[发明专利]贷款产品匹配方法、装置、计算机设备和存储介质在审
申请号: | 201811123039.7 | 申请日: | 2018-09-26 |
公开(公告)号: | CN109389490A | 公开(公告)日: | 2019-02-26 |
发明(设计)人: | 夏良超 | 申请(专利权)人: | 深圳壹账通智能科技有限公司 |
主分类号: | G06Q40/02 | 分类号: | G06Q40/02;G06K9/62 |
代理公司: | 广州华进联合专利商标代理有限公司 44224 | 代理人: | 王宁 |
地址: | 518052 广东省深圳市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 决策树模型 匹配 税务数据 计算机设备 存储介质 决策节点 随机森林 需求信息 税务 标签 贷款企业 人工成本 大数据 解析 输出 申请 | ||
1.一种贷款产品匹配方法,所述方法包括:
获取历史税务数据;
解析所述历史税务数据得到税务特征,对所述税务特征进行训练得到初始决策树模型,所述初始决策树模型输出贷款产品的类型标签;
获取各类型贷款产品的资质需求信息,根据所述资质需求信息,生成决策节点,将所述决策节点加入所述初始决策树模型得到匹配决策树模型;
根据各个税务特征的所述匹配决策树模型,生成随机森林模型;将贷款企业的税务数据输入所述随机森林模型,得到匹配的贷款产品的类型标签。
2.根据权利要求1所述的方法,其特征在于,所述对所述税务特征进行训练得到初始决策树模型,包括:
将所述税务特征进行组合,得到组合税务特征;
对所述组合税务特征进行训练得到所述初始决策树模型。
3.根据权利要求1所述的方法,其特征在于,所述将所述决策节点加入所述初始决策树模型得到匹配决策树模型,包括:
将所述决策节点加入所述初始决策树模型;
根据预先设置的生成算法建立所述决策节点与所述初始决策树模型的内部节点的连接关系;
在所述连接关系的复杂程度最低时,得到所述匹配决策树模型。
4.根据权利要求1所述的方法,其特征在于,所述解析所述历史税务数据得到税务特征,对所述税务特征进行训练得到初始决策树模型,还包括:
根据所述历史税务数据,建立样本集和特征集;
从所述样本集中有放回随机选择多个样本以及从所述特征集中有放回随机选择多个税务特征;
利用所述多个样本以及所述多个税务特征,生成初始决策树模型。
5.根据权利要求4所述的方法,其特征在于,所述生成随机森林模型,包括:
重复多次生成所述初始决策树模型,根据所述初始决策树模型对应的所述匹配决策树模型,得到随机森林模型。
6.根据权利要求1至5所述的方法,其特征在于,所述贷款产品的类型标签包括:高风险贷款产品标签、中风险贷款产品标签和低风险贷款产品标签;
所述将贷款企业的税务数据输入所述随机森林,得到匹配的贷款产品的类型标签,包括:
将贷款企业的税务数据输入所述随机森林,输出所述高风险贷款产品、中风险贷款产品和低风险贷款产品中的任意一个。
7.根据权利要求1至5任意一项所述的方法,其特征在于,在解析所述历史税务数据得到税务特征之后,还包括:
为每个税务特征通过加权算法赋予权值;
所述根据各个税务特征的所述匹配决策树模型,生成随机森林模型,还包括:
根据所述税务特征的权值,给所述匹配决策树模型赋值;
根据赋值后的所述匹配决策树模型,生成随机森林模型。
8.一种贷款产品匹配装置,其特征在于,所述装置包括:
样本获取模块,用于获取历史税务数据;
初始训练模块,用于解析所述历史税务数据得到税务特征,对所述税务特征进行训练得到初始决策树模型,所述初始决策树模型输出贷款产品的类型标签;
匹配训练模块,用于获取各类型贷款产品的资质需求信息,根据所述资质需求信息,生成决策节点,将所述决策节点加入所述初始决策树模型得到匹配决策树模型;
输出模块,用于根据各个税务特征的所述匹配决策树模型,生成随机森林模型;将贷款企业的税务数据输入所述随机森林模型,得到匹配的贷款产品的类型标签。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳壹账通智能科技有限公司,未经深圳壹账通智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811123039.7/1.html,转载请声明来源钻瓜专利网。