JP6685541B2 - ユーザ信用スコアを最適化するための方法および装置 - Google Patents

ユーザ信用スコアを最適化するための方法および装置 Download PDF

Info

Publication number
JP6685541B2
JP6685541B2 JP2018528240A JP2018528240A JP6685541B2 JP 6685541 B2 JP6685541 B2 JP 6685541B2 JP 2018528240 A JP2018528240 A JP 2018528240A JP 2018528240 A JP2018528240 A JP 2018528240A JP 6685541 B2 JP6685541 B2 JP 6685541B2
Authority
JP
Japan
Prior art keywords
social
user
credit score
target
user set
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.)
Active
Application number
JP2018528240A
Other languages
English (en)
Other versions
JP2018536940A (ja
Inventor
培▲シュアン▼ ▲陳▼
培▲シュアン▼ ▲陳▼
▲謙▼ ▲陳▼
▲謙▼ ▲陳▼
霖 李
霖 李
志斌 ▲劉▼
志斌 ▲劉▼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Publication of JP2018536940A publication Critical patent/JP2018536940A/ja
Application granted granted Critical
Publication of JP6685541B2 publication Critical patent/JP6685541B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification
    • 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
    • G06Q40/03—Credit; Loans; Processing thereof
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Technology Law (AREA)
  • Educational Administration (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

