[发明专利]一种数据处理方法、装置、设备及存储介质

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取多个第一用户特征样本数据，所述第一用户特征样本数据为有标签样本数据，并利用所述第一用户特征样本数据训练得到事件逾期概率模型；

获取多个第二用户特征样本数据，所述第二用户特征样本数据为无标签样本数据，并利用所述事件逾期概率模型获取每个所述第二用户特征样本数据对应的事件逾期概率；

获取多个事件逾期概率大于设定的逾期概率阈值的第二用户特征样本数据作为第三用户特征样本数据；

利用增强学习模型分别获取每个第三用户特征样本数据的预估奖励值和预估不确定性值；

选择预估奖励值与预估不确定性之和最大的第三用户特征样本数据的事件逾期概率；

利用选择的所述事件逾期概率调整所述事件逾期概率阈值。

2.根据权利要求1所述的方法，其特征在于，所述增强学习模型包括线性模型和上下文赌博机，所述利用增强学习模型分别获取每个第三用户特征样本数据的预估奖励值和预估不确定性值，包括：

利用所述线性模型分别获取每个第三用户特征样本数据对应的预估奖励；

利用所述上下文赌博机分别获取每个第三用户特征样本数据对应的预估不确定性值。

3.根据权利要求2所述的方法，其特征在于，所述利用所述线性模型分别获取每个第三用户特征样本数据对应的预估收益，包括：

获取每个第三用户特征样本数据的事件特征数据；

将所述每个第三用户特征样本数据各自的事件特征数据、各自的事件逾期概率作为输入值，利用所述线性模型分别获取每个第三用户特征样本数据对应的预估奖励。

4.根据权利要求3所述的方法，其特征在于，所述事件特征数据包括以下至少一种：

目标对象所在区域数据，目标对象收入数据，目标对象学历数据。

5.根据权利要求2所述的方法，其特征在于，所述利用所述上下文赌博机分别获取每个第三用户特征数据对应的预估不确定性值，包括：

获取每个第三用户特征数据对应的事件状态数据；

将所述第三用户特征数据各自的授信状态数据及各自的事件逾期概率作为输入值，利用所述上下文赌博机分别获取每个调整系数区间对应的预估不确定性值。

6.根据权利要求1～5任一项所述的方法，其特征在于，所述第一用户特征样本数据和/或所述第二用户特征样本数据是利用用户画像模型得到的，所述用户画像模型利用以下至少一个特征样本训练得到：人行数据、消费数据、通话记录数据，地理位置数据、app使用情况数据。

7.根据权利要求1～5任一项所述的方法，其特征在于，所述方法还包括：

接收目标用户终端发送的事件评估请求消息，所述事件评估请求消息中携带目标用户的标识信息；

利用所述标识信息查找所述目标用户的用户特征数据；

将所述用户特征数据作为所述事件逾期概率模型的输入值，利用所述事件逾期概率模型获取所述目标用户的事件逾期概率；

将所述事件逾期概率与调整后的所述事件逾期概率阈值进行比较，得到比较结果；

向所述目标用户终端发送事件评估响应消息，所述事件评估响应消息中携带表示所述比较结果的信息。