[发明专利]风控模型优化方法、终端及计算机可读存储介质

权利要求书

1.一种风控模型优化方法，其特征在于，包括：

获取多维度数据，所述多维度数据包括应用类别数据、用户使用行为数据、用户设备地理位置轨迹数据以及用户设备基础信息数据；

对所述多维度数据进行处理，以得到第一风控特征因子、第二风控特征因子以及第三风控特征因子；

利用XGBoost算法，对所述第一风控特征因子、第二风控特征因子以及第三风控特征因子进行筛选及生成处理，以得到最有效风控特征因子和组合风控特征因子；

将所述最有效风控特征因子和组合风控特征因子输入预设的风控模型，以预测用户逾期概率值。

2.如权利要求1所述的风控模型优化方法，其特征在于，对所述多维度数据进行处理，以得到第一风控特征因子具体包括：

利用Naive Bayes算法对所述应用类别数据进行分类，以得到多个应用类别；

根据所述应用类别，结合所述用户使用行为数据，利用LR算法计算出每一用户对每一类使用行为的的行为偏好；

将所述行为偏好作为所述第一风控特征因子。

3.如权利要求2所述的风控模型优化方法，其特征在于，对所述多维度数据进行处理，以得到第二风控特征因子具体包括：

利用GeoHash技术，结合所述用户设备地理位置轨迹数据，计算算用户设备任一时间段所处地点的地理类型；

将所述地理类型作为所述第二风控特征因子。

4.如权利要求3所述的风控模型优化方法，其特征在于，所述用户设备基础信息数据包括国际移动设备身份码、MAC地址及国际移动用户识别码，对所述多维度数据进行处理，以得到第三风控特征因子具体包括：

利用图算法，结合所述用户设备基础信息数据获取多个用户设备的关联数据；

将所述关联数据作为所述第三风控特征因子。

5.如权利要求4所述的风控模型优化方法，其特征在于，所述优化方法还包括：

根据所述用户逾期概率值和预设的测试样本集中用户的好坏标识得到ks指标值。

6.一种风控模型优化终端，其特征在于，包括：

获取单元，用于获取多维度数据，所述多维度数据包括应用类别数据、用户使用行为数据、用户设备地理位置轨迹数据以及用户设备基础信息数据；

第一处理单元，用于对所述多维度数据进行处理，以得到第一风控特征因子、第二风控特征因子以及第三风控特征因子；

第二处理单元，用于利用XGBoost算法，对所述第一风控特征因子、第二风控特征因子以及第三风控特征因子进行筛选及生成处理，以得到最有效风控特征因子和组合风控特征因子；

优化单元，用于将所述最有效风控特征因子和组合风控特征因子输入预设的风控模型，以预测用户逾期概率值。

7.如权利要求6所述的风控模型优化终端，其特征在于，所述第一处理单元具体用于：

利用Naive Bayes算法对所述应用类别数据进行分类，以得到多个应用类别；

根据所述应用类别，结合所述用户使用行为数据，利用LR算法计算出每一用户对每一类使用行为的的行为偏好；

将所述行为偏好作为所述第一风控特征因子；

利用GeoHash技术，结合所述用户设备地理位置轨迹数据，计算算用户设备任一时间段所处地点的地理类型；

将所述地理类型作为所述第二风控特征因子；

利用图算法，结合所述用户设备基础信息数据获取多个用户设备的关联数据，所述用户设备基础信息数据包括国际移动设备身份码、MAC地址及国际移动用户识别码；

将所述关联数据作为所述第三风控特征因子。

8.如权利要求7所述的风控模型优化终端，其特征在于，所述优化终端还包括：

计算单元，用于根据所述用户逾期概率值和预设的测试样本集中用户的好坏标识得到ks指标值。