JP6595718B2 - クレジット点数モデルトレーニング方法、クレジット点数計算方法、装置及びサーバー - Google Patents

Description

本願は、２０１６年３月１５日に中国特許局へ提出し、出願番号が２０１６１０１４５８４３Ｘで、発明名称が「クレジット点数モデルトレーニング方法、クレジット点数計算方法及び装置」である中国特許出願の優先権を要求し、その全部内容は引用を通じて本願に結合される。

本発明の実施例は、クレジット評価分野に関し、特にクレジット点数モデルトレーニング方法、クレジット点数計算方法、装置及びサーバーに関する。

クレジット点数は、クレジット評価機構がクレジット点数モデルを用いて個人のクレジット情報に対して定量分析を行って取得する点数である。クレジット点数は、ユーザーの個人クレジットを表わすに用いられる。

従来技術で、クレジット点数を計算するモデルは、主にＦＩＣＯ（Ｆａｉｒ Ｉｓａａｃ Ｃｏｍｐａｎｙ）クレジット点数モデルである。ＦＩＣＯクレジット点数モデルは、まずユーザーの個人クレジット、品性、支払い能力を指標にし、各指標の等級によって各指標の点数を取得し、異なる等級は異なる点数に対応し、各指標の重みと点数からユーザーのクレジット点数を計算する。

本発明の実施例を実現する過程で、発明者は、従来技術に少なくとも以下の問題が存在することを発見した。

ＦＩＣＯクレジット点数モデルで採用するデータは、全部ユーザーの個人情報に対するもので、ユーザーの個人情報が欠けていたり、間違いが存在したりする時にはユーザーのクレジット点数を正確に計算しにくい。

ユーザーの個人情報が欠けていたり、間違いが存在したりする時にはユーザーのクレジット点数を正確に計算しにくい問題を解決するため、本発明の実施例では、クレジット点数モデルトレーニング方法、クレジット点数計算方法、装置及びサーバーを提供する。上記技術案は、次のようである。

本発明の実施例の第一態様によると、
複数のサンプルユーザーの第ｉ（ｉは初期値が１の正の整数である。）回のクレジット点数、各上記サンプルユーザーの第ｉ回の関係クレジット点数、及び各上記サンプルユーザーの違約注記情報を取得することと、
各上記サンプルユーザーに対して、上記サンプルユーザーの第ｉ回のクレジット点数、上記サンプルユーザーの第ｉ回の関係クレジット点数、及び上記サンプルユーザーの違約注記情報に基づいて、クレジット点数モデルをトレーニングし、上記サンプルユーザーの第ｉ＋１回のクレジット点数を算出することと、
各上記サンプルユーザーの第ｉ＋１回のクレジット点数がトレーニング終了条件を満たすと、トレーニング完了の上記クレジット点数モデルを得ることと、を含み、
ここで、上記サンプルユーザーの第ｉ回の関係クレジット点数は、上記サンプルユーザーと社交関係を有する他の各ユーザーの第ｉ回のクレジット点数に基づいて算出されたものであり、上記サンプルユーザーの違約注記情報は、上記サンプルユーザーの分類に用いられるクレジット点数モデルトレーニング方法を提供した。

本発明の実施例の第二態様によると、第一態様に係るクレジット点数モデルに適用されるクレジット点数計算方法であって、
各ユーザーの第１回のクレジット点数と、上記サンプルユーザーと社交関係を有する他の各ユーザーの第１回のクレジット点数に基づいて算出された各上記ユーザーの第１回の関係クレジット点数を取得することと、
各ユーザーに対して、上記ユーザーの第１回のクレジット点数と上記ユーザーの第１回の関係クレジット点数をトレーニング完了の上記クレジット点数モデルに入力して、上記ユーザーのターゲットクレジット点数を算出することと、を含むクレジット点数計算方法を提供した。

本発明の実施例の第三態様によると、
複数のサンプルユーザーの第ｉ（ｉは初期値が１の正の整数である。）回のクレジット点数、各上記サンプルユーザーの第ｉ回の関係クレジット点数、及び各上記サンプルユーザーの違約注記情報を取得するための情報取得モジュールと、
各上記サンプルユーザーに対して、上記サンプルユーザーの第ｉ回のクレジット点数、上記サンプルユーザーの第ｉ回の関係クレジット点数、及び上記サンプルユーザーの違約注記情報に基づいて、クレジット点数モデルをトレーニングし、上記サンプルユーザーの第ｉ＋１回のクレジット点数を算出するための情報入力モジュールと、
各上記サンプルユーザーの第ｉ＋１回のクレジット点数がトレーニング終了条件を満たすと、トレーニング完了の上記クレジット点数モデルを得るためのモデルトレーニングモジュールと、を含み、
ここで、上記サンプルユーザーの第ｉ回の関係クレジット点数は、上記サンプルユーザーと社交関係を有する他の各ユーザーの第ｉ回のクレジット点数に基づいて算出されたものであり、上記サンプルユーザーの違約注記情報は、サンプルユーザーの分類に用いられるクレジット点数モデルトレーニング装置を提供した。

本発明の実施例の第四態様によると、第三態様に係るクレジット点数モデルに適用されるクレジット点数計算装置であって、
各ユーザーの第１回のクレジット点数、および、上記ユーザーと社交関係を有する他の各ユーザーの第１回のクレジット点数に基づいて算出された各上記ユーザーの第１回の関係クレジット点数を取得するためのクレジット取得モジュールと、
各ユーザーに対して、上記ユーザーの第１回のクレジット点数と上記ユーザーの第１回の関係クレジット点数をトレーニング完了の上記クレジット点数モデルに入力して、上記ユーザーのターゲットクレジット点数を算出するためのターゲット計算モジュールと、を含むクレジット点数計算装置を提供した。

第五態様は、
一つ又は複数のプロセッサと、
一つ又は複数のプログラムを記憶するメモリーと、を含み、
上記一つ又は複数のプログラムは、上記一つ又は複数のプロセッサによって実行されるように構成され、
前記一つ又は複数のプログラムは、
複数のサンプルユーザーの第ｉ（ｉは初期値が１の正の整数である。）回のクレジット点数、各上記サンプルユーザーの第ｉ回の関係クレジット点数、および各上記サンプルユーザーの違約注記情報を取得する動作と、
各上記サンプルユーザーに対して、上記サンプルユーザーの第ｉ回のクレジット点数、上記サンプルユーザーの第ｉ回の関係クレジット点数、および上記サンプルユーザーの違約注記情報に基づいて、クレジット点数モデルをトレーニングし、上記サンプルユーザーの第ｉ＋１回のクレジット点数を算出する動作と、
各上記サンプルユーザーの第ｉ＋１回のクレジット点数がトレーニング終了条件を満たすと、トレーニング完了の上記クレジット点数モデルを得る動作と、を行うための指令を含み、
ここで、上記サンプルユーザーの第ｉ回の関係クレジット点数は、上記サンプルユーザーと社交関係を有する他の各ユーザーの第ｉ回のクレジット点数に基づいて算出されたものであり、上記サンプルユーザーの違約注記情報は、サンプルユーザーの分類に用いられるクレジット点数モデルトレーニングサーバーを提供した。

第六態様は、第五態様に係るクレジット点数モデルに適用されるクレジット点数計算サーバーであって、
一つ又は複数のプロセッサと、
一つ又は複数のプログラムを記憶するメモリーと、を含み、
上記一つ又は複数のプログラムは、上記一つ又は複数のプロセッサによって実行されるように構成され、
前記一つ又は複数のプログラムは、
各ユーザーの第１回のクレジット点数、および、上記ユーザーと社交関係を有する他の各ユーザーの第１回のクレジット点数に基づいて算出されたものである上記の各ユーザーの第１回の関係クレジット点数を取得する動作と、
各ユーザーに対して、上記ユーザーの第１回のクレジット点数と上記ユーザーの第１回の関係クレジット点数をトレーニング完了の上記クレジット点数モデルに入力して、上記ユーザーのターゲットクレジット点数を算出する動作と、を行うための指令を含む
クレジット点数計算サーバーを提供した。

本発明の実施例で提供する技術案がもたらす有益な効果は、
複数のサンプルユーザーの第ｉ回のクレジット点数、各サンプルユーザーの第ｉ回の関係クレジット点数、および各サンプルユーザーの違約注記情報を取得することと、各サンプルユーザーに対して、サンプルユーザーの第ｉ回のクレジット点数、サンプルユーザーの第ｉ回の関係クレジット点数、およびサンプルユーザーの違約注記情報に基づいて、クレジット点数モデルをトレーニングし、上記サンプルユーザーの第ｉ＋１回のクレジット点数を算出することと、各サンプルユーザーの第ｉ＋１回のクレジット点数がトレーニング終了条件を満たすと、トレーニング完了のクレジット点数モデルを得ることと、を含むことで、ユーザー個人の情報が欠けていたり、間違いが存在したりするときにユーザーのクレジット点数を正確に計算しにくい問題を解決し、ユーザーのクレジット点数と、ユーザーと社交関係を有する他のユーザーのクレジット点数とを同時に統計して、当該ユーザーのターゲットクレジット点数を総合的に算出でき、クレジット点数モデルのカバー範囲を拡大し、ユーザーのクレジット点数の計算正確度を高めたことである。

以下、本発明の実施例の技術案をもっと明確に説明するため、実施例の説明に必要な図面に対して簡単に紹介するが、以下の説明中の図面は、ただ本発明の実施例の一部に過ぎず、当業者であれば、創造的な努力なしにこれらの図面に基づいて他の図面を取得することができる。

本発明の一つの例示的な実施例に係るクレジット点数モデルトレーニング方法のフローチャートである。 本発明の他の例示的な実施例に係るクレジット点数モデルトレーニング方法のフローチャートである。 本発明の一つの例示的な実施例に係る関係クレジット点数計算方法のフローチャートである。 本発明の一つの例示的な実施例に係るクレジット点数モデルトレーニングの構成を示す図である。 本発明の一つの例示的な実施例に係るクレジット点数計算方法のフローチャートである。 本発明の他の例示的な実施例に係るクレジット点数計算方法のフローチャートである。 本発明の一つの例示的な実施例に係る終了条件を循環計算したフローチャートである。 本発明の一つの実施例に係るクレジット点数モデルトレーニング装置の構成を示すブロック図である。 本発明の他の実施例に係るクレジット点数モデルトレーニング装置の構成を示すブロック図である。 本発明の一つの実施例に係るクレジット点数計算装置の構成を示すブロック図である。 本発明の他の実施例に係るクレジット点数計算装置の構成を示すブロック図である。 本発明の一つの例示的な実施例に係るサーバーの構成を示すブロック図である。

以下、本発明の目的、技術案及びメリットをより明確にするため、図面を結合して本発明の実施形態に対してさらに詳細に説明する。

クレジット点数は、数学的モデルを用いて個人のクレジット情報に対してモデル化して取得した点数である。この点数は、金融分野でクレジット貸付類の業務に対して危険評価を行うことに用いられることができる。個人クレジット情報は、ユーザー個人に対するクレジットに関連する情報項目を含む。

本発明の実施例で公開するクレジット点数モデルは、主にユーザーのクレジット点数とユーザーの社交関係に基づいて計算した関係クレジット点数に基づいて、ユーザーのターゲットクレジット点数を総合的に算出することによって、ユーザー個人の情報が欠けていたり、間違いが存在したりする時、ユーザーの社交関係に基づいて算出した関係クレジット点数によっても、当該ユーザーのターゲットクレジット点数を依然として算出することのできる効果を実現した。本発明の実施例は、クレジット点数モデルトのレーニング方法の実施例と、クレジット点数モデルに基づいてユーザーのクレジット点数を計算する実施例を含む。ここで、クレジット点数モデルのトレーニング方法については、図１と図２Ａに示す実施例を参照し、クレジット点数の計算方法については、図３と図４Ａに示す実施例を参照する。

