风控模型训练方法和用户信用评估方法技术

本发明专利技术公开了一种风控模型训练方法和用户信用评估方法。该方法包括：根据获取的原始样本数据，确定目标样本数据；目标样本数据包括用户历史行为信息、用户行为时间信息和用户行为位置信息，其中，用户历史行为信息为用户进行农业生产行为的信息；基于目标样本数据，训练得到风控模型，提高了用户信用评估准确度。度。度。

【技术实现步骤摘要】
风控模型训练方法和用户信用评估方法


[0001]本专利技术属于大数据
，尤其涉及一种风控模型训练方法和用户信用评估方法。

技术介绍

[0002]风险控制在当今社会的大多数互联和金融公司有广泛的应用价值。
[0003]传统的风险控制大多数由相关的业务人员和安全专家根据历史经验、业务等条件来制定风控规则，基于电信通话和短信业务等数据来确定用户的信用评分。随着通信技术的飞跃发展和互联网技术的攻击，电信通话和短信业务数量逐渐减少，导致原有的数据分析维度已经无法完整的刻画用户的行为。

技术实现思路

[0004]本专利技术实施例提供一种风控模型训练方法和用户信用评估方法，能够解决基于目前的风险评估方式评估用户的信用准确度低的问题。
[0005]第一方面，提供了一种风控模型训练方法，该方法包括：
[0006]根据获取的原始样本数据，确定目标样本数据；目标样本数据包括用户历史行为信息、用户行为时间信息和用户行为位置信息，其中，用户历史行为信息为用户进行农业生产行为的信息；
[0007]基于目标样本数据，训练得到风控模型。
[0008]在一种可能的实现方式中，根据获取的原始样本数据，确定目标样本数据，包括：
[0009]对原始样本数据进行数据清洗；数据清洗包括以下各项中的至少一项：将包含空值字段的原始样本数据进行转换第一预设字段；将原始样本数据的字段格式转换为预设的字段格式；将原始样本数据中的第一数据转换为第二预设字段；
[0010]对进行数据清洗后的原始样本数据进行特征提取，得到目标样本数据。
[0011]在一种可能的实现方式中，对进行数据清洗后的原始样本数据进行特征提取，得到目标样本数据，包括：
[0012]提取数据清洗后的原始样本数据中具有时间特征和位置特征的原始样本数据；
[0013]根据随机森林算法，确定具有时间特征和位置特征的原始样本数据中每个原始样本的第一权重；
[0014]根据弹性网络算法，确定具有时间特征和位置特征的原始样本数据中每个原始样本的第二权重；
[0015]将第一权重大于第一预设值且第二权重大于第二预设值的原始样本数据作为目标样本数据。
[0016]在一种可能的实现方式中，该方法还包括：
[0017]将目标样本数据输入至风控模型中，确定用户的信用评分；
[0018]根据信用评分，确定用户的预测授信结果；
[0019]根据预测授信结果以及用户的真实授信结果，调整风控模型的参数，得到优化后的风控模型。
[0020]第二方面，提供了一种用户信用评估方法，该方法包括：
[0021]获取用户行为信息；
[0022]将用户行为信息输入至第一方面或者第一方面任一可能的实现方式训练的风控模型中，确定用户信用评分；
[0023]根据用户信用评分，确定用户的授信结果。
[0024]在一种可能的实现方式中，该方法还包括：
[0025]对用户的授信结果进行存储，构建用户授信数据库。
[0026]第三方面，提供了一种风控模型训练装置，该装置包括：
[0027]确定模块，用于根据获取的原始样本数据，确定目标样本数据；目标样本数据包括用户历史行为信息、用户行为时间信息和用户行为位置信息，其中，用户历史行为信息为用户进行农业生产行为的信息；
[0028]训练模块，用于基于目标样本数据，训练得到风控模型。
[0029]在一种可能的实现方式中，确定模块，具体用于：
[0030]对原始样本数据进行数据清洗；数据清洗包括以下各项中的至少一项：将包含空值字段的原始样本数据进行转换第一预设字段；将原始样本数据的字段格式转换为预设的字段格式；将原始样本数据中的第一数据转换为第二预设字段；
[0031]对进行数据清洗后的原始样本数据进行特征提取，得到目标样本数据。
[0032]在一种可能的实现方式中，确定模块，具体用于：
[0033]提取数据清洗后的原始样本数据中具有时间特征和位置特征的原始样本数据；
[0034]根据随机森林算法，确定具有时间特征和位置特征的原始样本数据中每个原始样本的第一权重；
[0035]根据弹性网络算法，确定具有时间特征和位置特征的原始样本数据中每个原始样本的第二权重；
[0036]将第一权重大于第一预设值且第二权重大于第二预设值的原始样本数据作为目标样本数据。
[0037]在一种可能的实现方式中，该装置还包括：
[0038]确定模块，用于将目标样本数据输入至风控模型中，确定用户的信用评分；
[0039]确定模块，还用于根据信用评分，确定用户的预测授信结果；
[0040]调整模块，用于根据预测授信结果以及用户的真实授信结果，调整风控模型的参数，得到优化后的风控模型。
[0041]第四方面，一种用户信用评分装置，该装置包括：
[0042]获取用户行为信息；
[0043]将用户行为信息输入至如权利要求1-4任意一项的风控模型中，确定用户信用评分；
[0044]根据用户信用评分，确定用户的授信结果。
[0045]在一种可能的实现方式中，该装置还包括构建模块；
[0046]构建模块，用于对用户的授信结果进行存储，构建用户授信数据库。
[0047]第五方面，提供了一种电子设备，该设备包括：处理器以及存储有计算机程序指令的存储器；处理器执行计算机程序指令时实现如第一方面或者第一方面的任一可能实现方式中的方法，或实现如第二方面或者第二方面的任一可能实现方式中的方法。
[0048]第六方面，提供了一种计算机存储介质，该计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面或者第一方面的任一可能实现方式中的方法，或实现如第二方面或者第二方面的任一可能实现方式中的方法。
[0049]基于提供的风控模型训练方法和用户信用评估方法，通过根据获取的原始样本数据，确定目标样本数据；目标样本数据包括用户历史行为信息、用户行为时间信息和用户行为位置信息，其中，用户历史行为信息为用户进行农业生产行为的信息；基于目标样本数据，训练得到风控模型，提高了用户信用评估准确度。
附图说明
[0050]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例中所需要使用的附图作简单的介绍，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，还可以根据这些附图获得其他的附图。
[0051]图1是本专利技术一个实施例提供的一种信用评分方法的流程示意图；
[0052]图2是本专利技术一个实施例提供的一种风控模型训练方法的流程示意图；
[0053]图3是本专利技术一个实施例提供的一种信用评估方法的流程示意图；
[0054]图4是本专利技术一个实施例提供的一种风控模型训练装置的结构示意图；
[0055]图5是本专利技术另一个实施例提供的一种信用评估装置的结构示意图；
...