関連出願
本出願は、その全体が参照により組み込まれる、「OPTIMIZATION METHOD AND APPARATUS FOR CREDIT SCORE OF USER」という名称の、2016年6月6日に中国の特許庁に出願された、中国特許出願第201610396866.8号に基づく優先権を主張する。
本出願は、インターネット技術の分野に関し、詳細には、ユーザの信用スコアのための最適化方法および装置に関する。
近年、インターネット技術が急速に発展するにつれて、人々は、インターネットを使用することによって、ますます多くの様々なデータサービスを処理し、またユーザの信用評価が、インターネット技術の分野で焦点の問題になっている。
既存の技術では、一般的に、ユーザに対しての信用格付け方法において、ユーザの個人情報が収集され、次いで、統計モデルまたは機械学習のいくつかの予測アルゴリズム、たとえば、よく使用されるFICO信用スコアシステムおよびZestfinace信用格付けシステムを使用することによって、ユーザのデフォルトリスクが予測される。既存の信用スコア機構では、ユーザの次元の情報のみが使用される。ユーザの個人情報が、不完全にまたは誤って収集される場合、ユーザに対しての正確な信用格付けを実施することは非常に困難である。
この点において、本出願の実施形態は、ユーザの信用スコアの精度を効果的に上げるために、ユーザの信用スコアのための最適化方法および装置を提供する。
上記の技術的問題を解決するために、本出願の一実施形態は、ユーザの信用スコアのための最適化方法を提供し、この方法は、
複数のソーシャルユーザセット中のユーザの初期信用スコアを取得するステップと、
ソーシャルユーザセット中のユーザの初期信用スコアに従って、ソーシャルユーザセットの初期信用スコアを取得するステップと、
各2つのソーシャルユーザセット中のユーザ間のソーシャル関係(social relationship)に従って、各2つのソーシャルユーザセット間のソーシャル関係を決定するステップと、
ターゲットソーシャルユーザセットとソーシャル関係を有する少なくとも1つのソーシャルユーザセットの信用スコア、および少なくとも1つのソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル関係に従って、ターゲットソーシャルユーザセットの信用スコアを最適化および調整するステップと、
ターゲットソーシャルユーザセットの最適化および調整された信用スコアに従って、ターゲットソーシャルユーザセット中のユーザの信用スコアを訂正するステップと
を含む。
対応して、本出願の一実施形態は、ユーザの信用スコアのための最適化装置をさらに提供し、装置は、少なくともプロセッサと、メモリとを含み、メモリは、ユーザスコア取得モジュールと、セットスコア取得モジュールと、セット関係取得モジュールと、セットスコア最適化モジュールと、ユーザスコア訂正モジュールとを記憶し、プロセッサによって実行されるとき、プロセッサに上記の方法を実行させる。
本出願の実施形態における、または既存の技術における技術的解決策をより明確に説明するために、以下に、実施形態または既存の技術を説明するために必要である添付の図面について概説する。以下の説明での添付の図面は、本出願の一部の実施形態を示すにすぎず、当業者は創造的な努力なしにこれらの添付の図面から他の図面をさらに導き出し得るのは明らかである。
本出願の一実施形態による、ユーザの信用スコアのための最適化方法の概略フローチャートである。 本出願の一実施形態による、ユーザのソーシャル関係の階層化処理の概略図である。 本出願の一実施形態による、ソーシャルユーザセットの信用スコア上での最適化および反復の実行の概略フローチャートである。 本出願の別の実施形態による、ユーザの信用スコアのための最適化方法の概略フローチャートである。 本出願の一実施形態による、ターゲットソーシャルユーザセット中のユーザの信用スコア上での最適化および反復の実行の概略フローチャートである。 本出願の一実施形態による、ユーザの信用スコアのための最適化装置の概略構造図である。 本出願の一実施形態による、セットスコア最適化モジュールの概略構造図である。 本出願の一実施形態による、ユーザスコア最適化モジュールの概略構造図である。 本出願の一実施形態による、ユーザの信用スコアのための最適化装置のハードウェア構造のブロック図である。
以下に、本出願の実施形態における技術的解決法について、本出願の実施形態における添付の図面を参照しながら明確かつ十分に説明する。説明する実施形態は、本出願の一部の実施形態であり、実施形態の全部ではないことは明らかである。創造的な努力なしに本出願の実施形態に基づいて当業者によって取得される他のすべての実施形態は、本出願の保護範囲内に含まれるものとする。
本出願の実施形態におけるユーザの信用スコアの最適化方法および装置は、パーソナルコンピュータ、ノートブックコンピュータ、スマートフォン、タブレットコンピュータ、または電子リーダーなどのコンピュータシステムで実装される。以下に、本出願の実施形態の実行体としてユーザの信用スコアのための最適化装置を使用することによって説明を行う。
図1は、本出願の一実施形態による、ユーザの信用スコアのための最適化方法の概略フローチャートである。図に示すように、この実施形態では、ユーザの信用スコアのための最適化方法は、以下の手順を含んでもよい。
S101:複数のソーシャルユーザセット中のユーザの初期信用スコアを取得する。
詳細には、複数のソーシャルユーザセット中のユーザの初期信用スコアは、ユーザの信用スコアのための最適化装置にインポートされてもよく、代替的に、ユーザの信用スコアのための最適化装置は、複数のソーシャルユーザセット中のユーザの初期信用スコアを取得するために、ユーザの個人情報を取得し、ユーザの個人情報および特定の予測モデルに従って信用スコアリングを行ってもよく、代替的に、ユーザの信用スコアのための最適化装置は、このアプリケーションを実装することによってユーザの最適化された信用スコアを取得し、複数のソーシャルユーザセット中のユーザの初期信用スコアとして、最適化された信用スコアを使用してもよい。たとえば、現在の信用スコアが最適化されるとき、前の最適化で取得されたユーザの信用スコアが、この最適化では初期信用スコアとして使用されてもよい。ユーザの信用スコアを最適化することは、管理者によって手動でトリガされてもよく、あるいは更新サイクルに従って、または新しいユーザもしくはソーシャルユーザセットを追加するイベントに従って、トリガされてもよい。
一実施形態では、ユーザの初期信用スコアが欠落している場合、ソーシャルフレンド、同僚、および親族であるユーザの信用スコアの平均スコアまたは加重平均スコアが、ユーザの初期信用スコアとして使用されてもよい。加重値は、ユーザとユーザとの間の親密度に従って、またはユーザとユーザとの間で発生するソーシャルイベントの頻度に従って、決定されてもよい。
複数のソーシャルユーザセットは、異なるソーシャルグループに参加しているユーザのセットであってもよい。同じソーシャルグループに参加しているユーザは、そのソーシャルグループに対応するソーシャルユーザセットに属する。代替的に、複数のソーシャルユーザセットは、ユーザの特定の属性、たとえば、ユーザの関心または地理的位置に従って分割を行うことによって取得されてもよい。好ましい実施形態では、ソーシャルユーザセットには、同じユーザが存在しない、すなわち、1ユーザは単に1ソーシャルユーザセットに属する。
S102:ソーシャルユーザセット中のユーザの初期信用スコアに従って、ソーシャルユーザセットの初期信用スコアを取得する。
特定の実装形態では、ソーシャルユーザセット中のユーザの初期信用スコアの平均スコアまたは加重平均スコアが、ソーシャルユーザセットの初期信用スコアとして使用されてもよい。すなわち、
Figure 0006685541
または
Figure 0006685541
、
ここで、Siは、ソーシャルユーザセットの初期信用スコアであり、sjは、ソーシャルユーザセット中の第jのユーザの初期信用スコアであり、niは、ソーシャルユーザセット中のユーザの数量であり、ajは、ソーシャルユーザセットの信用スコアのための第jのユーザの加重値である。
各ユーザの加重値が、ユーザとソーシャルユーザセット中のユーザとの間のソーシャル関係に従って決定されてもよい。たとえば、ユーザが、ソーシャルユーザセット(合計6人)に、4人のソーシャルフレンドを有し、加重値は、4/(6-1)=0.8などであってもよい。代替的に、ソーシャルユーザセットの信用スコアに対するユーザの加重値が、ユーザとソーシャルユーザセット中のユーザとの間で発生するソーシャルイベントの頻度に従って決定されてもよい。代替的に、ユーザが属するソーシャルユーザセットの信用スコアに対するユーザの加重値が、上記の2つの方法と組み合わせて一緒に決定されてもよい。
S103:各2つのソーシャルユーザセット中のユーザ間のソーシャル関係に従って、各2つのソーシャルユーザセット間のソーシャル関係を決定する。
本出願のこの実施形態におけるユーザの信用スコアのための最適化装置は、2つのソーシャルユーザセットに別々に属するユーザ間のソーシャル関係に従って、2つのソーシャルユーザセット間のソーシャル関係を決定してもよい。たとえば、第1のソーシャルユーザセットに属する第1のユーザが、第2のソーシャルユーザセットにソーシャルフレンドを有する場合、第1のソーシャルユーザセットと第2のソーシャルユーザセットとの間に、ソーシャル関係が存在する。次いで、2つのソーシャルユーザセット間のソーシャル関係の親密度が、数量化されてもよい。たとえば、2つのソーシャルユーザセット間のソーシャル関係の親密度は、2つのソーシャルユーザセット中にあって、互いのソーシャルフレンドであるユーザの数量(ユーザの数量またはソーシャル関係ペアの数量)に従って数量化されてもよい。親密度は、一貫性があってもよく、すなわち、2つのソーシャルユーザセット間の双方向の親密度が数量化され、または、一貫性がなくてもよく、すなわち、2つのソーシャルユーザセット間の単方向の親密度が数量化されてもよい。たとえば、ソーシャルユーザセット(アソシエーションとも呼ばれる)A、B、C、およびDが、図2に示すユーザ間のソーシャル関係の階層化処理によって取得される。ソーシャルユーザセットA中にあって、ソーシャルユーザセットB中にソーシャルフレンドを有するユーザの数量は決定され、ソーシャルユーザセットB中にソーシャルフレンドを有するユーザの数量を、ソーシャルユーザセットA中のユーザの総数量で割った結果が、ソーシャルユーザセットAの、ソーシャルユーザセットBとのソーシャル親密度となる。反対に、ソーシャルユーザセットA中にソーシャルフレンドを有するユーザの数量を、ソーシャルユーザセットB中のユーザの総数量で割った結果が、ソーシャルユーザセットBの、ソーシャルユーザセットAとのソーシャル親密度となる。ソーシャルユーザセットAとソーシャルユーザセットBとの間の双方向親密度が、ソーシャルユーザセットBの、ソーシャルユーザセットAとのソーシャル親密度と組み合わせて、ソーシャルユーザセットAの、ソーシャルユーザセットBとのソーシャル親密度に従ってさらに計算されてもよい。その後、数量化によって取得される2つのソーシャルユーザセット間のソーシャル関係の親密度に従って、2つのソーシャルユーザセット間のソーシャル重みもまた決定されてもよい。すなわち、ターゲットソーシャルユーザセットの信用スコアが計算されるとき、ターゲットソーシャルユーザセットとソーシャル関係を有する他のソーシャルユーザセットの信用スコアの加重値が考慮される。2つのソーシャルユーザセット間のソーシャル関係がより親密である場合、2つのソーシャルユーザセットの信用スコアが類似する確率はより高い。言い換えれば、ターゲットソーシャルユーザセットの親密なソーシャルユーザセットの信用スコアが、ターゲットソーシャルユーザセットの信用スコアを反映する可能性がある。したがって、ターゲットソーシャルユーザセットの信用スコアが最適化および調整されるとき、親密なソーシャルユーザセットの信用スコアのインパクトファクタ(参照重み)が、より大きい値に設定されるべきである。
図2に示すソーシャル関係の階層化処理では、中間層のアソシエーション間のソーシャル関係が、上位層の元のソーシャル関係におけるユーザのクロスアソシエーション(ソーシャルユーザセット)ソーシャル関係に従って処理を行うことによって取得され、アソシエーション中のユーザ間のソーシャル関係が、下位層のアソシエーション中のユーザのソーシャル関係として保留される。
S104:ターゲットソーシャルユーザセットとソーシャル関係を有する少なくとも1つのソーシャルユーザセットの信用スコア、および少なくとも1つのソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル関係に従って、ターゲットソーシャルユーザセットの信用スコアを最適化および調整する。