図１は、本発明の一つの例示的な実施例に係るクレジット点数モデルトレーニング方法を示すフローチャートである。その方法は、ステップ１０１〜ステップ１０３を含む。

ステップ１０１において、複数のサンプルユーザーの第ｉ回のクレジット点数、各サンプルユーザーの第ｉ回の関係クレジット点数及び各サンプルユーザーの違約注記情報を取得し、ｉは初期値の１の正の整数である。

クレジット点数モデルをトレーニングする前に、まずクレジット点数モデルをトレーニングすることに用いられるサンプルセット取得する。

ここで、サンプルセットは、複数のサンプルユーザーの第１回のクレジット点数、各サンプルユーザーに対応する第１回の関係クレジット点数及び各サンプルユーザーの違約注記情報を含む。

サンプルユーザーの関係クレジット点数は、サンプルユーザーと社交関係を有する他の各ユーザーのクレジット点数に基づいて算出される。さらに、サンプルユーザーと社交関係を有する他の各ユーザーは、サンプルセット内のユーザー又はサンプルセット以外のユーザーであることもできる。

サンプルユーザーの違約注記情報は、サンプルユーザーの違約状況を示すことに用いられる。

ステップ１０２において、各サンプルユーザーに対して、サンプルユーザーの第ｉ回のクレジット点数、サンプルユーザーの第ｉ回の関係クレジット点数及びサンプルユーザーの違約注記情報に基づいて、クレジット点数モデルをトレーニングし、サンプルユーザーの第ｉ＋１回のクレジット点数を取得する。

オプションとして、サンプルユーザーの第ｉ＋１回のクレジット点数を計算するステップは、ｉ≧２の時、各サンプルユーザーに対してサンプルユーザーの第ｉ回のクレジット点数とサンプルユーザーの第ｉ回の関係クレジット点数を予め設定されたクレジット点数モデルに入力し、サンプルユーザーの第ｉ＋１回のクレジット点数を算出することを含んでもよい。

ステップ１０３において、各サンプルユーザーの第ｉ＋１回のクレジット点数がトレーニング終了条件を満たすと、トレーニング完了のクレジット点数モデルを得る。

要約すると、本実施例で提供するクレジット点数モデルトレーニング方法によると、複数のサンプルユーザーの第ｉ回のクレジット点数、各サンプルユーザーの第ｉ回の関係クレジット点数及び各サンプルユーザーの違約注記情報を取得することと、サンプルユーザーの第ｉ回のクレジット点数、サンプルユーザーの第ｉ回の関係クレジット点数及びサンプルユーザーの違約注記情報に基づいて、クレジット点数モデルをトレーニングし、サンプルユーザーの第ｉ＋１回のクレジット点数を算出することと、各サンプルユーザーの第ｉ＋１回のクレジット点数がトレーニング終了条件を満たすと、トレーニング完了のクレジット点数モデルを得ることと、を通じて、ユーザー個人の情報が欠けていたり又は間違いが存在するときにユーザーのクレジット点数を正確に計算しにくい問題を解決し、ユーザー個人のクレジット点数と、ユーザーと社交関係を有する他のユーザーのクレジット点数とを同時に統計して、当該ユーザーのターゲットクレジット点数を総合的に算出でき、クレジット点数モデルのカバー範囲を拡大し、ユーザーのクレジット点数の計算正確度を高める効果を達成した。

図２Ａは、本発明の他の例示的な実施例に係るクレジット点数モデルトレーニング方法を示すフローチャートである。その方法は、ステップ２０１〜ステップ２０８を含む。

ステップ２０１、サンプルセットを取得する。

ここで、サンプルセットは、複数のサンプルユーザーの識別子と各サンプルユーザーの違約注記情報を含む。

サンプルユーザーの識別子は、サンプルユーザーを区別するに用いられる。例えば、サンプルセットが１００人のサンプルユーザーを含む場合、各サンプルユーザーの識別子は、ｕｓｅｒ１、ｕｓｅｒ２、ｕｓｅｒ３、…、ｕｓｅｒ１００である。

サンプルユーザーの違約注記情報は、サンプルユーザーの違約状況を示すことに用いられる。例えば、サンプルセットに含まれるサンプルユーザーの違約注記情報は、ｕｓｅｒ１（１）、ｕｓｅｒ２（０）、ｕｓｅｒ３（０）、…、ｕｓｅｒ１００（１）であり、ここで、括弧中の１はサンプルユーザーに違約状況が存在し、違約クラスに属することを表し、括弧中の０はサンプルユーザーに違約状況が存在しなく、未違約クラスに属することを表す。即ち、ｕｓｅｒ１（１）はサンプルユーザーｕｓｅｒ１が違約クラスに属することを表し、ｕｓｅｒ２（０）はサンプルユーザーｕｓｅｒ２が未違約クラスに属することを表し、ｕｓｅｒ３（０）はサンプルユーザーｕｓｅｒ３が未違約クラスに属することを表し、ｕｓｅｒ１００（１）はサンプルユーザーｕｓｅｒ１００が違約クラスに属することを表す。

オプションとして、サンプルユーザーの違約注記情報は、サンプルユーザーのクレジット点数に基づいてサンプルユーザーの違約状況に対して注記したものであってもよいし、サンプルユーザーの実際の違約状況に応じて注記したものであってもよく、本実施例ではこれを限定しない。

例示的に、サンプルユーザーのクレジット点数に基づいてサンプルユーザーの違約状況に対して注記する例を説明する。例えば、従来技術中のＦＩＣＯクレジット点数モデルを利用して各サンプルユーザーのクレジット点数を計算し、算出されたサンプルユーザーのクレジット点数に基づいてサンプルユーザーの違約状況を注記する。ＦＩＣＯクレジット点数モデルによる点数範囲が３００〜８００点の間であり、クレジット点数が５５０点を超えるサンプルユーザーに対して未違約と注記し、クレジット点数が５５０点未満であるサンプルユーザーに対して違約と注記すると仮定する。例えば、サンプルユーザー１のクレジット点数が５８０で、サンプルユーザー２のクレジット点数が４５０で、サンプルユーザー３のクレジット点数が４８０で、サンプルユーザー４のクレジット点数が６００で、サンプルユーザー５のクレジット点数が７００であると、サンプルユーザー１は未違約と、サンプルユーザー２は違約と、サンプルユーザー３は違約と、サンプルユーザー４とサンプルユーザー５は未違約と注記することができる。したがって、サンプルユーザー１、サンプルユーザー４、サンプルユーザー５を一つのクラス、即ち未違約クラスにし、サンプルユーザー２とサンプルユーザー３を他のクラス、即ち違約クラスにすることができる。

ステップ２０２において、複数のサンプルユーザーの第ｉ回のクレジット点数を取得し、ただし、ｉが初期値の１の正の整数である。

ｉ＝１の時、このステップは、各サンプルユーザーの個人情報に基づいて各サンプルユーザーの第１回のクレジット点数を算出することを含むことができる。例えば、ＦＩＣＯクレジット点数モデルの計算過程のように、サンプルユーザーのクレジット、品性及び支払い能力に基づいてサンプルユーザーの第１回のクレジット点数を算出する。さらに、個人のクレジット情報に基づいて第１回のクレジット点数を計算することのできないサンプルユーザーが存在する場合、サンプルユーザーの第１回の関係クレジット点数をサンプルユーザーの第１回のクレジット点数として決定する。ここで、第１回の関係クレジット点数は、サンプルユーザーと社交関係を有する他の各ユーザーの第１回のクレジット点数に基づいて算出されたものである。

ｉ≧２の時、ステップ２０８で算出した各サンプルユーザーの第１回のクレジット点数を取得する。

ステップ２０３において、各サンプルユーザーの第ｉ回の関係クレジット点数を取得する。

サンプルユーザーの第１回の関係クレジット点数は、サンプルユーザーと社交関係を有する他の各ユーザーの第１回のクレジット点数に基づいて算出されたものである。

オプションとして、サンプルユーザーと社交関係を有する他の各ユーザーは、サンプルセット内のユーザー又はサンプルセット以外のユーザーであってもよい。

オプションとして、各サンプルユーザーに対して各サンプルユーザーと社交関係を有する他のユーザーの数は、同じであっても異なっていてもよい。例えば、サンプルユーザーＡと社交関係を有する他のユーザーが５０人で、５０人のユーザーが全部サンプルセット内のサンプルユーザーであり、サンプルユーザーＢと社交関係を有する他のユーザーが６０人で、その中で２０人のユーザーがサンプルセット内のサンプルユーザーで、４０人がサンプルセット以外のユーザーであり、サンプルユーザーＣと社交関係を有する他のユーザーも６０人であるが、４０人がサンプルセット内のサンプルユーザーで、２０人がサンプルセット以外のユーザーである。本実施例において、各サンプルユーザーと社交関係を有する他のユーザーの数を具体的に限定しない。

オプションとして、図２Ｂに示すように、ステップ２０３で各サンプルユーザーの第ｉ回の関係クレジット点数を取得することをステップ２０３ａ〜ステップ２０３ｃを通じて取得してもよい。

ステップ２０３ａにおいて、各サンプルユーザーの社交関係チェーンを取得する。

社交関係チェーンは、サンプルユーザーと他のユーザーとの間に存在する社交関係である。ここで、社交関係は、親族関係、同僚関係及び同級生関係など、現実世界中の社交関係を含み、ＷｅＣｈａｔ友人関係、ＱＱ友人関係、Ｗｅｉｂｏ友人関係、同一のグループ内の友人関係及びＷｅｉｂｏ関心関係など、社交道具内の友人関係又は関心関係であることもできる。

サンプルセット内のサンプルユーザーの識別子に基づいて各サンプルユーザーに対応する社交関係チェーンを取得する。即ち、各サンプルユーザと他のユーザとの間に存在する社交関係を取得する。

ステップ２０３ｂにおいて、社交関係チェーンに応じて、各サンプルユーザーに対応する他の各ユーザーの第ｉ回のクレジット点数を取得する。

各サンプルユーザーに対して、サンプルユーザーの社交関係チェーンに基づいてサンプルユーザーに対応する他の各ユーザーの第ｉ回のクレジット点数を取得する。

ステップ２０３ｃにおいて、取得した他の各ユーザーの第ｉ回のクレジット点数に基づいて、各サンプルユーザーの第ｉ回の関係クレジット点数を計算する。

一般に、各サンプルユーザーの関係クレジット点数を計算することは、以下の二つの実現方式を含むことができる。

可能な実現方式として、このステップは、各サンプルユーザーに対して、取得した他の各ユーザーの第ｉ回のクレジット点数に基づいてサンプルユーザーに対応する他の各ユーザーの第ｉ回のクレジット点数の平均値を計算し、算出された平均値をサンプルユーザーの第ｉ回の関係クレジット点数として確定する。

例えば、サンプルユーザー１の第１回のクレジット点数が３５０で、サンプルユーザー１と社交関係を有する他の各ユーザーが、対応する第１回のクレジット点数が４００である他のユーザー１と、対応する第１回のクレジット点数が４００である他のユーザー２、対応する第１回のクレジット点数が５００である他のユーザー３、対応する第１回のクレジット点数が６００である他のユーザー４を含むと、サンプルユーザー１の第１回の関係クレジット点数は４７５で、具体的な計算式は（４００＋４００＋５００＋６００）/４＝１９００/４＝４７５である。類似に、サンプルユーザー１の第ｉ回の関係クレジット点数を、サンプルユーザー１と社交関係を有する他の各ユーザーの第ｉ回のクレジット点数に基づいて算出する。同様に、各サンプルユーザーの第ｉ回の関係クレジット点数を算出することができる。

他の可能な実現方式として、サンプルユーザーに対応する他の各ユーザーの第ｉ回のクレジット点数と、他の各ユーザーに対応する重みに基づいて、各サンプルユーザーの関係クレジット点数を算出することができ、具体的に第一サブステップ〜第二サブステップを含む。

