[发明专利]贷款预测方法、装置、设备及存储介质

权利要求书

1.一种贷款预测方法，其特征在于，所述贷款预测方法包括：

获取用户的贷款申请请求；

提取所述贷款申请请求中的当前申请特征信息；

通过所述高斯混合分布模型对所述当前申请特征信息对应的用户进行分类；

根据分类结果以及所述当前申请特征信息通过所述预设用户贷款预测模型进行贷款通过率预测，得到贷款通过率的预测结果。

2.如权利要求1所述的贷款预测方法，其特征在于，所述通过高斯混合分布模型对所述当前申请特征信息对应的用户进行分类之前，所述方法还包括：

获取建立高斯混合分布模型的历史均值，并将所述历史均值进行初始化；

根据所述历史申请特征信息、预设个参考高斯模型以及初始后的历史均值得到所述高斯混合分布模型。

3.如权利要求2所述的贷款预测方法，其特征在于，根据所述历史申请特征信息、预设个参考高斯模型以及初始后的历史均值通过公式(一)得到高斯混合分布模型：

其中，K表示高斯模型混合的历史数量，N(x|u_k,∑k)是第k个高斯模型的历史类别概率密度函数，表示选定第k个模型后产生x的概率；π_k第k个高斯模型的历史权重，x表示历史申请特征信息，u_k第k个高斯模型的历史均值。

4.如权利要求1至3所述的贷款预测方法，其特征在于，所述通过高斯混合分布模型对所述当前申请特征信息对应的用户进行分类，包括：

定义所述当前申请特征信息的初始分量数量，并设置所述当前申请特征信息对应的第k个高斯模型的初始权重、第k个高斯模型的初始均值以及高斯混合分布模型中的初始模型数量；

根据所述初始分量数量、初始权重、初始均值以及初始模型数量得到后验概率；

根据所述后验概率得到目标权重、目标均值以及目标模型数量；

根据所述目标权重、目标均值以及目标模型数量得到目标对数似然函数；

判断所述目标对数似然函数是否收敛，根据判断结果对所述当前申请特征信息对应的用户进行分类。

5.如权利要求4所述所述的贷款预测方法，其特征在于，根据所述初始分量数量、初始权重、初始均值以及初始模型数量通过公式(二)得到后验概率；

其中，K表示高斯模型混合的初始数量，N(x|u_k,∑k)是第k个高斯模型的初始类别概率密度函数，表示选定第k个模型后产生x的概率；π_k第k个高斯模型的初始权重，x表示当前申请特征信息，u_k第k个高斯模型的初始均值。

6.如权利要求4所述所述的贷款预测方法，其特征在于，根据所述目标权重、目标均值以及目标模型数量通过公式(三)得到目标对数似然函数；

其中，π表示目标权重，u目标均值，∑表示目标模型数量。

7.如权利要求1至3中任一项所述的贷款预测方法，其特征在于，所述贷款申请请求包括用户收款账号信息；

所述根据分类结果以及所述当前申请特征信息通过所述预设用户贷款预测模型进行贷款通过率预测，得到贷款通过率的预测结果之后，所述方法还包括：

将所述预测结果与预设阈值进行比较；

在所述预测结果超过预设阈值时，获取所述贷款申请请求中的用户收款账号信息，根据所述用户收款账号信息响应所述贷款申请请求。

8.一种贷款预测装置，其特征在于，所述贷款预测装置包括：

获取模块，用于获取用户的贷款申请请求；

提取模块，用于提取所述贷款申请请求中的当前申请特征信息；

分类模块，用于通过所述高斯混合分布模型对所述当前申请特征信息对应的用户进行分类；

预测模块，用于根据分类结果以及所述当前申请特征信息通过所述预设用户贷款预测模型进行贷款通过率预测，得到贷款通过率的预测结果。