[发明专利]一种信用分的获取、特征向量值的输出方法及其装置

说明书

本申请提供一种信用分的获取、特征向量值的输出方法及其装置，该信用分的获取方法包括：获得用户的输入数据，并将所述输入数据提供给深度神经网络；通过所述深度神经网络对所述输入数据进行处理，得到信用概率值；利用所述深度神经网络输出的所述信用概率值获取所述用户的信用分；其中，在深度神经网络内，选取缩放双曲正切函数作为激活函数，并使用所述缩放双曲正切函数对上一级别输出的第一特征向量值进行计算，得到第二特征向量值，并将所述第二特征向量值输出给下一级别。通过本申请的技术方案，可以增强信用分的稳定性，避免信用分发生较大变化，提高使用体验。

技术领域

本申请涉及互联网技术领域，尤其涉及一种信用分的获取、特征向量值的输出方法及其装置。

背景技术

芝麻信用是独立的第三方信用评估以及信用管理机构，依据方方面面的信息，运用大数据以及云计算技术客观呈现个人的信用状况，通过连接各种服务，让每个人都能体验信用所带来的价值。具体的，芝麻信用通过分析大量的网络交易以及行为数据，对用户进行信用评估，这些信用评估可以帮助互联网金融企业对用户的还款意愿以及还款能力做出结论，继而为用户提供快速授信以及现金分期服务。例如，芝麻信用数据涵盖了信用卡还款、网购、转账、理财、水电煤缴费、租房信息、住址搬迁历史、社交关系等服务。

芝麻信用分是芝麻信用对海量信息数据的评估结果，可基于用户信用历史、行为偏好、履约能力、身份特质、人脉关系等五个维度确定芝麻信用分。

发明内容

本申请提供一种信用分的获取、特征向量值的输出方法及其装置，以增强信用分的稳定性，避免信用分较大变化，提高使用体验。技术方案如下：

本申请提供一种信用分的获取方法，所述方法包括以下步骤：

获得用户的输入数据，并将所述输入数据提供给深度神经网络；

通过所述深度神经网络对所述输入数据进行处理，得到信用概率值；

利用所述深度神经网络输出的所述信用概率值获取所述用户的信用分；

其中，在所述深度神经网络内，选取缩放双曲正切函数作为激活函数，并使用所述缩放双曲正切函数对上一级别输出的第一特征向量值进行计算，得到第二特征向量值，并将所述第二特征向量值输出给下一级别。

所述选取缩放双曲正切函数作为激活函数的过程，具体包括：

确定双曲正切函数，并降低所述双曲正切函数的斜率，以得到缩放双曲正切函数，并选取所述缩放双曲正切函数作为所述深度神经网络的激活函数。

所述缩放双曲正切函数具体包括：scaledtanh(x)＝β*tanh(α*x)；

在使用所述缩放双曲正切函数对上一级别输出的第一特征向量值进行计算，得到第二特征向量值时，x为第一特征向量值，scaledtanh(x)为第二特征向量值，tanh(x)为双曲正切函数，β和α均为预设数值，且α小于1，大于0。

所述上一级别输出的第一特征向量值包括：

所述深度神经网络的隐藏层输出的一个数据维度的特征向量值；所述深度神经网络的模块层输出的多个数据维度的特征向量值。

本申请提供一种特征向量值的输出方法，应用在深度神经网络内，所述方法包括以下步骤：

选取缩放双曲正切函数作为所述深度神经网络的激活函数；

使用所述缩放双曲正切函数对所述深度神经网络的上一级别输出的第一特征向量值进行计算，得到第二特征向量值；

将所述第二特征向量值输出给所述深度神经网络的下一级别。