第一サブステップにおいて、各サンプルユーザーに対して、社交関係チェーンに応じて他の各ユーザーに対応する重みを取得する。ここで、他の各ユーザーに対応する重みは、サンプルユーザーの関係クレジット点数を計算するとき他の各ユーザーの第１回のクレジット点数が占める割合である。他の各ユーザーに対応する重みは、社交関係の類型に基づいて確定することができ、例えば、サンプルユーザーと親族関係を有する他のユーザーに対応する重みは同級生関係を有する他のユーザーに対応する重みより大きく、そして、親密さに基づいて確定することもでき、例えば、サンプルユーザーとの通信頻度の高い他のユーザーに対応する重みは通信頻度の低い他のユーザーに対応する重みより大きく、また、社交関係の存在時間の長さに基づいて確定することもでき、例えば、サンプルユーザーとの社交関係の存在時間が比較的長い他のユーザーに対応する重みは社交関係の存在時間が比較的短い他のユーザーに対応する重みより大きい。本実施例において、サンプルユーザーと社交関係を有する他のユーザーに対応する重みの確定方式を、具体的に限定しない。

第二サブステップにおいて、他のユーザーの第ｉ回のクレジット点数と、他のユーザーに対応する重みに基づいてサンプルユーザーの第ｉ回の関係クレジット点数を計算する。具体的な計算式は、次のようである。

ここで、ｓｃｏｒｅ＿ｆｒｉ＿ａｖｇはサンプルユーザーの第ｉ回の関係クレジット点数を指し、ｆｒｉｅｎｄ＿ｓｃｏｒｅ＿ｊはサンプルユーザーと社交関係を有する第ｊの他のユーザーの第ｉ回のクレジット点数を指し、ｏｐ＿ｊはサンプルユーザーと社交関係を有する第ｊの他のユーザーに対応する重みを指す。

例えば、サンプルユーザー１の第１回のクレジット点数が３５０で、サンプルユーザー１と社交関係を有する他の各ユーザーが、対応する第１回のクレジット点数が４００で、対応する重みが０．２である他のユーザー１と、対応する第１回のクレジット点数が４００で、対応する重みが０．４である他のユーザー２と、対応する第１回のクレジット点数が５００で、対応する重みが０．３である他のユーザー３と、対応する第１回のクレジット点数が６００で、対応する重みが０．３である他のユーザー４とを含むと、サンプルユーザー１の第１回の関係クレジット点数は４７５で、具体的な計算式は（４００＊０．２＋４００＊０．４＋５００＊０．３＋６００＊０．３）／（０．２＋０．４＋０．３＋０．３）＝５７０/１．２＝４７５である。類似に、サンプルユーザー１の第ｉ回の関係クレジット点数を、サンプルユーザー１と社交関係を有する他の各ユーザーの第ｉ回のクレジット点数と他の各ユーザーに対応する重みに基づいて算出する。同様に、各サンプルユーザーの第ｉ回の関係クレジット点数を算出することができる。

ステップ２０４において、各サンプルユーザーに対して、サンプルユーザーの第ｉ回のクレジット点数、サンプルユーザーの第ｉ回の関係クレジット点数及びサンプルユーザーの違約注記情報に基づいて、クレジット点数モデルをトレーニングし、サンプルユーザーの第ｉ＋１回のクレジット点数を算出する。

ｉ＝１のとき、各サンプルユーザーに対して、サンプルユーザーの第１回のクレジット点数、サンプルユーザーの第１回の関係クレジット点数及びサンプルユーザーの違約注記情報に基づいて、クレジット点数モデルをトレーニングし、サンプルユーザーの第２回のクレジット点数を算出する。

第１回の反復を行うとき、ステップ２０２で取得した各サンプルユーザーの第１回の関係クレジット点数とステップ２０３で取得した各サンプルユーザーの第１回の関係クレジット点数を特徴変数とし、各サンプルユーザーの違約注記情報をターゲット変数として、クレジット点数モデルをトレーニングする。ここで、クレジット点数モデルをトレーニングするステップは、ロジスティック回帰、ニューラルネットワーク又は決定木などの方法によってトレーニングを行うことができ、本実施例では限定しない。トレーニングしてクレジット点数モデルを得た後、クレジット点数モデルによって、各サンプルユーザーの第２回のクレジット点数を計算することができる。

ｉ≧２のとき、各サンプルユーザーに対して、サンプルユーザーの第ｉ回のクレジット点数とサンプルユーザーの第ｉ回の関係クレジット点数に基づいて、クレジット点数モデルをトレーニングし、サンプルユーザーの第ｉ＋１回のクレジット点数を算出する。

オプションとして、第ｉ回の反復を行うとき、取得した各サンプルユーザーの第ｉ回のクレジット点数と各サンプルユーザーの第ｉ回の関係クレジット点数を特徴変数して、クレジット点数モデルをトレーニングし、クレジット点数モデル中のアルゴリズムに従って各サンプルユーザーの第ｉ＋１回のクレジット点数を算出すればよく、各サンプルユーザーの違約注記情報を再び入力する必要はない。

オプションとして、サンプルユーザーの第ｉ回のクレジット点数とサンプルユーザーの第ｉ回の関係クレジット点数に基づいて、このサンプルユーザーの第ｉ＋１回のクレジット点数を算出する式は次のようである。

ここで、ｎｅｗ＿ｓｃｏｒｅはサンプルユーザーの第ｉ＋１回のクレジット点数を指し、ｓｃｏｒｅはサンプルユーザーの第ｉ回のクレジット点数を指し、ｓｃｏｒｅ＿ｆｒｉ＿ａｖｇはサンプルユーザーの第ｉ回の関係クレジット点数を指す。ｆ関数が、トレーニングされたクレジット点数モデルである。

オプションとして、算出された各サンプルユーザーの第ｉ＋１回のクレジット点数に基づいて、サンプルユーザーに対して分類を行うことができる。各サンプルユーザーの違約注記情報と算出された各サンプルユーザーの第ｉ＋１回のクレジット点数に基づいて、クレジット点数モデルを使用するときにユーザーに対して正確な分類を行うように、各サンプルユーザーのクレジット点数と違約注記情報とを関連つける。

ステップ２０５において、各サンプルユーザーの第ｉ＋１回のクレジット点数と各サンプルユーザーの第ｉ回のクレジット点数との間の相関係数を計算する。

ステップ２０４で各サンプルユーザーの第ｉ＋１回のクレジット点数を算出した後、各サンプルユーザーの第ｉ＋１回のクレジット点数と各サンプルユーザーの第ｉ回のクレジット点数との間の相関係数を計算する。

オプションとして、サンプルユーザーの第ｉ＋１回のクレジット点数とサンプルユーザーの第ｉ回のクレジット点数との間の相関係数の計算式は次のようである。

ここで、ｃｏｒは各サンプルユーザーの第ｉ＋１回のクレジット点数と各サンプルユーザーの第ｉ回のクレジット点数との間の相関係数を指し、ｓｃｏｒｅは各サンプルユーザーの第ｉ回のクレジット点数を指し、ｎｅｗ＿ｓｃｏｒｅは各サンプルユーザーの第ｉ＋１回のクレジット点数を指す。

例えば、クレジット点数モデルのトレーニングに参加しているサンプルユーザーが１００人であり、すべてのサンプルユーザーの第ｉ＋１回のクレジット点数のセットがＸ、すべてのサンプルユーザーの第ｉ回のクレジット点数のセットがＹであると、各サンプルユーザーの第ｉ＋１回のクレジット点数と各サンプルユーザーの第ｉ回のクレジット点数との間の相関係数は、相関係数計算式によってセットＸとセットＹとの間で計算される相関係数を指す。

ステップ２０６において、相関係数が第１の閾値より大きいかどうかを検出する。

各サンプルユーザーの第ｉ＋１回のクレジット点数と各サンプルユーザーの第ｉ回のクレジット点数との間の相関係数を算出した後、この相関係数と第１の閾値とを比較して各サンプルユーザーの第ｉ＋１回のクレジット点数と各サンプルユーザーの第ｉ回のクレジット点数との間の相関性を検出する。

ステップ２０７において、相関係数が第１の閾値より大きいと、トレーニング完了のクレジット点数モデルを得る。

各サンプルユーザーの第ｉ＋１回のクレジット点数と各サンプルユーザーの第ｉ回のクレジット点数との間の相関係数が第１の閾値より大きい場合、各サンプルユーザーの第ｉ回のクレジット点数と各サンプルユーザーの第ｉ＋１回のクレジット点数が同じになる傾向にあることを意味し、モデルのトレーニング過程を終了させ、現在のクレジット点数モデルがトレーニング完了のクレジット点数モデルであり、各サンプルユーザーの第ｉ＋１回のクレジット点数がクレジット点数モデルで算出されたターゲットクレジット点数である。

ステップ２０８において、相関係数が第１の閾値より小さいと、ｉ＝ｉ＋１とし、ステップ２０２を再び実行する。

オプションとして、相関係数が第１の閾値より小さいとき、各サンプルユーザーの第ｉ＋１回のクレジット点数を入力とし、再び社交関係チェーンによって各サンプルユーザーに対応するその他の各ユーザーの第ｉ＋１回のクレジット点数を取得する。しかし、循環実行過程では、ステップ２０４において、各サンプルユーザーの第ｉ＋１回のクレジット点数と各サンプルユーザーの第ｉ＋１回の関係クレジット点数のみを入力すればよく、各サンプルユーザーの違約注記情報は入力しない。

読者の理解を容易にするため、図２の実施例中のステップ２０１乃至ステップ２０８で示すクレジット点数モデルトレーニングの構成を図２Ｃに示す。

要約すると、本実施例で提供するクレジット点数モデルトレーニング方法は、複数のサンプルユーザーの第ｉ回のクレジット点数、各サンプルユーザーの第ｉ回の関係クレジット点数及び各サンプルユーザーの違約注記情報を取得することと、サンプルユーザーの第ｉ回のクレジット点数、サンプルユーザーの第ｉ回の関係クレジット点数及びサンプルユーザーの違約注記情報に基づいて、クレジット点数モデルをトレーニングし、サンプルユーザーの第ｉ＋１回のクレジット点数を算出することと、各サンプルユーザーの第ｉ＋１回のクレジット点数がトレーニング終了条件を満たすと、トレーニング完了のクレジット点数モデルを得ることと、を含むことで、ユーザー個人の情報が欠けていたり、間違いが存在したりするときにユーザーのクレジット点数を正確に計算しにくい問題を解決し、ユーザー個人のクレジット点数と、ユーザーと社交関係を有する他のユーザーのクレジット点数を同時に統計して、当該ユーザーのターゲットクレジット点数を総合的に算出でき、クレジット点数モデルのカバー範囲を拡大し、ユーザーのクレジット点数の計算正確度を高める効果を達成した。

また、個人クレジット情報に基づいて第１回のクレジット点数を計算することのできないサンプルユーザーが存在する場合、サンプルユーザーの第１回の関係クレジット点数をサンプルユーザーの第１回のクレジット点数として確定して、ユーザーの個人クレジット点数を失った場合にもユーザーの関係クレジット点数に基づいてユーザーのクレジット点数を計算することのできる効果を達成した。

尚、ステップ２０３ｂにおいて、社交関係チェーンに基づいて各サンプルユーザーに対応する他の各ユーザーの第ｉ回のクレジット点数を取得することを、次のように理解することができる。

ｉ＝１のとき、社交関係チェーンに基づいて各サンプルユーザーに対応する他の各ユーザーの第１回のクレジット点数を取得する。

オプションとして、他の各ユーザーの第１回のクレジット点数は、本実施例に係わるクレジット点数モデルをトレーニングする前に、個人情報に基づくクレジット点数モデルで算出した他の各ユーザーのクレジット点数である。もちろん、他の既存のクレジット点数モデルで算出したクレジット点数がある場合、他のユーザーの第１回のクレジット点数とすることもでき、本実施例では限定しない。

