart
- verification
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012795 verification Methods 0.000 claims abstract description 54
- 238000003066 decision tree Methods 0.000 claims abstract description 51
- 230000007246 mechanism Effects 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 230000008520 organization Effects 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000013075 data extraction Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 239000000872 buffer Substances 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007306 turnover Effects 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
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
本申请提供了一种核销额度分配方法及装置,涉及数据智能分析领域,可应用金融领域和其他领域,所述方法包含:获得用户的账务信息,根据所述账务信息通过CART算法提取获得用户特征;根据所述账务信息中的机构数据将所述用户特征按地区划分为多个特征数据集;通过CART分类决策树模型分析所述特征数据集获得各机构的待核销数据;通过所述待核销数据进行各结构的核销额度分配。
Description
技术领域
本申请涉及数据智能分析领域,可应用金融领域和其他领域,尤指一种核销额度分配方法及装置。
背景技术
基于市场和行情的变化,现今部分用户存在资金周转困难的情况,信用卡贷款无法如约还款的情况持续增高,因此对银行来说,出现了很多呆账、坏账;为处理掉这部分呆账坏账,使银行账务良性运转,需要对其进行核销。但现阶段由总行分配到各个分行的呆账核销额度不够智能化,主要是根据各机构上报的呆账数据,统计分析后进行分配;很大程度上取决于分行的上报数据,无法精确掌握各地区分行客户的实际情况。容易导致核销额度的不合理分配,一些分行无法处理完全部呆账,一些分行反而额度过剩。
发明内容
本申请目的在于提供一种销额度分配方法及装置,解决现银行呆账核销流程中,总行分配到各机构核销额度不智能化,导致各机构呆账核销不均衡的问题。
为达上述目的,本申请所提供的核销额度分配方法,具体包含:获得用户的账务信息,根据所述账务信息通过CART算法提取获得用户特征;根据所述账务信息中的机构数据将所述用户特征按地区划分为多个特征数据集;通过CART分类决策树模型分析所述特征数据集获得各机构的待核销数据;通过所述待核销数据进行各结构的核销额度分配。
在上述核销额度分配方法,优选的,通过利用CART算法构建的CART分类决策树模型分析所述特征数据集获得各机构的待核销数据包含:通过CART分类决策树模型分析所述特征数据集中的所述用户特征获得对应用户的呆账风险;根据各机构的所述呆账风险统计获得各机构的待核销数据。
在上述核销额度分配方法,优选的,所述方法还包含:根据历史账务信息中用户的所述身份信息、所述账户信息和所述信用信息,并提取获得对应的特征信息;根据所述特征信息通过CART算法构建CART分类决策树模型。
在上述核销额度分配方法,优选的,根据所述特征信息通过CART算法构建CART分类决策树模型包含:分别计算所述特征信息对应的基尼指数,根据所述基尼指数最小的特征信息生成所述分类决策树模型的叶子节点;通过所述叶子节点构建CART分类决策树模型。
在上述核销额度分配方法,优选的,所述特征信息包含逾期金额、逾期时间、证券化状态、分期状态和人员类别。
在上述核销额度分配方法,优选的,通过所述待核销数据进行各结构的核销额度分配包含:通过各机构的待核销数据统计获得待核销总额;根据所述待核销总额和各机构的待核销数据计算获得各机构的核销金额占比;根据所述核销金额占比进行各结构的核销额度分配。
本申请还提供一种核销额度分配装置,所述装置包含数据提取模块、分类模块、分析模块和计算模块;所述数据提取模块用于获得用户的账务信息,根据所述账务信息通过CART算法提取获得用户特征;所述分类模块用于根据所述账务信息中的机构数据将所述用户特征按地区划分为多个特征数据集;所述分析模块用于通过CART分类决策树模型分析所述特征数据集获得各机构的待核销数据;所述计算模块用于通过所述待核销数据进行各结构的核销额度分配。
