一种基于漏斗模型的辅助决策系统及其方法技术方案

本申请公开了一种基于漏斗模型的辅助决策系统及其方法

【技术实现步骤摘要】
一种基于漏斗模型的辅助决策系统及其方法


[0001]本申请涉及辅助决策领域，且更为具体地，涉及一种基于漏斗模型的辅助决策系统及其方法
。

技术介绍

[0002]风控模型是智能风控体系中的核心部件
。
为更全面地捕获用户信息，风控模型通常需使用多种类的数据进行训练，例如征信类
、
多头类
、
画像类等等
。
数据使用得越多，模型对用户识别得更精准，模型性能更优秀，但相应的数据成本也越高
。
为平衡模型性能与数据成本之间的关系，通常需设计漏斗模型体系
。
顾名思义，漏斗模型体系覆盖的用户随漏斗加深不断减少
。
在漏斗最外层，模型覆盖用户数量最多，调用的数据最少；在漏斗最里层，模型覆盖用户数量最少，调用的数据最多
。
[0003]漏斗模型体系通常基于业务理解进行设计，例如将授信申请用户和授信通过用户设计为两层漏斗，将全量授信通过用户和大额授信通过用户设计为两层漏斗等
。
基于业务理解的漏斗模型体系设计方法可解释性高，但其并未考量模型具体性能，易产生错误决策信息
。
例如，若在授信申请用户上基于人行征信开发模型，那么模型在征信信息丰富的用户上将有较好效果，而在征信较薄的用户上将出现性能衰退，若不对此部分用户进一步调用额外数据，模型难以提供理想决策支撑
。
[0004]因此，期待一种优化的辅助决策系统
。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请
。
本申请的实施例提供了一种基于漏斗模型的辅助决策系统及其方法
。
其可以有效评估待评估用户的风险等级
。
[0006]根据本申请的一个方面，提供了一种基于漏斗模型的辅助决策方法，其包括：
[0007]获取待评估用户的业务数据；
[0008]将所述待评估用户的业务数据通过漏斗模型的第一漏斗层以判断所述待评估用户的业务数据的缺失指标是否超过预定阈值；以及
[0009]响应于所述业务数据的缺失指标超过预定阈值，将所述待评估用户的业务数据通过所述漏斗模型的第二漏斗层以得到所述待评估用户的风险等级评估结果
。
[0010]根据本申请的另一个方面，提供了一种基于漏斗模型的辅助决策系统，其包括：
[0011]业务数据获取模块，用于获取待评估用户的业务数据；
[0012]判断模块，用于将所述待评估用户的业务数据通过漏斗模型的第一漏斗层以判断所述待评估用户的业务数据的缺失指标是否超过预定阈值；以及
[0013]风险等级评估模块，用于响应于所述业务数据的缺失指标超过预定阈值，将所述待评估用户的业务数据通过所述漏斗模型的第二漏斗层以得到所述待评估用户的风险等级评估结果
。
[0014]与现有技术相比，本申请提供的基于漏斗模型的辅助决策系统及其方法，其首先
获取待评估用户的业务数据，接着，将所述待评估用户的业务数据通过漏斗模型的第一漏斗层以判断所述待评估用户的业务数据的缺失指标是否超过预定阈值，然后，响应于所述业务数据的缺失指标超过预定阈值，将所述待评估用户的业务数据通过所述漏斗模型的第二漏斗层以得到所述待评估用户的风险等级评估结果
。
这样，可以有效评估待评估用户的风险等级
。
附图说明
[0015]为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，以下附图并未刻意按实际尺寸等比例缩放绘制，重点在于示出本申请的主旨
。
[0016]图1为根据本申请实施例的基于漏斗模型的辅助决策方法的流程图
。
[0017]图2为根据本申请实施例的基于漏斗模型的辅助决策方法的子步骤
S130
的流程图
。
[0018]图3为根据本申请实施例的基于漏斗模型的辅助决策方法的子步骤
S130
的架构示意图
。
[0019]图4为根据本申请实施例的基于漏斗模型的辅助决策方法的子步骤
S131
的流程图
。
[0020]图5为根据本申请实施例的基于漏斗模型的辅助决策方法进一步包括的训练步骤的流程图
。
[0021]图6为根据本申请实施例的基于漏斗模型的辅助决策系统的框图
。
[0022]图7为根据本申请实施例的基于漏斗模型的辅助决策方法的应用场景图
。
[0023]图8为根据本申请实施例的漏斗模型体系应用的示意图
。
具体实施方式
[0024]下面将结合附图对本申请实施例中的技术方案进行清楚
、
完整地描述，显而易见地，所描述的实施例仅仅是本申请的部分实施例，而不是全部的实施例
。