ｉ≧２の時、社交関係チェーンに基づいて各サンプルユーザーに対応する他の各ユーザーの第ｉ回のクレジット点数を取得する。

クレジット点数モデルをトレーニングする過程で、サンプルユーザーと社交関係を有する他のユーザーがサンプルセット内の他のサンプルユーザーである可能性もあるので、第ｉ回の反復過程で他のユーザーの第ｉ回のクレジット点数が変化される可能性があるので、第ｉ回の反復を行うとき社交関係チェーンに基づいて各サンプルユーザーに対応する他の各ユーザーの第ｉ回のクレジット点数を取得する必要がある。サンプルユーザーと社交関係を有する他のユーザーがサンプルセット内の他のサンプルユーザーではないときには、第ｉ回の反復過程で他のユーザーの第ｉ回のクレジット点数が変化しないので、第ｉ回の反復を行うとき社交関係チェーンに基づいて各サンプルユーザーに対応する他の各ユーザーの第ｉ回のクレジット点数を取得する必要がなく、社交関係チェーンに基づいて取得した他の各ユーザーの第１回のクレジット点数を直接使用する。

例えば、クレジット点数モデルをトレーニングする過程で、サンプルユーザーＡと社交関係を有する他のユーザー１と他のユーザー２が、いずれもサンプルセット内の他のサンプルユーザーであり、他のユーザー１の第１回のクレジット点数が３５０で、他のユーザー２の第１回のクレジット点数が４００であると、第１回の反復を経た後他のユーザー１の第２回のクレジット点数は３８０で、他のユーザー２の第２回のクレジット点数は３９０でああって、つまり、他のユーザー１と他のユーザー２がすべてサンプルセット内の他のサンプルユーザーであるので、第１回の反復過程で他のユーザー１と他のユーザー２の第２回のクレジット点数は変化された。第２回の反復を行うとき、社交関係チェーンに基づいてサンプルユーザーＡに対応する他の各ユーザーの第２回のクレジット点数を得なければならない。類似に、第ｉ回の反復を行うとき、社交関係チェーンに基づいてサンプルユーザーＡに対応する他の各ユーザーの第ｉ回のクレジット点数を取得しなければならない。

具体的な例で、１００人の借り手をサンプルユーザーと仮定する。

まず各借り手の識別子、各借り手の識別子に対応する第１回のクレジット点数及び各借り手の違約注記情報を取得する。例えば、借り手１は対応するクレジット点数が３５０で、違約と注記され、借り手２は対応するクレジット点数が４００で、違約と注記され、借り手３は対応するクレジット点数が６００で、未違約と注記され、借り手４は対応するクレジット点数が６５０で、未違約と注記され、…、借り手１００は対応するクレジット点数が４４０で、違約と注記される。

そして各借り手の識別子に対応する各友人のクレジット点数を取得する。例えば、借り手１に対応する各友人は、対応するクレジット点数が６００で、重みが０．４である友人１と、対応するクレジット点数が４００で、重みが０．４である友人２、対応するクレジット点数が５００で、重みが０．２である友人３、対応するクレジット点数が７００で、重みが０．５である友人４を含み、ここで、友人１はサンプルユーザー中の借り手３で、友人２はサンプルユーザー中の借り手２である。同様に、各借り手に対応する各友人のクレジット点数と各友人に対応する重みを取得することができる。

各借り手に対応する各友人のクレジット点数に基づいて、各借り手に対応する第１回の関係クレジット点数を算出する。例えは、借り手１に対応する第１回の関係クレジット点数は、借り手に対応する各友人のクレジット点数と各友人に対応する重みによって算出され、具体的な計算式は、（６００＊０．４＋４００＊０．４＋５００＊０．２＋７００＊０．５）／（０．４＋０．４＋０．２＋０．５）＝５６７である。したがって、借り手１に対応する第１回の関係クレジット点数は５６７である。同様に、各借り手に対応する第１回の関係クレジット点数を算出することができる。

１００人の借り手の第１回のクレジット点数、１００人の借り手に対応する第１回の関係クレジット点数及び１００人の借り手に対応する違約注記情報を予め設定されたクレジット点数モデルに入力して、クレジット点数モデルが内部のアルゴリズムに従って各借り手に対応する第２回のクレジット点数を算出する。例えば、借り手１の第１回のクレジット点数、第１回の関係クレジット点数及び違約注記情報、借り手２の第１回のクレジット点数、第１回の関係クレジット点数及び違約注記情報、…、借り手１００の第１回のクレジット点数、第１回の関係クレジット点数及び違約注記情報を同時に予め設定されたクレジット点数モデルに入力して、クレジット点数モデルによって借り手１乃至借り手１００それぞれに対応する第２回のクレジット点数を算出する。

１００人の借り手に対応する第２回のクレジット点数と１００人の借り手に対応する第１回のクレジット点数との間の相関係数を計算する。例えば、ステップ２０６に示される式によって借り手１乃至借り手１００それぞれに対応する第２回のクレジット点数とそれぞれに対応する第１回のクレジット点数との間の相関係数を算出する。

相関係数が第１の閾値より大きいとき、トレーニング完了のクレジット点数モデルを得る。相関係数が第１の閾値より小さいとき、算出された借り手１乃至借り手１００それぞれに対応する第２回のクレジット点数と新たに算出されたそれぞれに対応する第２回の関係クレジット点数とを予め設定されたクレジット点数モデルにひきつづいて入力し、借り手１乃至借り手１００それぞれに対応する第３回のクレジット点数をひきつづいて計算する。各借り手に対応する第ｉ＋１回のクレジット点数と第ｉ回のクレジット点数との間の相関係数が第１の閾値より大きいとき、トレーニング完了のクレジット点数モデルを得る。

図２Ａに示す実施例に基づいて、トレーニング完了のクレジット点数モデルを得た後、クレジット点数モデルにユーザーのクレジット点数とユーザーの関係クレジット点数を入力することによってユーザーのターゲットクレジット点数を計算することができる。具体的なステップは図３の実施例を参照する。

図３は本発明の一つの例示的な実施例に係るクレジット点数計算方法のフローチャートである。この方法はステップ３０１〜ステップ３０２を含む。

ステップ３０１において、各ユーザーの第１回のクレジット点数と各ユーザーの第１回の関係クレジット点数を取得する。

ユーザーの第１回の関係クレジット点数は、ユーザーと社交関係を有する他の各ユーザーの第１回のクレジット点数に基づいて算出される。ユーザーの第１回の関係クレジット点数の詳細な計算過程は、図２Ａの実施例中のステップ２０３を参照することができる。

クレジット点数モデルを利用してユーザーのターゲットクレジット点数を計算することが必要であるとき、まずターゲットクレジット点数を計算する必要のある各ユーザーの第１回のクレジット点数及び各ユーザーの第１回の関係クレジット点数を取得する。

ステップ３０２において、各ユーザーに対して、当該ユーザーの第１回のクレジット点数と当該ユーザーの第１回の関係クレジット点数をトレーニング完了のクレジット点数モデルに入力して、当該ユーザーのターゲットクレジット点数を算出する。

要約すると、本実施例で提供されるクレジット点数計算方法は、各ユーザーの第１回のクレジット点数と各ユーザーの第１回の関係クレジット点数を取得することと、各ユーザーの第１回のクレジット点数と第１回の関係クレジット点数をクレジット点数モデルに入力して当該ユーザーのターゲットクレジット点数を算出することと、を含むことで、ユーザー個人の情報が欠けていたり又は間違いが存在するときにユーザーのクレジット点数を正確に計算しにくい問題を解決し、ユーザー個人のクレジット点数と、ユーザーと社交関係を有する他のユーザーのクレジット点数とを同時に統計して、ユーザーのターゲットクレジット点数を算出でき、クレジット点数モデルのカバー範囲を拡大し、ユーザーのクレジット点数の計算正確度を高める効果を達成した。

図４Ａは本発明の他の例示的な実施例に係るクレジット点数計算方法のフローチャートである。この方法はステップ４０１〜ステップ４０４を含む。

ステップ４０１において、各ユーザーの第１回のクレジット点数と各ユーザーの第１回の関係クレジット点数を取得する。

ユーザーの第１回の関係クレジット点数は、ユーザーと社交関係を有する他の各ユーザーの第１回のクレジット点数に基づいて算出されたものである。ユーザーの第１回の関係クレジット点数の詳細な計算過程に対しては、図２Ａの実施例中のステップ２０３を参照することができる。

クレジット点数モデルを利用してユーザーのターゲットクレジット点数を計算する必要があるとき、まずターゲットクレジット点数を計算する必要のある各ユーザーの第１回のクレジット点数及び各ユーザーの第１回の関係クレジット点数を取得する。

本実施例において、ユーザーの数を具体的に限定しない。

ステップ４０２において、各ユーザーに対して、当該ユーザーの第１回のクレジット点数と当該ユーザーの第１回の関係クレジット点数をトレーニング完了のクレジット点数モデルに入力して、当該ユーザーの第ｘ回のクレジット点数を算出する。

各ユーザーに対して、当該ユーザーの第１回のクレジット点数と当該ユーザーの第１回の関係クレジット点数をトレーニング完了のクレジット点数モデルに入力して、クレジット点数モデル中のアルゴリズムに従って当該ユーザーの第１回のクレジット点数と当該ユーザーの第１回の関係クレジット点数に対して分析と計算を行って、当該ユーザーの第ｘ回のクレジット点数を計算し、ｘは正の整数である。

オプションとして、各ユーザーの第１回のクレジット点数と各ユーザーの第１回の関係クレジット点数をトレーニング完了のクレジット点数モデルに入力して、算出した各ユーザーの第ｘ回のクレジット点数はクレジット点数モデルと同じ回数の反復を経た後に算出したクレジット点数である。

例えば、図２Ａに示すクレジット点数モデルトレーニング方法では、１００回の反復を経てトレーニング完了のクレジット点数モデルを得ていて、各ユーザーの第１回のクレジット点数と各ユーザーの第１回の関係クレジット点数をトレーニング完了のクレジット点数モデルに入力した後、算出される各ユーザーの第ｘ回のクレジット点数は１００回の反復演算を経た後に得られた各ユーザーのクレジット点数である。

ステップ４０３において、各ユーザーに対して、当該ユーザーの第ｘ回のクレジット点数が予め設定された条件を満たすとき、当該ユーザーの第ｘ回のクレジット点数を当該ユーザーのターゲットクレジット点数として確定する。

各ユーザーに対して、算出された当該ユーザーの第ｘ回のクレジット点数が予め設定された条件を満たすとき、直接算出されたユーザーの第ｘ回のクレジット点数をユーザーのターゲットクレジット点数として確定する。

オプションとして、図４Ｂに示すように、あるユーザーの第ｘ回のクレジット点数が予め設定された条件を満たすかどうかを確定するステップは、ステップ４０３ａ〜ステップ４０３ｃを含んでもよい。

ステップ４０３ａにおいて、当該ユーザーの第ｘ回のクレジット点数と当該ユーザーの第ｘ−１回のクレジット点数との間の差を計算する。

クレジット点数モデルによってユーザーの第ｘ回のクレジット点数を算出した後、ユーザーの第ｘ回のクレジット点数と第ｘ−１回のクレジット点数との間の差を計算する。

オプションとして、ユーザーの第ｘ回のクレジット点数と第ｘ−１回のクレジット点数との間の差を計算してユーザーの第ｘ回のクレジット点数と第ｘ−１回のクレジット点数との間の相関性を検出する。さらに、ユーザーの数が比較的少ないとき、各ユーザーの第ｘ回のクレジット点数と各ユーザーの第ｘ−１回のクレジット点数との間の相関係数を計算して両者の相関性を確定することができる。

本実施例において、ただユーザーの第ｘ回のクレジット点数と第ｘ−１回のクレジット点数との間の差を計算することに対して例を挙げて説明するが、さらに、ユーザーの第ｘ回のクレジット点数と第ｘ−１回のクレジット点数との間の相関係数を計算して確定することもできる。

ステップ４０３ｂにおいて、差が第２の閾値より小さいかどうかを検出する。

各ユーザーの第ｘ回のクレジット点数と各ユーザーの第ｘ−１回のクレジット点数との間の差を算出した後、各差を第２の閾値と比較して、各ユーザーの第ｘ回のクレジット点数と各ユーザーの第ｘ−１回のクレジット点数との間の相関性を検出する。

