本申请公开了一种金融信贷用户的筛选方法、装置以及电子设备。涉及人工智能领域。该方法包括：获取M个用户的M个用户信息，并判断M个用户信息中是否存在异常数据；在M个用户信息中不存在异常数据的情况下，依次将每个用户信息输入评分计算模型中，得到每个用户的分数；根据每个用户的分数将M个用户进行排序，得到目标序列，并通过每个用户的分数计算每个用户的最大贷款额度；根据目标序列、每个用户的最大贷款额度以及用户的属性信息从M个用户中确定目标贷款用户。通过本申请，解决了相关技术中通过人工选取信贷用户的方法效率低的问题。中通过人工选取信贷用户的方法效率低的问题。中通过人工选取信贷用户的方法效率低的问题。
【技术实现步骤摘要】
金融信贷用户的筛选方法、装置以及电子设备
[0001]本申请涉及人工智能领域，具体而言，涉及一种金融信贷用户的筛选方法、装置以及电子设备。
技术介绍
[0002]随着普惠金融信贷业务的产生和发展，普惠金融信贷充分发挥互联网联动的优势，拓宽了金融服务的边界，为许多普通用户提供了的信贷帮助。普惠信贷不仅大大降低了金融服务的使用成本，同时还减少了信用评估误差，从而使普通用户群体的金融服务可得性得到了改善。
[0003]但是，虽然普惠金融信贷拥有利率低、担保方式灵活等特点，但贷款总额度是有限的。因此，如何使有限的贷款额度合理地分配到符合要求的特定客户群体是一个需要解决的问题。
[0004]当前在选择普惠金融信贷的客户时，主要通过人工审查方式进行筛选。先对客户经济信息建档，再由信息采集小组对客户基本情况进行人工审核，并通过基层网点客户经理、网点负责人、总行市场营销部层层核实审查，最终给予授信。通过上述方法虽然具有较高的准确性，但是对用户进行筛选的步骤繁琐、时长较长，同时还需要使用较大的人力，导致信贷业务的用户选取效率大大降低。
[0005]针对相关技术中通过人工选取信贷用户的方法效率低的问题，目前尚未提出有效的解决方案。
技术实现思路
[0006]本申请提供一种金融信贷用户的筛选方法、装置以及电子设备，以解决相关技术中通过人工选取信贷用户的方法效率低的问题。
[0007]根据本申请的一个方面，提供了一种金融信贷用户的筛选方法。该方法包括：获取M个用户的M个用户信息，并判断M个用户信息中是否存在异常数据，其中，M为正整数；在M个用户信息中不存在异常数据的情况下，依次将每个用户信息输入评分计算模型中，得到每个用户的分数；根据每个用户的分数将M个用户进行排序，得到目标序列，并通过每个用户的分数计算每个用户的最大贷款额度；根据每个用户的属性信息从第一对照表中确定预设贷款额度，其中，第一对照表中包括多个属性信息以及每个属性信息对应的预设贷款额度；依次判断每个用户的预设贷款额度是否小于最大贷款额度，并在第一用户的预设贷款额度小于最大贷款额度的情况下，降低第一用户在目标序列中的排名，得到更新后的目标序列；将更新后的目标序列中排名大于预设次序的用户确定为目标贷款用户。
[0008]可选地，在M个用户信息中存在异常数据的情况下，该方法还包括：确定存在异常数据的用户信息，得到异常用户信息，并确定异常用户信息中的数据异常原因；在数据异常原因为数据错误的情况下，删除异常用户信息中的错误数据，得到更新后的异常用户信息；在数据异常原因为数据缺失的情况下，根据异常用户信息中的其余数据对缺失数据进行补
充，得到更新后的用户信息。
[0009]可选地，用户信息中包括多个用户数据，依次将每个用户信息输入评分计算模型中包括：对于每个用户，将用户信息中的多个用户数据按照数据特征进行分类，得到P个初始用户数据集合；将每个初始用户数据集合中的数据调整至统一计量单位下，得到P个第一用户数据集合；将每个第一用户数据集合中的用户数据进行去重或合并，得到P个第二用户数据集合；将P个第二用户数据集合中的非数值数据进行数值转换，得到P个第三用户数据集合，并将P个第三用户数据集合输入评分计算模型中。
[0010]可选地，评分计算模型通过以下方式训练得到：获取N个历史用户的历史用户信息，以及每个历史用户的历史评分，其中，N为正整数；将每个历史用户的历史评分和历史用户信息作为样本输入初始计算模型中，对初始计算模型进行训练，得到评分计算模型，其中，初始计算模型为多元线性回归模型。
[0011]可选地，通过每个用户的分数计算每个用户的最大贷款额度包括：从历史用户信息中获取历史用户的最大贷款额度，并计算最大贷款额度与历史用户的历史评分之间的函数关系；通过函数关系对用户的分数进行计算，得到用户的最大贷款额度。
[0012]可选地，在降低第一用户在目标序列中的排名，得到更新后的目标序列之后，该方法还包括：根据每个用户的属性信息确定是否存在处于贷款状态的第二用户；在存在处于贷款状态的第二用户的情况下，判断第二用户的贷款状态是否为异常状态，在贷款状态为异常状态的情况下，从更新后的目标序列中删除第二用户；在贷款状态为正常状态的情况下，降低第二用户在更新后的目标序列中的排名。
[0013]可选地，在获取M个用户的M个用户信息之后，该方法还包括：根据每个用户的用户信息判断M个用户中是否存在位于预设名单中的用户，其中，预设名单用于指示位于预设名单中的用户存在异常；在M个用户中存在位于预设名单中的用户的情况下，获取位于预设名单中的目标用户，并在M个用户信息中删除目标用户的用户信息，得到H个用户信息，并将H个用户信息依次输入评分计算模型中。
