[发明专利]基于LDA模型从交易数据中提取信用变量的方法和装置

说明书

本申请提供一种基于LDA模型从交易数据中提取信用变量的方法和装置。该方法包括：获取用户的频数矩阵，频数矩阵的行表示用户，频数矩阵的列表示类目，频数矩阵的任一元素为对应用户在对应类目下的购买频数；将频数矩阵和预设的主题类目数量作为入参输入LDA模型，经过LDA模型计算后得到各主题类目以及用户与各主题类目的关联概率值；将用户与目标主题类目的关联概率值作为用户的信用变量，其中，目标主题类目是根据关联概率值在主题类目中通过计算确定的。本申请基于LDA模型确定出可提升信用变量准确度的潜在目标主题类目，从而基于确定的目标主题类目提取用户的信用变量，以提升信用变量提取的准确度。

技术领域

本申请涉及计算机技术领域，尤其涉及一种基于LDA模型从交易数据中提取信用变量的方法和装置。

背景技术

相关技术中，基于用户的信用变量，开发人员可以构建各种信用模型，用于评估用户的信用，以便后续有针对性的开展贷款、借款等与用户信用相关的电子业务。因此，信用变量的准确度将直接影响信用模型的准确度，而如何提取更为准确的信用变量，已成为目前亟待解决的问题。

发明内容

有鉴于此，本申请提供一种基于LDA模型从交易数据中提取信用变量的方法和装置。

具体地，本申请是通过如下技术方案实现的：

一种基于LDA模型从交易数据中提取信用变量的方法，所述方法包括：

获取用户的频数矩阵，所述频数矩阵的行表示用户，所述频数矩阵的列表示类目，所述频数矩阵的任一元素为对应用户在对应类目下的购买频数；

将所述频数矩阵和预设的主题类目数量作为入参输入LDA模型，经过LDA模型计算后得到各主题类目以及所述用户与各主题类目的关联概率值；

将所述用户与所述目标主题类目的关联概率值作为所述用户的信用变量，其中，所述目标主题类目是根据所述关联概率值在所述主题类目中通过计算确定的。

一种基于LDA模型从交易数据中提取信用变量的装置，所述装置包括：

矩阵获取单元，获取用户的频数矩阵，所述频数矩阵的行表示用户，所述频数矩阵的列表示类目，所述频数矩阵的任一元素为对应用户在对应类目下的购买频数；

概率确定单元，将所述频数矩阵和预设的主题类目数量作为入参输入LDA模型，经过LDA模型计算后得到各主题类目以及所述用户与各主题类目的关联概率值；

第一变量确定单元，将所述用户与所述目标主题类目的关联概率值作为所述用户的信用变量，其中，所述目标主题类目是根据所述关联概率值在所述主题类目中通过计算确定的。

本申请可将用户的历史交易数据类比为LDA模型中的文档，将交易数据中的具体类目类比为LDA模型中的单词，基于LDA模型确定出可提升信用变量准确度的潜在目标主题类目，从而基于确定的目标主题类目提取用户的信用变量，以提升信用变量提取的准确度。

附图说明

图1是本申请一示例性实施例示出的一种基于LDA模型从交易数据中提取信用变量的方法的流程示意图。

图2是本申请一示例性实施例示出的一种筛选样本频数矩阵的流程示意图。

图3是本申请一示例性实施例示出的一种基于LDA模型从交易数据中提取信用变量的示意图。

图4是本申请一示例性实施例示出的一种用于基于LDA模型从交易数据中提取信用变量的装置的一结构图。

图5是本申请一示例性实施例示出的一种基于LDA模型从交易数据中提取信用变量的装置的框图。

具体实施方式