ステップS103に従って、各2つのソーシャルユーザセット間のソーシャル関係が取得される。ソーシャル関係を有する2つのソーシャルユーザセットは、互いに影響を及ぼす場合がある、またはソーシャル関係を有する2つのソーシャルユーザセットの信用スコアが、互いの参照として使用される場合があると考えられてもよい。したがって、ユーザの信用スコアのための最適化装置は、ユーザの情報が不完全にまたは誤って収集されることによって引き起こされるターゲットソーシャルユーザセットの不正確な信用スコアを効果的に防ぐために、ターゲットソーシャルユーザセットとソーシャル関係を有する他のすべてのソーシャルユーザセットの信用スコアに従ってターゲットソーシャルユーザセットの信用スコアを最適化および調整してもよい。たとえば、ターゲットソーシャルユーザセットとソーシャル関係を有する他のソーシャルユーザセットの信用スコアの平均値を、ターゲットソーシャルユーザセットの最適化および調整された信用スコアとするか、またはターゲットソーシャルユーザセットとソーシャル関係を有する他のソーシャルユーザセットの信用スコアの平均値と、ターゲットソーシャルユーザセットの初期信用スコアとの間の任意の値を、ターゲットソーシャルユーザセットの最適化および調整された信用スコアとする。
次いで、一実施形態では、ユーザの信用スコアのための最適化装置は、ソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル関係に従って、各ソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル重みを決定し、少なくとも1つのソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル重み、および対応するソーシャルユーザセットの信用スコアに従って、ターゲットソーシャルユーザセットの信用スコアを最適化および調整してもよい。すなわち、各ソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル重みは、ターゲットソーシャルユーザセットと他のソーシャルユーザセットの各々との間にあって、S103を実行することによって数量化される親密度に従って決定され、次いで、ターゲットソーシャルユーザセットの信用スコアは、ターゲットソーシャルユーザセットとソーシャル関係を有する各ソーシャルユーザセットの信用スコア、およびソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル重みに従って、最適化および調整され、たとえば、
Figure 0006685541
、ここで、Qiは、ターゲットソーシャルユーザセットの信用スコアであり、Qkは、ターゲットソーシャルユーザセットとソーシャル関係を有する第kのソーシャルユーザセットの信用スコアであり、ekiは、第kのソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル重みであり、
Figure 0006685541
は、ターゲットソーシャルユーザセットとソーシャル関係を有する各ソーシャルユーザセットの信用スコア、および対応するソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル重みの積の和を表す。この実装形態は、特に、新しいターゲットソーシャルユーザセットが追加されると同時に、他のソーシャルユーザセットがすべて最適化および調整される状況に適用可能である。ターゲットソーシャルユーザセットのみが、他のソーシャルユーザセットを再び最適化および調整することなく、別個に最適化および調整される。
ソーシャルユーザセットの各々とターゲットソーシャルユーザセットとの間のソーシャル重みは、ソーシャルユーザセットにソーシャル関連ユーザを有するユーザと、ターゲットソーシャルユーザセット中のすべてのユーザの比に従って取得されてもよい。たとえば、2つのソーシャルユーザセット間のソーシャル関係の親密度が数量化されるS103の同じ方法が、適用される。
別の実施形態では、ユーザの信用スコアのための最適化方法は、ターゲットソーシャルユーザセットとソーシャル関係を有する少なくとも1つのソーシャルユーザセットの信用スコア、および少なくとも1つのソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル関係に従って、ソーシャルユーザセットの信用スコアを最適化および反復してもよい。特定の反復手順を図3に示すことができる。
S105:ターゲットソーシャルユーザセットの最適化および調整された信用スコアに従って、ターゲットソーシャルユーザセット中のユーザの信用スコアを訂正する。
詳細には、ユーザの信用スコアのための最適化装置は、ターゲットソーシャルユーザセット中のユーザの信用スコアを、対応するユーザの初期信用スコアとターゲットソーシャルユーザセットの最適化および調整された信用スコアとの間の任意の値に訂正してもよい。たとえば、ターゲットソーシャルユーザセット中のユーザの情報が欠落しているまたは誤っている場合、ユーザの信用スコアのための最適化装置は、ターゲットソーシャルユーザセットの最適化および調整された信用スコアを、ユーザの訂正された信用スコアとして使用してもよい。
一実施形態では、ユーザの信用スコアのための最適化装置は、ターゲットソーシャルユーザセット中のユーザの信用スコアを、ターゲットソーシャルユーザセットの信用スコアを最適化および調整するための調整値に従って訂正してもよい。たとえば、ターゲットソーシャルユーザセット中のユーザの信用スコアは、以下の公式を使用することによって訂正される:
s'j = sj + (Qi - Si)、ここで、Qiは、ターゲットソーシャルユーザセットの最適化および調整された信用スコアであり、Siは、ターゲットソーシャルユーザセットの初期信用スコアであり、sjは、ターゲットソーシャルユーザセット中の第jのユーザの初期信用スコアであり、s'jは、ターゲットソーシャルユーザセット中の第jのユーザの訂正された信用スコアである。
ユーザの信用スコアのための最適化装置は、ターゲットソーシャルユーザセット中のユーザの信用スコアの対応する比を、ターゲットソーシャルユーザセットの信用スコアを最適化および調整するための調整比に従って訂正してもよい。
次いで、一実施形態では、ユーザの信用スコアのための最適化装置は、ユーザのための製品情報を、この実施形態でのステップを実行することによって取得される、対応するユーザの訂正された信用スコアに従ってプッシュする、たとえば、金融製品情報もしくは固定資産管理製品情報をプッシュする、または、ユーザのデータサービスを、対応するユーザの信用スコアに従って監視および管理する、たとえば、対応するユーザのローンサービスに関してリスク管理を実行する、もしくはユーザの流動資金の管理に関して提案を行うことがある。
図3は、本出願の一実施形態による、ソーシャルユーザセットの信用スコアの最適化および反復の概略フローチャートである。図3に示すように、この実装形態での最適化および反復プロセスは、以下のステップを含んでもよい。
S1041:各2つのソーシャルユーザセット間のソーシャル関係に従って、各2つのソーシャルユーザセット間のソーシャル重みを決定する。
各ソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル重みは、ソーシャルユーザセットにソーシャル関連ユーザを各々有するユーザと、ターゲットソーシャルユーザセット中のユーザの比に従って決定されてもよい。たとえば、ソーシャルユーザセット(アソシエーションとも呼ばれる)A、B、C、およびDが、図2に示すユーザ間のソーシャル関係の階層化処理によって取得される。ソーシャルユーザセットA中にあって、ソーシャルユーザセットB中にソーシャルフレンドを有するユーザの数量は決定され、ソーシャルユーザセットB中にソーシャルフレンドを有するユーザの数量を、ソーシャルユーザセットA中のユーザの総数量で割った結果が、ソーシャルユーザセットAの、ソーシャルユーザセットBとのソーシャル重みとなる。たとえば、ソーシャルユーザセットA中のa1およびa2は、各々、ソーシャルユーザセットB中にソーシャルフレンドを有し、ソーシャルユーザセットA中のユーザの総数量は3であり、したがって、ソーシャルユーザセットAの、ソーシャルユーザセットBとのソーシャル重みは2/3であってもよい。すなわち、ソーシャルユーザセットAの信用スコアが最適化されるとき、ソーシャルユーザセットBの信用スコアのソーシャル重みは2/3である。一方、ソーシャルユーザセットA中にソーシャルフレンドを有するユーザの数量を、ソーシャルユーザセットB中のユーザの総数量で割った結果が、ソーシャルユーザセットBの、ソーシャルユーザセットAとのソーシャル親密度となる。たとえば、ソーシャルユーザセットB中の2人のユーザもまた、各々、ソーシャルユーザセットA中にソーシャルフレンドを有し、ソーシャルユーザセットB中のユーザの総数量は4であり、したがって、ソーシャルユーザセットBの、ソーシャルユーザセットAとのソーシャル重みは2/4=0.5であってもよい。すなわち、ソーシャルユーザセットBの信用スコアが最適化されるとき、ソーシャルユーザセットAの信用スコアのソーシャル重みは0.5である。
S1042:ソーシャルユーザセットの信用スコアを最適化および反復する。
S1043:複数のソーシャルユーザセットの各々をターゲットソーシャルユーザセットとして別個に使用し、少なくとも1つのソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル重み、および対応するソーシャルユーザセットの信用スコアに従って、ターゲットソーシャルユーザセットの信用スコアを最適化および調整する。
すなわち、各反復において、複数のソーシャルユーザセットの各々の信用スコアは、以下の公式を使用することによって最適化および調整される:
Figure 0006685541
、ここで
Figure 0006685541
は、r回目の反復における第iのソーシャルユーザセットの信用スコアであり、
Figure 0006685541
は、(r-1)回目の反復における第iのソーシャルユーザセットとソーシャル関係を有するソーシャルユーザセットの信用スコアであり、ekiは、第iのソーシャルユーザセットとソーシャル関係を有するソーシャルユーザセットと第iのソーシャルユーザセットとの間のソーシャル重みであり、
Figure 0006685541
は、第iのソーシャルユーザセットとソーシャル関係を有する各ソーシャルユーザセットの信用スコア、および対応するソーシャルユーザセットと第iのソーシャルユーザセットとの間のソーシャル重みのすべての積の和を表し、αは、プリセットされた減衰係数である。
S1044:この反復における各ソーシャルユーザセットの信用スコアと、前の反復におけるソーシャルユーザセットの信用スコアとの差の絶対値が、第1のプリセット値未満である、すなわち
Figure 0006685541
かどうかを決定し、公式が満たされると、S1045を実行し、満たされない場合、S1042を実行する、すなわち、次の反復を実行する。
S1045:反復を停止し、反復によって取得された各ソーシャルユーザセットの信用スコアは、最適化および調整によって取得されたソーシャルユーザセットの信用スコアである。
上記の説明は、反復アルゴリズムの一例にすぎないことに留意されたい。本出願でのソーシャルユーザセットの信用スコアを反復するためのアルゴリズムは、このアルゴリズムに限定されると考えられるべきではなく、熱伝導ネットワーク反復アルゴリズムなどの他のアルゴリズムが適用可能であることがある。
この実施形態でのユーザの信用スコアのための最適化装置が、ユーザが属するソーシャルユーザセットの信用スコアを計算し、最適化および調整を行った後、装置は、ソーシャルユーザセットの情報と組み合わせてユーザの信用スコアを最適化するために、最適化および調整によって取得されたソーシャルユーザセットの信用スコアに従ってソーシャルユーザセット中のユーザの信用スコアを訂正する。ユーザの信用スコアの精度を効果的に上げることができるように、ユーザの信用スコアの計算は、もはやユーザの個人情報のみに従うものではない。
図4は、本出願の別の実施形態による、ユーザの信用スコアのための最適化方法の概略フローチャートである。図に示すように、この実施形態では、ユーザの信用スコアのための最適化方法は、以下の手順を含んでもよい。
S201:複数のソーシャルユーザセット中のユーザの初期信用スコアを取得する。
S202:ソーシャルユーザセット中のユーザの初期信用スコアに従って、ソーシャルユーザセットの初期信用スコアを取得する。
S203:各2つのソーシャルユーザセット中のユーザ間のソーシャル関係に従って、各2つのソーシャルユーザセット間のソーシャル関係を決定する。
S204:ターゲットソーシャルユーザセットとソーシャル関係を有する少なくとも1つのソーシャルユーザセットの信用スコア、および少なくとも1つのソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル関係に従って、ターゲットソーシャルユーザセットの信用スコアを最適化および調整する。
