一种信用等级确定方法、装置、设备及介质制造方法及图纸

本申请公开了一种信用等级确定方法、装置、设备及介质，可应用于大数据领域或金融领域。该方法能够获取目标用户的用户数据，将用户数据输入信用等级预测模型中，得到信用等级预测模型输出的预测信用等级，将预测信用等级作为目标用户的信用等级。其中，信用等级预测模型包括两层模型，也就是第一层模型和第二层模型。第一层模型包括两个模型，分别基于输入的用户数据输出第一预测等级和第二预测等级。第二层模型基于第一预测等级、第二预测等级和用户数据输出预测信用等级。采用两层模型结构的信用等级预测模型，能够充分挖掘用户数据的特征，确定较为准确的信用等级。确定较为准确的信用等级。确定较为准确的信用等级。

【技术实现步骤摘要】
一种信用等级确定方法、装置、设备及介质


[0001]本申请涉及大数据领域，具体涉及一种信用等级确定方法、装置、设备及介质。

技术介绍

[0002]个人信贷业务需要金融机构充分了解借款方的财务状况，对借款方的还款能力进行较为准确地评估。为了更好地确定借款方的违约风险，通常需要基于借款方的信用信息对借款方的信用等级进行评估。满足信用等级的借款方才能继续办理个人信贷业务。
[0003]目前，难以较为准确地确定借款方的信用等级，影响金融机构处理个人信贷业务。