在上述核销额度分配装置中,优选的,所述分析模块还包含统计单元,所述统计单元用于通过CART分类决策树模型分析所述特征数据集中的所述用户特征获得对应用户的呆账风险;根据各机构的所述呆账风险统计获得各机构的待核销数据。
在上述核销额度分配装置中,优选的,所述计算模块包含分配单元,所述分配单元用于通过各机构的待核销数据统计获得待核销总额;根据所述待核销总额和各机构的待核销数据计算获得各机构的核销金额占比;根据所述核销金额占比进行各结构的核销额度分配。
在上述核销额度分配装置中,优选的,所述装置还包含模型构建模块,所述模型构建模块用于根据历史账务信息中用户的所述身份信息、所述账户信息和所述信用信息,并提取获得对应的特征信息;根据所述特征信息通过CART算法构建CART分类决策树模型。
本申请还提供一种电子设备,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上述方法。
本申请还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上述方法的计算机程序。
本申请还提供一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述方法的步骤。
本申请的有益技术效果在于:根据各个分行的实际业务情况和客户构成,更加合理的分配呆账核销额度,避免出现额度紧缺或额度过剩的情况。通过系统自动抓取数据,实时学习数据构成,并更新CART分类决策树,更加高效的计算各个分行拟核销规模。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,并不构成对本申请的限定。在附图中:
图1为本申请一实施例所提供的核销额度分配方法的流程示意图;
图2为本申请一实施例所提供的待核销数据的获取流程示意图;
图3为本申请一实施例所提供的核销额度分配的流程示意图;
图4为本申请一实施例所提供的CART分类决策树模型的构建流程示意图;
图5为本申请一实施例所提供的核销额度分配装置的结构示意图;
图6为本申请一实施例所提供的电子设备的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本申请的实施方式,借此对本申请如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本申请中的各个实施例及各实施例中的各个特征可以相互结合,所形成的技术方案均在本申请的保护范围之内。
另外,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。
请参考图1所示,本申请所提供的核销额度分配方法,具体包含:
S101获得用户的账务信息,根据所述账务信息通过CART算法提取获得用户特征;
S102根据所述账务信息中的机构数据将所述用户特征按地区划分为多个特征数据集;
S103通过CART分类决策树模型分析所述特征数据集获得各机构的待核销数据;
S104通过所述待核销数据进行各结构的核销额度分配。
其中,所述用户特征可基于实际需求设定,例如可为逾期金额、逾期时间、证券化状态、分期状态和人员类别;在实际供中,该方案主要是基于大数据中心集中存储的客户信息数据,提取判断满足呆账核销条件的特征属性,通过对客户信息与特征属性的比对判断,生成决策树;最后,将各机构的客户数据导入决策树,最终判断出各机构的呆账核销客户、金额占比,从而协助总行完成更加智能、合理的核销金额分配。
在上述实施例中,用户的账务信息可包含客户基本信息、卡介质信息和欠款信息等,具体的可从客户管理系统中获取客户基本信息,包括客户姓名、性别、年龄、籍贯、证件类型、证件号码、联系方式等信息;从卡产品系统中获取卡介质信息,包括其名下每张卡的卡号、卡片状态、发卡地区、发卡网点、账户余额等信息;从贷后管理系统中获取还客户的欠款金额、欠款利息、逾期天数、历史逾期次数等信息;再将获取的信息进行整合,并建立数据库进行存储。
请参考图2所示,在本申请一实施例中,通过利用CART算法构建的CART分类决策树模型分析所述特征数据集获得各机构的待核销数据包含:
S201通过CART分类决策树模型分析所述特征数据集中的所述用户特征获得对应用户的呆账风险;
S202根据各机构的所述呆账风险统计获得各机构的待核销数据。
其中,所述呆账风险即通过CART分类决策树模型计算获得的该用户可能存在呆账的风险,基于各机构分别通过其下属所有用户的呆账风险即可确认各机构的待核销数据。
进一步的,请参考图3所示,通过所述待核销数据进行各结构的核销额度分配包含:
S301通过各机构的待核销数据统计获得待核销总额;
S302根据所述待核销总额和各机构的待核销数据计算获得各机构的核销金额占比;