ステップ４０３ｃにおいて、差が第２の閾値より小さい場合、当該ユーザーの第ｘ回のクレジット点数を当該ユーザーのターゲットクレジット点数として確定する。

当該ユーザーの第ｘ回のクレジット点数と第ｘ−１回のクレジット点数との差が第２の閾値より小さいと、第ｘ回のクレジット点数が予め設定された条件を満たすと確定し、このとき直接当該ユーザーの第ｘ回のクレジット点数をユーザーのターゲットレジット点数と確定する。

そして、当該ユーザーの第ｘ回のクレジット点数と第ｘ−１回のクレジット点数との差が第２の閾値より小さくないと、第ｘ回のクレジット点数が予め設定された条件を満たさないと確定する。ｘ＝ｘ＋1として、ステップ４０２をひきつづいて実行する。

すなわち、差が第２の閾値より大きいと、各ユーザーの第ｘ回のクレジット点数と各ユーザーの第ｘ回の関係クレジット点数を再びクレジット点数モデルに入力して、各ユーザーの第ｘ＋１回のクレジット点数をひきつづいて計算する。

ステップ４０４において、各ユーザーに対して、当該ユーザーの第ｘ回のクレジット点数が予め設定された条件を満たさないとき、当該ユーザーの第ｘ回のクレジット点数と第ｘ回の関係クレジット点数をクレジット点数モデルに再び入力して、当該ユーザーの第ｘ＋１回のクレジット点数を算出する。

ユーザーの第ｘ回のクレジット点数が予め設定された条件を満たさないとき、ユーザーの第ｘ回の関係クレジット点数を新たに取得し、ユーザーの第ｘ回のクレジット点数とユーザーの第ｘ回の関係クレジット点数をクレジット点数モデルに再び入力して、ユーザーの第ｘ＋１回のクレジット点数をひきつづいて計算する。すなわち、ｘ＝ｘ＋1として、各ユーザーの第ｘ回のクレジット点数と各ユーザーの第ｘ−１回のクレジット点数との間の差を計算するステップを再び実行する。

要約すると、本実施例で提供されるクレジット点数計算方法は、各ユーザーの第１回のクレジット点数と各ユーザーの第１回の関係クレジット点数を取得することと、各ユーザーの第１回のクレジット点数と第１回の関係クレジット点数をクレジット点数モデルに入力して当該ユーザーのターゲットクレジット点数を算出することと、を含むことで、ユーザー個人の情報が欠けていたり又は間違いが存在するときにユーザーのクレジット点数を正確に計算しにくい問題を解決し、ユーザー個人のクレジット点数と、ユーザーと社交関係を有する他のユーザーのクレジット点数とを同時に統計して、ユーザーのターゲットクレジット点数を算出でき、クレジット点数モデルのカバー範囲を拡大し、ユーザーのクレジット点数の計算正確度を高める効果を達成した。

図５は本発明の一つの実施例に係るクレジット点数モデルトレーニング装置の構成を示すブロック図である。そのクレジット点数モデルトレーニング装置は、ソフトウェア、ハードウェア又は両者の結合によって実現されることができる。そのクレジット点数モデルトレーニング装置は、
複数のサンプルユーザーの違約注記情報を取得し、各サンプルユーザーの第ｉ回のクレジット点数と各サンプルユーザーの第ｉ回の関係クレジット点数を取得するための情報取得モジュール５２０と、
各サンプルユーザーに対して、サンプルユーザーの第ｉ回のクレジット点数、サンプルユーザーの第ｉ回の関係クレジット点数及びサンプルユーザーの違約注記情報に基づいて、クレジット点数モデルをトレーニングし、サンプルユーザーの第ｉ＋１回のクレジット点数を算出するための情報入力モジュール５４０と、
各サンプルユーザーの第ｉ＋１回のクレジット点数がトレーニング終了条件を満たすと、トレーニング完了のクレジット点数モデルを得るためのモデルトレーニングモジュール５６０と、を含む。

ここで、サンプルユーザーの第ｉ回の関係クレジット点数は、サンプルユーザーと社交関係を有する他の各ユーザーの第ｉ回のクレジット点数に基づいて算出されたもので、サンプルユーザーの違約注記情報は、サンプルユーザーの分類に用いられる。

要約すると、本実施例で提供されるクレジット点数モデルトレーニング装置は、複数のサンプルユーザーの第ｉ回のクレジット点数、各サンプルユーザーの第ｉ回の関係クレジット点数、および各サンプルユーザーの違約注記情報を取得することと、サンプルユーザーの第ｉ回のクレジット点数、サンプルユーザーの第ｉ回の関係クレジット点数、およびサンプルユーザーの違約注記情報に基づいてクレジット点数モデルをトレーニングし、サンプルユーザーの第ｉ＋１回のクレジット点数を算出することと、各サンプルユーザーの第ｉ＋１回のクレジット点数がトレーニング終了条件を満たすと、トレーニング完了のクレジット点数モデルを得ることによって、ユーザー個人の情報が欠けていたり又は間違いが存在するときにユーザーのクレジット点数を正確に計算しにくい問題を解決し、ユーザー個人のクレジット点数と、ユーザーと社交関係を有する他のユーザーのクレジット点数とを同時に統計して、ユーザーのターゲットクレジット点数を算出でき、クレジット点数モデルのカバー範囲を拡大し、ユーザーのクレジット点数の計算正確度を高める効果を達成した。

図６は本発明の他の実施例に係るクレジット点数モデルトレーニング装置の構成を示すブロック図である。そのクレジット点数モデルトレーニング装置は、ソフトウェア、ハードウェア又は両者の結合によって実現されることができる。そのクレジット点数モデルトレーニング装置は、情報取得モジュール６１０と、情報入力モジュール６２０と、モデルトレーニングモジュール６３０と、を含む。

情報取得モジュール６１０は、複数のサンプルユーザーの違約注記情報を取得し、各サンプルユーザーの第ｉ回のクレジット点数と各サンプルユーザーの第ｉ回の関係クレジット点数を取得する。

オプションとして、ｉ＝１の時、情報取得モジュール６１０は、第１の計算ユニット６１１と第２の計算ユニット６１２を含んでもよい。

第１の計算ユニット６１１は、各サンプルユーザーに対して、そのサンプルユーザーの個人クレジット情報に基づいてサンプルユーザーの第１回のクレジット点数を算出する。

第２の計算ユニット６１２は、個人クレジット情報に基づいて第１回のクレジット点数を算出できないサンプルユーザーが存在する場合、サンプルユーザーの第１回の関係クレジット点数を第１回のクレジット点数として決定し、第１回の関係クレジット点数はサンプルユーザーと社交関係を有する他の各ユーザーの第１回のクレジット点数に基づいて算出されたものである。

オプションとして、情報取得モジュール６１０は、社交取得ユニット６１３と、クラス取得ユニット６１４と、関係計算ユニット６１５と、を含んでもよい。

社交取得ユニット６１３は、各サンプルユーザーの社交関係チェーンを取得することに用いられ、社交関係チェーンはサンプルユーザーと他のユーザーとの間に存在する社交関係である。

点数取得ユニット６１４は、社交関係チェーンに基づいて各サンプルユーザーに対応する他の各ユーザーの第ｉ回のクレジット点数を取得する。

関係計算ユニット６１５は、取得した他の各ユーザーの第ｉ回のクレジット点数に基づいて各サンプルユーザーの第ｉ回の関係クレジット点数を算出する。

オプションとして、関係計算ユニット６１５は、第３の計算ユニット６１５ａと点数確定ユニット６１５ｂとを含んでもよい。

第３の計算ユニット６１５ａは、各サンプルユーザーに対して、サンプルユーザーに対応する他の各ユーザーの第ｉ回のクレジット点数の平均値を計算する。

点数確定ユニット６１５ｂは、平均値をサンプルユーザーの第ｉ回の関係クレジット点数として確定する。

オプションとして、関係計算ユニット６１５は、重み取得ユニット６１５ｃと第４の計算ユニット６１５ｄを含んでもよい。

重み取得ユニット６１５ｃは、各サンプルユーザーに対して、社交関係チェーンに基づいて他の各ユーザーに対応する重みを取得する。

第４の計算ユニット６１５ｄは、他の各ユーザーの第ｉ回のクレジット点数と他の各ユーザーに対応する重みに基づいてサンプルユーザーの関係クレジット点数を計算し、具体的な式は、次のようである。

ここで、ｓｃｏｒｅ＿ｆｒｉ＿ａｖｇはサンプルユーザーの第ｉ回の関係クレジット点数を指し、ｆｒｉｅｎｄ＿ｓｃｏｒｅ＿ｊはサンプルユーザーと社交関係を有する第ｊの他のユーザーの第ｉ回のクレジット点数を指し、ｏｐ＿ｊはサンプルユーザーと社交関係を有する第ｊの他のユーザーに対応する重みを指す。

情報入力モジュール６２０は、各サンプルユーザーに対して、サンプルユーザーの第ｉ回のクレジット点数、サンプルユーザーの第ｉ回の関係クレジット点数及びサンプルユーザーの違約注記情報を予め設定されたクレジット点数モデルに入力してサンプルユーザーの第ｉ＋１回のクレジット点数を算出する。

モデルトレーニングモジュール６３０は、各サンプルユーザーの第ｉ＋１回のクレジット点数がトレーニング終了条件を満たすと、トレーニング完了のクレジット点数モデルを得る。

ここで、サンプルユーザーの第ｉ回の関係クレジット点数は、サンプルユーザーと社交関係を有する他の各ユーザーの第ｉ回のクレジット点数に基づいて算出されたもので、サンプルユーザーの違約注記情報は、サンプルユーザーの分類に用いられる。

オプションとして、モデルトレーニングモジュール６３０は、係数計算ユニット６３１と、係数検出ユニット６３２と、トレーニング完了ユニット６３３を含んでもよい。

係数計算ユニット６３１は、各サンプルユーザーの第ｉ＋１回のクレジット点数と各サンプルユーザーの第ｉ回のクレジット点数との間の相関係数を計算する。

係数検出ユニット６３２は、相関係数が第１の閾値より大きいかどうかを検出する。

トレーニング完了ユニット６３３は、相関係数が第１の閾値より大きいと、トレーニング完了のクレジット点数モデルを得る。

オプションとして、クレジット点数モデルは、ロジスティック回帰分類モデル又は決定木分類モデルを含む。

要約すると、本実施例で提供されるクレジット点数モデルトレーニング装置は、複数のサンプルユーザーの第ｉ回のクレジット点数、各サンプルユーザーの第ｉ回の関係クレジット点数、および各サンプルユーザーの違約注記情報を取得することと、サンプルユーザーの第ｉ回のクレジット点数、サンプルユーザーの第ｉ回の関係クレジット点数、およびサンプルユーザーの違約注記情報に基づいてクレジット点数モデルをトレーニングし、サンプルユーザーの第ｉ＋１回のクレジット点数を算出することと、各サンプルユーザーの第ｉ＋１回のクレジット点数がトレーニング終了条件を満たすと、トレーニング完了のクレジット点数モデルを得ることによって、ユーザー個人の情報が欠けていたり、間違いが存在したりするときにユーザーのクレジット点数を正確に計算しにくい問題を解決し、ユーザー個人のクレジット点数と、ユーザーと社交関係を有する他のユーザーのクレジット点数とを同時に統計して、ユーザーのターゲットクレジット点数を算出でき、クレジット点数モデルのカバー範囲を拡大し、ユーザーのクレジット点数の計算正確度を高める効果を達成した。

また、個人クレジット情報に基づいて第１回のクレジット点数を算出できないサンプルユーザーが存在する場合、サンプルユーザーの第１回の関係クレジット点数をサンプルユーザーの第１回のクレジット点数として確定して、ユーザーの個人クレジット点数を失った場合にもユーザーの関係クレジット点数に基づいてユーザーのクレジット点数を算出することのできる効果を達成した。

