一种客户信用水平评价方法和系统、电子设备、存储介质技术方案

本发明专利技术提供一种客户信用水平评价方法和系统、电子设备、存储介质，该方法包括：获取用户的社会关系数据；对用户的社会关系数据进行关系划分，得到用户的个体圈层；依据用户的个体圈层，提取用户的图特征指标值；将用户的图特征指标值，输入至客户模型，得到用户的预测结果；将预测结果进行处理，得到用户的信用评分；也即，为客户信用评价维度体系增加圈层社群特征，特别是为信息缺乏客户的诚信评价提供了有力的补充，提高用户信用评价的准确率。提高用户信用评价的准确率。提高用户信用评价的准确率。

【技术实现步骤摘要】
一种客户信用水平评价方法和系统、电子设备、存储介质


[0001]本专利技术属于客户管理
，更具体的说，尤其涉及一种客户信用水平评价方法和系统、电子设备、存储介质。

技术介绍

[0002]信用评价是一直是经济管理领域的重要话题。国内专家学者以及各家金融机构，积极探索自然人及企业的信用评价方法，在大数据的加持下，也总结了许多信用评价经验。以自然人评价为例，根据可获取的多维数据，如身份特征、个人偏好、履约能力、客户行为、信用历史等构建客户评价体系，通过机器学习方法得到客户信用的综合评价。
[0003]随着技术日新月异的发展，更多的研究方法与问题解决思路涌现出来，其中社会关系对个人信用水平的影响也引发思考，除了将个体诚信水平通过个体自身属性充分评估，也希望将人的社会学属性充分考虑，引入社交网络关系，力图对个体的诚信水平实现更加准确的评价。
[0004]信用评价系统是发展市场经济以及金融领域的基石；但随着互联网等信息技术的不断发展，如何依托数据，对传统的信用评价系统需围绕大数据进行信用评级目前已有不少研究，使用的数据虽然较为丰富，但利用数据的方式却较为单一，进而现有的信用评价系统量化客户信用水平的准确率较低。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种客户信用水平评价方法和系统、电子设备、存储介质，用于为客户信用评价维度体系增加圈层社群特征，特别是为信息缺乏客户的诚信评价提供了有力的补充，提高用户信用评价的准确率。
[0006]本申请第一方面公开了一种客户信用水平评价方法，包括：
[0007]获取用户的社会关系数据；
[0008]对所述用户的社会关系数据进行关系划分，得到所述用户的个体圈层；
[0009]依据所述用户的个体圈层，提取所述用户的图特征指标值；
[0010]将所述用户的图特征指标值，输入至客户模型，得到所述用户的预测结果；
[0011]将所述预测结果进行处理，得到所述用户的信用评分。
[0012]可选的，在上述客户信用水平评价方法中，对所述用户的社会关系数据进行关系划分，得到所述用户的个体圈层，包括：
[0013]将所述用户的社会关系数据划分为夫妻关系、父母关系、兄弟姐妹关系、保险合约干系人关系、担保关系、信用卡主持卡人与紧急联系人关系、个贷共同还款人关系、信用卡主持卡人与副卡持有人关系；
[0014]根据夫妻关系、父母关系、兄弟姐妹关系、保险合约干系人关系、担保关系、信用卡主持卡人与紧急联系人关系、个贷共同还款人关系、信用卡主持卡人与副卡持有人关系，形成以所述用户为中心的自我中心网络；所述自我中心网络为所述个体圈层。
[0015]可选的，在上述客户信用水平评价方法中，所述图特征指标值包括：圈层结构特征、圈层资金特征、圈层风险特征、圈层身份特征、加权邻居分数。
[0016]可选的，在上述客户信用水平评价方法中，将所述用户的图特征指标值，输入至客户模型，得到所述用户的预测结果，包括：
[0017]判断所述用户的原信用分数模型入模数据的缺失率是否高于预设值；
[0018]若否，则将所述用户的图特征指标值输入至一般客户模型，得到所述用户的预测结果。
[0019]可选的，在上述客户信用水平评价方法中，将所述用户的图特征指标值输入至一般客户模型，得到所述用户的预测结果，包括：
[0020]将所述图特征指标值和原信用分数模型的预测概率进行拼接，形成集成模型建模宽表后作为所述一般客户模型的输入；
[0021]所述一般客户模型采用自身内部算法对所述模型建模宽表进行处理，得到预测结果。
[0022]可选的，在上述客户信用水平评价方法中，在所述判断所述用户的原信用分数模型入模数据的缺失率是否高于预设值，若是，则还包括：
[0023]将所述用户的图特征指标值输入至无评分客户模型，得到所述用户的预测结果。
[0024]可选的，在上述客户信用水平评价方法中，将所述用户的图特征指标值输入至无评分客户模型，得到所述用户的预测结果，包括：