S303根据所述核销金额占比进行各结构的核销额度分配。
具体的,在实际工作中,可将所有信用卡客户数据以地区维度划分到各个分行,得到分行维度数据集,如:D地区A、D地区B、D地区C、D地区D、D地区E。分别带入到CART分类决策树中,得到各个分行满足呆账核销的客户集合。汇总计算得出各机构的拟核销金额。基于各个分行的拟核销金额,计算得出各个分行的核销金额占比。总行根据各机构占比分配核销金额。
请参考图4所示,在本申请一实施例中,所述方法还包含:
S401根据历史账务信息中用户的所述身份信息、所述账户信息和所述信用信息,并提取获得对应的特征信息;
S402根据所述特征信息通过CART算法构建CART分类决策树模型。
其中,根据所述特征信息通过CART算法构建CART分类决策树模型包含:分别计算所述特征信息对应的基尼指数,根据所述基尼指数最小的特征信息生成所述分类决策树模型的叶子节点;通过所述叶子节点构建CART分类决策树模型。
在实际工作中,使用CART算法生成分类决策树过程中,可采用前述用户特征作为生成决策树的特征值。
具体的,首先定义用于选择决策树叶子节点的特征值参数:基尼指数。假设数据集D中有K个类,样本属于第k类的概率为pk,基尼指数Gini(D)表示集合D的不确定性(纯度):
对于某一个特征值A,将数据集D划分成D1和D2,基尼指数Gini(D,A)表示经过A参数的特征划分后,集合D的不确定性,其中D、D1、D2表示样本个数:
在给定的数据集D中,按照前述算法公式,将是否行内员工(O)、是否存在个性化分期(G)、是否已证券化(S)、逾期金额(M)、逾期天数(N)等特征值带入替换A,计算出各个特征值的基尼指数,基尼指数最小的,即作为分类决策树的叶子结点。
通过前述计算出第一个叶子节点(即根节点)的决策特征值,若为是否已证券化(S);则以通过是否已证券化划分后的数据集D1为基准,重复前述步骤计算出下一叶子节点,如:是否存在个性化分期(G)。具体的,根据CART算法首先确定根节点用何种条件来划分数据集D,如果算法计算出第一个根节点应该用“是否证券化(S)”来拆分数据的话,那经过根节点拆分后的集合应该是D1(未证券化的数据)和D2(已证券化的数据)。根据业务逻辑,D2集合不可再拆分,已经属于不可核销数据;那么接下来又对D1做CART算法,计算出决策树中拆分D1数据的节点应该使用什么特征值,如果计算结果特征值为“是否存在个性化分期”,那么继续拆分出两个集合,D11(未办理过个性化分期的数据)和D12(办理过个性化分期的数据),根据业务逻辑,D12的数据不可再分,已经属于不可核销数据;那么重复以上步骤,继续拆分D12数据,直到所有决策特征值拆分完数据为止。
重复前述流程直到生成决策树。
由此,基于该决策树生成逻辑和前一周期内所有信用卡用户数据加工得到CART分类决策树模型。
在本申请一实施例中,还包含模型调精过程,例如按预设周期统计全行信用卡账户数据,持续训练CART分类决策树引擎,得到更精准更合理的决策树。即将每年最新的信用卡账户数据带入到前述模型中,持续训练得出CART分类决策树模型;再利用最新决策树模型完成各机构新一轮的呆账核销额度分配。
请参考图5所示,本申请还提供一种核销额度分配装置,所述装置包含数据提取模块、分类模块、分析模块和计算模块;所述数据提取模块用于获得用户的账务信息,根据所述账务信息通过CART算法提取获得用户特征;所述分类模块用于根据所述账务信息中的机构数据将所述用户特征按地区划分为多个特征数据集;所述分析模块用于通过CART分类决策树模型分析所述特征数据集获得各机构的待核销数据;所述计算模块用于通过所述待核销数据进行各结构的核销额度分配。
在本申请一实施例中,所述分析模块还包含统计单元,所述统计单元用于通过CART分类决策树模型分析所述特征数据集中的所述用户特征获得对应用户的呆账风险;根据各机构的所述呆账风险统计获得各机构的待核销数据。
在本申请一实施例中,所述计算模块包含分配单元,所述分配单元用于通过各机构的待核销数据统计获得待核销总额;根据所述待核销总额和各机构的待核销数据计算获得各机构的核销金额占比;根据所述核销金额占比进行各结构的核销额度分配。
具体的,在实际工作中,可将所有信用卡客户数据以地区维度划分到各个分行,得到分行维度数据集,如:D地区A、D地区B、D地区C、D地区D、D地区E;分别带入到CART分类决策树中,得到各个分行满足呆账核销的客户集合;汇总计算得出各机构的拟核销金额;基于各个分行的拟核销金额,计算得出各个分行的核销金额占比;总行根据各机构占比分配核销金额。
在本申请一实施例中,所述装置还包含模型构建模块,所述模型构建模块用于根据历史账务信息中用户的所述身份信息、所述账户信息和所述信用信息,并提取获得对应的特征信息;根据所述特征信息通过CART算法构建CART分类决策树模型。