図７は本発明の一つの実施例に係るクレジット点数計算装置の構成を示すブロック図である。そのクレジット点数計算装置は、ソフトウェア、ハードウェア又は両者の結合によって実現されることができる。そのクレジット点数計算装置は、
各ユーザーの第１回のクレジット点数と、ユーザーと社交関係を有する他の各ユーザーの第１回のクレジット点数に基づいて算出された各ユーザーの第１回の関係クレジット点数とを取得するためのクレジット取得モジュール７２０と、
各ユーザーに対して、ユーザーの第１回のクレジット点数とユーザーの第１回の関係クレジット点数をトレーニング完了のクレジット点数モデルに入力して、ユーザーのターゲットクレジット点数を算出するためのターゲット計算モジュール７４０と、を含む。

要約すると、本実施例で提供されるクレジット点数計算装置は、各ユーザーの第１回のクレジット点数と各ユーザーの第１回の関係クレジット点数を取得することと、各ユーザーの第１回のクレジット点数と第１回の関係クレジット点数をクレジット点数モデルに入力して、当該ユーザーのターゲットクレジット点数を算出することによって、ユーザー個人の情報が欠けていたり、間違いが存在したりするときにユーザーのクレジット点数を正確に計算しにくい問題を解決し、ユーザー個人のクレジット点数と、ユーザーと社交関係を有する他のユーザーのクレジット点数を同時に統計して、ユーザーのターゲットクレジット点数を算出でき、クレジット点数モデルのカバー範囲を拡大し、ユーザーのクレジット点数の計算正確度を高める効果を達成した。

図８は本発明の他の実施例に係るクレジット点数計算装置の構成を示すブロック図である。そのクレジット点数計算装置は、ソフトウェア、ハードウェア又は両者の結合によって実現されることができる。そのクレジット点数計算装置は、クレジット取得モジュール８２０とターゲット計算モジュール８４０を含む。

クレジット取得モジュール８２０は、各ユーザーの第１回のクレジット点数と各ユーザーの第１回の関係クレジット点数を取得し、ユーザーの第１回の関係クレジット点数はユーザーと社交関係を有する他の各ユーザーの第１回のクレジット点数に基づいて算出されたものである。

ターゲット計算モジュール８４０は、各ユーザーに対して、ユーザーの第１回のクレジット点数とユーザーの第１回の関係クレジット点数をトレーニング完了のクレジット点数モデルに入力して、ユーザーのターゲットクレジット点数を算出する。

オプションとして、ターゲット計算モジュール８４０は、未決計算ユニット８４１とターゲット確定ユニット８４２を含んでもよい。

未決計算ユニット８４１は、ユーザーの第１回のクレジット点数とユーザーの第１回の関係クレジット点数をトレーニング完了のクレジット点数モデルに入力して、ユーザーの第ｘ回のクレジット点数を算出する。

ターゲット確定ユニット８４２は、ユーザーの第ｘ回のクレジット点数が予め設定された条件を満たすと、ユーザーの第ｘ回のクレジット点数をユーザーのターゲットクレジット点数として確定する。

オプションとして、ターゲット確定ユニット８４２は、差計算ユニット８４３と、差検出ユニット８４４と、クレジット確定ユニット８４５とを含んでもよい。

差計算ユニット８４３は、ユーザーの第ｘ回のクレジット点数とユーザーの第ｘ−１回のクレジット点数との間の差を計算する。

差検出ユニット８４４は、差が第２の閾値より小さいかどうかを検出する。

クレジット確定ユニット８４５は、差が第２の閾値より小さいとき、ユーザーの第ｘ回のクレジット点数をユーザーのターゲットクレジット点数として確定する。

オプションとして、その装置は、循環入力モジュール８６０も含んでもよい。

循環入力モジュール８６０は、ユーザーの第ｘ回のクレジット点数が予め設定された条件を満たさないとき、ユーザーの第ｘ回のクレジット点数と第ｘ回の関係クレジット点数をクレジット点数モデルに再び入力して、ユーザーの第ｘ＋１回のクレジット点数を算出する。

ｘ＝ｘ＋1として、各ユーザーの第ｘ回のクレジット点数と各ユーザーの第ｘ−１回のクレジット点数との間の差を計算するステップを再び実行する。

要約すると、本実施例で提供されるクレジット点数計算装置は、各ユーザーの第１回のクレジット点数と各ユーザーの第１回の関係クレジット点数を取得することと、各ユーザーの第１回のクレジット点数と第１回の関係クレジット点数をクレジット点数モデルに入力して、当該ユーザーのターゲットクレジット点数を算出することによって、ユーザー個人の情報が欠けていたり又は間違いが存在するときにユーザーのクレジット点数を正確に計算しにくい問題を解決し、ユーザー個人のクレジット点数と、ユーザーと社交関係を有する他のユーザーのクレジット点数を同時に統計して、ユーザーのターゲットクレジット点数を算出でき、クレジット点数モデルのカバー範囲を拡大し、ユーザーのクレジット点数の計算正確度を高める効果を達成した。

図９は本発明の一つの例示的な実施例に係るサーバーの構成を示すブロック図である。上記サーバー９００は、中央処理装置（ＣＰＵ）９０１と、ランダムアクセスメモリ（ＲＡＭ）９０２とリードオンリメモリ（ＲＯＭ）９０３を含むシステムメモリ９０４と、システムメモリ９０４と中央処理装置９０１を接続するシステムバス９０５と、を含む。上記サーバー９００は、コンピュータ内の各デバイス間の情報伝送に寄与するベーシック入出力システム（Ｉ／Ｏシステム）９０６と、オペレーティングシステム９１３、アプリケーション９１４、他のプログラムモジュール９１５を記憶するための大容量記憶装置９０７と、をさらに含む。

上記ベーシック入出力システム９０６は、情報を表示するためのディスプレイ９０８と、マウス、キーボードなどのユーザーが情報を入力するための入力装置９０９と、を含む。ここで、上記ディスプレイ９０８と入力装置９０９は、システムバス９０５に接続される入出力コントローラー９１０を介して中央処理装置９０１に接続される。上記ベーシック入出力システム９０６は、キーボードとマウス、電子スタイラスなどの多くの他の装置からの入力を受け取って処理するための入出力コントローラー９１０をさらに含むことができる。同様に、入出力コントローラー９１０は、ディスプレイスクリーン、プリンタ又は他の類型の出力装置への出力をさらに提供する。

上記大容量記憶装置９０７は、システムバス９０５に接続される大容量記憶コントローラ（未図示）を介して中央処理装置９０１に接続される。上記大容量記憶装置９０７及びそれに関連するコンピュータ読取可能な媒体は、サーバー９００に不揮発性記憶装置を提供する。すなわち、上記大容量記憶装置９０７は、ハードディスク又はＣＤ−ＲＯＭドライブなどのコンピュータ読取可能な媒体（未図示）を含むことができる。

一般性を失うことなく、上記コンピュータ読取可能な媒体は、コンピュータ記憶媒体と通信媒体を含むことができる。コンピュータ記憶媒体は、コンピュータ読取可能な命令、データ構成、プログラムモジュール又は他のデータなどの情報を記憶するための任意の方法または技術で実現される揮発性及び不揮発性、リムーバブル及び非リムーバブル媒体を含む。コンピュータ記憶媒体は、ＲＡＭ、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ又は他の固体記憶及び技術、ＣＤ−ＲＯＭ、ＤＶＤ又は他の光学記憶装置、磁気テープカセット、磁気テープ、磁気ディスクメモリ又は他の磁気記憶装置を含む。もちろん、当業者であれば、上記コンピュータ記憶媒体が上述したものに限定されないことを理解することができる。上記システムメモリ９０４及び大容量記憶装置９０７は、メモリーと総称することができる。

本発明の様々な実施例において、サーバー９００は、インターネットなどのネットワークを介してネットワーク上のリモートコンピュータに接続されて実行されることもできる。すなわち、サーバー９００は、上記システムバス９０５に接続されたネットワークインタフェースユニット９１１を介してネットワーク９１２に接続されることもでき、又はネットワークインタフェースユニット９１１を利用して他の種類のネットワーク又はリモートコンピュータシステム（未図示）に接続されることもできる。

上記メモリーは、一つ又は複数のプログラムをさらに含み、上記一つ又は複数のプログラムはメモリーに記憶され、上記一つ又は複数のプログラムは上記実施例で提供されるクレジット点数モデルトレーニング方法又はクレジット点数計算方法を実行する。

例示的な実施例では、移動端末のプロセッサによって実行されることで上記レジットトモデルレーニング方法又はクレジット点数計算方法を完成する命令を含むメモリー等の非一時的なコンピュータ読取可能な記憶媒体をさらに提供した。例えば、上記非一時的なコンピュータ読取可能な記憶媒体は、ＲＯＭ、ランダムアクセスメモリ（ＲＡＭ）、ＣＤ−ＲＯＭ、磁気テープ、フロッピーディスク、光データ記憶装置などであることができる。

尚、上記実施例で提供するクレジット点数モデルトレーニング装置がクレジット点数モデルをトレーニングするとき、ただ上記の各機能モジュールに分割することを例に説明したが、実際の応用では、必要に応じて上記機能を異なる機能モジュールによって完成することができ、すなわち、装置の内部構成を異なる機能モジュールに分割して、上記機能の全部又は一部を完成することができる。さらに、上記実施例で提供されるクレジット点数モデルトレーニング装置は、クレジット点数モデルトレーニング方法の実施例と同一な構想に属し、具体的な実現過程は方法の実施例を参照することができるので、ここでは繰り返さない。

また上記実施例で提供するクレジット点数計算装置がクレジット点数を計算するとき、ただ上記の各機能モジュールに分割することを例に説明したが、実際の応用では、必要に応じて上記機能を異なる機能モジュールによって完成することができ、すなわち、装置の内部構成を異なる機能モジュールに分割して、上記機能の全部又は一部を完成することができる。さらに、上記実施例で提供されるクレジット点数計算装置は、クレジット点数計算方法の実施例と同一な構想に属し、具体的な実現過程は方法の実施例を参照することができるので、ここでは繰り返さない。

上記本発明の実施例の番号は、説明用に過ぎず、実施例の優劣を代表しない。

当業者であれば、上記実施例のステップの全部又は一部をハードウェアで完成でき、又はプログラムによって関連するハードウェアに命令を与えて完成できることを理解することができ、上記プログラムはコンピュータ読取可能な記憶媒体に記憶されることができ、上記記憶媒体はリードオンリメモリ、磁気ディスク又はＣＤ−ＲＯＭなどであることができる。

以上は、本発明の好適な実施例に過ぎず、本発明を限定するものではなく、発明の精神や原則内での任意の修正、置換、改良などは本発明の保護範囲内に含まれる。

５２０ 情報取得モジュール
５４０ 情報入力モジュール
５６０ モデルトレーニングモジュール

Claims (36)