[0014]根据本申请的另一方面，提供了一种金融信贷用户的筛选装置。该装置包括：第一获取单元，用于获取M个用户的M个用户信息，并判断M个用户信息中是否存在异常数据，其中，M为正整数；输入单元，用于在M个用户信息中不存在异常数据的情况下，依次将每个用户信息输入评分计算模型中，得到每个用户的分数；排序单元，用于根据每个用户的分数将M个用户进行排序，得到目标序列，并通过每个用户的分数计算每个用户的最大贷款额度；第一确定单元，用于根据每个用户的属性信息从第一对照表中确定预设贷款额度，其中，第一对照表中包括多个属性信息以及每个属性信息对应的预设贷款额度；第一判断单元，用于依次判断每个用户的预设贷款额度是否小于最大贷款额度，并在第一用户的预设贷款额度小于最大贷款额度的情况下，降低第一用户在目标序列中的排名，得到更新后的目标序列；第二确定单元，用于将更新后的目标序列中排名大于预设次序的用户确定为目标贷款用户。
[0015]根据本专利技术的另一方面，还提供了一种计算机存储介质，计算机存储介质用于存储程序，其中，程序运行时控制计算机存储介质所在的设备执行一种金融信贷用户的筛选方法。
[0016]根据本专利技术的另一方面，还提供了一种电子设备，包含一个或多个处理器和存储
器；存储器中存储有计算机可读指令，处理器用于运行计算机可读指令，其中，计算机可读指令运行时执行一种金融信贷用户的筛选方法。
[0017]通过本申请，采用以下步骤：获取M个用户的M个用户信息，并判断M个用户信息中是否存在异常数据，其中，M为正整数；在M个用户信息中不存在异常数据的情况下，依次将每个用户信息输入评分计算模型中，得到每个用户的分数；根据每个用户的分数将M个用户进行排序，得到目标序列，并通过每个用户的分数计算每个用户的最大贷款额度；根据每个用户的属性信息从第一对照表中确定预设贷款额度，其中，第一对照表中包括多个属性信息以及每个属性信息对应的预设贷款额度；依次判断每个用户的预设贷款额度是否小于最大贷款额度，并在第一用户的预设贷款额度小于最大贷款额度的情况下，降低第一用户在目标序列中的排名，得到更新后的目标序列；将更新后的目标序列中排名大于预设次序的用户确定为目标贷款用户。解决了相关技术中通过人工选取信贷用户的方法效率低的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种金融信贷用户的筛选方法，其特征在于，包括：获取M个用户的M个用户信息，并判断所述M个用户信息中是否存在异常数据，其中，M为正整数；在所述M个用户信息中不存在所述异常数据的情况下，依次将每个用户信息输入评分计算模型中，得到每个用户的分数；根据每个用户的分数将所述M个用户进行排序，得到目标序列，并通过每个用户的分数计算每个用户的最大贷款额度；根据每个用户的属性信息从第一对照表中确定预设贷款额度，其中，所述第一对照表中包括多个属性信息以及每个属性信息对应的预设贷款额度；依次判断每个用户的预设贷款额度是否小于最大贷款额度，并在第一用户的预设贷款额度小于最大贷款额度的情况下，降低所述第一用户在所述目标序列中的排名，得到更新后的目标序列；将所述更新后的目标序列中排名大于预设次序的用户确定为目标贷款用户。2.根据权利要求1所述的方法，其特征在于，在所述M个用户信息中存在所述异常数据的情况下，所述方法还包括：确定存在异常数据的用户信息，得到异常用户信息，并确定所述异常用户信息中的数据异常原因；在所述数据异常原因为数据错误的情况下，删除所述异常用户信息中的错误数据，得到更新后的异常用户信息；在所述数据异常原因为数据缺失的情况下，根据所述异常用户信息中的其余数据对缺失数据进行补充，得到更新后的用户信息。3.根据权利要求1所述的方法，其特征在于，所述用户信息中包括多个用户数据，依次将每个用户信息输入评分计算模型中包括：对于每个用户，将所述用户信息中的多个用户数据按照数据特征进行分类，得到P个初始用户数据集合；将每个初始用户数据集合中的数据调整至统一计量单位下，得到P个第一用户数据集合；将每个第一用户数据集合中的用户数据进行去重或合并，得到P个第二用户数据集合；将所述P个第二用户数据集合中的非数值数据进行数值转换，得到P个第三用户数据集合，并将所述P个第三用户数据集合输入所述评分计算模型中。4.根据权利要求1所述的方法，其特征在于，所述评分计算模型通过以下方式训练得到：获取N个历史用户的历史用户信息，以及每个历史用户的历史评分，其中，N为正整数；将每个历史用户的历史评分和历史用户信息作为样本输入初始计算模型中，对所述初始计算模型进行训练，得到所述评分计算模型，其中，所述初始计算模型为多元线性回归模型。5.根据权利要求4所述的方法，其特征在于，通过每个用户的分数计算每个用户的最大贷款额度包括：
从历史用户信息中获取历史用户的最大贷款额度，并计算所述最大贷款额度与所述历史用户的历史评分之间的函数关系；通过所...
【专利技术属性】
技术研发人员：章楚祎，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。