进一步的,所述模型构建模块通过分别计算所述特征信息对应的基尼指数,根据所述基尼指数最小的特征信息生成所述分类决策树模型的叶子节点;通过所述叶子节点构建CART分类决策树模型。
本申请的有益技术效果在于:根据各个分行的实际业务情况和客户构成,更加合理的分配呆账核销额度,避免出现额度紧缺或额度过剩的情况。通过系统自动抓取数据,实时学习数据构成,并更新CART分类决策树,更加高效的计算各个分行拟核销规模。
本申请还提供一种电子设备,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上述方法。
本申请还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上述方法的计算机程序。
本申请还提供一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述方法的步骤。
如图6所示,该电子设备600还可以包括:通信模块110、输入单元120、音频处理单元130、显示器160、电源170。值得注意的是,电子设备600也并不是必须要包括图6中所示的所有部件;此外,电子设备600还可以包括图6中没有示出的部件,可以参考现有技术。
如图6所示,中央处理器100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器100接收输入并控制电子设备600的各个部件的操作。
其中,存储器140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序,以实现信息存储或处理等。
输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142,该应用/功能存储部142用于存储应用程序和功能程序或用于通过中央处理器100执行电子设备600的操作的流程。
存储器140还可以包括数据存储部(数据143),该数据存储部(数据143)用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部(驱动程序144)可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132,以经由扬声器131提供音频输出,并接收来自麦克风132的音频输入,从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器130还耦合到中央处理器100,从而使得可以通过麦克风132能够在本机上录音,且使得可以通过扬声器131来播放本机上存储的声音。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请的具体实施例而已,并不用于限定本申请的保护范围,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种核销额度分配方法,其特征在于,所述方法包含:
获得用户的账务信息,根据所述账务信息通过CART算法提取获得用户特征;
根据所述账务信息中的机构数据将所述用户特征按地区划分为多个特征数据集;
通过CART分类决策树模型分析所述特征数据集获得各机构的待核销数据;
通过所述待核销数据进行各结构的核销额度分配。
2.根据权利要求1所述的核销额度分配方法,其特征在于,通过利用CART算法构建的CART分类决策树模型分析所述特征数据集获得各机构的待核销数据包含:
通过CART分类决策树模型分析所述特征数据集中的所述用户特征获得对应用户的呆账风险;
根据各机构的所述呆账风险统计获得各机构的待核销数据。
3.根据权利要求1所述的核销额度分配方法,其特征在于,所述方法还包含:
根据历史账务信息中用户的身份信息、账户信息和信用信息,并提取获得对应的特征信息;
根据所述特征信息通过CART算法构建CART分类决策树模型。
4.根据权利要求3所述的核销额度分配方法,其特征在于,根据所述特征信息通过CART算法构建CART分类决策树模型包含:
分别计算所述特征信息对应的基尼指数,根据所述基尼指数最小的特征信息生成所述分类决策树模型的叶子节点;
通过所述叶子节点构建CART分类决策树模型。
5.根据权利要求3所述的核销额度分配方法,其特征在于,所述特征信息包含逾期金额、逾期时间、证券化状态、分期状态和人员类别。
6.根据权利要求1所述的核销额度分配方法,其特征在于,通过所述待核销数据进行各结构的核销额度分配包含:
通过各机构的待核销数据统计获得待核销总额;
根据所述待核销总额和各机构的待核销数据计算获得各机构的核销金额占比;
根据所述核销金额占比进行各结构的核销额度分配。
7.一种核销额度分配装置,其特征在于,所述装置包含数据提取模块、分类模块、分析模块和计算模块;
所述数据提取模块用于获得用户的账务信息,根据所述账务信息通过CART算法提取获得用户特征;