1. クレジット点数モデルトレーニング方法であって、前記方法は、
   サーバーが、複数のサンプルユーザーの違約注記情報と、各前記サンプルユーザーの第ｉ（ｉは初期値が１の正の整数である。）回のクレジット点数と、各前記サンプルユーザーの社交関係チェーンを取得すること、ここで前記社交関係チェーンは前記サンプルユーザーと他のユーザーとの間に存在する社交関係である、と、
   サーバーが、前記社交関係チェーンに従って各前記サンプルユーザーの第ｉ回関係クレジット点数を取得することと、
   サーバーが、各前記サンプルユーザーに対して、前記サンプルユーザーの第ｉ回のクレジット点数、前記サンプルユーザーの第ｉ回の関係クレジット点数、及び前記サンプルユーザーの違約注記情報に基づいて、クレジット点数モデルをトレーニングし、前記サンプルユーザーの第ｉ＋１回のクレジット点数を算出することと、
   サーバーが、各前記サンプルユーザーの第ｉ＋１回のクレジット点数がトレーニング終了条件を満たすと、トレーニング完了の前記クレジット点数モデルを得ることと、を含み、
   前記サンプルユーザーの第ｉ回の関係クレジット点数は前記サンプルユーザーと社交関係を有する他の各ユーザーの第ｉ回のクレジット点数に基づいて算出されたものであり、前記サンプルユーザーの違約注記情報は前記サンプルユーザーの分類に用いられ、
   前記方法は、さらに、各サンプルユーザーの違約注記情報と各サンプルユーザーの第ｉ＋１回のクレジット点数を用いて、各サンプルユーザーのクレジット点数と違約注記情報との間の関連を確立して、トレーニング完了の前記クレジット点数モデルに基づいて決定されるターゲットユーザを分類することを含む、
   ことを特徴とするクレジット点数モデルトレーニング方法。
2. ｉ＝１の時、複数のサンプルユーザーの第ｉ回のクレジット点数を取得することは、
   各前記サンプルユーザーに対して、前記サンプルユーザーの個人クレジット情報に基づいて前記サンプルユーザーの第１回のクレジット点数を算出すること、又は、
   前記個人クレジット情報に基づいて前記第１回のクレジット点数を算出することのできないサンプルユーザーが存在する場合、前記サンプルユーザーと社交関係を有する他の各ユーザーの第１回のクレジット点数に基づいて算出された前記サンプルユーザーの第１回の関係クレジット点数を前記サンプルユーザーの第１回のクレジット点数として決定すること、を含むことを特徴とする請求項１に記載の方法。
3. 各前記サンプルユーザーの第ｉ＋１回のクレジット点数がトレーニング終了条件を満たすと、トレーニング完了の前記クレジット点数モデルを得ることは、
   各前記サンプルユーザーの第ｉ＋１回のクレジット点数と各前記サンプルユーザーの第ｉ回のクレジット点数との間の相関係数を計算することと、
   前記相関係数が第１の閾値より大きいかどうかを検出することと、
   前記相関係数が前記第１の閾値より大きいと、トレーニング完了の前記クレジット点数モデルを得ることと、を含むことを特徴とする請求項１に記載の方法。
4. 前記社交関係チェーンに従って各前記サンプルユーザーの第ｉ回関係クレジット点数を決定することは、
   前記社交関係チェーンに基づいて各前記サンプルユーザーに対応する前記他の各ユーザーの第ｉ回のクレジット点数を取得することと、
   取得した前記他の各ユーザーの第ｉ回のクレジット点数に基づいて各前記サンプルユーザーの第ｉ回の関係クレジット点数を計算することと、を含む、ことを特徴とする請求項１乃至３の中のいずれかに記載の方法。
5. 取得した前記他の各ユーザーの第ｉ回のクレジット点数に基づいて各前記サンプルユーザーの第ｉ回の関係クレジット点数を計算することは、
   各前記サンプルユーザーに対して、前記サンプルユーザーに対応する前記他の各ユーザーの第ｉ回のクレジット点数の平均値を計算することと、
   前記平均値を前記サンプルユーザーの第ｉ回の関係クレジット点数として決定することと、を含むことを特徴とする請求項４に記載の方法。
6. 取得した前記他の各ユーザーの第ｉ回のクレジット点数に基づいて各前記サンプルユーザーの第ｉ回の関係クレジット点数を計算することは、
   各前記サンプルユーザーに対して、前記社交関係チェーンに基づいて前記他の各ユーザーに対応する重みを取得することと、
   前記他の各ユーザーの第ｉ回のクレジット点数と前記他の各ユーザーに対応する重みに基づいて、下式に従って前記サンプルユーザーの第ｉ回の関係クレジット点数を計算することと、を含むことを特徴とする請求項４に記載の方法。
   

   

   （ここで、ｓｃｏｒｅ＿ｆｒｉ＿ａｖｇは前記サンプルユーザーの第ｉ回の関係クレジット点数を示し、ｆｒｉｅｎｄ＿ｓｃｏｒｅ＿ｊは前記サンプルユーザーと社交関係を有する第ｊ個の前記他のユーザーの第ｉ回のクレジット点数を示し、ｏｐ＿ｊは前記サンプルユーザーと社交関係を有する第ｊ個の前記他のユーザーに対応する重みを示す。）
7. 各前記サンプルユーザーの第ｉ＋１回のクレジット点数が前記トレーニング終了条件を満たさない場合、前記サーバーが、ｉ＝ｉ＋１とし、各前記サンプルユーザーの第ｉ回のクレジット点数と各前記サンプルユーザーの第ｉ回の関係クレジット点数を取得するステップを再び実行することを特徴とする請求項１乃至３の中のいずれかに記載の方法。
8. 前記クレジット点数モデルは、ロジスティック回帰分類モデル又は決定木分類モデルを含むことを特徴とする請求項１乃至３の中のいずれかに記載の方法。
9. 請求項１乃至８の中のいずれかに記載のクレジット点数モデルに適用するクレジット点数計算方法であって、
   前記サーバーが、各ユーザーの第１回のクレジット点数、および、前記ユーザーと社交関係を有する他の各ユーザーの第１回のクレジット点数に基づいて算出された各前記ユーザーの第１回の関係クレジット点数を取得することと、
   前記サーバーが、各ユーザーに対して、前記ユーザーの第１回のクレジット点数と前記ユーザーの第１回の関係クレジット点数をトレーニング完了の前記クレジット点数モデルに入力して、前記ユーザーのターゲットクレジット点数を算出することと、を含むことを特徴とするクレジット点数計算方法。
10. 前記ユーザーの第１回のクレジット点数と前記ユーザーの第１回の関係クレジット点数をトレーニング完了の前記クレジット点数モデルに入力して、前記ユーザーのターゲットクレジット点数を算出することは、
    前記ユーザーの第１回のクレジット点数と前記ユーザーの第１回の関係クレジット点数をトレーニング完了の前記クレジット点数モデルに入力して、前記ユーザーの第ｘ回のクレジット点数を算出することと、
    前記ユーザーの第ｘ回のクレジット点数が予め設定された条件を満たした場合、前記ユーザーの第ｘ回のクレジット点数を前記ユーザーのターゲットクレジット点数として決定することと、を含むことを特徴とする請求項９に記載の方法。
11. 前記ユーザーの第ｘ回のクレジット点数が予め設定された条件を満たした場合、前記ユーザーの第ｘ回のクレジット点数を前記ユーザーのターゲットクレジット点数として決定することは、
    前記サーバーが、前記ユーザーの第ｘ回のクレジット点数と前記ユーザーの第ｘ−１回のクレジット点数との間の差を計算することと、
    前記サーバーが、前記差が第２の閾値より小さいかどうかを検出することと、
    前記サーバーが、前記差が前記第２の閾値より小さいと、前記ユーザーの第ｘ回のクレジット点数を前記ユーザーのターゲットクレジット点数として決定することと、を含むことを特徴とする請求項１０に記載の方法。
12. 前記ユーザーの第ｘ回のクレジット点数が前記予め設定された条件を満たさない場合、前記サーバーが、前記ユーザーの第ｘ回のクレジット点数と前記ユーザーの第ｘ回の関係クレジット点数を前記クレジット点数モデルに再び入力して、前記ユーザーの第ｘ＋１回のクレジット点数を算出することと、
    前記サーバーが、ｘ＝ｘ＋1とし、前記ユーザーの第ｘ回のクレジット点数と前記ユーザーの第ｘ−１回のクレジット点数との間の差を計算するステップを再び実行することと、を含むことを特徴とする請求項１０に記載の方法。
13. サーバーに適用される、クレジット点数モデルトレーニング装置であって、前記装置は、メモリーに記憶されたプログラムコンポーネントを実行するように構成されたハードウェアプロセッサを備え、プログラムモジュールは、
    複数のサンプルユーザーの違約注記情報を取得し、各前記サンプルユーザーの第ｉ（ｉは初期値が１の正の整数である。）回のクレジット点数と、各前記サンプルユーザーの社交関係チェーンを取得する、ここで前記社交関係チェーンは前記サンプルユーザーと他のユーザーとの間に存在する社交関係である、ための情報取得モジュールであって、
    前記情報取得モジュールはさらに、前記社交関係チェーンに従って各前記サンプルユーザーの第ｉ回関係クレジット点数を取得し、
    各前記サンプルユーザーに対して、前記サンプルユーザーの第ｉ回のクレジット点数、前記サンプルユーザーの第ｉ回の関係クレジット点数、および前記サンプルユーザーの違約注記情報に基づいて、クレジット点数モデルをトレーニングし、前記サンプルユーザーの第ｉ＋１回のクレジット点数を算出するための情報入力モジュールと、
    各前記サンプルユーザーの第ｉ＋１回のクレジット点数がトレーニング終了条件を満たすと、トレーニング完了の前記クレジット点数モデルを得るためのモデルトレーニングモジュールと、を含み、
    前記サンプルユーザーの第ｉ回の関係クレジット点数は前記サンプルユーザーと社交関係を有する他の各ユーザーの第ｉ回のクレジット点数に基づいて算出されたものであり、前記サンプルユーザーの違約注記情報は前記サンプルユーザーの分類に用いられ、
    前記装置は、さらに、各サンプルユーザーの違約注記情報と各サンプルユーザーの第ｉ＋１回のクレジット点数を用いて、各サンプルユーザーのクレジット点数と違約注記情報との間の関連を確立して、トレーニング完了の前記クレジット点数モデルに基づいて決定されるターゲットユーザを分類するように構成されている
    ことを特徴とするクレジット点数モデルトレーニング装置。
14. ｉ＝１の時、前記情報取得モジュールは、
    各前記サンプルユーザーに対して、前記サンプルユーザーの個人クレジット情報に基づいて前記サンプルユーザーの第１回のクレジット点数を算出するための第１の計算ユニット、又は
    前記個人クレジット情報に基づいて前記第１回のクレジット点数を算出することのできないサンプルユーザーが存在する場合、前記サンプルユーザーの第１回の関係クレジット点数を前記サンプルユーザーの第１回のクレジット点数として決定するための第２の計算ユニットを含み、
    前記第１回の関係クレジット点数は、前記サンプルユーザーと社交関係を有する他の各ユーザーの第１回のクレジット点数に基づいて算出されたものである
    ことを特徴とする請求項１３に記載の装置。
15. 前記モデルトレーニングモジュールは、
    各前記サンプルユーザーの第ｉ＋１回のクレジット点数と各前記サンプルユーザーの第ｉ回のクレジット点数の間の相関係数を計算するための係数計算ユニットと、
    前記相関係数が第１の閾値より大きいかどうかを検出するための係数検出ユニットと、
    前記相関係数が前記第１の閾値より大きいと、トレーニング完了の前記クレジット点数モデルを得るためのトレーニング完了ユニットと、を含むことを特徴とする請求項１４に記載の装置。
16. 前記情報取得モジュールは、
    前記サンプルユーザーと前記他のユーザーの間に存在する社交関係である各前記サンプルユーザーの社交関係チェーンを取得するための社交取得ユニットと、
    前記社交関係チェーンに基づいて各前記サンプルユーザーに対応する前記他の各ユーザーの第ｉ回のクレジット点数を取得するための点数取得ユニットと、
    取得した前記他の各ユーザーの第ｉ回のクレジット点数に基づいて各前記サンプルユーザーの第ｉ回の関係クレジット点数を計算するための関係計算ユニットと、をさらに含むことを特徴とする請求項１３乃至１５の中のいずれかに記載の装置。
17. 前記関係計算ユニットは、
    各前記サンプルユーザーに対して、前記サンプルユーザーに対応する前記他の各ユーザーの第ｉ回のクレジット点数の平均値を計算するための第３の計算ユニットと、
    前記平均値を前記サンプルユーザーの第ｉ回の関係クレジット点数として決定するための点数確定ユニットと、を含むことを特徴とする請求項１６に記載の装置。
18. 前記関係計算ユニットは、
    各前記サンプルユーザーに対して、前記社交関係チェーンに基づいて前記他の各ユーザーに対応する重みを取得するための重み取得ユニットと、
    前記他の各ユーザーの第ｉ回のクレジット点数と前記他の各ユーザーに対応する重みに基づいて、下式に従って、前記サンプルユーザーの第ｉ回の関係クレジット点数を計算するための第４の計算ユニットと、を含むことを特徴とする請求項１６に記載の装置。
    

    