[0025]通过函数卷积形式提取所述个体圈层的中心节点周边邻居信息；
[0026]依据所述中心节点周边邻居信息，利用关系权重加权汇总邻居的原始模型信用评分，得到所述用户的预测结果。
[0027]本申请第二方面公开了一种客户信用水平评价系统，包括：
[0028]获取模块，用于获取用户的社会关系数据；
[0029]圈层增强模块，用于对所述用户的社会关系数据进行关系划分，得到所述用户的个体圈层；依据所述用户的个体圈层，提取所述用户的图特征指标值；
[0030]预测模块，用于将所述用户的图特征指标值，输入至客户模型，得到所述用户的预测结果；
[0031]评分模块，用于将所述预测结果进行处理，得到所述用户的信用评分。
[0032]本申请第三方面公开了一种电子设备，包括：
[0033]一个或多个处理器；
[0034]存储装置，其上存储有一个或多个程序；
[0035]当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如本申请第一方面中任一项所述的客户信用水平评价方法。
[0036]本申请第四方面公开了一种存储介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现如本申请第一方面中任一项所述的客户信用水平评价方法。
[0037]从上述技术方案可知，本专利技术提供的一种客户信用水平评价方法，包括：获取用户的社会关系数据；对用户的社会关系数据进行关系划分，得到用户的个体圈层；依据用户的个体圈层，提取用户的图特征指标值；将用户的图特征指标值，输入至客户模型，得到用户的预测结果；将预测结果进行处理，得到用户的信用评分；也即，为客户信用评价维度体系
增加圈层社群特征，特别是为信息缺乏客户的诚信评价提供了有力的补充，提高用户信用评价的准确率。
附图说明
[0038]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0039]图1是本专利技术实施例提供的一种客户信用水平评价方法的流程图；
[0040]图2是本专利技术实施例提供的另一种客户信用水平评价方法的流程图；
[0041]图3是本专利技术实施例提供的另一种客户信用水平评价方法的流程图；
[0042]图4是本专利技术实施例提供的另一种客户信用水平评价方法的流程图；
[0043]图5是本专利技术实施例提供的另一种客户信用水平评价方法的流程图；
[0044]图6是本专利技术实施例提供的另一种客户信用水平评价方法的流程图；
[0045]图7是本专利技术实施例提供的一种客户信用水平评价系统的示意图；
[0046]图8是本专利技术实施例提供的一种电子本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种客户信用水平评价方法，其特征在于，包括：获取用户的社会关系数据；对所述用户的社会关系数据进行关系划分，得到所述用户的个体圈层；依据所述用户的个体圈层，提取所述用户的图特征指标值；将所述用户的图特征指标值，输入至客户模型，得到所述用户的预测结果；将所述预测结果进行处理，得到所述用户的信用评分。2.根据权利要求1所述的客户信用水平评价方法，其特征在于，对所述用户的社会关系数据进行关系划分，得到所述用户的个体圈层，包括：将所述用户的社会关系数据划分为夫妻关系、父母关系、兄弟姐妹关系、保险合约干系人关系、担保关系、信用卡主持卡人与紧急联系人关系、个贷共同还款人关系、信用卡主持卡人与副卡持有人关系；根据所述夫妻关系、父母关系、兄弟姐妹关系、保险合约干系人关系、担保关系、信用卡主持卡人与紧急联系人关系、个贷共同还款人关系、信用卡主持卡人与副卡持有人关系，形成以所述用户为中心的自我中心网络；所述自我中心网络为所述个体圈层。3.根据权利要求1所述的客户信用水平评价方法，其特征在于，所述图特征指标值包括：圈层结构特征、圈层资金特征、圈层风险特征、圈层身份特征、加权邻居分数。4.根据权利要求1所述的客户信用水平评价方法，其特征在于，将所述用户的图特征指标值，输入至客户模型，得到所述用户的预测结果，包括：判断所述用户的原信用分数模型入模数据的缺失率是否高于预设值；若否，则将所述用户的图特征指标值输入至一般客户模型，得到所述用户的预测结果。5.根据权利要求4所述的客户信用水平评价方法，其特征在于，将所述用户的图特征指标值输入至一般客户模型，得到所述用户的预测结果，包括：将所述图特征指标值和原信用分数模型的预测概率进...

【专利技术属性】
技术研发人员：兰舒，刘颖，吴倩倩，聂宇达，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：