S205:ターゲットソーシャルユーザセットの最適化および調整された信用スコアに従って、ターゲットソーシャルユーザセット中のユーザの信用スコアを訂正する。
この実施形態でのS201からS205は、前述の実施形態でのS101からS105と同じであり、詳細については再び説明しない。この実施形態と前述の実施形態との違いは、ターゲットソーシャルユーザセット中のユーザの信用スコアが、ターゲットソーシャルユーザセットの最適化および調整された信用スコアに従って訂正された後、ターゲットソーシャルユーザセット中のユーザの信用スコアが、さらに最適化および調整されることである。
S206:ターゲットユーザとターゲットソーシャルユーザセット中の他のユーザの各々との間のソーシャル関係、およびターゲットソーシャルユーザセット中の他のユーザの信用スコアに従って、ターゲットユーザの信用スコアを最適化および調整する。
下位層のアソシエーション中のユーザ間のソーシャル関係が、図2に示すソーシャル関係、たとえば、ソーシャルユーザセットA中のユーザa1、a2、およびa3の間のソーシャル関係の階層化処理によって取得される。一実施形態では、ユーザa1、a2、およびa3をソーシャルユーザセットAに分割する理由が、除外されてもよい。たとえば、ユーザa1、a2、およびa3は、この3人のユーザが参加する同じソーシャルグループに従って、ソーシャルユーザセットAに分割され、ユーザa1、a2、およびa3の間のソーシャル関係が考えられるとき、ユーザa1、a2、およびa3が同じソーシャルグループに参加するという情報が無視されてもよく、ユーザa1、a2、およびa3の間のソーシャル関係は、ファクタに基づいて、たとえば、この3人のユーザ間にソーシャルフレンド関係が確立されるかどうか、この3人のユーザが共通の関心を有するかどうか、この3人のユーザが同時にソーシャルイベントに参加するかどうか、またはこの3人のユーザが同じ地理的位置に位置しているかどうかに基づいて、決定されてもよい。
同じソーシャルユーザセット中の2人のユーザがソーシャル関係を有する場合、ソーシャル関係を有する2人のユーザが互いに影響を及ぼすと考えられてもよく、またはソーシャル関係を有する2人のユーザの信用スコアが、互いの参照として使用されてもよい。したがって、ユーザの信用スコアのための最適化装置は、ターゲットユーザの信用スコアを、同じソーシャルユーザセットに属し、ターゲットユーザとソーシャル関係を有する別のユーザの信用スコアに従って、最適化および調整してもよく、それによって、ユーザの情報が不完全にまたは誤って収集されることによって引き起こされるターゲットユーザの不正確な信用スコアの問題を効果的に防ぐ。たとえば、ターゲットユーザとソーシャル関係を有する他のすべてのユーザの信用スコアの平均値が直接的に、ターゲットユーザの最適化および調整された信用スコアとして使用されるか、または、ターゲットユーザとソーシャル関係を有する他のすべてのユーザの信用スコアの平均値と、ターゲットユーザの初期信用スコアとの間の任意の値が、ターゲットユーザの最適化および調整された信用スコアとして使用される。
次いで、一実施形態では、ユーザの信用スコアのための最適化装置は、ターゲットユーザと、同じソーシャルユーザセット中の他のユーザの各々との間のソーシャル関係に従って、他のユーザとターゲットユーザとの間のソーシャル重みを決定し、次いで、同じソーシャルユーザセットに属する他のユーザの各々とターゲットユーザとの間のソーシャル重み、および対応するユーザの信用スコアに従って、ターゲットユーザの信用スコアを最適化および調整してもよい。ソーシャル重みは、2人のユーザ間のソーシャル関係の親密度を数量化した結果であってもよい。たとえば、2人のユーザ間のソーシャル関係の親密度は、2人のユーザの共通のソーシャルフレンドの数量、2人のユーザが一緒に参加するソーシャルグループ、2人のユーザが一緒に参加するソーシャルイベント、2人のユーザ間で発生するソーシャルイベントの頻度などを計算することによって数量化されて、2人のユーザ間のソーシャル重みを取得する。2人のユーザ間のソーシャル関係がより近い場合、2人のユーザの信用スコアが類似している確率はより高い。言い換えれば、ターゲットユーザの親密なユーザの信用スコアが、ターゲットユーザの信用スコアを反映する可能性がある。したがって、ターゲットユーザの信用スコアが最適化および調整されるとき、ターゲットユーザの親密なユーザの信用スコアのインパクトファクタ(参照重み)が、より大きい値に設定されるべきである。ターゲットソーシャルユーザセットの信用スコアは、ターゲットソーシャルユーザセット中の他のユーザの各々の信用スコア、およびユーザとターゲットユーザとの間のソーシャル重みに従って、最適化および調整され、たとえば、
Figure 0006685541
、ここでqiは、ターゲットユーザの信用スコアであり、qkは、ターゲットユーザとソーシャル関係を有する第kのユーザの信用スコアであり、wkiは、第kのユーザとターゲットユーザとの間のソーシャル重みであり、
Figure 0006685541
は、ターゲットソーシャルユーザセット中にあって、ターゲットユーザとソーシャル関係を有する各ユーザの信用スコア、および対応するユーザとターゲットユーザとの間のソーシャル重みのすべての積の和を表す。この実装形態は、特に、新しいターゲットユーザがターゲットソーシャルユーザセットに追加されると同時に、他のユーザがすべて最適化および調整される状況に適用可能であって、ターゲットユーザのみが、別個に最適化および調整され、ターゲットソーシャルユーザセット中の他のユーザを再び最適化および調整することはない。
別の実施形態では、ユーザの信用スコアのための最適化装置は、ソーシャルユーザセット中のユーザの信用スコア、およびソーシャルユーザセット中のユーザ間のソーシャル関係に従って、ソーシャルユーザセット中のユーザの信用スコアを最適化および反復し、各反復において、ターゲットソーシャルユーザセット中の各ソーシャルユーザをターゲットユーザとして別個に使用し、ターゲットソーシャルユーザセット中の他のユーザの各々とターゲットユーザとの間のソーシャル重み、および対応するユーザの信用スコアに従って、ターゲットユーザの信用スコアを最適化および調整し、ユーザの取得された信用スコアが最適化および調整によって取得された信用スコアとなるように、この反復におけるターゲットソーシャルユーザセット中の各ユーザの信用スコアと、前の反復におけるユーザの信用スコアとの差が、第2のプリセット値未満であるとき、反復を停止してもよい。特定の反復手順を、図5に示すことができ、以下のステップを含む。
S2061:ターゲットソーシャルユーザセット中の各2人のユーザ間のソーシャル重みを、各2人のユーザ間のソーシャル関係に従って決定する。
同じソーシャルユーザセット中の任意の2人のユーザ間のソーシャル重みが、この2人のユーザ間のソーシャル関係に従って決定されてもよい。ソーシャル重みは、2人のユーザ間のソーシャル関係の親密度を数量化した結果であってもよい。たとえば、2人のユーザ間のソーシャル関係の親密度は、2人のユーザの共通のソーシャルフレンドの数量、2人のユーザが一緒に参加するソーシャルグループ、2人のユーザが一緒に参加するソーシャルイベント、2人のユーザ間で発生するソーシャルイベントの頻度などを計算することによって数量化されて、2人のユーザ間のソーシャル重みを取得する。
S2062:ソーシャルユーザセットの信用スコアを最適化および反復する。
S2063:複数のソーシャルユーザセットの各々をターゲットソーシャルユーザセットとして別個に使用し、少なくとも1つのソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル重み、および対応するソーシャルユーザセットの信用スコアに従って、ターゲットソーシャルユーザセットの信用スコアを最適化および調整する。
すなわち、各反復において、ターゲットソーシャルユーザセット中の各ユーザの信用スコアは、以下の公式を使用することによって最適化および調整される:
Figure 0006685541
、ここで
Figure 0006685541
は、r回目の反復における第iのユーザの信用スコアであり、
Figure 0006685541
は、(r-1)回目の反復におけるターゲットソーシャルユーザセット中の第iのユーザとソーシャル関係を有するユーザの信用スコアであり、wkiは、ターゲットソーシャルユーザセット中の第iのユーザとソーシャル関係を有するユーザと第iのユーザとの間のソーシャル重みであり、
Figure 0006685541
は、ターゲットソーシャルユーザセット中の第iのユーザとソーシャル関係を有する各ユーザの信用スコア、および対応するユーザと第iのユーザとの間のソーシャル重みのすべての積の和を表し、λは、プリセットされた減衰係数である。
S2064:この反復におけるターゲットソーシャルユーザセット中の各ユーザの信用スコアと、前の反復におけるユーザの信用スコアとの差の絶対値が、第1のプリセット値未満である、すなわち
Figure 0006685541
かどうかを決定し、公式が満たされると、S2065を実行し、満たされない場合、S2062を実行する、すなわち、次の反復を実行する。
S2065:反復を停止し、反復によって取得された各ソーシャルユーザセットの信用スコアは、最適化および調整によって取得されたソーシャルユーザセットの信用スコアである。
上記の説明は、反復アルゴリズムの一例にすぎないことに留意されたい。本出願でのソーシャルユーザセットの信用スコアを反復するためのアルゴリズムは、このアルゴリズムに限定されると考えられるべきではなく、熱伝導ネットワーク反復アルゴリズムなどの他のアルゴリズムが適用可能であることがある。
次いで、一実施形態では、ユーザの信用スコアのための最適化装置は、ユーザのための製品情報を、この実施形態でのステップを実行することによって取得される、対応するユーザの訂正された信用スコアに従ってプッシュする、たとえば、金融製品情報もしくは固定資産管理製品情報をプッシュする、または、ユーザのデータサービスを、対応するユーザの信用スコアに従って監視および管理する、たとえば、対応するユーザのローンサービスに関してリスク管理を実行する、もしくはユーザの流動資金の管理に関して提案を行うことがある。
この実施形態では、ユーザが属するソーシャルユーザセットの信用スコアを計算し、ソーシャルユーザセット間のソーシャル関係に従ってソーシャルユーザセットの信用スコアを最適化および調整した後、ユーザの信用スコアのための最適化装置は、ソーシャルユーザセットの最適化および調整された信用スコアに従って、ソーシャルユーザセット中のユーザの信用スコアを訂正し、ソーシャルユーザセット中のユーザ間のソーシャル関係に従ってソーシャルユーザセット中のユーザの信用スコアを最適化および調整して、ソーシャルユーザセットの情報を組み合わせてユーザの信用スコアを最適化する。ユーザの信用スコアの精度を効果的に上げることができるように、ユーザの信用スコアの計算は、もはやユーザの個人情報のみに従うものではない。さらに、最適化プロセスは2度行われるが、2つの最適化は、別個に、ソーシャルユーザセット間のソーシャル関係およびソーシャルユーザセット中のユーザ間のソーシャル関係に基づき、実はこれは、大きい計算量とならない。
図6は、本出願の一実施形態による、ユーザの信用スコアのための最適化装置の概略構造図である。図に示すように、この実施形態では、ユーザの信用スコアのための最適化装置は、少なくとも以下のモジュールを含んでもよい。
ユーザスコア取得モジュール610が、複数のソーシャルユーザセット中のユーザの初期信用スコアを取得するように構成される。
詳細には、ユーザスコア取得モジュール610は、インポートされたデータを受信することによって、複数のソーシャルユーザセット中のユーザの初期信用スコアを取得してもよく、代替的に、ユーザスコア取得モジュール610は、複数のソーシャルユーザセット中のユーザの初期信用スコアを取得するために、ユーザの個人情報を取得し、ユーザの個人情報および特定の予測モデルに従って、信用スコアリングを行ってもよく、代替的に、ユーザスコア取得モジュール610は、このアプリケーションを実装することによってユーザの最適化された信用スコアを取得し、複数のソーシャルユーザセット中のユーザの初期信用スコアとして、最適化された信用スコアを使用してもよい。たとえば、現在の信用スコアが最適化されるとき、前の最適化で取得されたユーザの信用スコアが、この最適化では初期信用スコアとして使用されてもよい。ユーザの信用スコアを最適化することは、管理者によって手動でトリガされてもよく、あるいは更新サイクルに従って、または新しいユーザもしくはソーシャルユーザセットを追加するイベントに従って、トリガされてもよい。
一実施形態では、ユーザの初期信用スコアが欠落している場合、ユーザスコア取得モジュール610は、ソーシャルフレンド、同僚、および親族であるユーザの信用スコアの平均スコアまたは加重平均スコアを、ユーザの初期信用スコアとして使用してもよい。加重値は、ユーザとユーザとの間の親密度に従って、またはユーザとユーザとの間で発生するソーシャルイベントの頻度に従って、決定されてもよい。