技术实现思路

[0004]有鉴于此，本申请提供一种信用等级确定方法、装置、设备及介质，能够较为准确地确定用户的信用等级。
[0005]为解决上述问题，本申请提供的技术方案如下：
[0006]第一方面，本申请提供一种信用等级确定方法，所述方法包括：
[0007]获取目标用户的用户数据；
[0008]将所述用户数据输入信用等级预测模型中，得到所述信用等级预测模型输出的预测信用等级，所述信用等级预测模型包括第一层模型和第二层模型，所述第一层模型包括第一模型和第二模型，所述第一模型用于基于输入的用户数据输出第一预测等级，所述第二模型用于基于输入的用户数据输出第二预测等级，所述第二层模型用于基于所述第一预测等级、所述第二预测等级和所述用户数据输出预测信用等级；
[0009]将所述预测信用等级确定为目标用户的信用等级。
[0010]在一种可能的实现方式中，所述第一模型和第二模型采用多层融合法融合。
[0011]在一种可能的实现方式中，所述第一模型为随机森林模型，所述第二模型为神经网络模型。
[0012]在一种可能的实现方式中，所述第二层模型为线性回归模型。
[0013]在一种可能的实现方式中，所述信用等级预测模型是采用以下方法训练得到的：
[0014]获取训练用户数据以及训练标签，所述训练标签为所述训练用户数据对应的用户的风险等级；
[0015]重复执行以下步骤，直到满足预设条件为止，得到完成训练的信用等级预测模型：
[0016]将所述训练数据输入待训练信用等级预测模型，得到所述待训练信用等级预测模型包括的第一模型输出的第三预测等级、所述第二模型输出的第四预测等级以及第二层模型输出的第五预测等级，所述待训练信用等级预测模型包括第一层模型和所述第二层模型，所述第一层模型包括所述第一模型和所述第二模型；
[0017]利用所述训练标签、所述第三预测等级、所述第四预测等级以及所述第五预测等级调整所述待训练信用等级预测模型。
[0018]第二方面，本申请提供一种信用等级确定装置，所述装置包括：
[0019]获取单元，用于获取目标用户的用户数据；
[0020]处理单元，用于将所述用户数据输入信用等级预测模型中，得到所述信用等级预测模型输出的预测信用等级，所述信用等级预测模型包括第一层模型和第二层模型，所述第一层模型包括第一模型和第二模型，所述第一模型用于基于输入的用户数据输出第一预测等级，所述第二模型用于基于输入的用户数据输出第二预测等级，所述第二层模型用于基于所述第一预测等级、所述第二预测等级和所述用户数据输出预测信用等级；
[0021]确定单元，用于将所述预测信用等级确定为目标用户的信用等级。
[0022]在一种可能的实现方式中，所述第一模型和第二模型采用多层融合法融合。
[0023]在一种可能的实现方式中，所述第一模型为随机森林模型，所述第二模型为神经网络模型。
[0024]在一种可能的实现方式中，所述第二层模型为线性回归模型。
[0025]在一种可能的实现方式中，所述信用等级预测模型是采用以下装置训练得到的：
[0026]获取训练用户数据以及训练标签，所述训练标签为所述训练用户数据对应的用户的风险等级；
[0027]重复执行以下步骤，直到满足预设条件为止，得到完成训练的信用等级预测模型：
[0028]将所述训练数据输入待训练信用等级预测模型，得到所述待训练信用等级预测模型包括的第一模型输出的第三预测等级、所述第二模型输出的第四预测等级以及第二层模型输出的第五预测等级，所述待训练信用等级预测模型包括第一层模型和所述第二层模型，所述第一层模型包括所述第一模型和所述第二模型；
[0029]利用所述训练标签、所述第三预测等级、所述第四预测等级以及所述第五预测等级调整所述待训练信用等级预测模型。
[0030]第三方面，本申请提供一种信用等级确定设备，包括：处理器、存储器、系统总线；
[0031]所述处理器以及所述存储器通过所述系统总线相连；
[0032]所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述第一方面所述的方法。
[0033]第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述第一方面所述的方法。
[0034]由此可见，本申请具有如下有益效果：
[0035]本申请提供的一种信用等级确定方法、装置、设备及介质，能够获取目标用户的用户数据，将用户数据输入信用等级预测模型中，得到信用等级预测模型输出的预测信用等级，将预测信用等级作为用户的信用等级。其中，信用等级预测模型包括两层模型，也就是第一层模型和第二层模型。第一层模型包括两个模型，分别基于输入的用户数据输出第一预测等级和第二预测等级。第二层模型基于第一预测等级、第二预测等级和用户数据输出预测信用等级。采用两层模型结构的信用等级预测模型，能够充分挖掘用户数据的特征，确定较为准确的信用等级。
附图说明
[0036]图1为本申请实施例提供的一种信用等级确定方法的流程示意图；
[0037]图2为本申请实施例提供的一种信用等级预测模型的结构示意图；
[0038]图3为本申请实施例提供的一种信用等级确定装置的结构示意图。
具体实施方式
[0039]为了便于理解和解释本申请实施例提供的技术方案，下面将先对本申请的
技术介绍
进行说明。
[0040]个人信贷业务需要金融机构基于借款方历史的财务状况以及借款方的用户信息等相关信息，确定借款方的还款能力和还款意愿。为了便于衡量借款方的信用，金融机构通常使用信用等级对借款方进行评价。信用等级满足一定条件的借款方才能正常办理个人信贷业务。但是，目前金融机构确定的用户的信用等级不够准确，影响金融机构办理个人信贷业务。
[0041]基于此，本申请实施例提供一种信用等级确定方法、装置、设备及介质，获取目标用户的用户数据，将用户数据输入信用等级预测模型中，得到信用等级预测模型输出的预测信用等级，将预测信用等级作为用户的信用等级。其中，信用等级预测模型包括两层模型，也就是第一层模型和第二层模型。第一层模型包括两个模型，分别基于输入的用户数据输出第一预测等级和第二预测等级。第二层模型基于第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信用等级确定方法，其特征在于，所述方法包括：获取目标用户的用户数据；将所述用户数据输入信用等级预测模型中，得到所述信用等级预测模型输出的预测信用等级，所述信用等级预测模型包括第一层模型和第二层模型，所述第一层模型包括第一模型和第二模型，所述第一模型用于基于输入的用户数据输出第一预测等级，所述第二模型用于基于输入的用户数据输出第二预测等级，所述第二层模型用于基于输入的所述第一预测等级、所述第二预测等级和所述用户数据输出预测信用等级；将所述预测信用等级确定为目标用户的信用等级。2.根据权利要求1所述的方法，其特征在于，所述第一模型和第二模型采用多层融合法融合。3.根据权利要求1所述的方法，其特征在于，所述第一模型为随机森林模型，所述第二模型为神经网络模型。4.根据权利要求1所述的方法，其特征在于，所述第二层模型为线性回归模型。5.根据权利要求1所述的方法，其特征在于，所述信用等级预测模型是采用以下方法训练得到的：获取训练用户数据以及训练标签，所述训练标签为所述训练用户数据对应的用户的风险等级；重复执行以下步骤，直到满足预设条件为止，得到完成训练的信用等级预测模型：将所述训练数据输入待训练信用等级预测模型，得到所述待训练信用等级预测模型包括的第一模型输出的第三预测等级、所述第二模型输出的第四预测等级以及第二层模型输出的第五预测等级，所述待训练信用等级预测模型包括第一层模型和所述第二层模型，所述第一层模型包括所述第一模型和所述第二模型；利用所述训练标签、所述第...

【专利技术属性】
技术研发人员：李双燕，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：