CN117196820A - 一种信用评分方法、系统、电子设备及存储介质 - Google Patents

Abstract

本发明公开了一种信用评分方法、系统、电子设备及存储介质，可应用于金融领域或其它领域。采集待评估客户的客户信息数据，客户信息数据至少包含：基本信息、金融产品交易数据、移动设备使用信息、历史信用评分；从客户信息数据中提取目标特征；将目标特征输入预设的信用评估模型进行信用评估，以得到待评估客户的信用评分。本方案中，从至少包含基本信息、金融产品交易数据、移动设备使用信息、历史信用评分的客户信息数据中提取目标特征，将目标特征输入信用评估模型以处理得到待评估客户的信用评分，利用多维度、多角度的数据来分析待评估客户的信用评分，从而提高评估信用情况的准确性。

Description

一种信用评分方法、系统、电子设备及存储介质

技术领域

本发明涉及数据处理技术领域，具体涉及一种信用评分方法、系统、电子设备及存储介质。

背景技术

银行在为客户办理信贷相关业务时，通常需要评估客户的信用情况，目前通常是基于客户的历史还款记录、历史不良信用记录等历史记录来评估客户的信用情况。但是用户的行为会随着时间而发生变化，历史记录不能充分反映客户当前的信用情况，基于历史记录评估信用情况的方式的评估准确性较差。

发明内容

有鉴于此，本发明实施例提供一种信用评分方法、系统、电子设备及存储介质，以解决基于历史记录评估信用情况的方式存在的评估准确性较差等问题。

为实现上述目的，本发明实施例提供如下技术方案：

本发明实施例第一方面公开一种信用评分方法，所述方法包括：

采集待评估客户的客户信息数据，所述客户信息数据至少包含：基本信息、金融产品交易数据、移动设备使用信息、历史信用评分；

从所述客户信息数据中提取目标特征；

将所述目标特征输入预设的信用评估模型进行信用评估，以得到所述待评估客户的信用评分，其中，所述信用评估模型基于样本客户信息数据训练支持向量机(SupportVector Machine，SVM)模型得到。

优选的，所述目标特征至少包含文本特征和图像特征；

所述从所述客户信息数据中提取目标特征，包括：

针对所述客户信息数据中的文本信息，利用自然语言处理技术从所述文本信息中提取文本特征；

针对所述客户信息数据中的图像，利用计算机视觉技术从所述图像中提取图像特征。

优选的，所述从所述客户信息数据中提取目标特征之前，还包括：

对所述客户信息数据进行预处理。

优选的，基于样本客户信息数据训练SVM模型得到所述信用评估模型的过程，包括：

对样本客户信息数据进行预处理；

从预处理后的所述样本客户信息数据中提取样本目标特征，以得到特征集；

将所述特征集划分为训练集和测试集；

利用所述训练集和所述测试集训练SVM模型以得到信用评估模型。

优选的，所述将所述目标特征输入预设的信用评估模型进行信用评估，以得到所述待评估客户的信用评分之后，还包括：

输出所述待评估客户的信用评分。

本发明实施例第二方面公开一种信用评分系统，所述系统包括：

采集单元，用于采集待评估客户的客户信息数据，所述客户信息数据至少包含：基本信息、金融产品交易数据、移动设备使用信息、历史信用评分；

提取单元，用于从所述客户信息数据中提取目标特征；

评估单元，用于将所述目标特征输入预设的信用评估模型进行信用评估，以得到所述待评估客户的信用评分，其中，所述信用评估模型基于样本客户信息数据训练支持向量机SVM模型得到。

优选的，所述目标特征至少包含文本特征和图像特征；所述提取单元包括：

第一提取模块，用于针对所述客户信息数据中的文本信息，利用自然语言处理技术从所述文本信息中提取文本特征；

第二提取模块，用于针对所述客户信息数据中的图像，利用计算机视觉技术从所述图像中提取图像特征。

优选的，还包括：

预处理单元，用于对所述客户信息数据进行预处理。

本发明实施例第三方面公开一种电子设备，包括：处理器以及存储器，所述处理器以及存储器通过通信总线相连；其中，所述处理器，用于调用并执行所述存储器中存储的程序；所述存储器，用于存储程序，所述程序用于实现本发明实施例第一方面公开的信用评分方法。

本发明实施例第四方面公开一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令用于执行本发明实施例第一方面公开的信用评分方法。