複数のソーシャルユーザセットは、異なるソーシャルグループに参加しているユーザのセットであってもよい。同じソーシャルグループに参加しているユーザは、そのソーシャルグループに対応するソーシャルユーザセットに属する。代替的に、複数のソーシャルユーザセットは、ユーザの特定の属性、たとえば、ユーザの関心または地理的位置に従って分割を行うことによって取得されてもよい。好ましい実施形態では、ソーシャルユーザセットには、同じユーザが存在しない、すなわち、ユーザはただ1つのソーシャルユーザセットに属する。
セットスコア取得モジュール620が、ソーシャルユーザセット中のユーザの初期信用スコアに従って、ソーシャルユーザセットの初期信用スコアを取得するように構成される。
特定の実装形態では、セットスコア取得モジュール620は、ソーシャルユーザセット中のユーザの初期信用スコアの平均スコアまたは加重平均スコアを、ソーシャルユーザセットの初期信用スコアとして使用してもよい。
各ユーザの加重値が、ユーザとソーシャルユーザセット中のユーザとの間のソーシャル関係に従って決定されてもよい。たとえば、ユーザが、ソーシャルユーザセット(合計6人)に、4人のソーシャルフレンドを有し、加重値は、4/(6-1)=0.8などであってもよい。代替的に、ソーシャルユーザセットの信用スコアに対するユーザの加重値が、ユーザとソーシャルユーザセット中のユーザとの間で発生するソーシャルイベント(たとえば、セッションメッセージの送信またはビデオセッションの実行)の頻度に従って決定されてもよい。代替的に、ユーザが属するソーシャルユーザセットの信用スコアに対するユーザの加重値が、上記の2つの方法と組み合わせて一緒に決定されてもよい。
セット関係取得モジュール630が、各2つのソーシャルユーザセット中のユーザ間のソーシャル関係に従って、各2つのソーシャルユーザセット間のソーシャル関係を決定するように構成される。
セット関係取得モジュール630は、2つのソーシャルユーザセットに別々に属するユーザ間のソーシャル関係に従って、2つのソーシャルユーザセット間のソーシャル関係を決定してもよい。たとえば、第1のソーシャルユーザセットに属する第1のユーザが、第2のソーシャルユーザセットにソーシャルフレンドを有する場合、第1のソーシャルユーザセットと第2のソーシャルユーザセットとの間に、ソーシャル関係が存在する。次いで、セット関係取得モジュール630は、2つのソーシャルユーザセット間のソーシャル関係の親密度をさらに数量化してもよい。たとえば、2つのソーシャルユーザセット間のソーシャル関係の親密度は、2つのソーシャルユーザセット中にあって、互いのソーシャルフレンドであるユーザの数量(ユーザの数量またはソーシャル関係ペアの数量)に従って数量化されてもよい。親密度は、一貫性があってもよく、すなわち、2つのソーシャルユーザセット間の双方向の親密度が数量化され、または、一貫性がなくてもよく、すなわち、2つのソーシャルユーザセット間の単方向の親密度が数量化されてもよい。たとえば、ソーシャルユーザセット(アソシエーションとも呼ばれる)A、B、C、およびDが、図2に示すユーザ間のソーシャル関係の階層化処理によって取得される。ソーシャルユーザセットA中にあって、ソーシャルユーザセットB中にソーシャルフレンドを有するユーザの数量は決定され、ソーシャルユーザセットB中にソーシャルフレンドを有するユーザの数量を、ソーシャルユーザセットA中のユーザの総数量で割った結果が、ソーシャルユーザセットAの、ソーシャルユーザセットBとのソーシャル親密度となる。反対に、ソーシャルユーザセットA中にソーシャルフレンドを有するユーザの数量を、ソーシャルユーザセットB中のユーザの総数量で割った結果が、ソーシャルユーザセットBの、ソーシャルユーザセットAとのソーシャル親密度となる。ソーシャルユーザセットとソーシャルユーザセットBとの間の双方向親密度が、ソーシャルユーザセットBの、ソーシャルユーザセットAとのソーシャル親密度と組み合わせて、ソーシャルユーザセットAの、ソーシャルユーザセットBとのソーシャル親密度に従ってさらに計算されてもよい。その後、数量化によって取得される2つのソーシャルユーザセット間のソーシャル関係の親密度に従って、2つのソーシャルユーザセット間のソーシャル重みもまた決定されてもよい。すなわち、ターゲットソーシャルユーザセットの信用スコアが計算されるとき、ターゲットソーシャルユーザセットとソーシャル関係を有する他のソーシャルユーザセットの信用スコアの加重値が考慮される。2つのソーシャルユーザセット間のソーシャル関係がより親密である場合、2つのソーシャルユーザセットの信用スコアが類似する確率はより高い。言い換えれば、ターゲットソーシャルユーザセットの親密なソーシャルユーザセットの信用スコアが、ターゲットソーシャルユーザセットの信用スコアを反映する可能性がある。したがって、ターゲットソーシャルユーザセットの信用スコアが最適化および調整されるとき、親密なソーシャルユーザセットの信用スコアのインパクトファクタ(参照重み)が、より大きい値に設定されるべきである。
図2に示すソーシャル関係の階層化処理では、中間層のアソシエーション間のソーシャル関係が、上位層の元のソーシャル関係におけるユーザのクロスアソシエーション(ソーシャルユーザセット)ソーシャル関係に従って処理を行うことによって取得され、アソシエーション中のユーザ間のソーシャル関係が、下位層のアソシエーション中のユーザのソーシャル関係として保留される。
セットスコア最適化モジュール640が、ターゲットソーシャルユーザセットとソーシャル関係を有する少なくとも1つのソーシャルユーザセットの信用スコア、および少なくとも1つのソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル関係に従って、ターゲットソーシャルユーザセットの信用スコアを最適化および調整するように構成される。
セット関係取得モジュール630によって取得される各2つのソーシャルユーザセット間のソーシャル関係に従って、ソーシャル関係を有する2つのソーシャルユーザセットは、互いに影響を及ぼすと考えられてもよく、またはソーシャル関係を有する2つのソーシャルユーザセットの信用スコアが、互いの参照として使用されてもよい。したがって、セットスコア最適化モジュール640は、ユーザの情報が不完全にまたは誤って収集されることによって引き起こされるターゲットソーシャルユーザセットの不正確な信用スコアを効果的に防ぐために、ターゲットソーシャルユーザセットとソーシャル関係を有する他のすべてのソーシャルユーザセットの信用スコアに従ってターゲットソーシャルユーザセットの信用スコアを最適化および調整してもよい。たとえば、セットスコア最適化モジュール640は、ターゲットソーシャルユーザセットとソーシャル関係を有する他のソーシャルユーザセットの信用スコアの平均値を直接的に、ターゲットソーシャルユーザセットの最適化および調整された信用スコアとして使用するか、または、ターゲットソーシャルユーザセットとソーシャル関係を有する他のソーシャルユーザセットの信用スコアの平均値と、ターゲットソーシャルユーザセットの初期信用スコアとの間の任意の値を、ターゲットソーシャルユーザセットの最適化および調整された信用スコアとして使用してもよい。
次いで、一実施形態では、図7に示すように、セットスコア最適化モジュール640は、以下のユニットをさらに含む。
セット重み取得ユニット641が、ソーシャルユーザセットとターゲットソーシャルユーザセットとのソーシャル関係に従って、各ソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル重みを別個に決定するように構成される。たとえば、各ソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル重みは、ソーシャルユーザセットにソーシャル関連ユーザを各々有するユーザと、ターゲットソーシャルユーザセット中のユーザの比に従って決定されてもよい。
セットスコア最適化ユニット642は、少なくとも1つのソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル重み、および対応するソーシャルユーザセットの信用スコアに従って、ターゲットソーシャルユーザセットの信用スコアを最適化および調整するように構成される。
すなわち、各ソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル重みは、ターゲットソーシャルユーザセットと他のソーシャルユーザセットの各々との間にあって、数量化によって取得される親密度に従って決定され、次いで、ターゲットソーシャルユーザセットの信用スコアは、たとえば、ターゲットソーシャルユーザセットとソーシャル関係を有する各ソーシャルユーザセットの信用スコア、およびソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル重みに従って、最適化および調整される。
Figure 0006685541
、ここでQiは、ターゲットソーシャルユーザセットの信用スコアであり、Qkは、ターゲットソーシャルユーザセットとソーシャル関係を有する第kのソーシャルユーザセットの信用スコアであり、ekiは、第kのソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル重みであり、
Figure 0006685541
は、ターゲットソーシャルユーザセットとソーシャル関係を有する各ソーシャルユーザセットの信用スコア、および対応するソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル重みの積の和を表す。この実装形態は、特に、新しいターゲットソーシャルユーザセットが追加されると同時に、他のソーシャルユーザセットがすべて最適化および調整される状況に適用可能であって、セットスコア最適化モジュール640は、別個にターゲットソーシャルユーザセットを最適化および調整するだけでよく、他のソーシャルユーザセットを再び最適化および調整することはない。
別の実施形態では、セットスコア最適化ユニット642は、ターゲットソーシャルユーザセットとソーシャル関係を有する少なくとも1つのソーシャルユーザセットの信用スコア、および少なくとも1つのソーシャルユーザセットとターゲットソーシャルユーザセットとの間のソーシャル関係に従って、ソーシャルユーザセットの信用スコアを最適化および反復してもよい。特定の反復手順を、図3に示すことができ、詳細には、ソーシャルユーザセットの信用スコアを最適化および反復し、各反復において、複数のソーシャルユーザセットの各々をターゲットソーシャルユーザセットとして別個に使用し、少なくとも1つのソーシャルユーザセットとターゲットユーザセットとの間のソーシャル重みおよび対応するソーシャルユーザセットの信用スコアに従って、ターゲットソーシャルユーザセットの信用スコアを最適化および調整し、ソーシャルユーザセットの取得された信用スコアが最適化および調整によって取得された信用スコアとなるように、この反復における複数のソーシャルユーザセットの各々の信用スコアと前の反復におけるソーシャルユーザセットの信用スコアとの差が第1のプリセット値未満となった後、反復を停止するステップを含む。たとえば、セットスコア最適化ユニット642は、以下の公式を使用することによって、複数のソーシャルユーザセットの各々の信用スコアを反復する:
Figure 0006685541
、ここで
Figure 0006685541
は、r回目の反復における第iのソーシャルユーザセットの信用スコアであり、
Figure 0006685541
は、(r-1)回目の反復における第iのソーシャルユーザセットとソーシャル関係を有するソーシャルユーザセットの信用スコアであり、ekiは、第iのソーシャルユーザセットとソーシャル関係を有するソーシャルユーザセットと第iのソーシャルユーザセットとの間のソーシャル重みであり、
Figure 0006685541
は、第iのソーシャルユーザセットとソーシャル関係を有する各ソーシャルユーザセットの信用スコア、および対応するソーシャルユーザセットと第iのソーシャルユーザセットとの間のソーシャル重みのすべての積の和を表し、αは、プリセットされた減衰係数である。
上記の説明は、反復アルゴリズムの一例にすぎないことに留意されたい。本出願でのソーシャルユーザセットの信用スコアを反復するためのアルゴリズムは、このアルゴリズムに限定されると考えられるべきではなく、熱伝導ネットワーク反復アルゴリズムなどの他のアルゴリズムが適用可能であることがある。
ユーザスコア訂正モジュール650が、ターゲットソーシャルユーザセットの最適化および調整された信用スコアに従って、ターゲットソーシャルユーザセット中のユーザの信用スコアを訂正するように構成される。
