房屋信贷数据处理方法及系统技术方案

本申请提供了一种房屋信贷数据处理方法及系统，涉及区块链技术领域，可应用于金融领域和其他领域，所述方法包含：获取第一用户提供的第一身份信息和交易类型；当所述交易类型为买房交易时，通过区块链网络获得各用户端基于所述第一身份信息生成的用户数据；根据所述用户数据通过差分隐私算法进行迭代计算获得用户的兴趣项数据，根据所述兴趣项数据和引入的随机差分矩阵构建用户画像；根据所述用户画像于所述区块链网络中匹配第二用户提供的房屋数据获得目标房屋信息，根据所述第一用户和所述第二用户通过所述目标房屋信息提供的交易数据和所述目标房屋信息生成房屋变更数据；将所述房屋变更数据共识至所述区块链网络

【技术实现步骤摘要】
房屋信贷数据处理方法及系统


[0001]本申请涉及区块链
，可应用于金融领域和其他领域，尤指一种房屋信贷数据处理方法及系统
。

技术介绍

[0002]目前二手房交易量日益增大，由于房屋交易涉及金额巨大，房屋交易涉及买卖双方
、
中介
、
银行
、
房产管理部分等多个方面，交易手续复杂，各个环节基本都是人工操作，很容易发生问题
。
二手房屋买卖的双方通过中介公司联系到一起
,
中介提供居间联系
、
沟通
、
代办过户手续等服务
,
房屋买卖双方按约定支付酬金
。
中介公司模式为保证二手房交易安全，降低交易的技术难度起到重要的作用
。
但是中介方式由于交易方要支付不菲的费用，而且交易环节大部分的信息获取
、
买卖双方信息
、
房屋信息等都是评估判断都是人为参与进行，受人员的影响较大，加上中介公司人员流动性大，因此也给交易双方带来很大的风险
。
[0003]为降低中介公司模式带来的问题，降低高额中介费，各类二手房在线交易系统受到交易双方的欢迎，但是这类系统存在以下问题：
1、
信息发布缺乏真实性，很多虚假信息充斥这类网站，给正常的交易带来很大的干扰
。2、
这类网站发布分只提供相关房屋信息，没有交易中间过程的技术支持，也缺乏权威的验证和评估
。3、
对参与交易各方缺乏诚信评价，增加了交易风险，缺乏银行和房管局的参与，无法对参与交易的各方的真实性进行监督
。4、
每个客户对房屋偏好不同，只能在大量的房屋信息进行浏览和识别，然后实地去看房，系统无法根据客户的偏好进行学习并进行推荐，成交效率低
。
客户害怕自己的信息被中介和不法商家盗用商业用途，导致自己频繁被骚扰，希望自己的隐私信息被保护
。5、
银行信贷过程中一般需要客户填写大量自己的隐私信息
(
例如职业
、
年收入
、
婚姻状况
、
家庭财产等
)
以便进行评估，在与房管局数据信息交互时，还需要客户填写身份验证信息
(
例如身份证号
、
人脸或指纹
)
，这些信息如果放在平台上，容易被金融机构或其他不法分子用于非法商业用途，此外银行的一些对客户的风险评估方法和规则模型，也不希望被其他银行和无关人员
(
含贷款用户
)
所知晓，同样需要进行隐私保护
[0004]因此需要一种可信的跨多个机构的房屋信贷数据处理平台，能不断根据客户需求和银行的要求不断自我学习，更准确的进行客户画像，快速准确的帮助贷款客户以及银行客户更好的进行匹配和推荐，帮助客户和银行提高贷款工作效率，同时能保护客户和银行的信息隐私安全，保证平台信息的真实可靠，并保护客户的隐私不被商业机构用于其他用途
。