基于上述本发明实施例提供的一种信用评分方法、系统、电子设备及存储介质，采集待评估客户的客户信息数据，客户信息数据至少包含：基本信息、金融产品交易数据、移动设备使用信息、历史信用评分；从客户信息数据中提取目标特征；将目标特征输入预设的信用评估模型进行信用评估，以得到待评估客户的信用评分。本方案中，从至少包含基本信息、金融产品交易数据、移动设备使用信息、历史信用评分的客户信息数据中提取目标特征，将目标特征输入信用评估模型以处理得到待评估客户的信用评分，利用多维度、多角度的数据来分析待评估客户的信用评分，从而提高评估信用情况的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种信用评分方法的流程图；

图2为本发明实施例提供的训练得到信用评估模型的流程图；

图3为本发明实施例提供的一种信用评分系统的结构框图；

图4为本发明实施例提供的一种信用评分系统的另一结构框图；

图5为本发明实施例提供的一种信用评分系统的又一结构框图；

图6为本发明实施例提供的一种信用评分系统的又一结构框图；

图7为本发明实施例提供的一种信用评分系统的又一结构框图；

图8为本发明实施例提供的一种电子设备的结构示意图。

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，所描述的实施例仅仅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。

在本申请中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

需要说明的是，本发明提供的一种信用评分方法、系统、电子设备及存储介质可用于金融领域或其它领域。上述仅为示例，并不对本发明提供的一种信用评分方法、系统、电子设备及存储介质的应用领域进行限定。

由背景技术可知，目前通常是基于客户的历史还款记录、历史不良信用记录等历史记录来评估客户的信用情况。但是用户的行为会随着时间而发生变化，历史记录不能充分反映客户当前的信用情况，基于历史记录评估信用情况的方式的评估准确性较差。

因此，本发明实施例提供一种信用评分方法、系统、电子设备及存储介质，从至少包含基本信息、金融产品交易数据、移动设备使用信息、历史信用评分的客户信息数据中提取目标特征，将目标特征输入信用评估模型以处理得到待评估客户的信用评分，利用多维度、多角度的数据来分析待评估客户的信用评分，从而提高评估信用情况的准确性。

参见图1，示出了本发明实施例提供的一种信用评分方法的流程图，该方法包括：

步骤S101：采集待评估客户的客户信息数据。

需要说明的是，客户信息数据至少包含：基本信息、金融产品交易数据、移动设备使用信息、历史信用评分等。其中，基本信息包括但不仅限于年龄、性别、家庭状况、兴趣、爱好、人际关系等信息。金融产品交易数据包括但不仅限于理财产品、贷款、信用卡、交易记录等。移动设备使用信息包括但不仅限于位置、应用程序、设备使用时间等。

在具体实现步骤S101的过程中，对于待评估客户，采集该待评估客户的客户信息数据。

需要说明的是，本方案所涉及到的客户信息数据和后续涉及到的样本客户信息数据，均为经相关客户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

可以理解的是，采集得到的客户信息数据可能存在不同的格式、错误和缺失值等问题，因此需要对采集得到的客户信息数据进行相应处理。

一些实施例中，采集待评估客户的客户信息数据之后，对该客户信息数据进行预处理，例如：对客户信息数据进行数据清洗、归一化、编码等预处理，从而提高客户信息数据的质量和可用性。

步骤S102：从客户信息数据中提取目标特征。

需要说明的是，客户信息数据涉及多个维度和属性，需要选择最相关和最重要的特征(如年龄、职业、学历、收入、负债、征信报告等)，在具体实现步骤S102的过程中，通过特征工程方法对客户信息数据进行特征重要性选取、特性转换、特征增强等，从而从该客户信息数据中提取目标特征。

可以理解的是，目标特征至少包含文本特征和图像特征；可以通过自然语言处理(NLP)和图像处理来从该客户信息数据中提取文本特征和图像特征等目标特征。

一些实施例中，针对客户信息数据中的文本信息，利用自然语言处理技术从该文本信息中提取文本特征。具体来说，对于客户信息数据中的文本信息，利用自然语言处理技术处理该文本信息(如信用报告、申请表等)以提取关键词和主题，从而提取得到文本特征。

针对客户信息数据中的图像，利用计算机视觉技术从该图像(如待评估客户的照片、身份证、签名等)中提取图像特征。

步骤S103：将目标特征输入预设的信用评估模型进行信用评估，以得到待评估客户的信用评分。

需要说明的是，信用评估模型基于样本客户信息数据训练SVM模型得到。

在具体实现步骤S103的过程中，将从客户信息数据中提取得到的目标特征(文本特征和图像特征)输入信用评估模型，由该信用评估模型输出待评估客户的信用评分。

一些实施例中，通过信用评估模型预测得到待评估客户的信用评分之后，输出该待评估客户的信用评分，例如：可以将该待评估客户的信用评分输出到前端界面中进行显示；又例如：可以将该待评估客户的信用评分输出到数据表中以供银行工作人员查看。