詳細には、ユーザスコア訂正モジュール650は、ターゲットソーシャルユーザセット中のユーザの信用スコアを、対応するユーザの初期信用スコアとターゲットソーシャルユーザセットの最適化および調整された信用スコアとの間の任意の値に訂正してもよい。たとえば、ターゲットソーシャルユーザセット中のユーザの情報が欠落しているまたは誤っている場合、ユーザスコア訂正モジュール650は、ターゲットソーシャルユーザセットの最適化および調整された信用スコアを、ユーザの訂正された信用スコアとして使用してもよい。
一実施形態では、ユーザスコア訂正モジュール650は、ターゲットソーシャルユーザセット中のユーザの信用スコアを、ターゲットソーシャルユーザセットの信用スコアを最適化および調整するための調整値に従って訂正してもよい。たとえば、ターゲットソーシャルユーザセット中のユーザの信用スコアは、以下の公式を使用することによって訂正される:
s'j = sj + (Qi - Si)、ここで、Qiは、ターゲットソーシャルユーザセットの最適化および調整された信用スコアであり、Siは、ターゲットソーシャルユーザセットの初期信用スコアであり、sjは、ターゲットソーシャルユーザセット中の第jのユーザの初期信用スコアであり、s'jは、ターゲットソーシャルユーザセット中の第jのユーザの訂正された信用スコアである。
ユーザスコア訂正モジュール650は、代替的に、ターゲットソーシャルユーザセット中のユーザの信用スコアの対応する比を、ターゲットソーシャルユーザセットの信用スコアを最適化および調整するための調整比に従って訂正してもよい。
一実施形態では、ユーザの信用スコアのための最適化装置はさらに、
ターゲットユーザとターゲットソーシャルユーザセット中の他のユーザの各々との間のソーシャル関係、およびターゲットソーシャルユーザセット中の他のユーザの信用スコアに従って、ターゲットユーザの信用スコアを最適化および調整するように構成されたユーザスコア最適化モジュール660
を含んでもよい。
下位層のアソシエーション中のユーザ間のソーシャル関係が、図2に示すソーシャル関係、たとえば、ソーシャルユーザセットA中のユーザa1、a2、およびa3の間のソーシャル関係の階層化処理によって取得される。一実施形態では、ユーザa1、a2、およびa3をソーシャルユーザセットAに分割する理由が、除外されてもよい。たとえば、ユーザa1、a2、およびa3は、この3人のユーザが参加する同じソーシャルグループに従って、ソーシャルユーザセットAに分割され、ユーザa1、a2、およびa3の間のソーシャル関係が考えられるとき、ユーザa1、a2、およびa3が同じソーシャルグループに参加するという情報が無視されてもよく、ユーザa1、a2、およびa3の間のソーシャル関係は、ファクタに基づいて、たとえば、この3人のユーザ間にソーシャルフレンド関係が確立されるかどうか、この3人のユーザが共通の関心を有するかどうか、この3人のユーザが同時にソーシャルイベントに参加するかどうか、またはこの3人のユーザが同じ地理的位置に位置しているかどうかに基づいて、決定されてもよい。
同じソーシャルユーザセット中の2人のユーザがソーシャル関係を有する場合、ソーシャル関係を有する2人のユーザが互いに影響を及ぼすと考えられてもよく、またはソーシャル関係を有する2人のユーザの信用スコアが、互いの参照として使用されてもよい。したがって、ユーザスコア最適化モジュール660は、ターゲットユーザの信用スコアを、同じソーシャルユーザセットに属し、ターゲットユーザとソーシャル関係を有する別のユーザの信用スコアに従って、最適化および調整してもよく、それによって、ユーザの情報が不完全にまたは誤って収集されることによって引き起こされるターゲットユーザの不正確な信用スコアの問題を効果的に防ぐ。たとえば、ターゲットユーザとソーシャル関係を有する他のすべてのユーザの信用スコアの平均値が直接的に、ターゲットユーザの最適化および調整された信用スコアとして使用されるか、または、ターゲットユーザとソーシャル関係を有する他のすべてのユーザの信用スコアの平均値と、ターゲットユーザの初期信用スコアとの間の任意の値が、ターゲットユーザの最適化および調整された信用スコアとして使用される。
次いで、一実施形態では、図8に示すように、ユーザスコア最適化モジュール660は、以下のユニットをさらに含んでもよい:
ユーザ重み取得ユニット661が、ターゲットユーザとターゲットソーシャルユーザセット中のユーザとのソーシャル関係に従って、ターゲットソーシャルユーザセット中の他のユーザの各々とターゲットユーザとの間のソーシャル重みを決定するように構成される。
ソーシャル重みは、2人のユーザ間のソーシャル関係の親密度を数量化した結果であってもよい。たとえば、2人のユーザ間のソーシャル関係の親密度は、2人のユーザの共通のソーシャルフレンドの数量、2人のユーザが一緒に参加するソーシャルグループ、2人のユーザが一緒に参加するソーシャルイベント、2人のユーザ間で発生するソーシャルイベントの頻度などを計算することによって数量化されて、2人のユーザ間のソーシャル重みを取得する。
ユーザスコア最適化ユニット662は、ターゲットソーシャルユーザセット中の他のユーザの各々とターゲットユーザとの間のソーシャル重み、および対応するユーザの信用スコアに従って、ターゲットユーザの信用スコアを最適化および調整するように構成される。
2人のユーザ間のソーシャル関係がより近い場合、2人のユーザの信用スコアが類似している確率はより高い。言い換えれば、ターゲットユーザの親密なユーザの信用スコアが、ターゲットユーザの信用スコアを反映する可能性がある。したがって、ターゲットユーザの信用スコアが最適化および調整されるとき、ターゲットユーザの親密なユーザの信用スコアのインパクトファクタ(ソーシャル重み)が、より大きい値に設定されてもよい。ユーザスコア最適化ユニット662は、ターゲットソーシャルユーザセット中の他のユーザの各々の信用スコア、およびユーザとターゲットユーザとの間のソーシャル重みに従って、ターゲットソーシャルユーザセットの信用スコアを最適化および調整し、たとえば、
Figure 0006685541
、ここで、qiは、ターゲットユーザの信用スコアであり、qkは、ターゲットユーザとソーシャル関係を有する第kのユーザの信用スコアであり、wkiは、第kのユーザとターゲットユーザとの間のソーシャル重みであり、
Figure 0006685541
は、ターゲットソーシャルユーザセット中にあって、ターゲットユーザとソーシャル関係を有する各ユーザの信用スコア、および対応するユーザとターゲットユーザとの間のソーシャル重みのすべての積の和を表す。この実装形態は、特に、新しいターゲットユーザがターゲットソーシャルユーザセットに追加されると同時に、他のユーザがすべて最適化および調整される状況に適用可能であって、ターゲットユーザのみが、別個に最適化および調整され、ターゲットソーシャルユーザセット中の他のユーザを再び最適化および調整することはない。
別の実施形態では、ユーザスコア最適化ユニット662は、ソーシャルユーザセット中のユーザの信用スコア、およびソーシャルユーザセット中のユーザ間のソーシャル関係に従って、ソーシャルユーザセット中のユーザの信用スコアを最適化および反復してもよい。特定の反復手順を、図5に示すことができ、各反復において、ターゲットソーシャルユーザセット中の各ユーザをターゲットユーザとして別個に使用し、ターゲットソーシャルユーザセット中の他のユーザの各々とターゲットユーザとの間のソーシャル重みおよび対応するユーザの信用スコアに従って、ターゲットユーザの信用スコアを最適化および調整し、ユーザの取得された信用スコアが最適化および調整によって取得された信用スコアとなるように、この反復におけるターゲットソーシャルユーザセット中の各ユーザの信用スコアと前の反復におけるユーザの信用スコアとの差が第2のプリセット値未満となった後、反復を停止するステップを含んでもよい。たとえば、ユーザスコア最適化ユニット662は、以下の公式を使用することによって、ターゲットソーシャルユーザセット中のユーザの信用スコアを最適化および調整してもよい:
Figure 0006685541
、ここで
Figure 0006685541
は、r回目の反復における第iのユーザの信用スコアであり、
Figure 0006685541
は、(r-1)回目の反復におけるターゲットソーシャルユーザセット中の第iのユーザとソーシャル関係を有するユーザの信用スコアであり、wkiは、ターゲットソーシャルユーザセット中の第iのユーザとソーシャル関係を有するユーザと第iのユーザとの間のソーシャル重みであり、
Figure 0006685541
は、ターゲットソーシャルユーザセット中の第iのユーザとソーシャル関係を有する各ユーザの信用スコア、および対応するユーザと第iのユーザとの間のソーシャル重みのすべての積の和を表し、λは、プリセットされた減衰係数である。
上記の説明は、反復アルゴリズムの一例にすぎないことに留意されたい。本出願でのソーシャルユーザセットの信用スコアを反復するためのアルゴリズムは、このアルゴリズムに限定されると考えられるべきではなく、熱伝導ネットワーク反復アルゴリズムなどの他のアルゴリズムが適用可能であることがある。
本出願のこの実施形態では、装置は、情報プッシュモジュール670、およびサービス監視モジュール680のうちのいずれか1つまたは2つをさらに含んでもよく:
情報プッシュモジュール670は、ユーザのための製品情報を、対応するユーザの信用スコアに従ってプッシュする、すなわち、本出願の実装形態を使用することによって訂正または最適化されるユーザの信用スコアに従って対応するユーザのための製品情報をプッシュする、たとえば、金融製品情報または固定資産管理製品情報をプッシュするように構成され、
サービス監視モジュール680は、ユーザのデータサービスを、対応するユーザの信用スコアに従って監視および管理する、すなわち、本出願の実装形態を使用することによって訂正または最適化される対応するユーザの信用スコアに従ってユーザのデータサービスを監視および管理する、たとえば、対応するユーザのローンサービスに関するリスク管理を実行する、またはユーザの流動資金の管理に関して提案を行うように構成される。
図9は、本出願の一実施形態による、ユーザの信用スコアのための最適化装置のハードウェア構造のブロック図である。装置は、プロセッサ901と、バス902と、メモリ903とを含んでもよい。プロセッサ901とメモリ903は、バス902を使用することによって相互接続される。
メモリ903は、ユーザスコア取得モジュール610、セットスコア取得モジュール620、セット関係取得モジュール630、セットスコア最適化モジュール640、ユーザスコア訂正モジュール650、ユーザスコア最適化モジュール660、情報プッシュモジュール670、およびサービス監視モジュール680を記憶する。
プロセッサ901によって実行されるとき、メモリ903に記憶されたモジュールによって実行される動作は、上記の実施形態の動作と同じであり、詳細についてここでは再び説明しない。
この実施形態では、ユーザが属するソーシャルユーザセットの信用スコアを計算し、ソーシャルユーザセット間のソーシャル関係に従ってソーシャルユーザセットの信用スコアを最適化および調整した後、ユーザの信用スコアのための最適化装置は、ソーシャルユーザセットの最適化および調整された信用スコアに従って、ソーシャルユーザセット中のユーザの信用スコアを訂正し、ソーシャルユーザセットの情報を組み合わせてユーザの信用スコアを最適化するために、ソーシャルユーザセット中のユーザ間のソーシャル関係に従ってソーシャルユーザセット中のユーザの信用スコアを最適化および調整してもよい。ユーザの信用スコアの精度を効果的に上げることができるように、ユーザの信用スコアの計算は、もはやユーザの個人情報のみに従うものではない。
実施形態の方法のプロセスの全部または一部は、関連するハードウェアに命令するコンピュータプログラムによって実装される場合があることを、当業者には理解されよう。プログラムは、コンピュータ可読記憶媒体に記憶されてもよい。プログラムが実行されるとき、実施形態の方法のプロセスは行われる。記憶媒体は、磁気ディスク、光ディスク、読取り専用メモリ(ROM)、ランダムアクセスメモリ(RAM)などであってもよい。
上記で開示するものは、本出願の好ましい実施形態にすぎず、決して本出願の保護範囲を制限するよう意図されていない。したがって、本出願の特許請求の範囲に従って作成された等価な変形形態は、本出願の範囲内に入るものとする。
610 ユーザスコア取得モジュール
620 セットスコア取得モジュール
630 セット関係取得モジュール
640 セットスコア最適化モジュール
641 セット重み取得ユニット
642 セットスコア最適化ユニット
650 ユーザスコア訂正モジュール
660 ユーザスコア最適化モジュール
661 ユーザ重み取得ユニット
662 ユーザスコア最適化ユニット
670 情報プッシュモジュール
680 サービス監視モジュール
901 プロセッサ
902 バス
903 メモリ