基于本申请实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，也属于本申请保护的范围
。
[0025]如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和
/
或“该”等词并非特指单数，也可包括复数
。
一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素
。
[0026]虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和
/
或服务器上
。
所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块
。
[0027]本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作
。
应当理解的是，前面或下面操作不一定按照顺序来精确地执行
。
相反，根据需要，可以按照倒序或同时处理各种步骤
。
同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作
。
[0028]下面，将参考附图详细地描述根据本申请的示例实施例
。
显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制
。
[0029]针对上述技术问题，本申请的技术构思为提供一种基于漏斗模型的辅助决策系统，可有效保证各层漏斗模型性能，进而为各层漏斗风控决策提供可靠支撑
。
[0030]在本申请的技术方案中，所述漏斗模型包括作为外层的第一漏斗层和作为内层的第二漏斗层，其中，所述第一漏斗层的作用为判断待评估用户的业务数据的缺失指标是否超过预定阈值；所述第二漏斗层的作用为响应于所述业务数据的缺失指标超过预定阈值，使用机器学习模型对所述待评估用户的业务数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于漏斗模型的辅助决策方法，其特征在于，包括：获取待评估用户的业务数据；将所述待评估用户的业务数据通过漏斗模型的第一漏斗层以判断所述待评估用户的业务数据的缺失指标是否超过预定阈值；以及响应于所述业务数据的缺失指标超过预定阈值，将所述待评估用户的业务数据通过所述漏斗模型的第二漏斗层以得到所述待评估用户的风险等级评估结果
。2.
根据权利要求1所述的基于漏斗模型的辅助决策方法，其特征在于，响应于所述业务数据的缺失指标超过预定阈值，将所述待评估用户的业务数据通过所述漏斗模型的第二漏斗层以得到所述待评估用户的风险等级评估结果，包括：对所述业务数据进行语义编码以得到词粒度业务数据语义理解特征向量；从所述业务数据提取多个关键变量值；对所述多个关键变量值进行序列关联编码以得到关键变量语义间理解特征向量；融合所述词粒度业务数据语义理解特征向量和所述关键变量语义间理解特征向量以得到多密度业务理解特征向量；以及基于所述多密度业务理解特征向量，生成所述待评估用户的风险等级评估结果
。3.
根据权利要求2所述的基于漏斗模型的辅助决策方法，其特征在于，对所述业务数据进行语义编码以得到词粒度业务数据语义理解特征向量，包括：对所述业务数据进行分词处理以得到业务描述词的序列；以及将所述业务描述词的序列通过包含词嵌入层的语义编码器以得到词粒度业务数据语义理解特征向量
。4.
根据权利要求3所述的基于漏斗模型的辅助决策方法，其特征在于，所述语义编码器为
GRU
模型
。5.
根据权利要求4所述的基于漏斗模型的辅助决策方法，其特征在于，对所述多个关键变量值进行序列关联编码以得到关键变量语义间理解特征向量，包括：将所述多个关键变量值通过基于全连接层的序列编码器以得到关键变量语义间理解特征向量
。6.
根据权利要求5所述的基于漏斗模型的辅助决策方法，其特征在于，融合所述词粒度业务数据语义理解特征向量和所述关键变量语义间理解特征向量以得到多密度业务理解特征向量，包括：以如下级联公式融合所述词粒度业务数据语义理解特征向量和所述关键变量语义间理解特征向量以得到所述多密度业务理解特征向量；其中，所述级联公式为：
V
c
＝
Concat[V
a
，
V
b
]
其中，
V
a
和
V
b
分别表示所述词粒度业务数据语义理解特征向量和所...

【专利技术属性】
技术研发人员：周维浩，杨萱，王震，段美宁，
申请(专利权)人：杭银消费金融股份有限公司，
类型：发明
国别省市：