[发明专利]服务准入方法、服务准入装置、电子设备及存储介质

权利要求书

1.一种服务准入方法，其特征在于，包括：

获取待服务对象的特征数据；

基于所述特征数据对所述待服务对象进行信用评估，得到所述待服务对象的信用评估结果；

基于所述特征数据对所述待服务对象进行响应评估，得到所述待服务对象的响应评估结果；

根据所述待服务对象的信用评估结果与响应评估结果确定是否准入所述待服务对象。

2.根据权利要求1所述的方法，其特征在于，所述基于所述特征数据对所述待服务对象进行信用评估，得到所述待服务对象的信用评估结果，包括：

分别通过风险分析模型及负债分析模型对所述特征数据进行处理，得到所述待服务对象的风险分析结果以及负债分析结果；

根据所述待服务对象的风险分析结果与负债分析结果得到所述待服务对象的信用评估结果。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

获取多个样本对象以及各所述样本对象的样本特征数据；

获取所述样本对象的第一分类标签和第二分类标签；

利用所述样本特征数据以及所述第一分类标签，训练第一机器学习模型，得到所述风险分析模型；

利用所述样本特征数据以及所述第二分类标签，训练第二机器学习模型，得到所述负债分析模型；

其中，所述第一分类标签包括高风险对象或非高风险对象，所述第二分类标签包括高负债对象或非高负债对象。

4.根据权利要求3所述的方法，其特征在于，所述第一机器学习模型与第二机器学习模型为梯度提升决策树模型，所述风险分析结果包括高风险概率，所述负债分析结果包括高负债概率；

所述分别通过风险分析模型及负债分析模型对所述特征数据进行处理，得到所述待服务对象的风险分析结果以及负债分析结果包括：

通过所述风险分析模型的N棵风险决策树对所述特征数据进行处理，得到N个1或0的高风险分类值，其中1表示预测所述待服务对象为高风险对象，0表示预测所述待服务对象为非高风险对象；

通过公式计算所述高风险概率，其中P_r为所述高风险概率，W_ri为第i棵风险决策树的权重系数，T_ri为第i棵风险决策树输出的高风险分类值；

通过所述负债分析模型的M棵负债决策树对所述特征数据进行处理，得到M个1或0的高负债分类值，其中1表示预测所述待服务对象为高负债对象，0表示预测所述待服务对象为非高负债对象；

通过公式计算所述高负债概率，其中P_d为所述高负债概率，W_dj为第j棵负债决策树的权重系数，T_dj为第j棵负债决策树输出的高负债分类值。

5.根据权利要求1所述的方法，其特征在于，所述信用评估结果包括信用评价值，所述响应评估结果包括响应率；

所述根据所述待服务对象的信用评估结果与响应评估结果确定是否允许所述待服务对象准入包括：

根据所述信用评价值与所述响应率计算所述待服务对象的违约预测概率；

如果所述待服务对象的违约预测概率达到一概率阈值，则拒绝准入所述待服务对象；

如果所述待服务对象的违约预测概率未达到所述概率阈值，则准入所述待服务对象。

6.根据权利要求5所述的方法，其特征在于，所述根据所述信用评价值与所述响应率计算所述待服务对象的违约预测概率包括：

通过以下公式计算所述待服务对象的违约预测概率：

P_q＝P_m^a·P_n^b，其中，P_q为所述违约预测概率，P_m为所述信用评价值，P_n为所述响应率，a与b均为大于0的常数参数。