需要说明的是，在实际应用中，可以根据客户群体的不同特征，继续收集、整理不同客户的数据；通过所收集的数据不断优化和更新信用评估模型，以适应不同客户群体的信用评估需求。

在本发明实施例中，从至少包含基本信息、金融产品交易数据、移动设备使用信息、历史信用评分的客户信息数据中提取目标特征，将目标特征输入信用评估模型以处理得到待评估客户的信用评分，利用多维度、多角度的数据来分析待评估客户的信用评分，从而提高评估信用情况的准确性。

上述本发明实施例图1步骤S103涉及的信用评估模型，参见图2，示出了本发明实施例提供的训练得到信用评估模型的流程图，图2包括以下步骤：

步骤S201：对样本客户信息数据进行预处理。

在具体实现步骤S201的过程中，采集样本客户的样本客户信息数据，该样本客户信息数据至少包含：基本信息、金融产品交易数据、移动设备使用信息、历史信用评分等。对样本客户信息数据进行数据清洗、归一化、编码等预处理。

步骤S202：从预处理后的样本客户信息数据中提取样本目标特征，以得到特征集。

在具体实现步骤S202的过程中，通过特征工程方法对预处理后的样本客户信息数据进行特征重要性选取、特性转换、特征增强等，从而构建能够评估客户信用的特征集。

具体来说，针对样本客户信息数据中的文本信息，利用自然语言处理技术来对样本客户信息数据中的文本信息进行处理；针对样本客户信息数据中的图像，通过计算机视觉技术来对样本客户信息数据中的图像进行处理。

步骤S203：将特征集划分为训练集和测试集。

在具体实现步骤S203的过程中，将上述步骤S202中构建得到的特征集划分为训练集和测试集，例如：将特征集中的80％数据划分为训练集，剩余的20％数据划分为测试集。

需要说明的是，为确保后续训练得到的信用评估模型具备良好的泛化能力，在划分训练集和测试集的过程中，本方案采用交叉验证的方法进行多次划分。

步骤S204：利用训练集和测试集训练SVM模型以得到信用评估模型。

在具体实现步骤S204的过程中，采用合适的核函数和参数，结合训练集训练SVM模型，在训练SVM模型的过程中通过交叉验证的方法对SVM模型进行优化以选取最优的SVM模型。

通过测试集评估SVM模型的准确性、召回率、精确率等性能指标，从而进一步调整优化SVM模型，最终得到能够预测客户的信用评分的信用评估模型。

在训练得到信用评估模型之后，采用信用评估模型处理客户信息数据来预测信用评分，为金融机构提供贷款标的、贷款额度的预测、判断贷款违约风险等。

通过以上内容可见，本方案利用人工智能(Artificial Intelligence，AI)技术从多维度、多角度分析客户信息数据，挖掘客户的行为趋势和信用历史，从而构建更加全面和准确的信用评估模型，提高预测信用评分的准确性和可解释性。

与上述本发明实施例提供的一种信用评分方法相对应，参见图3，本发明实施例还提供了一种信用评分系统的结构框图，该信用评分系统包括：采集单元301、提取单元302、评估单元303；

采集单元301，用于采集待评估客户的客户信息数据，客户信息数据至少包含：基本信息、金融产品交易数据、移动设备使用信息、历史信用评分；

提取单元302，用于从客户信息数据中提取目标特征。

评估单元303，用于将目标特征输入预设的信用评估模型进行信用评估，以得到待评估客户的信用评分，其中，信用评估模型基于样本客户信息数据训练SVM模型得到。

在本发明实施例中，从至少包含基本信息、金融产品交易数据、移动设备使用信息、历史信用评分的客户信息数据中提取目标特征，将目标特征输入信用评估模型以处理得到待评估客户的信用评分，利用多维度、多角度的数据来分析待评估客户的信用评分，从而提高评估信用情况的准确性。

优选的，结合图3，参见图4，示出了本发明实施例提供的一种信用评分系统的另一结构框图，目标特征至少包含文本特征和图像特征；提取单元302包括：第一提取模块3021、第二提取模块3022；

第一提取模块3021，用于针对客户信息数据中的文本信息，利用自然语言处理技术从文本信息中提取文本特征。

第二提取模块3022，用于针对客户信息数据中的图像，利用计算机视觉技术从图像中提取图像特征。

优选的，结合图3，参见图5，示出了本发明实施例提供的一种信用评分系统的又一结构框图，该信用评分系统还包括：

预处理单元304，用于对客户信息数据进行预处理。

优选的，结合图3，参见图6，示出了本发明实施例提供的一种信用评分系统的又一结构框图，评估单元303包括：预处理模块3031、提取模块3032、划分模块3033、训练模块3034；