Claims (13)

  1. プロセッサとメモリとを含むコンピュータによって実装され、ユーザの信用スコアのための最適化方法であって、
    複数のソーシャルユーザセット中のユーザの初期信用スコアを取得するステップであって、前記ユーザは、ソーシャルネットワーク上のユーザであり、前記複数のソーシャルユーザセットは、前記ソーシャルネットワーク上のユーザセットである、ステップと、
    前記複数のソーシャルユーザセット中の前記ユーザの前記初期信用スコアに従って、前記複数のソーシャルユーザセットの初期信用スコアを計算するステップであって、ソーシャルユーザセットの初期信用スコアは、前記ソーシャルユーザセット中のユーザの初期信用スコアに従って計算される、ステップと、
    各2つのソーシャルユーザセット中の前記ユーザ間のソーシャル関係に従って、前記各2つのソーシャルユーザセット間の数量化されたソーシャル関係を決定するステップであって、前記各2つのソーシャルユーザセットの他のソーシャルユーザセットのユーザとソーシャル関係を有する各2つのソーシャルユーザセットの1つのソーシャルユーザセットのユーザ数を決定するステップと、前記1つのソーシャルユーザセットの決定されたユーザ数に従って、前記各2つのソーシャルユーザセット間の数量化されたソーシャル関係を決定するステップとを含む、ステップと、
    ターゲットソーシャルユーザセットの信用スコアを、前記ターゲットソーシャルユーザセットとソーシャル関係を有する少なくとも1つのソーシャルユーザセットの信用スコア、および前記少なくとも1つのソーシャルユーザセットと前記ターゲットソーシャルユーザセットとの間の数量化されたソーシャル関係に従って最適化および調整するステップと、
    前記ターゲットソーシャルユーザセットの前記最適化および調整された信用スコアに従って、前記ターゲットソーシャルユーザセット中のユーザの信用スコアを訂正するステップと
    を含む、方法。
  2. 前記ターゲットソーシャルユーザセットの前記最適化および調整された信用スコアに従って、前記ターゲットソーシャルユーザセット中のユーザの信用スコアを前記訂正した後に、
    前記ターゲットソーシャルユーザセット中のターゲットユーザの信用スコアを、前記ターゲットソーシャルユーザセット中の前記ターゲットユーザとソーシャル関係を有するユーザの信用スコアに従って最適化および調整するステップ
    をさらに含む、請求項1に記載のユーザの信用スコアのための最適化方法。
  3. 前記ターゲットソーシャルユーザセットの信用スコアを、前記ターゲットソーシャルユーザセットとソーシャル関係を有する少なくとも1つのソーシャルユーザセットの信用スコア、および前記少なくとも1つのソーシャルユーザセットと前記ターゲットソーシャルユーザセットとの間の数量化されたソーシャル関係に従って前記最適化および調整するステップが、
    前記各ソーシャルユーザセットと前記ターゲットソーシャルユーザセットとの間の数量化されたソーシャル関係に従って、前記少なくとも1つのソーシャルユーザセットの各ソーシャルユーザセットと前記ターゲットソーシャルユーザセットとの間のソーシャル重みを決定し、前記ターゲットソーシャルユーザセットの前記信用スコアを、前記少なくとも1つのソーシャルユーザセットと前記ターゲットソーシャルユーザセットとの間の前記ソーシャル重み、および前記対応するソーシャルユーザセットの前記信用スコアに従って最適化および調整するステップ
    を含む、請求項1に記載のユーザの信用スコアのための最適化方法。
  4. 前記ソーシャルユーザセットと前記ターゲットソーシャルユーザセットとの前記ソーシャル関係に従って、各ソーシャルユーザセットと前記ターゲットソーシャルユーザセットとの間のソーシャル重みを前記決定するステップが、
    前記ソーシャルユーザセットにソーシャル関連ユーザを各々有するユーザと、前記ターゲットソーシャルユーザセット中の前記ユーザの比に従って、各ソーシャルユーザセットと前記ターゲットソーシャルユーザセットとの間の前記ソーシャル重みを決定するステップ
    を含む、請求項3に記載のユーザの信用スコアのための最適化方法。
  5. 前記ターゲットソーシャルユーザセットの前記信用スコアを、前記少なくとも1つのソーシャルユーザセットと前記ターゲットソーシャルユーザセットとの間の前記ソーシャル重み、および前記対応するソーシャルユーザセットの前記信用スコアに従って前記最適化および調整するステップが、
    前記ソーシャルユーザセットの前記信用スコアを最適化および反復し、各反復において、前記複数のソーシャルユーザセットの各々を前記ターゲットソーシャルユーザセットとして別個に使用し、前記少なくとも1つのソーシャルユーザセットと前記ターゲットソーシャルユーザセットとの間の前記ソーシャル重み、および前記対応するソーシャルユーザセットの前記信用スコアに従って、前記ターゲットソーシャルユーザセットの前記信用スコアを最適化および調整し、前記ソーシャルユーザセットの取得された信用スコアが最適化および調整によって取得された前記信用スコアとなるように、この反復における前記複数のソーシャルユーザセットの各々の前記信用スコアと前の反復における前記ソーシャルユーザセットの信用スコアとの差が第1のプリセット値未満となった後、前記反復を停止するステップ
    を含む、請求項3に記載のユーザの信用スコアのための最適化方法。
  6. 前記ソーシャルユーザセットの信用スコアを前記最適化および反復し、各反復において、前記複数のソーシャルユーザセットの各々を前記ターゲットソーシャルユーザセットとして別個に使用し、前記少なくとも1つのソーシャルユーザセットと前記ターゲットソーシャルユーザセットとの間の前記ソーシャル重み、および前記対応するソーシャルユーザセットの前記信用スコアに従って、前記ターゲットソーシャルユーザセットの前記信用スコアを最適化および調整するステップが、
    以下の公式:
    Figure 0006685541
     、ここで
    Figure 0006685541
     は、r回目の反復における第iのソーシャルユーザセットの前記信用スコアであり、
    Figure 0006685541
     は、(r-1)回目の反復における前記第iのソーシャルユーザセットと前記ソーシャル関係を有するソーシャルユーザセットの前記信用スコアであり、ekiは、前記第iのソーシャルユーザセットと前記ソーシャル関係を有する前記ソーシャルユーザセットと前記第iのソーシャルユーザセットとの間の前記ソーシャル重みであり、
    Figure 0006685541
     は、前記第iのソーシャルユーザセットと前記ソーシャル関係を有する各ソーシャルユーザセットの前記信用スコア、および前記対応するソーシャルユーザセットと前記第iのソーシャルユーザセットとの間の前記ソーシャル重みのすべての積の和を表し、αは、プリセットされた減衰係数である
    を使用することによって、前記複数のソーシャルユーザセットの各々の前記信用スコアを反復するステップ
    を含む、請求項5に記載のユーザの信用スコアのための最適化方法。
  7. 前記ターゲットユーザセット中のターゲットユーザの信用スコアを、前記ターゲットソーシャルユーザセット中の前記ターゲットユーザとソーシャル関係を有するユーザの信用スコアに従って前記最適化および調整するステップが、
    前記ターゲットユーザと前記ターゲットソーシャルユーザセット中の前記ユーザとの間の数量化されたソーシャル関係に従って、前記ターゲットソーシャルユーザセット中の前記他のユーザの各々と前記ターゲットユーザとの間のソーシャル重みを決定し、前記ターゲットユーザの前記信用スコアを、前記ターゲットソーシャルユーザセット中の前記他のユーザの各々と前記ターゲットユーザとの間の前記ソーシャル重み、および前記対応するユーザの前記信用スコアに従って最適化および調整するステップ
    を含む、請求項2に記載のユーザの信用スコアのための最適化方法。
  8. 前記ターゲットユーザの前記信用スコアを、前記ターゲットソーシャルユーザセット中の前記他のユーザの各々と前記ターゲットユーザとの間の前記ソーシャル重み、および前記対応するユーザの前記信用スコアに従って前記最適化および調整するステップが、
    前記ターゲットソーシャルユーザセット中の前記ユーザの前記信用スコアを最適化および反復し、各反復において、前記ターゲットソーシャルユーザセット中の各ソーシャルユーザを前記ターゲットユーザとして別個に使用し、前記ターゲットソーシャルユーザセット中の前記他のユーザの各々と前記ターゲットユーザとの間の前記ソーシャル重み、および前記対応するユーザの前記信用スコアに従って、前記ターゲットユーザの前記信用スコアを最適化および調整し、前記ユーザの取得された信用スコアが最適化および調整によって取得された前記信用スコアとなるように、この反復における前記ターゲットソーシャルユーザセットの各ユーザの前記信用スコアと前の反復における前記ユーザの信用スコアとの差が第2のプリセット値未満となった後、前記反復を停止するステップ
    を含む、請求項7に記載のユーザの信用スコアのための最適化方法。
  9. 前記ターゲットソーシャルユーザセット中の前記ユーザの前記信用スコアを前記最適化および反復し、各反復において、前記ターゲットソーシャルユーザセット中の各ユーザを前記ターゲットユーザとして別個に使用し、前記ターゲットソーシャルユーザセット中の前記他のユーザの各々と前記ターゲットユーザとの間の前記ソーシャル重み、および前記対応するユーザの前記信用スコアに従って、前記ターゲットユーザの前記信用スコアを最適化および調整するステップが、
    以下の公式:
    Figure 0006685541
     、ここで
    Figure 0006685541
     は、r回目の反復における第iのユーザの前記信用スコアであり、
    Figure 0006685541
     は、(r-1)回目の反復における前記ターゲットソーシャルユーザセット中の前記第iのユーザと前記ソーシャル関係を有するユーザの前記信用スコアであり、wkiは、前記ターゲットソーシャルユーザセット中の前記第iのユーザと前記ソーシャル関係を有する前記ユーザと前記第iのユーザとの間の前記ソーシャル重みであり、
    Figure 0006685541
     は、前記ターゲットソーシャルユーザセット中の前記第iのユーザと前記ソーシャル関係を有する各ユーザの前記信用スコア、および前記対応するユーザと前記第iのユーザとの間の前記ソーシャル重みのすべての積の和を表し、λは、プリセットされた減衰係数である
    を使用することによって、前記ターゲットソーシャルユーザセット中の各ユーザの前記信用スコアを反復するステップ
    を含む、請求項8に記載のユーザの信用スコアのための最適化方法。
  10. 前記ターゲットソーシャルユーザセットの前記最適化および調整された信用スコアに従って、前記ターゲットソーシャルユーザセット中のユーザの信用スコアを前記訂正するステップが、
    前記ターゲットソーシャルユーザセットの前記信用スコアを最適化および調整するための調整値に従って、前記ターゲットソーシャルユーザセット中の前記ユーザの前記信用スコアを訂正するステップ
    を含む、請求項1に記載のユーザの信用スコアのための最適化方法。
  11. 前記ターゲットソーシャルユーザセットの前記信用スコアを最適化および調整するための調整値に従って、前記ターゲットソーシャルユーザセット中の前記ユーザの前記信用スコアを前記訂正するステップが、
    以下の公式:
    s'j=sj+(Qi-Si)、ここで、Qiは、前記ターゲットソーシャルユーザセットの前記最適化および調整された信用スコアであり、Siは、前記ターゲットソーシャルユーザセットの前記初期信用スコアであり、sjは、前記ターゲットソーシャルユーザセット中の第jのユーザの前記初期信用スコアであり、s'jは、前記ターゲットソーシャルユーザセット中の前記第jのユーザの前記訂正された信用スコアである
    を使用することによって、前記ターゲットソーシャルユーザセット中の前記ユーザの前記信用スコアを訂正するステップ
    を含む、請求項10に記載のユーザの信用スコアのための最適化方法。
  12. 前記方法が、
    前記対応するユーザの前記信用スコアに従って、ユーザのための製品情報をプッシュするステップ、または
    前記対応するユーザの前記信用スコアに従って、ユーザのデータサービスを監視および管理するステップ
    をさらに含む、請求項1から11のいずれか一項に記載のユーザの信用スコアのための最適化方法。
  13. ユーザの信用スコアのための最適化装置であって、前記装置が、少なくともプロセッサと、メモリとを含み、前記メモリが、ユーザスコア取得モジュールと、セットスコア取得モジュールと、セット関係取得モジュールと、セットスコア最適化モジュールと、ユーザスコア訂正モジュールとを記憶し、前記プロセッサによって実行されるとき、前記プロセッサに請求項1から12のいずれか一項に記載の方法を実行させる、
    ユーザの信用スコアのための最適化装置。
JP2018528240A 2016-06-06 2017-06-06 ユーザ信用スコアを最適化するための方法および装置 Active JP6685541B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201610396866.8A CN106156941B (zh) 2016-06-06 2016-06-06 一种用户信用评分优化方法和装置
CN201610396866.8 2016-06-06
PCT/CN2017/087261 WO2017211259A1 (zh) 2016-06-06 2017-06-06 一种用户信用评分优化方法和装置