    （ここで、ｓｃｏｒｅ＿ｆｒｉ＿ａｖｇは前記サンプルユーザーの第ｉ回の関係クレジット点数を示し、ｆｒｉｅｎｄ＿ｓｃｏｒｅ＿ｊは前記サンプルユーザーと社交関係を有する第ｊ個の前記他のユーザーの第ｉ回のクレジット点数を示し、ｏｐ＿ｊは前記サンプルユーザーと社交関係を有する第ｊ個の前記他のユーザーに対応する重みを示す。）
19. 各前記サンプルユーザーの第ｉ＋１回のクレジット点数が前記トレーニング終了条件を満たさない場合、ｉ＝ｉ＋１とし、各前記サンプルユーザーの第ｉ回のクレジット点数と各前記サンプルユーザーの第ｉ回の関係クレジット点数を取得するステップを再び実行するモジュールをさらに含むことを特徴とする請求項１３乃至１５の中のいずれかに記載の装置。
20. 前記クレジット点数モデルは、ロジスティック回帰分類モデル又は決定木分類モデルを含むことを特徴とする請求項１３乃至１５の中のいずれかに記載の装置。
21. 請求項１３乃至２０の中のいずれかに記載のクレジット点数モデルに適用し、サーバーに適用される、クレジット点数計算装置であって、
    各ユーザーの第１回のクレジット点数、および、前記ユーザーと社交関係を有する他の各ユーザーの第１回のクレジット点数に基づいて算出された各前記ユーザーの第１回の関係クレジット点数を取得するためのクレジット取得モジュールと、
    各ユーザーに対して、前記ユーザーの第１回のクレジット点数と前記ユーザーの第１回の関係クレジット点数をトレーニング完了の前記クレジット点数モデルに入力して、前記ユーザーのターゲットクレジット点数を算出するためのターゲット計算モジュールと、を含むことを特徴とするクレジット点数計算装置。
22. 前記ターゲット計算モジュールは、
    前記ユーザーの第１回のクレジット点数と前記ユーザーの第１回の関係クレジット点数をトレーニング完了の前記クレジット点数モデルに入力して、前記ユーザーの第ｘ回のクレジット点数を算出するための未決計算ユニットと、
    前記ユーザーの第ｘ回のクレジット点数が予め設定された条件を満たした場合、前記ユーザーの第ｘ回のクレジット点数を前記ユーザーのターゲットクレジット点数として決定するためのターゲット確定ユニットと、を含むことを特徴とする請求項２１に記載の装置。
23. 前記ターゲット確定ユニットは、
    前記ユーザーの第ｘ回のクレジット点数と前記ユーザーの第ｘ−１回のクレジット点数との間の差を計算するための差計算ユニットと、
    前記差が第２の閾値より小さいかどうかを検出するための差検出ユニットと、
    前記差が前記第２の閾値より小さいと、前記ユーザーの第ｘ回のクレジット点数を前記ユーザーのターゲットクレジット点数として決定するためのクレジット確定ユニットと、を含む
    ことを特徴とする請求項２２に記載の装置。
24. 前記ユーザーの第ｘ回のクレジット点数が前記予め設定された条件を満たさない場合、前記ユーザーの第ｘ回のクレジット点数と前記ユーザーの第ｘ回の関係クレジット点数を前記クレジット点数モデルに再び入力して、前記ユーザーの第ｘ＋１回のクレジット点数を算出するための循環入力モジュールであって、
    ｘ＝ｘ＋1とし、前記ユーザーの第ｘ回のクレジット点数と前記ユーザーの第ｘ−１回のクレジット点数との間の差を計算するステップを再び実行する循環入力モジュールをさらに含むことを特徴とする請求項２２に記載の装置。
25. 一つ又は複数のプロセッサと、
    一つ又は複数のプログラムを記憶したメモリーと、を含み、
    前記一つ又は複数のプログラムは、前記一つ又は複数のプロセッサによって実行されるように構成され、
    前記一つ又は複数のプログラムは、
    複数のサンプルユーザーの違約注記情報と、各前記サンプルユーザーの第ｉ（ｉは初期値が１の正の整数である。）回のクレジット点数と、各前記サンプルユーザーの社交関係チェーンを取得する動作、ここで前記社交関係チェーンは前記サンプルユーザーと他のユーザーとの間に存在する社交関係である、と、
    サーバーが、前記社交関係チェーンに従って各前記サンプルユーザーの第ｉ回関係クレジット点数を取得する動作と、
    各前記サンプルユーザーに対して、前記サンプルユーザーの第ｉ回のクレジット点数、前記サンプルユーザーの第ｉ回の関係クレジット点数、及び前記サンプルユーザーの違約注記情報に基づいて、クレジット点数モデルをトレーニングし、前記サンプルユーザーの第ｉ＋１回のクレジット点数を算出する動作と、
    各前記サンプルユーザーの第ｉ＋１回のクレジット点数がトレーニング終了条件を満たすと、トレーニング完了の前記クレジット点数モデルを得る動作と、を行うための指令を含み、
    前記サンプルユーザーの第ｉ回の関係クレジット点数は前記サンプルユーザーと社交関係を有する他の各ユーザーの第ｉ回のクレジット点数に基づいて算出されたものであり、前記サンプルユーザーの違約注記情報は前記サンプルユーザーの分類に用いられ、
    前記プログラムの動作は、さらに、各サンプルユーザーの違約注記情報と各サンプルユーザーの第ｉ＋１回のクレジット点数を用いて、各サンプルユーザーのクレジット点数と違約注記情報との間の関連を確立して、トレーニング完了の前記クレジット点数モデルに基づいて決定されるターゲットユーザを分類する動作を含む、
    ことを特徴とするクレジット点数モデルトレーニングサーバー。
26. ｉ＝１の時、前記一つ又は複数のプログラムは、
    各前記サンプルユーザーに対して、前記サンプルユーザーの個人クレジット情報に基づいて前記サンプルユーザーの第１回のクレジット点数を算出する動作、又は、
    前記個人クレジット情報に基づいて前記第１回のクレジット点数を算出することのできないサンプルユーザーが存在する場合、前記サンプルユーザーと社交関係を有する他の各ユーザーの第１回のクレジット点数に基づいて算出された前記サンプルユーザーの第１回の関係クレジット点数を前記サンプルユーザーの第１回のクレジット点数として決定する動作を行うための指令をさらに含むことを特徴とする請求項２５に記載のサーバー。
27. 前記一つ又は複数のプログラムは、
    各前記サンプルユーザーの第ｉ＋１回のクレジット点数と各前記サンプルユーザーの第ｉ回のクレジット点数との間の相関係数を計算する動作と、
    前記相関係数が第１の閾値より大きいかどうかを検出する動作と、
    前記相関係数が前記第１の閾値より大きいと、トレーニング完了の前記クレジット点数モデルを得る動作と、を行うための指令をさらに含むことを特徴とする請求項２５に記載のサーバー。
28. 前記一つ又は複数のプログラムは、
    前記サンプルユーザーと前記他のユーザーの間に存在する社交関係である各前記サンプルユーザーの社交関係チェーンを取得する動作と、
    前記社交関係チェーンに基づいて各前記サンプルユーザーに対応する前記他の各ユーザーの第ｉ回のクレジット点数を取得する動作と、
    取得した前記他の各ユーザーの第ｉ回のクレジット点数に基づいて各前記サンプルユーザーの第ｉ回の関係クレジット点数を計算する動作と、を行うための指令をさらに含むことを特徴とする請求項２５乃至２７の中のいずれかに記載のサーバー。
29. 前記一つ又は複数のプログラムは、
    各前記サンプルユーザーに対して、前記サンプルユーザーに対応する前記他の各ユーザーの第ｉ回のクレジット点数の平均値を計算する動作と、
    前記平均値を前記サンプルユーザーの第ｉ回の関係クレジット点数として決定する動作と、を行うための指令をさらに含むことを特徴とする請求項２８に記載のサーバー。
30. 前記一つ又は複数のプログラムは、
    各前記サンプルユーザーに対して、前記社交関係チェーンに基づいて前記他の各ユーザーに対応する重みを取得する動作と、
    前記他の各ユーザーの第ｉ回のクレジット点数と前記他の各ユーザーに対応する重みに基づいて、下式に従って、前記サンプルユーザーの第ｉ回の関係クレジット点数を計算する動作と、を行うための指令をさらに含むことを特徴とする請求項２８に記載のサーバー。
    

    

    （ここで、ｓｃｏｒｅ＿ｆｒｉ＿ａｖｇは前記サンプルユーザーの第ｉ回の関係クレジット点数を示し、ｆｒｉｅｎｄ＿ｓｃｏｒｅ＿ｊは前記サンプルユーザーと社交関係を有する第ｊ個の前記他のユーザーの第ｉ回のクレジット点数を示し、ｏｐ＿ｊは前記サンプルユーザーと社交関係を有する第ｊ個の前記他のユーザーに対応する重みを示す。）
31. 前記一つ又は複数のプログラムは、
    各前記サンプルユーザーの第ｉ＋１回のクレジット点数が前記トレーニング終了条件を満たさない場合、ｉ＝ｉ＋１とし、各前記サンプルユーザーの第ｉ回のクレジット点数と各前記サンプルユーザーの第ｉ回の関係クレジット点数を取得するステップを再び実行する動作を行うための指令をさらに含むことを特徴とする請求項２５乃至２７の中のいずれかに記載のサーバー。
32. 前記クレジット点数モデルは、ロジスティック回帰分類モデル又は決定木分類モデルを含むことを特徴とする請求項２５乃至２７の中のいずれかに記載のサーバー。
33. 請求項２５乃至３２の中のいずれかに記載のクレジット点数モデルに適用するクレジット点数計算サーバーであって、
    一つ又は複数のプロセッサと、
    一つ又は複数のプログラムを記憶したメモリーと、を含み、
    前記一つ又は複数のプログラムは、前記一つ又は複数のプロセッサによって実行されるように構成され、
    前記一つ又は複数のプログラムは、
    各ユーザーの第１回のクレジット点数、および、前記ユーザーと社交関係を有する他の各ユーザーの第１回のクレジット点数に基づいて算出された各前記ユーザーの第１回の関係クレジット点数を取得する動作と、
    各ユーザーに対して、前記ユーザーの第１回のクレジット点数と前記ユーザーの第１回の関係クレジット点数をトレーニング完了の前記クレジット点数モデルに入力して、前記ユーザーのターゲットクレジット点数を算出する動作と、を行うための指令を含むことを特徴とするクレジット点数計算サーバー。
34. 前記一つ又は複数のプログラムは、
    前記ユーザーの第１回のクレジット点数と前記ユーザーの第１回の関係クレジット点数をトレーニング完了の前記クレジット点数モデルに入力して、前記ユーザーの第ｘ回のクレジット点数を算出する動作と、
    前記ユーザーの第ｘ回のクレジット点数が予め設定された条件を満たした場合、前記ユーザーの第ｘ回のクレジット点数を前記ユーザーのターゲットクレジット点数として決定する動作と、を行うための指令をさらに含むことを特徴とする請求項３３に記載のサーバー。
35. 前記一つ又は複数のプログラムは、
    前記ユーザーの第ｘ回のクレジット点数と前記ユーザーの第ｘ−１回のクレジット点数との間の差を計算する動作と、
    前記差が第２の閾値より小さいかどうかを検出する動作と、
    前記差が前記第２の閾値より小さいと、前記ユーザーの第ｘ回のクレジット点数を前記ユーザーのターゲットクレジット点数として決定する動作と、を行うための指令をさらに含むことを特徴とする請求項３４に記載のサーバー。
36. 前記一つ又は複数のプログラムは、
    前記ユーザーの第ｘ回のクレジット点数が前記予め設定された条件を満たさない場合、前記ユーザーの第ｘ回のクレジット点数と前記ユーザーの第ｘ回の関係クレジット点数を前記クレジット点数モデルに再び入力して、前記ユーザーの第ｘ＋１回のクレジット点数を算出する動作と、
    ｘ＝ｘ＋1とし、前記ユーザーの第ｘ回のクレジット点数と前記ユーザーの第ｘ−１回のクレジット点数との間の差を計算するステップを再び実行する動作と、を行うための指令をさらに含むことを特徴とする請求項３４に記載のサーバー。

Images