[发明专利]用户信用的实时评分方法及评分系统

权利要求书

1.一种用户信用的实时评分方法，其特征在于，包括：

数据获取步骤，通过互联网获取用户的基础数据；

数据加工步骤，将所获取的基础数据导入到数据流计算集群中进行实时数据加工；

评分步骤，将经加工的基础数据导入一个或数个评分模型中进行评分，其中评分模型是根据已有数据建立；

数据存储及反馈步骤，将基础数据、经加工的基础数据和评分保存到数据库中，获取反馈信息；

模型评估及优化步骤，根据所保存的基础数据、经加工的基础数据、评分和反馈信息，对评分模型和数据流计算集群进行评估和优化；

更新步骤，依据优化后的评分模型和数据流计算集群对所使用的评分模型和数据流计算集群进行更新。

2.如权利要求1所述的用户信用的实时评分方法，其特征在于，所述数据获取步骤包括：

获取用户的身份信息；

获取用户的基础信息，依据用户的身份信息，通过互联网，从一个或数个第三方获取该用户的基础信息。

3.如权利要求1所述的用户信用的实时评分方法，其特征在于，所述数据加工步骤包括：

将用户的基础数据导入数据流计算框架中，所述数据流计算框架是Spark数据流计算框架；

根据数据分类模型，对用户的基础数据进行分类，数据分类模型与计算维度相对应；

数据流计算框架对各个计算维度使用对应分类的基础数据进行实时计算；

保存计算结果并将计算结果提供给各个评分模型。

4.如权利要求3所述的用户信用的实时评分方法，其特征在于，依据用户的基础数据获得用户画像，用户画像中不同属性的基础数据对应不同的计算维度，根据同一计算维度对数个用户的用户画像进行计算，获得对应该计算维度的细分客户群数据。

5.如权利要求4所述的用户信用的实时评分方法，其特征在于，所述反馈信息包括用户的后续实际操作行为。

6.如权利要求5所述的用户信用的实时评分方法，其特征在于，所述模型评估及优化步骤包括：

用户级评估及优化，依据单个用户的基础数据、经加工的基础数据、评分和反馈信息，对评分模型和数据流计算集群进行评估和优化；

客户群级评估及优化：根据计算维度，依据一个细分客户群中的用户的基础数据、经加工的基础数据、评分和反馈信息，对评分模型和数据流计算集群进行评估和优化。

7.如权利要求6所述的用户信用的实时评分方法，其特征在于，每次评分模型和数据流计算集群被优化后，对正在使用的评分模型和数据流计算集群进行实时更新。

8.如权利要求1所述的用户信用的实时评分方法，其特征在于，所述评分模型是根据已有的数据，由逻辑回归、随机森林、GBDT或XGBoost进行建模。

9.如权利要求1所述的用户信用的实时评分方法，其特征在于，所述数据库包括非结构化数据库Hbase和关系型数据库Mysql，使用数据传输中间件Kafka对数据库进行存取操作。

10.一种用户信用的实时评分系统，其特征在于，包括：

数据接入口，通过互联网获取用户的基础数据；

数据流计算集群，所获取的基础数据导入到数据流计算集群中，数据流计算集群进行实时数据加工；

一个或数个评分模型，经加工的基础数据导入评分模型中进行评分，其中评分模型是根据已有数据建立；

数据库，将基础数据、经加工的基础数据和评分保存到数据库中；

模型评估及优化装置，获取反馈信息，并根据所保存的基础数据、经加工的基础数据、评分和反馈信息，对评分模型和数据流计算集群进行评估和优化，根据优化后的评分模型和数据流计算集群对评分模型和数据流计算集群进行更新。