所述分类模块用于根据所述账务信息中的机构数据将所述用户特征按地区划分为多个特征数据集;
所述分析模块用于通过CART分类决策树模型分析所述特征数据集获得各机构的待核销数据;
所述计算模块用于通过所述待核销数据进行各结构的核销额度分配。
8.一种电子设备,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6任一所述方法。
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存储有由计算机执行权利要求1至6任一所述方法的计算机程序。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1至6任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310342138.9A CN116308717A (zh) | 2023-03-31 | 2023-03-31 | 核销额度分配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310342138.9A CN116308717A (zh) | 2023-03-31 | 2023-03-31 | 核销额度分配方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116308717A true CN116308717A (zh) | 2023-06-23 |
Family
ID=86799601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310342138.9A Pending CN116308717A (zh) | 2023-03-31 | 2023-03-31 | 核销额度分配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116308717A (zh) |
-
2023
- 2023-03-31 CN CN202310342138.9A patent/CN116308717A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108846520B (zh) | 贷款逾期预测方法、装置以及计算机可读存储介质 | |
CN110428322A (zh) | 一种业务数据的适配方法及装置 | |
CN103927615B (zh) | 将实体与类别相关联 | |
CN111767319A (zh) | 基于资金流向的客户挖掘方法及装置 | |
CN111932268A (zh) | 企业风险识别方法及装置 | |
CN108629685A (zh) | 贷款产品属性确定方法及服务器 | |
CN109670896A (zh) | 投资产品推荐方法、装置、设备及存储介质 | |
CN112766825A (zh) | 企业金融服务风险预测方法及装置 | |
CN114140221A (zh) | 一种欺诈风险预警方法、装置及设备 | |
CN111476657B (zh) | 信息推送方法、装置及系统 | |
CN109767333A (zh) | 选基方法、装置、电子设备及计算机可读存储介质 | |
CN109816360A (zh) | 理财收益数据处理方法、装置、计算机装置及存储介质 | |
CN117094764A (zh) | 银行积分处理方法及装置 | |
CN107844874A (zh) | 企业营运问题分析系统及其方法 | |
CN115660814A (zh) | 风险预测方法、装置、计算机可读存储介质及电子设备 | |
CN110610415A (zh) | 一种模型更新的方法和装置 | |
CN116071150A (zh) | 数据处理方法、银行产品推广、风控系统、服务器及介质 | |
CN116308717A (zh) | 核销额度分配方法及装置 | |
CN115860958A (zh) | 一种债券资产规模配置的系统及方法 | |
CN112163861B (zh) | 交易风险要素特征提取方法及装置 | |
CN114693428A (zh) | 数据确定方法、装置、计算机可读存储介质及电子设备 | |
CN111951011B (zh) | 监控系统阈值确定方法及装置 | |
CN111415138A (zh) | 一种创意处理方法和系统、客户端以及服务端 | |
CN113393320A (zh) | 企业金融服务风险预测方法及装置 | |
CN111429251A (zh) | 多模式下数据处理的方法和装置 |
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 |