预处理模块3031，用于对样本客户信息数据进行预处理。

提取模块3032，用于从预处理后的样本客户信息数据中提取样本目标特征，以得到特征集。

划分模块3033，用于将特征集划分为训练集和测试集。

训练模块3034，用于利用训练集和所述测试集训练SVM模型以得到信用评估模型。

优选的，结合图3，参见图7，示出了本发明实施例提供的一种信用评分系统的又一结构框图，该信用评分系统还包括：

输出单元305，用于输出待评估客户的信用评分。

本发明实施例还提供一种电子设备，该电子设备包括：处理器以及存储器，处理器以及存储器通过通信总线相连；其中，处理器，用于调用并执行存储器中存储的程序；存储器，用于存储程序，该程序用于实现信用评分方法。

下面参考图8，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图8示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图8所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有电子设备操作所需的各种程序和数据。处理装置801、ROM 802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

通常，以下装置可以连接至I/O接口805：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807；包括例如磁带、硬盘等的存储装置808；以及通信装置809。通信装置809可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置809从网络上被下载和安装，或者从存储装置808被安装，或者从ROM 802被安装。在该计算机程序被处理装置801执行时，执行本公开实施例的方法中限定的上述功能。

更进一步的，本发明实施例还提供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可执行指令，计算机可执行指令用于执行信用评分方法。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：采集待评估客户的客户信息数据，客户信息数据至少包含：基本信息、金融产品交易数据、移动设备使用信息、历史信用评分；从客户信息数据中提取目标特征；将目标特征输入预设的信用评估模型进行信用评估，以得到待评估客户的信用评分。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

专业人员还可以进一步意识到，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。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种信用评分方法，其特征在于，所述方法包括：

采集待评估客户的客户信息数据，所述客户信息数据至少包含：基本信息、金融产品交易数据、移动设备使用信息、历史信用评分；

从所述客户信息数据中提取目标特征；

将所述目标特征输入预设的信用评估模型进行信用评估，以得到所述待评估客户的信用评分，其中，所述信用评估模型基于样本客户信息数据训练支持向量机SVM模型得到。

2.根据权利要求1所述的方法，其特征在于，所述目标特征至少包含文本特征和图像特征；

所述从所述客户信息数据中提取目标特征，包括：

针对所述客户信息数据中的文本信息，利用自然语言处理技术从所述文本信息中提取文本特征；

针对所述客户信息数据中的图像，利用计算机视觉技术从所述图像中提取图像特征。

3.根据权利要求1或2所述的方法，其特征在于，所述从所述客户信息数据中提取目标特征之前，还包括：

对所述客户信息数据进行预处理。

4.根据权利要求1或2所述的方法，其特征在于，基于样本客户信息数据训练SVM模型得到所述信用评估模型的过程，包括：

对样本客户信息数据进行预处理；

从预处理后的所述样本客户信息数据中提取样本目标特征，以得到特征集；

将所述特征集划分为训练集和测试集；

利用所述训练集和所述测试集训练SVM模型以得到信用评估模型。

5.根据权利要求1或2所述的方法，其特征在于，所述将所述目标特征输入预设的信用评估模型进行信用评估，以得到所述待评估客户的信用评分之后，还包括：

输出所述待评估客户的信用评分。

6.一种信用评分系统，其特征在于，所述系统包括：

采集单元，用于采集待评估客户的客户信息数据，所述客户信息数据至少包含：基本信息、金融产品交易数据、移动设备使用信息、历史信用评分；

提取单元，用于从所述客户信息数据中提取目标特征；

评估单元，用于将所述目标特征输入预设的信用评估模型进行信用评估，以得到所述待评估客户的信用评分，其中，所述信用评估模型基于样本客户信息数据训练支持向量机SVM模型得到。

7.根据权利要求6所述的系统，其特征在于，所述目标特征至少包含文本特征和图像特征；所述提取单元包括：

第一提取模块，用于针对所述客户信息数据中的文本信息，利用自然语言处理技术从所述文本信息中提取文本特征；

第二提取模块，用于针对所述客户信息数据中的图像，利用计算机视觉技术从所述图像中提取图像特征。

8.根据权利要求6所述的系统，其特征在于，还包括：

预处理单元，用于对所述客户信息数据进行预处理。

9.一种电子设备，其特征在于，包括：处理器以及存储器，所述处理器以及存储器通过通信总线相连；其中，所述处理器，用于调用并执行所述存储器中存储的程序；所述存储器，用于存储程序，所述程序用于实现如权利要求1-5中任一所述的信用评分方法。

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中存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1-5中任一所述的信用评分方法。