[发明专利]一种用户信用风险的评估方法、系统、装置及存储介质

说明书

本申请公开了一种用户信用风险的评估方法，以待测用户的时间特征信息为基础，首先利用数据挖掘算法得到隐藏在该时间特征信息背后的目标隐含特征，接着根据记录有各隐含特征与评估权重间对应关系的对应表得到目标评估权重，最终依据加权计算法将两者的乘积作为待测用户的信用风险评评估数据，该评估方法充分利用了对用户信用风险评估相关的时间特征，数据挖掘算法的使用能够发觉人工无法发现的隐藏特征，因此可得到更加准确的信用风险评估数据，降低坏账、死账情况的出现概率。本申请还同时公开了一种用户信用风险的评估系统、装置及计算机可读存储介质，具有上述有益效果。

技术领域

本申请涉及风险评估技术领域，特别涉及一种用户信用风险的评估方法、系统、装置及计算机可读存储介质。

背景技术

在金融借贷领域，金融机构通常会使用各种技术和手段去评估用户信用风险，即通过收集用户的各种数据来评估用户的信用等级，并根据评估得到的用户信用等级来决定最终是否贷款给用户以及贷款的额度。

随着科技的进步，这种用户信用风险评估的工作逐渐由传统的人工操作转向由机器自动或半自动化完成。近年来，甚至发展出了通过机器学习技术来构建分类预测模型，得以实现用户信用风险的自动评估。

随着机器学习技术的不断推广和普及，用户信用风险评估模型由最初的评分卡模型到决策树，然后到随机森林，最终到组合决策树，模型在不断的演化，虽然模型的规模越来越大，复杂程度也越来越高，但本质上都还是树形结构的分类算法。即在本质上还是基于条件判断的策略来建立预测模型，而条件判断的窗口还需要经过人工对特征信息的分析后设立，同时还需要满足在条件判断时基于可量化数据进行的限制条件，也导致了对用户特征数据的分析停留在较浅的层面，无法观察到一些随时间变化可能对用户信用风险造成影响的复杂用户特征。所以，树形结构的条件判断预测模型已经无法适应现今数据规模越来越大、用户特征信息种类越多、表现形式多种多样的情况，无法对此种情况下的用户信用风险进行准确的评估。

因此，如何克服现有用户信用风险评估机制存在的各项技术缺陷，提供一种无需人工设定条件判断窗口、结合各种类用户特征信息随时间变化可能对最终信用风险评估造成的影响建立起的信用风险预测模型的信用风险评估机制是本领域技术人员亟待解决的问题。

发明内容

本申请的目的是提供一种用户信用风险的评估方法，以待测用户的时间特征信息为基础，首先利用数据挖掘算法得到隐藏在该时间特征信息背后的目标隐含特征，接着根据记录有各隐含特征与评估权重间对应关系的对应表得到目标评估权重，最终依据加权计算法将两者的乘积作为待测用户的信用风险评评估数据，该评估方法充分利用了对用户信用风险评估相关的时间特征，数据挖掘算法的使用能够发觉人工无法发现的隐藏特征，因此可得到更加准确的信用风险评估数据，降低坏账、死账情况的出现概率。

本申请的另一目的在于提供了一种用户信用风险的评估系统、装置及计算机可读存储介质。

为实现上述目的，本申请提供一种用户信用风险的评估方法，包括：

获取待测用户的时间特征信息；

利用数据挖掘算法对所述时间特征信息进行处理，得到目标隐含特征；

从预设的对应表中查询得到所述目标隐含特征对应的目标评估权重；其中，所述对应表中记录有隐含特征与评估权重间的对应关系；

依据加权计算法进行所述目标隐含特征与所述目标评估权重之间的计算，得到所述待测用户的信用风险评估数据。

可选的，所述对应表的生成过程包括：

获取历史时间特征信息；其中，所述历史时间特征信息为存量用户的时间特征信息；

利用所述数据挖掘算法对所述历史时间特征信息进行处理，得到隐含特征集；