【技术保护点】

【技术特征摘要】
1.一种风控模型训练方法，其特征在于，所述方法包括：根据获取的原始样本数据，确定目标样本数据；所述目标样本数据包括用户历史行为信息、用户行为时间信息和用户行为位置信息，其中，所述用户历史行为信息为用户进行农业生产行为的信息；基于所述目标样本数据，训练得到风控模型。2.根据权利要求1所述的方法，其特征在于，所述根据获取的原始样本数据，确定目标样本数据，包括：对所述原始样本数据进行数据清洗；所述数据清洗包括以下各项中的至少一项：将包含空值字段的原始样本数据进行转换第一预设字段；将原始样本数据的字段格式转换为预设的字段格式；将原始样本数据中的第一数据转换为第二预设字段；对进行数据清洗后的原始样本数据进行特征提取，得到所述目标样本数据。3.根据权利要求2所述的方法，其特征在于，所述对进行数据清洗后的原始样本数据进行特征提取，得到所述目标样本数据，包括：提取数据清洗后的原始样本数据中具有时间特征和位置特征的原始样本数据；根据随机森林算法，确定具有时间特征和位置特征的原始样本数据中每个原始样本的第一权重；根据弹性网络算法，确定具有时间特征和位置特征的原始样本数据中每个原始样本的第二权重；将所述第一权重大于第一预设值且所述第二权重大于第二预设值的原始样本数据作为所述目标样本数据。4.根据权利要求1-3任意一项所述的方法，其特征在于，所述方法还包括：将所述目标样本数据输入至所述风控模型中，确定用户的信用评分；根据所述信用评分，确定用户的预测授信结果；根据所述预测授信结果以及用户的真实授信结果，调整所述风控模型的参数，得到优化后的风控模型。5.一种用户信用评估方法，其特征在于，所述方法包括：获取用户行为信息；将所述用户行为信息输入至如权利要求1-4任意一项所述的风控模型中，确定用户信用评分；根据所述用户信用评分，确定所述用户的授信结果。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：对所述用户的授信结果进行存储，构建用户授信数据库。7.一种风控模型训练装置，其特征在于，所述装置包括：确定模块，用于根据获取的原始样本数据，确定目标样本数据；所述目标样本数据包括用户历史行为信息、用户行为时间信息和用户行为位置...

【专利技术属性】
技术研发人员：詹海鹏，唐睿，刘一珉，卞军伟，廖鹏程，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：