技术实现思路

[0005]本申请目的在于提供一种房屋信贷数据处理方法及系统，将不同结构和协议的区块链进行数据链接，保证信息的可靠性和不可篡改性，实现对客户以及银行分别进行个性画像，为客户推荐符合用户偏好的房屋信息以及适合的银行房屋贷款产品以及为银行推荐符合要求的贷款客户
。
[0006]为达上述目的，本申请所提供的房屋信贷数据处理方法，具体包含：获取第一用户提供的第一身份信息和交易类型；当所述交易类型为买房交易时，通过区块链网络获得各用户端基于所述第一身份信息生成的用户数据；根据所述用户数据通过差分隐私算法进行迭代计算获得用户的兴趣项数据，根据所述兴趣项数据和引入的随机差分矩阵构建用户画像；根据所述用户画像于所述区块链网络中匹配第二用户提供的房屋数据获得目标房屋信息，根据所述第一用户和所述第二用户通过所述目标房屋信息提供的交易数据和所述目标房屋信息生成房屋变更数据；将所述房屋变更数据共识至所述区块链网络
。
[0007]在上述房屋信贷数据处理方法中，可选的，根据所述用户数据通过差分隐私算法进行迭代计算获得用户的兴趣项数据还包含：根据所述用户数据构建数据矩阵，通过协同矩阵算法将所述数据矩阵转换为用户集和兴趣集构成的协同耦合数据；于所述协同耦合数据中选取样本数据集，并将高斯噪声加入所述样本数据集中生成用户数据集；根据所述用户数据集通过差分隐私算法进行迭代计算获得用户的兴趣项数据
。
[0008]在上述房屋信贷数据处理方法中，可选的，根据所述用户数据集通过差分隐私算法进行迭代计算获得用户的兴趣项数据包含：根据所述用户数据集通过隐私混淆处理生成干扰数据集，根据梯度下降算法计算所述干扰数据集中的正则平方错误值，并通过迭代计算适配所述干扰数据集中的兴趣集获得用户的兴趣项数据
。
[0009]在上述房屋信贷数据处理方法中，可选的，根据所述兴趣项数据和引入的随机差分矩阵构建用户画像包含：根据随机生成的噪声向量对所述兴趣集进行干扰迭代获得梯度下降函数；根据所述梯度下降函数和随机生成的噪声矩阵计算获得梯度模，将所述梯度模提供至用户兴趣访问方计算对应的梯度模累加因子；根据所述梯度模累加因子获得对应的梯度模函数，通过所述梯度模函数生成画像信息，根据所述画像信息构建用户画像
。
[0010]在上述房屋信贷数据处理方法中，可选的，根据所述第一用户和所述第二用户通过所述目标房屋信息提供的交易数据和所述目标房屋信息生成房屋变更数据还包含：根据所述第一用户和所述第二用户根据所述目标房屋信息提供的交易数据获得贷款需求数据；根据所述贷款需求数据和所述兴趣项数据通过差分隐私兴趣矩阵干扰算法对用户数据开展兴趣项训练获得用户偏好数据；根据所述用户偏好数据于所述区块链网络中匹配一个或多个贷款方信息，根据用户选定的贷款方信息由对应贷款方进行贷款评估生成评估结果；根据所述第一用户和对应贷款方通过所述评估结果提供的贷款交易生成贷款数据
。
[0011]在上述房屋信贷数据处理方法中，可选的，将所述房屋变更数据共识至所述区块链网络还包含：根据所述贷款数据的共识结果，将对应贷款提供至所述目标房屋信息对应的第二用户的账户中，并生成转款数据；将所述转款数据共识至所述区块链网络
。
[0012]在上述房屋信贷数据处理方法中，可选的，所述方法还包含：当所述交易类型为卖房交易时，获取第二用户提供的房屋信息及对应的第二身份信息；根据所述房屋信息和所述第二身份信息的验证结果生成房屋数据，将所述房屋数据共识至所述区块链网络
。
[0013]本申请还提供一种房屋信贷数据处理系统，所述系统包含信息获取模块
、
训练模块
、
处理模块和共识模块；所述信息获取模块用于获取第一用户提供的第一身份信息和交易类型；所述训练模块用于当所述交易类型为买房交易时，通过区块链网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种房屋信贷数据处理方法，其特征在于，所述方法包含：获取第一用户提供的第一身份信息和交易类型；当所述交易类型为买房交易时，通过区块链网络获得各用户端基于所述第一身份信息生成的用户数据；根据所述用户数据通过差分隐私算法进行迭代计算获得用户的兴趣项数据，根据所述兴趣项数据和引入的随机差分矩阵构建用户画像；根据所述用户画像于所述区块链网络中匹配第二用户提供的房屋数据获得目标房屋信息，根据所述第一用户和所述第二用户通过所述目标房屋信息提供的交易数据和所述目标房屋信息生成房屋变更数据；将所述房屋变更数据共识至所述区块链网络
。2.
根据权利要求1所述的房屋信贷数据处理方法，其特征在于，根据所述用户数据通过差分隐私算法进行迭代计算获得用户的兴趣项数据还包含：根据所述用户数据构建数据矩阵，通过协同矩阵算法将所述数据矩阵转换为用户集和兴趣集构成的协同耦合数据；于所述协同耦合数据中选取样本数据集，并将高斯噪声加入所述样本数据集中生成用户数据集；根据所述用户数据集通过差分隐私算法进行迭代计算获得用户的兴趣项数据
。3.
根据权利要求2所述的房屋信贷数据处理方法，其特征在于，根据所述用户数据集通过差分隐私算法进行迭代计算获得用户的兴趣项数据包含：根据所述用户数据集通过隐私混淆处理生成干扰数据集，根据梯度下降算法计算所述干扰数据集中的正则平方错误值，并通过迭代计算适配所述干扰数据集中的兴趣集获得用户的兴趣项数据
。4.
根据权利要求1所述的房屋信贷数据处理方法，其特征在于，根据所述兴趣项数据和引入的随机差分矩阵构建用户画像包含：根据随机生成的噪声向量对所述兴趣集进行干扰迭代获得梯度下降函数；根据所述梯度下降函数和随机生成的噪声矩阵计算获得梯度模，将所述梯度模提供至用户兴趣访问方计算对应的梯度模累加因子；根据所述梯度模累加因子获得对应的梯度模函数，通过所述梯度模函数生成画像信息，根据所述画像信息构建用户画像
。5.
根据权利要求1所述的房屋信贷数据处理方法，其特征在于，根据所述第一用户和所述第二用户通过所述目标房屋信息提供的交易数据和所述目标房屋信息生成房屋变更数据还包含：根据所述第一用户和所述第二用户根据所述目标房屋信息提供的交易数据获得贷款需求数...

【专利技术属性】
技术研发人员：胡可伟，林卫辉，陈子维，柳恒，
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：