Publications (2)

Publication Number Publication Date
JP2018536940A JP2018536940A (ja) 2018-12-13
JP6685541B2 true JP6685541B2 (ja) 2020-04-22

Family

ID=57353202

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018528240A Active JP6685541B2 (ja) 2016-06-06 2017-06-06 ユーザ信用スコアを最適化するための方法および装置

Country Status (6)

Country Link
US (1) US20180276748A1 (ja)
EP (1) EP3467730A4 (ja)
JP (1) JP6685541B2 (ja)
KR (1) KR102121360B1 (ja)
CN (1) CN106156941B (ja)
WO (1) WO2017211259A1 (ja)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106156941B (zh) * 2016-06-06 2018-01-23 腾讯科技（深圳）有限公司 一种用户信用评分优化方法和装置
CN108399564B (zh) 2017-02-08 2021-03-19 腾讯科技（深圳）有限公司 信用评分方法及装置
CN108416662B (zh) * 2017-02-10 2021-09-21 腾讯科技（深圳）有限公司 一种数据验证方法及装置
CN108280757B (zh) * 2017-02-13 2021-08-17 腾讯科技（深圳）有限公司 用户信用评估方法及装置
CN107257312B (zh) * 2017-05-10 2018-09-04 腾讯科技（深圳）有限公司 一种数据处理方法和装置
CN107688997A (zh) * 2017-08-23 2018-02-13 浙江天悦信息技术有限公司 一种基于通话记录实现微贷用户风险评分的算法
CN110163460B (zh) * 2018-03-30 2023-09-19 腾讯科技（深圳）有限公司 一种确定应用分值的方法及设备
CN108615119B (zh) * 2018-05-09 2024-02-06 广州地铁小额贷款有限公司 一种异常用户的识别方法及设备
CN108960563A (zh) * 2018-05-22 2018-12-07 深圳壹账通智能科技有限公司 一种商店的评级方法及其设备
CN109493182A (zh) * 2018-11-14 2019-03-19 沈阳林科信息技术有限公司 一种评价用户计费等级的信誉度系统
JP2021526671A (ja) * 2019-04-26 2021-10-07 テンスペース カンパニー リミテッドＴｅｎｓｐａｃｅ Ｃｏ．，Ｌｔｄ． ソーシャルネットワークの分析によりユーザを評価するサーバ、方法、及びシステム
CN110264093B (zh) * 2019-06-21 2023-08-01 深圳前海微众银行股份有限公司 信用模型的建立方法、装置、设备及可读存储介质
CN110348992B (zh) * 2019-06-25 2020-09-04 深圳中兴飞贷金融科技有限公司 用户信息处理方法和装置、存储介质和电子设备
CN110599312A (zh) * 2019-09-29 2019-12-20 支付宝(杭州)信息技术有限公司 基于信用的交互信用评估方法以及装置
CN110956386A (zh) * 2019-11-27 2020-04-03 北京国腾联信科技有限公司 基于多渠道的信用数据的处理方法和装置
WO2022269926A1 (ja) * 2021-06-25 2022-12-29 楽天グループ株式会社 信用度判定システム、信用度判定方法及びプログラム
CN113592333A (zh) * 2021-08-07 2021-11-02 杭州找查科技有限公司 互联网综合评分方法、系统、装置及可读存储介质

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006260137A (ja) * 2005-03-17 2006-09-28 Fuji Xerox Co Ltd 組織情報管理装置
JP5099842B2 (ja) * 2008-05-28 2012-12-19 日本電信電話株式会社 ネットワーク可視化装置、ネットワーク可視化方法、プログラムおよび記録媒体
CN101685458B (zh) * 2008-09-27 2012-09-19 华为技术有限公司 一种基于协同过滤的推荐方法和系统
JP5604441B2 (ja) * 2008-12-01 2014-10-08 トプシー ラブズ インコーポレイテッド 影響度の推定
US20100241580A1 (en) * 2009-03-19 2010-09-23 Tagged, Inc. System and method of selecting a relevant user for introduction to a user in an online environment
JP2011170471A (ja) * 2010-02-17 2011-09-01 Nippon Telegr & Teleph Corp <Ntt> ソーシャルグラフ生成方法、ソーシャルグラフ生成装置、およびプログラム
US8694401B2 (en) * 2011-01-13 2014-04-08 Lenddo, Limited Systems and methods for using online social footprint for affecting lending performance and credit scoring
CN102780683B (zh) * 2011-05-12 2015-04-29 同济大学 基于社交网络的动态群体间信任度估算方法
US20130166436A1 (en) * 2011-12-22 2013-06-27 Ike O. Eze Deriving buyer purchasing power from buyer profile and social network data
US10397363B2 (en) * 2013-03-27 2019-08-27 Facebook, Inc. Scoring user characteristics
US20150019404A1 (en) * 2013-07-15 2015-01-15 TollShare, Inc. Creditworthiness determination through online social network endorsements
JP5731608B2 (ja) * 2013-10-02 2015-06-10 グーグル・インコーポレーテッド ソーシャルネットワーク用Ａｄｈｅａｔ広告モデル
JP6507498B2 (ja) * 2014-06-25 2019-05-08 富士通株式会社 ユーザ決定プログラム、ユーザ決定方法及びユーザ決定システム
CN105404947A (zh) * 2014-09-02 2016-03-16 阿里巴巴集团控股有限公司 用户质量侦测方法及装置
CN104463603B (zh) * 2014-12-05 2018-02-02 中国联合网络通信集团有限公司 一种信用评估方法及系统
KR101762493B1 (ko) * 2015-04-15 2017-07-27 이태진 소셜 정보 기반의 대출 서비스 시스템, 방법 및 컴퓨터 프로그램
KR20170013444A (ko) * 2015-07-27 2017-02-07 주식회사 에스티에이엠 소셜 네트워크 서비스 기반의 온라인 대출 방법 및 서버
CN105225149B (zh) * 2015-09-07 2018-04-27 腾讯科技（深圳）有限公司 一种征信评分确定方法及装置
CN106156941B (zh) * 2016-06-06 2018-01-23 腾讯科技（深圳）有限公司 一种用户信用评分优化方法和装置

Also Published As

Publication number Publication date
CN106156941B (zh) 2018-01-23
US20180276748A1 (en) 2018-09-27
KR20180081101A (ko) 2018-07-13
KR102121360B1 (ko) 2020-06-10
WO2017211259A1 (zh) 2017-12-14
JP2018536940A (ja) 2018-12-13
EP3467730A4 (en) 2019-04-17
CN106156941A (zh) 2016-11-23
EP3467730A1 (en) 2019-04-10

Similar Documents

Publication Publication Date Title
JP6685541B2 (ja) ユーザ信用スコアを最適化するための方法および装置
Keuning et al. Mortality prediction models in the adult critically ill: A scoping review
US9418119B2 (en) Method and system to determine a category score of a social network member
WO2021208720A1 (zh) 基于强化学习的业务分配方法、装置、设备及存储介质
CN112799708B (zh) 联合更新业务模型的方法及系统
WO2022179384A1 (zh) 一种社交群体的划分方法、划分系统及相关装置
CN108965951B (zh) 广告的播放方法及装置
US20170228375A1 (en) Using combined coefficients for viral action optimization in an on-line social network
US20150332315A1 (en) Click Through Ratio Estimation Model
US20160086086A1 (en) Multi-media content-recommender system that learns how to elicit user preferences
WO2016011509A1 (en) Method and system for rating entities within a peer network
US20150278836A1 (en) Method and system to determine member profiles for off-line targeting
CN109688217B (zh) 一种消息推送方法、装置及电子设备
CN109525933B (zh) 位置隐私保护方法及装置
US9594756B2 (en) Automated ranking of contributors to a knowledge base
US10963743B2 (en) Machine learning with small data sets
US20180167153A1 (en) Estimating volume of switching among television programs for an audience measurement panel
CN108830460B (zh) 一种基于分步动态填充缓解推荐系统数据稀疏性的方法
CN110020129B (zh) 点击率校正方法、预估方法、装置、计算设备及存储介质
CN110874667A (zh) 评分卡模型优化方法、装置、服务器及存储介质
CN110555564A (zh) 一种客户关联风险的预测方法及装置
Zhan et al. Estimating Treatment Effects under Recommender Interference: A Structured Neural Networks Approach
TWI720638B (zh) 存款利率議價調整系統及其方法
US20170344644A1 (en) Ranking news feed items using personalized on-line estimates of probability of engagement
CN110020374A (zh) 一种发布信息的转发量预测方法和装置

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180608

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180608

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190516

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190701

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190927

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20200302

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200324

R150 Certificate of patent or registration of utility model

Ref document number: 6685541

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250